CN107358207A - 一种矫正人脸图像的方法 - Google Patents

一种矫正人脸图像的方法 Download PDF

Info

Publication number
CN107358207A
CN107358207A CN201710575263.9A CN201710575263A CN107358207A CN 107358207 A CN107358207 A CN 107358207A CN 201710575263 A CN201710575263 A CN 201710575263A CN 107358207 A CN107358207 A CN 107358207A
Authority
CN
China
Prior art keywords
face
image
facial image
characteristic point
human face
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710575263.9A
Other languages
English (en)
Inventor
黄鸿
石光耀
刘嘉敏
袁佳成
丁高兴
李宗辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN201710575263.9A priority Critical patent/CN107358207A/zh
Publication of CN107358207A publication Critical patent/CN107358207A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本技术方案提供了一种矫正人脸图像的方法，所述方法包括接收发送端发送的原始图像，检测原始图像，截取得到人脸图像，定位人脸图像上的特征点，生成至少两个人脸特征点位置坐标，基于至少两个人脸特征点位置坐标计算人脸偏转角度，基于人脸偏转角度反向旋转人脸图像，检测反向旋转后的人脸图像，截取得到人脸矫正图像。进行人脸识别之前先将图像中偏转的人脸图像进行矫正，即将人脸图像沿其偏转方向的反方向旋转其偏转角度，再对旋转后的图像进行检测，截取人脸矫正图像。因人脸矫正图像不存在偏转，可提高人脸识别时的准确率，且截取人脸矫正图像时去除了大量非人脸的区域，因此，可减少后续图像处理时的工作量。

