CN107590458A - 垂直式影像人流计数的性别与年龄辨识方法 - Google Patents
垂直式影像人流计数的性别与年龄辨识方法 Download PDFInfo
- Publication number
- CN107590458A CN107590458A CN201710805079.9A CN201710805079A CN107590458A CN 107590458 A CN107590458 A CN 107590458A CN 201710805079 A CN201710805079 A CN 201710805079A CN 107590458 A CN107590458 A CN 107590458A
- Authority
- CN
- China
- Prior art keywords
- image
- age
- shoulder
- sex
- information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title abstract description 8
- 238000010801 machine learning Methods 0.000 claims abstract description 9
- 238000012850 discrimination method Methods 0.000 claims description 19
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000002203 pretreatment Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 239000003086 colorant Substances 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 230000007935 neutral effect Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000036407 pain Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明揭露一种垂直式影像人流计数的性别与年龄辨识方法,利用红外线3D传感器(RGB‑D装置)取得安装点俯视彩色影像与深度信息,结合影像辨识与身高、肩宽、头身比例的人体特征信息,以机器学习方法得到人员性别与年龄属性分析结果,改善当前人流计数应用,仅能计算人数不能分析其客层属性的缺点,透过提供多元客层属性信息,提升人流计数系统的实用性与产品竞争力。
Description
技术领域
本发明属于一种垂直式影像人流计数的性别与年龄辨识方法,尤指一种可保护来客分析、人流计数与3D影像辨识技术。
背景技术
目前其他公司的人流计数产品遭遇仅能计算人数不能分析其客层属性的缺点,若需达成此功能,是需要透过多个硬设备辅助达成,硬件成本提升导致推广不易。
本案发明人鉴于上述现有方式所衍生的各项缺点,乃亟思加以改良创新,并经多年苦心孤诣潜心研究后,终于成功研发完成本垂直式影像人流计数的性别与年龄辨识方法。
发明内容
为达上述目的,本发明提出提供一种垂直式影像人流计数的性别与年龄辨识方法,主要对于高准确度人流计数与客层属性分析整合产品有着高度需求,并提供一种应用于垂直式人流计数系统的性别年龄辨识方法,结合影像辨识与身高、肩宽、头身比例的创新性别年龄辨识方法,改善当前垂直式人流计数应用,仅能计算人数不能分析其客层属性的缺点,透过提供多元客层属性信息,提升影像式人流计数系统的实用性与产品竞争力。
根据日本人人体尺寸数据库(人体寸法データベース)1997-98研究中,其探讨男性与女性在身高和肩宽的差异性,共收集男性110人与女性107人,其年龄分布在20~79岁的测试人员,如下图1所示,我们可以观察男性与女性在身高与肩宽的数据分布,男性的平均身高为170公分、平均肩宽为40公分;女性的平均身高为158公分、平均肩宽为36公分,也发现男性和女性在身高与肩宽的特征可以明显分成两个群组,为性别辨识识别力高的特征,如表1所示,为男女的身高和肩宽特征的差异对比表。
项目 | 女 | 男 | 男女差 |
身高(cm) | 162.49 | 175.34 | 12.85 |
肩宽(cm) | 35.85 | 40.88 | 5.03 |
表1男女的身高和肩宽特征的差异对比表
美国在2010美国海军陆战队人员人体测量调查:方法和总结统计(Anthropometric Survey of U.S.Marine Corps Personnel:Methods and SummaryStatistics)的报告,也可以观察到性别分析与身高、肩宽的关系性。