Description

一种矫正人脸图像的方法
技术领域
本发明涉及图像处理技术领域，具体地说，涉及一种矫正人脸图像的方法。
背景技术
人脸识别技术是生物识别技术中的一种，以其直接性、唯一性、方便性等特点，在公安侦查、交通检测、门禁系统、目标追踪及其他民用安全控制系统等领域具有广阔的发展前景和很高的社会经济效益。近年来随着越来越多的研究工作者投入到人脸识别领域中，人脸识别技术得到了很大的发展，并逐渐成熟起来。
人脸检测作为人脸识别技术中最为重要的模块之一，其采集得到的人脸图像的质量直接影响着人脸识别率的高低。一般影响人脸检测过程的因素主要有：光照、姿态、摄像机的成像能力等等，由于同一个人在不同姿态下的人脸图像之间的差异几乎经常大于在相同姿态条件下不同人的人脸图像之间的差异，而且对于目前存在的大多数的人脸识别系统，在待识别图像和训练图像中的人脸姿态相似的情况下，识别率很高，但是当人脸姿态变化时，识别率急剧下降，使得姿态问题成为人脸检测乃至人脸识别领域最难解决的问题之一。在现有技术中，李海彦等首先需要通过积分投影方法对人脸图像中的关键点(包括左内眼点、右内眼点、鼻尖以及两嘴角点)进行定位，然后根据两个内眼点计算出倾斜角度，最后通过仿射变换函数实现了人脸图像的矫正。然而该方法能够实现有效矫正的角度范围为25°左右，不能满足实际应用过程中姿态多样性的要求；而且该方法只是对原有倾斜人脸图像进行了旋转和缩放，导致最终得到的矫正后的人脸图像包含了较多无用、冗余的黑色区域，这些黑色区域不但会影响算法的速度，还导致有效人脸区域占据整张人脸图像的比例明显缩小，这在一定程度上限制了人脸识别率的提高。
因此，如何矫正由于人脸与摄像机之间的角度变化而造成的人脸图像的倾斜，同时在不影响算法整体速率的情况下，尽可能增大有效人脸区域占据整张人脸图像的比例就成为了本领域技术人员急需解决的问题。
发明内容
针对上述现有技术的不足，本发明提供了一种矫正人脸图像的方法，在进行人脸识别之前先将图像中偏转的人脸图像进行矫正，即将人脸图像在其偏转方向的反方向上旋转同样的偏转角度，因矫正后的人脸图像不存在偏转，进行人脸识别时的准确率会大大提升。
为了解决上述技术问题，本发明采用了如下的技术方案：
一种矫正人脸图像的方法，所述方法包括：
接收发送端发送的原始图像；
检测所述原始图像，截取得到人脸图像；
定位所述人脸图像上的特征点，生成至少两个人脸特征点位置坐标；
基于至少两个所述人脸特征点位置坐标计算人脸偏转角度；
基于所述人脸偏转角度反向旋转所述人脸图像；
检测反向旋转后的所述人脸图像，截取得到人脸矫正图像。
优选地，所述检测所述原始图像包括：
调用AdaBoost算法；
基于所述AdaBoost算法中级联的强分类器检测所述原始图像并生成人脸区域坐标。
优选地，所述AdaBoost算法中强分类器的训练方法包括以下步骤：
步骤A：调用训练样本集，所述训练样本集共包括i个训练样本，所述i个训练样本可分别表示为：{(u1,q1),(u2,q2),...,(ui,qi)}，ui表示所述训练样本集中的图像，qi表示所述训练样本是否为人脸样本，其中，qi＝0代表所述训练样本为非人脸，qi＝1代表所述训练样本为人脸；
步骤B：对于qi＝0，初始化其权值为w1,i＝1/2m，对于qi＝1，初始化其权值为w1,i＝1/2l，其中m表示非人脸个数，l表示人脸个数；
步骤C：归一化权值：将的值赋予wt,i；
步骤D：根据最小分类错误率确定第t轮的最优弱分类器ht(u)＝h(u,ft,pt,θt)，函数h表示所采用的弱分类器，f指的是人脸图像上的Haar-like特征，p代表不等号的方向(只有±1两种情况)，θ代表Haar-like特征的阈值；
步骤F：更新权重，β＝εt/(1-εt)，若图像ui分类正确，用分类标志ei＝0表示；反之分类标志ei＝1，其中，t＝1，2，…，T，t表示循环次数，T为预设的循环次数值；
步骤G：重复执行T次步骤C至步骤F，生成所述强分类器：
当C(u)＝1时，即表示所述强分类器判断样本为人脸，当C(u)＝0时，即表示所述强分类器样本不为人脸。
优选地，所述基于人脸区域坐标截取人脸区域图像包括：
基于所述人脸区域坐标生成人脸区域放大坐标；
基于所述人脸区域放大坐标截取人脸区域图像。
优选地，所述定位所述人脸图像上的特征点，生成至少两个人脸特征点位置坐标包括：
调用监督下降算法；
基于所述监督下降算法定位所述人脸图像上的特征点，生成至少两个人脸特征点位置坐标。
优选地，所述监督下降算法包括第一系数Rm和第二系数bm，m为预设定的迭代次数，求所述第一系数Rm和所述第二系数bm的方法包括：
调用人脸图像训练样本集，用xm表示第m次迭代后人脸关键点的位置，θm表示第m次迭代后人脸关键点周围提取的特征，为形状差值且
基于迭代m次生成第一系数Rm和第二系数bm。
优选地，所述基于所述人脸偏转角度反向旋转所述人脸图像包括：
调用仿射变换算法；
基于所述仿射变换算法及所述人脸偏转角度反向旋转所述人脸图像。
优选地，所述至少两个所述人脸特征点包括左外眼角特征点及右外眼角特征点，所述人脸偏转角度为所述左外眼角特征点及所述右外眼角特征点的连线与水平线之间的夹角；所述基于至少两个所述人脸特征点位置坐标计算人脸偏转角度包括计算所述左外眼角特征点及所述右外眼角特征点的连线与水平线的夹角。