图2为人体从婴儿到成年的头身比例示意图,图中列出了人体从1岁(1YEARS)、3岁、5岁、10岁、15岁和成年(ADULT)后的头身比例,其中,图2所示的为安德鲁·罗密士(Andrew Loomis)在人体结构素描学习书藉中“Figure Drawing for All Its Worth”提出理想人体比例研究,可以观察到从婴儿头身比例为1:3;到幼儿头身比例的1:5;慢慢到青年、成年的1:7左右,随着年纪的增长不同年龄层在头身比例有着明显的变化,因此若我们可以侦测头长与身高去计算头身比例,进而可以分析年龄输出年龄层辨识结果。
一种垂直式影像人流计数的性别与年龄辨识方法,其包括:
步骤一、以3D摄影机,采用垂直的俯视方式,撷取人员的影像;
步骤二、从人员的影像中得到一3D深度影像信息及2D彩色影像信息,并进行影像前处理;
步骤三、依据3D深度影像信息,得到头顶位置、身高、肩膀位置、肩膀区域及肩宽数据;
步骤四、以2D彩色影像信息,进行影像辨识,得到一影像辨识结果;
步骤五、依据身高、肩宽及影像辨识结果,计算得到人员性别信息;
步骤六、依据头顶、肩膀位置及身高,得到一头身比例信息,结合影像辨识结果辨识人员的年龄属性。
其中步骤一,以透过红外线式三原色深度(RGB-D)传感器安装于天花板,并以从上而下俯视拍摄取得3D摄影机影像串流;步骤二,为影像前处理,将3D深度影像信息与2D彩色影像信息两者进行位置对齐校正,再将3D深度影像信息转换为灰阶影像供后续进行前景物件侦测使用,而2D彩色影像信息则进行Γ函数(gamma)校正,供后续使用;步骤三的3D深度影像信息,包含头顶侦测模块,以3D深度影像透过自适应式高斯混合模型进行背景建模并分离出前景物件,以椭圆头形侦测找出前景物件头顶位置,透过与传感器的距离计算出人员身高信息;以及肩膀侦测模块,是利用头部位置以辐射状向外延伸向下搜寻深度值相同的水平平面,经由椭圆形侦测得到长轴的肩膀两侧位置与肩膀区域,利用肩膀两侧位置计算得到肩宽信息;步骤四的影像辨识,是以一影像辨识模块利用肩膀区域的2D彩色影像以3D深度影像信息滤除背景影像后,先利用肩膀两侧位置做影像正规化,而后计算其灰阶特征或局部二值模式(Local binary patterns,LBP)特征,并以支持向量机(Support VectorMachines,SVM)、神经网络(Neural Network)或自适应增强(AdaBoost)的机器学习方法做客层属性分类,产生各类别机率分数值;步骤五的性别信息,是以性别辨识模块透过身高与肩宽数值以SVM、Neural Network或AdaBoost的机器学习方法得到性别各类别机率分数后,结合影像辨识机率分数,输出性别辨识结果;步骤六,包含头身比例计算模块,以头部到肩膀的距离扣除脖子比例常数得到头长,再以身高减去头长得到身长,进而计算出头身比例信息;以及年龄辨识模块,是利用头身比例数值以SVM、Neural Network或AdaBoost的机器学习方法得到年龄各类别机率分数后,结合影像辨识机率分数,输出年龄辨识结果即得以得到年龄属性,其年龄属性,是分为三类年龄层,包括幼儿,0至12岁、青年,12至18岁,以及成年18岁以上。
本发明所提供一种垂直式影像人流计数的性别与年龄辨识方法,与其他习用技术相互比较时,更具备下列优点:
1.仅需一台3D深度影像撷取设备,即可提供高准确率的人流计数功能与多元化的客层属性分析信息。
2.提出创新的结合人体统计资料如身高、肩宽、头身比例与影像辨识技术的客层属性辨识方法。
满足业主对于高准确度人流计数与客层属性分析整合产品的需求,提升影像式人流计数系统的实用性与产品竞争力。
附图说明
请参阅有关本发明的详细说明及其附图,将可进一步了解本发明的技术内容及其目的功效;有关附图为:
图1为男性与女性的身高和肩宽的数据分布图;
图2为人体从婴儿到成年的头身比例示意图;
图3为本发明垂直式影像人流计数的性别与年龄辨识方法的流程图;
图4为本发明垂直式影像人流计数的性别与年龄辨识方法的实施例示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,但并不用于限定本发明。
以下,结合附图对本发明进一步说明:
请参阅图3所示,为本发明垂直式影像人流计数的性别与年龄辨识方法的流程图,其包括:
步骤一、S110:以3D摄影机,采用垂直的俯视方式,撷取人员的影像;
步骤二、S120:从人员的影像中得到一3D深度影像信息及2D彩色影像信息,并进行影像前处理;
步骤三、S130:依据3D深度影像信息,得到头顶位置、身高、肩膀位置、肩膀区域及肩宽数据;
步骤四、S140:以2D彩色影像信息,进行影像辨识,得到一影像辨识结果;
步骤五、S150:依据身高、肩宽及影像辨识结果,计算得到人员性别信息;
步骤六、S160:依据头顶、肩膀位置及身高,得到一头身比例信息,结合影像辨识结果辨识人员的年龄属性。