综上所述，本技术方案提供了一种矫正人脸图像的方法，所述方法包括接收发送端发送的原始图像，检测原始图像，截取得到人脸图像，定位人脸图像上的特征点，生成至少两个人脸特征点位置坐标，基于至少两个人脸特征点位置坐标计算人脸偏转角度，基于人脸偏转角度反向旋转人脸图像，检测反向旋转后的人脸图像，截取得到人脸矫正图像。进行人脸识别之前先将图像中偏转的人脸图像进行矫正，即将人脸图像沿其偏转方向的反方向旋转其偏转角度，再对旋转后的图像进行检测，截取人脸矫正图像。因人脸矫正图像不存在偏转，可提高人脸识别时的准确率，且截取人脸矫正图像时去除了大量非人脸的区域，因此，可减少后续图像处理时的工作量。
附图说明
为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为本发明公开的一种矫正人脸图像的方法的流程图；
图2为本发明公开的一种矫正人脸图像的方法的步骤S102中的检测原始图像的一种实施方式的流程图；
图3为本发明公开的一种矫正人脸图像的方法中的人脸图像的示意图；
图4为本发明公开的一种矫正人脸图像的方法中的人脸矫正图像的示意图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
如图1所示，为本发明公开的一种矫正人脸图像的方法的流程图，所述方法包括以下步骤：
S101、接收发送端发送的原始图像；
发送端可以为摄像机、移动终端、远端服务器等一切可用于发送图像的电子设备。原始图像为未经过矫正的图像，在原始图像中的人脸图像可能不是标准姿态的人脸图像(双眼位于同一水平线上，嘴唇位于鼻尖正下方)，人脸图像存在一定的偏转角，例如双眼间的连线与水平线之间存在夹角。本发明中提到的矫正即是将原始图像中左右倾斜的人脸图像矫正为标准姿态的人脸图像。
S102、检测原始图像，截取得到人脸图像；
人脸图像可为一个包括了整个人脸的矩形框，在对原始图像进行检测时，可以得到这个矩形框在原始图像上的位置坐标，即人脸区域坐标，根据人脸区域坐标截取这个矩形框，得到人脸图像。
S103、定位人脸图像上的特征点，生成至少两个人脸特征点位置坐标；
对人脸图像内的特征点进行定位，可生成人脸图像上特征点的位置坐标。特征点可以包括(眼角、嘴角、鼻尖及鼻翼等人脸上容易定位的点)，为满足后续步骤中计算人脸偏转角度，需要生成至少两个人脸特征点位置坐标。特征点定位可采用主动外观模型定位法及主动形状模型定位法等方法。
S104、基于至少两个人脸特征点位置坐标计算人脸偏转角度；
人脸图像处于标准姿态时，任意两特征点间的连线具有固定的方向性，例如鼻尖与人中的连线应该是竖直的。特征点连线与水平或竖直方向的夹角处于一个固定的范围内，比如鼻尖与人中的连线与水平方向的夹角大致为90°。因此，可利用统计学原理根据人脸五官的分布位置求出它们在标准姿态下的平均角度。已知人脸图像上两个特征点的坐标，即可确定这两个特征点的连线，从而求出人脸图像中的两个特征点的连线与水平或竖直方向的夹角，与平均角度进行比较即可得出人脸偏转角度。计算人脸偏转角度，至少需要两个人脸特征点的位置坐标，也可采用两个以上的人脸特征点的位置坐标进行计算，例如，若采用三个人脸特征点的位置坐标，则将三个人脸特征点连线为一个三角形，利用统计学原理得到这三个特征点标准姿态时的标准三角形，计算两个三角形的夹角，即可算出人脸偏转角度。多个人脸特征点的计算方法以此类推。
S105、基于人脸偏转角度反向旋转人脸图像；
在计算出人脸偏转角度之后，将人脸图像偏转的方向的反方向旋转，旋转角度与人脸偏转角度相等，从而得到旋转之后的人脸图像。
S106、检测反向旋转后的人脸图像，截取得到人脸矫正图像。
检测旋转后的人脸图像并生成新的人脸区域坐标，新的人脸区域坐标为人脸图像在旋转后的人脸图像中的坐标，根据新的人脸区域坐标截取得到最终矫正后的人脸图像。如图3及图4所示，人脸图像中包括许多非人脸区域，旋转后的人脸图像依然会保留这些非人脸区域，对旋转后的人脸图像再次进行检测，可以得到一个人脸矫正图像，人脸矫正图像中的非人脸区域明显减少，若图像需要进行后续处理，可降低后续处理的难度。S106与S102的检测方法可以相同。
综上所述，本技术方案提供了一种矫正人脸图像的方法，所述方法包括接收发送端发送的原始图像，检测原始图像，截取得到人脸图像，定位人脸图像上的特征点，生成至少两个人脸特征点位置坐标，基于至少两个人脸特征点位置坐标计算人脸偏转角度，基于人脸偏转角度反向旋转人脸图像，检测反向旋转后的人脸图像，截取得到人脸矫正图像。再对旋转后的图像进行检测，截取人脸矫正图像。因人脸矫正图像不存在偏转，可提高人脸识别时的准确率，且截取人脸矫正图像时去除了大量非人脸的区域，因此，可减少后续图像处理时的工作量。
值得一提的是，在本发明中，一个原始图像上可能存在多个人脸图像，此时，对每一人脸图像均进行上述步骤，得到每一个人脸图像的人脸矫正图像。
如图2所示，本发明公开的一种矫正人脸图像的方法的步骤S102中的检测原始图像的一种实施方式的流程图，包括以下步骤：
S201、调用AdaBoost算法；
对于原始图像中人脸区域的检测可采用AdaBoost算法实现，AdaBoost算法具有以下优点：很好的利用了弱分类器进行级联；可以将不同的分类算法作为弱分类器；AdaBoost算法具有很高的精度；相对于bagging算法和RandomForest算法，AdaBoost充分考虑了每个分类器的权重。不同的训练方法其生成的强分类器不同，因此，本方法还可以包括AdaBoost算法中强分类器的训练方法：
步骤A：调用训练样本集，所述训练样本集共包括i个训练样本，所述i个训练样本可分别表示为：{(u1,q1),(u2,q2),...,(ui,qi)}，ui表示所述训练样本集中的图像，qi表示所述训练样本是否为人脸样本，其中，qi＝0代表所述训练样本为非人脸，qi＝1代表所述训练样本为人脸；
步骤B：对于qi＝0，初始化其权值为w1,i＝1/2m，对于qi＝1，初始化其权值为w1,i＝1/2l，其中m表示非人脸个数，l表示人脸个数；
步骤C：归一化权值：将的值赋予wt,i；
步骤D：根据最小分类错误率确定第t轮的最优弱分类器ht(u)＝h(u,ft,pt,θt)，函数h表示所采用的弱分类器，f指的是人脸图像上的Haar-like特征，p代表不等号的方向(只有±1两种情况)，θ代表Haar-like特征的阈值；
步骤F：更新权重，β＝εt/(1-εt)，若图像ui分类正确，用分类标志ei＝0表示；反之分类标志ei＝1，其中，t＝1，2，…，T，t表示循环次数，T为预设的循环次数值；
步骤G：重复执行T次步骤C至步骤F，生成所述强分类器：
当C(u)＝1时，即表示所述强分类器判断样本为人脸，当C(u)＝0时，即表示所述强分类器样本不为人脸。
S203、基于AdaBoost算法中级联的强分类器检测原始图像并生成人脸区域坐标；
利用上述步骤中AdaBoost方法训练得到的强分类器可以找出原始图像中的人脸区域，人脸区域可用一个包括整个人脸的矩形框来表示，人脸区域坐标即为这个矩形框的坐标，人脸区域坐标包括矩形框左上角的顶点坐标及矩形框的边长信息。具体过程可为，将原始图像分为若干个区块，使用级联的强分类器对每个区块进行检测，判断是否为人脸，若是，则基于这个区块生成人脸区域坐标。
为进一步优化上述技术方案，在上述方法中的步骤S102至步骤S103之间，还可以包括以下步骤：
基于人脸区域坐标生成人脸区域放大坐标；
因原始图像中的人脸区域是偏转的，因此，上述步骤中确定的人脸框可能并不准确，为保证矫正后的图像包括完整的人脸，可将人脸区域坐标放大。放大的方法为，将原有的包括了人脸的人脸框按比例进行放大，并求得放大后的人脸框的坐标，即人脸区域放大坐标。
基于人脸区域放大坐标截取人脸区域图像；
放大后的人脸框内的图像是由若干个像素点组成的，在生成人脸区域放大坐标之后，即可对放大后的人脸框内的所有像素点进行提取，即完成了人脸图像的截取。
为进一步优化上述技术方案，上述方法中的步骤S104的一种具体实施方式可以为：
调用监督下降算法；
采用SDM(Supervised Descent Method，监督下降法)实现对于人脸区域图像内的人脸特征点的定位。
基于监督下降算法定位人脸图像内至少两个人脸特征点位置坐标；
利用监督下降法，可以对人脸图像内的特征点进行定位并求得特征点位置坐标。为满足后续步骤中计算人脸偏转角度，需要生成至少两个人脸特征点位置坐标。此处对监督下降法在本方法的原理进行说明：
设人脸图像为d，d(x)∈Rp×1为p个人脸特征点的位置，其中R代表实数，h是一个非线性的特征提取函数，此处以SIFT(Scale-Invariant Feature Transform，尺寸不变特征变换)特征为例。假设人脸图像上的SIFT特征是128维的，那么人脸图像所有关键点的SIFT特征就可以表示成h(d(x))∈R128p×1的形式。对于给定的一幅人脸图像，其特征点的初始分布位置x0可根据训练样本集上手动标注的人脸特征点取平均得到。假设x*和Δx分别表示想要获得的目标特征点的位置及其移动方向(由初始分布位置移动到目标特征点的移动方向)，定位特征点这一过程可以看作是寻找Δx使得下列函数最小：
f(x0+Δx)＝||h(d(x0+Δx))-h(x*)||2 (2)
根据牛顿梯度下降准则，可以采用反复迭代的方法来达到目的，在每完成一次对上式的迭代后，就需要通过xm＝xm-1+Δxm的方式对xm进行矫正，那么反复这样迭代若干次以后，xm的值就会无限逼近并最终收敛于想要获得的人脸特征点位置x*。
令θ0＝h(d(x0))，θ*＝h(d(x*))，θ0为人脸图像特征点初始分布位置的SIFT特征分布，θ*为人脸图像特征点目标位置的SIFT特征分布，将式(2)进行泰勒公式展开之后对Δx求导，并令其导数为0，可以得到：
令那么在第一次迭代中式(3)为:
Δx1＝R0θ0+b0 (4)
由上式可知，在第m次迭代中，m为预设的迭代次数，只要事先知道Rm-1和bm-1两个系数的具体值，就可以完成本次的迭代。而R0和b0的值很大程度上取决于h函数在当前特征点处的Jacobian矩阵和Hessian矩阵。由于这两种类型的矩阵存在不一定正定、需要大的存储空间、计算量较大等问题，导致的结果就是无法直接去算出R0及b0的值，需要改用其他方法进行计算，不仅降低了关键点定位的速度还降低了准确率。监督下降算法的优势就在于R0和b0可以通过训练样本直接得到，其过程可表示为：
令参数F＝[θ,1]，参数A＝[R,b]，那么可以把式(5)简化成
于是就能够求得
求出A0的表达式后，即可根据公式(4)，得到以及的值：
到了这一步第一次迭代就结束了。后续的过程只需套用上述公式反复迭代即可，一般来说迭代4到5步就可以取得较好的效果。反复这样迭代若干次以后，x0的值就会无限逼近并最终收敛于想要获得的人脸特征点位置坐标x*。
为进一步优化上述技术方案，上述方法中的步骤S105的一种具体实施方式可为：
调用仿射变换算法；
基于仿射变换算法及人脸偏转角度反向旋转人脸图像；
仿射变换一般能够表示成下列形式：
X＝AX0+B(det(A)≠0,X,X0,B∈R2；A∈R2×2)
设为仿射变换之后(矫正后)的矩阵，为仿射变换之前(矫正前)的矩阵，为仿射变换系数矩阵，为常量矩阵，那么将其展开即为
如果用一个方阵和一个列向量相乘的方法，将其改写为一个齐次线性方程组的形式，则为：
仿射变换的系数矩阵主要由a0,a1,a2,a3,a4,a56个参数的值决定，这6个系数其实包含了对原始矩阵平移、缩放、反射、旋转、错切等操作，本发明中对人脸区域图像的矫正主要涉及到旋转，因此对仿射变换中的旋转进行介绍：
旋转变换，顾名思义即是在欧式平面(空间)中，使其上的每一个点都绕着同一个点或者线，旋转一定的角度，变成另外一点。这个点或者线分别称为旋转中心或者旋转轴线，旋转的角度称为旋转角，即是本发明中的人脸偏转角度。此处假设人脸区域图像发生了逆时针偏转，那么此时仿射变换矩阵可以表示为：
仿射变换矩阵可由上述步骤中的人脸偏转角θ得到。
利用仿射变换算法，将截取的所有人脸图像区域内的像素点的坐标进行矫正，即可得到旋转后的人脸图像，对旋转后的人脸图像进行二次检测并截取，即可得到人脸矫正图像。
为进一步优化上述技术方案，基于至少两个人脸特征点位置坐标计算人脸偏转角度包括计算左外眼角特征点及右外眼角特征点的连线与水平线的夹角；
上述技术方案中，至少两个人脸特征点包括左外眼角特征点及右外眼角特征点，人脸偏转角度为左外眼角特征点及右外眼角特征点的连线与水平线之间的夹角，基于至少两个人脸特征点位置坐标计算人脸偏转角度包括计算左外眼角特征点及右外眼角特征点的连线与水平线的夹角。
虽然人脸图像处于标准姿态时，任意两特征点间的连线应有固定的方向性，例如鼻尖与人中的连线应该是竖直的。特征点连线与水平或竖直方向的夹角处于一个固定的范围内，比如鼻尖与人中的连线与水平方向的夹角大致为90°。因此，可利用统计学原理根据人脸五官的分布位置求出它们在标准姿态下的平均角度。已知人脸图像上两个特征点的坐标，即可确定这两个特征点的连线，从而求出人脸区域中的两个特征点的连线与水平或竖直方向的夹角，与平均角度进行比较即可得出人脸偏转角度。但是因为每个人的长相不同，因此，采用平均角度来与特征点的连线与水平或竖直方向的夹角进行比较会存在较大误差。而对于绝大多数人来说，处于标准姿态时，其双眼必定是水平的，因此选择双眼区域的特征点，可提高本方案的普适性。此外，对于特征点的定位，对眼角或嘴角等特征更为明显的点进行定位其定位精度更高，而两特征点间的距离越大，最后计算出的夹角误差也就越小，因此，采用左外眼角特征点及右外眼角特征点作为计算人脸偏转角度的特征点。人脸偏转角度即为左外眼角特征点及右外眼角特征点的连线与水平线(因矫正后两特征点的连线应为水平)的夹角。在上述步骤中已经计算出了特征点的位置坐标，因此可计算出偏转角。偏转角为θ，θ＝arctan((y1-y2)/(x1-x2))，其中(x1,y1)和(x2,y2)分别为左外眼角特征点及右外眼角特征点在未矫正的图像中的坐标，若θ为正，则表示人脸区域为逆时针偏转；反之则表示人脸图像顺时针偏转。
为进一步优化上述技术方案：
对所述旋转后的人脸图像再次检测得到最终矫正后的人脸图像。
得到旋转后的人脸图像后，对旋转后的人脸图像进行人脸检测，截取得到最终矫正后的人脸图像，即二次检测图像。最终矫正后的人脸图像与矫正前截取的人脸图像相比，人脸图像更标准，无效区域更小，不仅可以减少后续处理过程中的计算量，而且能够更丰富的呈现人脸图像上的特征信息。
如图3所示，为本发明公开的一种矫正人脸图像的方法的人脸图像的示意图。基于原始图像利用AdaBoost算法级联的强分类器可以检测得到包括人脸区域的矩形框，再使用监督下降法对人脸图像中的至少两个人脸特征点进行定位并求出人脸特征点位置坐标，从图中可以看出已经定位的人脸特征点。基于两个人脸特征点，利用仿射变换对图像进行矫正，最终即可获得图4的人脸矫正图像。利用本发明公开的方法，可在进行人脸识别之间先将图像中偏转的人脸图像进行矫正，即将人脸图像在其偏转方向的反方向上旋转其偏转角度，因矫正后的人脸图像不存在偏转，进行人脸识别时的准确率会大大提升。在本发明中，分别提到了应用AdaBoost算法及监督下降法，其中AdaBoost算法具有以下优点：很好的利用了弱分类器进行级联；可以将不同的分类算法作为弱分类器；AdaBoost算法具有很高的精度；相对于bagging算法和Random Forest算法，AdaBoost充分考虑了每个分类器的权重。监督下降法相对于其他常用的特征点定位方法，也具有定位速度快、准确性高的特点。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。

Claims (8)

1.一种矫正人脸图像的方法，其特征在于，所述方法包括：
接收发送端发送的原始图像；
检测所述原始图像，截取得到人脸图像；
定位所述人脸图像上的特征点，生成至少两个人脸特征点位置坐标；
基于至少两个所述人脸特征点位置坐标计算人脸偏转角度；
基于所述人脸偏转角度反向旋转所述人脸图像；
检测反向旋转后的所述人脸图像，截取得到人脸矫正图像。
2.如权利要求1所述的矫正人脸图像的方法，其特征在于，所述检测所述原始图像包括：
调用AdaBoost算法；
基于所述AdaBoost算法中级联的强分类器检测所述原始图像并生成人脸区域坐标。
3.如权利要求2所述的矫正人脸图像的方法，其特征在于，所述AdaBoost算法中强分类器的训练方法包括以下步骤：
步骤A：调用训练样本集，所述训练样本集共包括i个训练样本，所述i个训练样本可分别表示为：{(u1,q1),(u2,q2),...,(ui,qi)}，ui表示所述训练样本集中的图像，qi表示所述训练样本是否为人脸样本，其中，qi＝0代表所述训练样本为非人脸，qi＝1代表所述训练样本为人脸；
步骤B：对于qi＝0，初始化其权值为w1,i＝1/2m，对于qi＝1，初始化其权值为w1,i＝1/2l，其中m表示非人脸个数，l表示人脸个数；
步骤C：归一化权值：将的值赋予wt,i；
步骤D：根据最小分类错误率确定第t轮的最优弱分类器ht(u)＝h(u,ft,pt,θt)，函数h表示所采用的弱分类器，f指的是人脸图像上的Haar-like特征，p代表不等号的方向(只有±1两种情况)，θ代表Haar-like特征的阈值；
步骤F：更新权重，β＝εt/(1-εt)，若图像ui分类正确，用分类标志ei＝0表示；反之分类标志ei＝1，其中，t＝1，2，…，T，t表示循环次数，T为预设的循环次数值；
步骤G：重复执行T次步骤C至步骤F，生成所述强分类器：
当C(u)＝1时，即表示所述强分类器判断样本为人脸，当C(u)＝0时，即表示所述强分类器样本不为人脸。
4.如权利要求2所述的矫正人脸图像的方法，其特征在于，所述基于人脸区域坐标截取人脸区域图像包括：
基于所述人脸区域坐标生成人脸区域放大坐标；
基于所述人脸区域放大坐标截取人脸区域图像。
5.如权利要求4所述的矫正人脸图像的方法，其特征在于，所述定位所述人脸图像上的特征点，生成至少两个人脸特征点位置坐标包括：
调用监督下降算法；
基于所述监督下降算法定位所述人脸图像上的特征点，生成至少两个人脸特征点位置坐标。
6.如权利要求4所述的矫正人脸图像的方法，其特征在于，所述监督下降算法包括第一系数Rm和第二系数bm，m为预设定的迭代次数，求所述第一系数Rm和所述第二系数bm的方法包括：
调用人脸图像训练样本集，用xm表示第m次迭代后人脸关键点的位置，θm表示第m次迭代后人脸关键点周围提取的特征，为形状差值且
基于迭代m次生成第一系数Rm和第二系数bm。
7.如权利要求6所述的矫正人脸图像的方法，其特征在于，所述基于所述人脸偏转角度反向旋转所述人脸图像包括：
调用仿射变换算法；
基于所述仿射变换算法及所述人脸偏转角度反向旋转所述人脸图像。
8.如权利要求1-7任一项所述的矫正人脸图像的方法，其特征在于，所述至少两个所述人脸特征点包括左外眼角特征点及右外眼角特征点，所述人脸偏转角度为所述左外眼角特征点及所述右外眼角特征点的连线与水平线之间的夹角；所述基于至少两个所述人脸特征点位置坐标计算人脸偏转角度包括计算所述左外眼角特征点及所述右外眼角特征点的连线与水平线的夹角。
CN201710575263.9A 2017-07-14 2017-07-14 一种矫正人脸图像的方法 Pending CN107358207A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710575263.9A CN107358207A (zh) 2017-07-14 2017-07-14 一种矫正人脸图像的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710575263.9A CN107358207A (zh) 2017-07-14 2017-07-14 一种矫正人脸图像的方法

Publications (1)

Publication Number Publication Date
CN107358207A true CN107358207A (zh) 2017-11-17

Family

ID=60293557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710575263.9A Pending CN107358207A (zh) 2017-07-14 2017-07-14 一种矫正人脸图像的方法

Country Status (1)

Country Link
CN (1) CN107358207A (zh)

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108074222A (zh) * 2017-12-25 2018-05-25 清华大学 基于混合相机系统的高速运动物体去模糊方法及装置
CN108197547A (zh) * 2017-12-26 2018-06-22 深圳云天励飞技术有限公司 人脸姿态估计方法、装置、终端及存储介质
CN108268765A (zh) * 2018-01-31 2018-07-10 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN108334863A (zh) * 2018-03-09 2018-07-27 百度在线网络技术（北京）有限公司 身份认证方法、系统、终端和计算机可读存储介质
CN108345779A (zh) * 2018-01-31 2018-07-31 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN108537199A (zh) * 2018-04-18 2018-09-14 西安第六镜网络科技有限公司 基于3d重建的人脸图像矫正增益装置及方法
CN108875515A (zh) * 2017-12-11 2018-11-23 北京旷视科技有限公司 人脸识别方法、装置、系统、存储介质和抓拍机
CN108960099A (zh) * 2018-06-22 2018-12-07 哈尔滨工业大学深圳研究生院 人脸左右倾斜角度估计方法、系统、设备及存储介质
CN109063678A (zh) * 2018-08-24 2018-12-21 北京字节跳动网络技术有限公司 脸部图像识别的方法、装置及存储介质
CN109241822A (zh) * 2018-07-13 2019-01-18 上海斐讯数据通信技术有限公司 一种基于mtcnn的多方位人脸检测方法及系统
CN109255307A (zh) * 2018-08-21 2019-01-22 深圳市梦网百科信息技术有限公司 一种基于唇部定位的人脸分析方法和系统
CN109255322A (zh) * 2018-09-03 2019-01-22 北京诚志重科海图科技有限公司 一种人脸活体检测方法及装置
CN109727303A (zh) * 2018-12-29 2019-05-07 广州华多网络科技有限公司 视频展示方法、系统、计算机设备、存储介质和终端
CN109801222A (zh) * 2019-01-25 2019-05-24 太原科技大学 一种基于方向向量的腭皱倾斜图像矫正方法
CN109948397A (zh) * 2017-12-20 2019-06-28 Tcl集团股份有限公司 一种人脸图像校正方法、系统及终端设备
CN109948450A (zh) * 2019-02-22 2019-06-28 深兰科技（上海）有限公司 一种基于图像的用户行为检测方法、装置和存储介质
WO2019128507A1 (zh) * 2017-12-28 2019-07-04 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN110032941A (zh) * 2019-03-15 2019-07-19 深圳英飞拓科技股份有限公司 人脸图像检测方法、人脸图像检测装置及终端设备
CN110287913A (zh) * 2019-06-28 2019-09-27 京东数字科技控股有限公司 图像矫正提示方法和装置、用户终端和存储介质
CN110610171A (zh) * 2019-09-24 2019-12-24 Oppo广东移动通信有限公司 图像处理方法和装置、电子设备、计算机可读存储介质
CN110909662A (zh) * 2019-11-20 2020-03-24 湖南检信智能科技有限公司 人脸运动模糊矫正方法
CN110929684A (zh) * 2019-12-09 2020-03-27 北京光年无限科技有限公司 用于绘本的内容识别方法及装置
CN111012131A (zh) * 2019-12-06 2020-04-17 中新智擎科技有限公司 一种睡姿矫正的方法、装置及智能枕头
CN111243014A (zh) * 2020-01-16 2020-06-05 北京新氧科技有限公司 人脸检测处理方法、装置及设备
CN111488836A (zh) * 2020-04-13 2020-08-04 广州市百果园信息技术有限公司 人脸轮廓修正方法、装置、设备及存储介质
CN112036319A (zh) * 2020-08-31 2020-12-04 北京字节跳动网络技术有限公司 一种图片处理方法、装置、设备及存储介质
WO2020252910A1 (zh) * 2019-06-17 2020-12-24 厦门美图之家科技有限公司 图像畸变修正方法、装置、电子设备及可读存储介质
CN112183327A (zh) * 2020-09-27 2021-01-05 烟台艾睿光电科技有限公司 一种人脸识别方法、装置及系统
CN112541484A (zh) * 2020-12-28 2021-03-23 平安银行股份有限公司 人脸抠图方法、系统、电子装置及存储介质
CN112906608A (zh) * 2021-03-05 2021-06-04 上海红阵信息科技有限公司 一种人脸模型的图层定位和图层固定方法及其应用
CN113329137A (zh) * 2021-05-31 2021-08-31 口碑(上海)信息技术有限公司 图片传输方法、装置、计算机设备及计算机可读存储介质
CN113657379A (zh) * 2021-08-09 2021-11-16 杭州华橙软件技术有限公司 图像处理方法、装置、计算机可读存储介质及处理器
CN113837020A (zh) * 2021-08-31 2021-12-24 北京新氧科技有限公司 一种化妆进度检测方法、装置、设备及存储介质
CN113900525A (zh) * 2021-10-29 2022-01-07 深圳Tcl数字技术有限公司 数字人显示方法、装置及显示设备
CN114882489A (zh) * 2022-07-07 2022-08-09 浙江智慧视频安防创新中心有限公司 一种对旋转车牌进行水平校正方法、装置、设备及介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1731416A (zh) * 2005-08-04 2006-02-08 上海交通大学 快速且精确的人脸特征点定位方法
CN102254151A (zh) * 2011-06-16 2011-11-23 清华大学 一种基于面部视频分析的驾驶人疲劳检测方法
CN102867183A (zh) * 2012-08-23 2013-01-09 安科智慧城市技术（中国）有限公司 一种车辆遗撒物检测方法、装置及智能交通监控系统
CN103605965A (zh) * 2013-11-25 2014-02-26 苏州大学 一种多姿态人脸识别方法和装置
CN104091155A (zh) * 2014-07-04 2014-10-08 武汉工程大学 光照鲁棒的虹膜快速定位方法
CN104504366A (zh) * 2014-11-24 2015-04-08 上海闻泰电子科技有限公司 基于光流特征的笑脸识别系统及方法
CN105069396A (zh) * 2015-07-06 2015-11-18 河海大学 动态百分比特征裁剪AdaBoost人脸检测算法
CN105404854A (zh) * 2015-10-29 2016-03-16 深圳怡化电脑股份有限公司 一种获取人脸正面图像的方法及装置
CN105701457A (zh) * 2016-01-08 2016-06-22 西安工程大学 基于人脸识别控制的直流电磁继电器装置及其控制方法
CN105893981A (zh) * 2016-04-28 2016-08-24 湖南大学 一种人脸姿态矫正方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1731416A (zh) * 2005-08-04 2006-02-08 上海交通大学 快速且精确的人脸特征点定位方法
CN102254151A (zh) * 2011-06-16 2011-11-23 清华大学 一种基于面部视频分析的驾驶人疲劳检测方法
CN102867183A (zh) * 2012-08-23 2013-01-09 安科智慧城市技术（中国）有限公司 一种车辆遗撒物检测方法、装置及智能交通监控系统
CN103605965A (zh) * 2013-11-25 2014-02-26 苏州大学 一种多姿态人脸识别方法和装置
CN104091155A (zh) * 2014-07-04 2014-10-08 武汉工程大学 光照鲁棒的虹膜快速定位方法
CN104504366A (zh) * 2014-11-24 2015-04-08 上海闻泰电子科技有限公司 基于光流特征的笑脸识别系统及方法
CN105069396A (zh) * 2015-07-06 2015-11-18 河海大学 动态百分比特征裁剪AdaBoost人脸检测算法
CN105404854A (zh) * 2015-10-29 2016-03-16 深圳怡化电脑股份有限公司 一种获取人脸正面图像的方法及装置
CN105701457A (zh) * 2016-01-08 2016-06-22 西安工程大学 基于人脸识别控制的直流电磁继电器装置及其控制方法
CN105893981A (zh) * 2016-04-28 2016-08-24 湖南大学 一种人脸姿态矫正方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
戴金锋 等: "结合监督下降优化和显著性的人像质量检测", 《浙江工业大学学报》 *
李海彦 等: "基于仿射变换的多姿态人脸矫正和识别", 《计算机应用研究》 *
王科俊 等: "一种快速眼睛定位与人脸平面旋转校正方法", 《计算机辅助设计与图形学学报》 *
谢剑斌 等编著: "《视觉感知与智能视频监控》", 31 March 2012, 长沙：国防科技大学出版社 *

Cited By (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875515A (zh) * 2017-12-11 2018-11-23 北京旷视科技有限公司 人脸识别方法、装置、系统、存储介质和抓拍机
CN109948397A (zh) * 2017-12-20 2019-06-28 Tcl集团股份有限公司 一种人脸图像校正方法、系统及终端设备
CN108074222A (zh) * 2017-12-25 2018-05-25 清华大学 基于混合相机系统的高速运动物体去模糊方法及装置
CN108197547B (zh) * 2017-12-26 2019-12-17 深圳云天励飞技术有限公司 人脸姿态估计方法、装置、终端及存储介质
CN108197547A (zh) * 2017-12-26 2018-06-22 深圳云天励飞技术有限公司 人脸姿态估计方法、装置、终端及存储介质
WO2019128507A1 (zh) * 2017-12-28 2019-07-04 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN108268765A (zh) * 2018-01-31 2018-07-10 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN108345779A (zh) * 2018-01-31 2018-07-31 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN108334863A (zh) * 2018-03-09 2018-07-27 百度在线网络技术（北京）有限公司 身份认证方法、系统、终端和计算机可读存储介质
US10769423B2 (en) 2018-03-09 2020-09-08 Baidu Online Network Technology (Beijing) Co., Ltd. Method, system and terminal for identity authentication, and computer readable storage medium
CN108334863B (zh) * 2018-03-09 2020-09-04 百度在线网络技术（北京）有限公司 身份认证方法、系统、终端和计算机可读存储介质
CN108537199A (zh) * 2018-04-18 2018-09-14 西安第六镜网络科技有限公司 基于3d重建的人脸图像矫正增益装置及方法
CN108960099A (zh) * 2018-06-22 2018-12-07 哈尔滨工业大学深圳研究生院 人脸左右倾斜角度估计方法、系统、设备及存储介质
CN108960099B (zh) * 2018-06-22 2021-07-06 哈尔滨工业大学深圳研究生院 人脸左右倾斜角度估计方法、系统、设备及存储介质
CN109241822A (zh) * 2018-07-13 2019-01-18 上海斐讯数据通信技术有限公司 一种基于mtcnn的多方位人脸检测方法及系统
CN109255307A (zh) * 2018-08-21 2019-01-22 深圳市梦网百科信息技术有限公司 一种基于唇部定位的人脸分析方法和系统
CN109255307B (zh) * 2018-08-21 2022-03-15 深圳市梦网视讯有限公司 一种基于唇部定位的人脸分析方法和系统
CN109063678B (zh) * 2018-08-24 2020-09-29 北京字节跳动网络技术有限公司 脸部图像识别的方法、装置及存储介质
CN109063678A (zh) * 2018-08-24 2018-12-21 北京字节跳动网络技术有限公司 脸部图像识别的方法、装置及存储介质
CN109255322A (zh) * 2018-09-03 2019-01-22 北京诚志重科海图科技有限公司 一种人脸活体检测方法及装置
CN109727303A (zh) * 2018-12-29 2019-05-07 广州华多网络科技有限公司 视频展示方法、系统、计算机设备、存储介质和终端
CN109727303B (zh) * 2018-12-29 2023-07-25 广州方硅信息技术有限公司 视频展示方法、系统、计算机设备、存储介质和终端
CN109801222A (zh) * 2019-01-25 2019-05-24 太原科技大学 一种基于方向向量的腭皱倾斜图像矫正方法
CN109801222B (zh) * 2019-01-25 2022-12-27 太原科技大学 一种基于方向向量的腭皱倾斜图像矫正方法
CN109948450A (zh) * 2019-02-22 2019-06-28 深兰科技（上海）有限公司 一种基于图像的用户行为检测方法、装置和存储介质
CN110032941A (zh) * 2019-03-15 2019-07-19 深圳英飞拓科技股份有限公司 人脸图像检测方法、人脸图像检测装置及终端设备
CN110032941B (zh) * 2019-03-15 2022-06-17 深圳英飞拓科技股份有限公司 人脸图像检测方法、人脸图像检测装置及终端设备
WO2020252910A1 (zh) * 2019-06-17 2020-12-24 厦门美图之家科技有限公司 图像畸变修正方法、装置、电子设备及可读存储介质
CN110287913A (zh) * 2019-06-28 2019-09-27 京东数字科技控股有限公司 图像矫正提示方法和装置、用户终端和存储介质
CN110610171A (zh) * 2019-09-24 2019-12-24 Oppo广东移动通信有限公司 图像处理方法和装置、电子设备、计算机可读存储介质
CN110909662A (zh) * 2019-11-20 2020-03-24 湖南检信智能科技有限公司 人脸运动模糊矫正方法
CN111012131B (zh) * 2019-12-06 2022-01-11 中新智擎科技有限公司 一种睡姿矫正的方法、装置及智能枕头
CN111012131A (zh) * 2019-12-06 2020-04-17 中新智擎科技有限公司 一种睡姿矫正的方法、装置及智能枕头
CN110929684B (zh) * 2019-12-09 2023-04-18 北京光年无限科技有限公司 用于绘本的内容识别方法及装置
CN110929684A (zh) * 2019-12-09 2020-03-27 北京光年无限科技有限公司 用于绘本的内容识别方法及装置
CN111243014A (zh) * 2020-01-16 2020-06-05 北京新氧科技有限公司 人脸检测处理方法、装置及设备
CN111243014B (zh) * 2020-01-16 2023-11-28 北京新氧科技有限公司 人脸检测处理方法、装置及设备
CN111488836A (zh) * 2020-04-13 2020-08-04 广州市百果园信息技术有限公司 人脸轮廓修正方法、装置、设备及存储介质
US11838622B2 (en) 2020-08-31 2023-12-05 Beijing Bytedance Network Technology Co., Ltd. Image processing method, apparatus, device, and storage medium
CN112036319A (zh) * 2020-08-31 2020-12-04 北京字节跳动网络技术有限公司 一种图片处理方法、装置、设备及存储介质
CN112183327A (zh) * 2020-09-27 2021-01-05 烟台艾睿光电科技有限公司 一种人脸识别方法、装置及系统
CN112541484B (zh) * 2020-12-28 2024-03-19 平安银行股份有限公司 人脸抠图方法、系统、电子装置及存储介质
CN112541484A (zh) * 2020-12-28 2021-03-23 平安银行股份有限公司 人脸抠图方法、系统、电子装置及存储介质
CN112906608A (zh) * 2021-03-05 2021-06-04 上海红阵信息科技有限公司 一种人脸模型的图层定位和图层固定方法及其应用
CN113329137A (zh) * 2021-05-31 2021-08-31 口碑(上海)信息技术有限公司 图片传输方法、装置、计算机设备及计算机可读存储介质
CN113657379A (zh) * 2021-08-09 2021-11-16 杭州华橙软件技术有限公司 图像处理方法、装置、计算机可读存储介质及处理器
CN113837020B (zh) * 2021-08-31 2024-02-02 北京新氧科技有限公司 一种化妆进度检测方法、装置、设备及存储介质
CN113837020A (zh) * 2021-08-31 2021-12-24 北京新氧科技有限公司 一种化妆进度检测方法、装置、设备及存储介质
CN113900525A (zh) * 2021-10-29 2022-01-07 深圳Tcl数字技术有限公司 数字人显示方法、装置及显示设备
CN114882489B (zh) * 2022-07-07 2022-12-16 浙江智慧视频安防创新中心有限公司 一种对旋转车牌进行水平校正方法、装置、设备及介质
CN114882489A (zh) * 2022-07-07 2022-08-09 浙江智慧视频安防创新中心有限公司 一种对旋转车牌进行水平校正方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN107358207A (zh) 一种矫正人脸图像的方法
US11087519B2 (en) Facial animation implementation method, computer device, and storage medium
EP3576017A1 (en) Method, apparatus, and device for determining pose of object in image, and storage medium
CN102087703B (zh) 确定正面的脸部姿态的方法
Chaudhury et al. Auto-rectification of user photos
US20080187186A1 (en) Image processing apparatus, image processing method and computer program
WO2020184207A1 (ja) 物体追跡装置および物体追跡方法
CN110490067B (zh) 一种基于人脸姿态的人脸识别方法及装置
Jun et al. Robust real-time face detection using face certainty map
CN110532979A (zh) 一种三维图像人脸识别方法及系统
Proença et al. Fast cylinder and plane extraction from depth cameras for visual odometry
CN111798486B (zh) 基于人体运动预测的多视角人体运动捕捉方法
CN106682591B (zh) 人脸识别方法及装置
US20030052971A1 (en) Intelligent quad display through cooperative distributed vision
Tian et al. Absolute head pose estimation from overhead wide-angle cameras
CN112580434A (zh) 一种基于深度相机的人脸误检优化方法、系统及人脸检测设备
Kim et al. Privacy-preserving robot vision with anonymized faces by extreme low resolution
CN114283198A (zh) 一种基于rgbd传感器的去除动态目标的slam方法
CN108694348B (zh) 一种基于自然特征的跟踪注册方法及装置
CN109918998B (zh) 一种大姿态人脸识别方法
CN116152121A (zh) 基于畸变参数的曲面屏生成方法、矫正方法
EP4033456A1 (en) Apparatus and method for analyzing fisheye camera image
CN115222591A (zh) 相机设备参数无关的快速多目鱼眼图像及视频拼接方法
Miki et al. Robust human motion recognition from wide-angle images for video surveillance in nuclear power plants
Li et al. Unsupervised learning of human perspective context using ME-DT for efficient human detection in surveillance

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20171117

RJ01 Rejection of invention patent application after publication