由上述流程可进一步得知,步骤一是以透过红外线式RGB-D传感器安装于天花板,并以从上而下俯视拍摄取得3D摄影机影像串流;步骤二,是为影像前处理,将3D深度影像信息与2D彩色影像信息两者进行位置对齐校正,再将3D深度影像信息转换为灰阶影像供后续进行前景物件侦测使用,而2D彩色影像信息则进行gamma校正,供后续使用;步骤三的3D深度影像信息,包含头顶侦测模块,以3D深度影像透过自适应式高斯混合模型进行背景建模并分离出前景物件,以椭圆头形侦测找出前景物件头顶位置,透过与传感器的距离计算出人员身高信息;以及肩膀侦测模块,是利用头部位置以辐射状向外延伸向下搜寻深度值相同的水平平面,经由椭圆形侦测得到长轴的肩膀两侧位置与肩膀区域,利用肩膀两侧位置计算得到肩宽信息;步骤四的影像辨识,是以一影像辨识模块利用肩膀区域的2D彩色影像以3D深度影像信息滤除背景影像后,先利用肩膀两侧位置做影像正规化,而后计算其灰阶特征或LBP特征,并以SVM、Neural Network或AdaBoost的机器学习方法做客层属性分类,产生各类别机率分数值;步骤五的性别信息,是以性别辨识模块透过身高与肩宽数值以SVM、Neural Network或AdaBoost的机器学习方法得到性别各类别机率分数后,结合影像辨识机率分数,输出性别辨识结果;步骤六,是包含头身比例计算模块,是以头部到肩膀的距离扣除脖子比例常数得到头长,再以身高减去头长得到身长,进而计算出头身比例信息;以及年龄辨识模块,是利用头身比例数值以SVM、Neural Network或AdaBoost的机器学习方法得到年龄各类别机率分数后,结合影像辨识机率分数,输出年龄辨识结果即得以得到年龄属性,其年龄属性,是分为三类年龄层,包括幼儿,0至12岁、青年,12至18岁,以及成年18岁以上。
请参阅图4所示,为本发明垂直式影像人流计数的性别与年龄辨识方法的实施例示意图,架设于店家天花板的3D摄影机,包含撷取彩色与深度影像信息,俯视拍摄进入店内的顾客影像,画面透过USB方式传送至后端影像辨识模块的主机进行分析与辨识,利用3D深度影像计算人员身高、肩宽与头身比例信息,系统实时输出身高180公分、肩宽40公分与头身比例1:7的辨识结果;结合2D影像辨识技术,包含辨识肩膀与头部区域的特征,以机器学习方法得到人员性别与年龄属性分析结果,系统实时透过SVM分类器辨识彩色转灰阶的肩膀区域正规化影像,输出顾客比较偏向男性与成年权重的辨识结果;最后透过综合3D深度影像特征如身高、肩宽、头身比例与影像辨识分数权重,输出目前进出的顾客为成年男性的属性特征。
本案技术内容为改善当前人流计数应用,仅能计算人数不能分析其客层属性的缺点,透过提供多元客层属性信息,提升人流计数系统的实用性与产品竞争力。
上列详细说明乃针对本发明的一可行实施例进行具体说明,惟该实施例并非用以限制本发明的专利范围,凡未脱离本发明技艺精神所为的等效实施或变更,均应包含于本案的专利范围中。
综上所述,本案不仅于技术思想上确属创新,并具备现有的传统方法所不及的上述多项功效,已充分符合新颖性及创造性的法定发明专利要件,爰依法提出申请,恳请贵局核准本件发明专利申请案,以励发明,至感德便。
Claims (8)
1.一种垂直式影像人流计数的性别与年龄辨识方法,其特征在于,包括:
步骤一、以3D摄影机,采用垂直的俯视方式,撷取人员的影像;
步骤二、从所述人员的影像中得到一3D深度影像信息及2D彩色影像信息,并进行影像前处理;
步骤三、依据3D深度影像信息,得到头顶位置、身高、肩膀位置、肩膀区域及肩宽数据;
步骤四、以2D彩色影像信息,进行影像辨识,得到一影像辨识结果;
步骤五、依据身高、肩宽及影像辨识结果,计算得到人员性别信息;
步骤六、依据头顶、肩膀位置及身高,得到一头身比例信息,结合影像辨识结果辨识人员的年龄属性。
2.如权利要求1所述的垂直式影像人流计数的性别与年龄辨识方法,其特征在于,所述步骤一,以透过红外线式三原色深度RGB-D传感器安装于天花板,并以从上而下俯视拍摄取得3D摄影机影像串流。
3.如权利要求1所述的垂直式影像人流计数的性别与年龄辨识方法,其特征在于,所述步骤二,为影像前处理,将所述3D深度影像信息与所述2D彩色影像信息两者进行位置对齐校正,再将所述3D深度影像信息转换为灰阶影像供后续进行前景物件侦测使用,而所述2D彩色影像信息则进行Γ函数校正,供后续使用。
4.如权利要求1所述的垂直式影像人流计数的性别与年龄辨识方法,其特征在于,所述步骤三的3D深度影像信息,包含:
头顶侦测模块,以3D深度影像透过自适应式高斯混合模型进行背景建模并分离出前景物件,以椭圆头形侦测找出前景物件头顶位置,透过与传感器的距离计算出人员身高信息;以及
肩膀侦测模块,利用头部位置以辐射状向外延伸向下搜寻深度值相同的水平平面,经由椭圆形侦测得到长轴的肩膀两侧位置与肩膀区域,利用肩膀两侧位置计算得到肩宽信息。
5.如权利要求1所述的垂直式影像人流计数的性别与年龄辨识方法,其中所述步骤四的影像辨识,以一影像辨识模块利用肩膀区域的2D彩色影像以3D深度影像信息滤除背景影像后,先利用肩膀两侧位置做影像正规化,而后计算其灰阶特征或局部二值模式LBP特征,并以支持向量机SVM、神经网络Neural Network或自适应增强AdaBoost的机器学习方法做客层属性分类,产生各类别机率分数值。
6.如权利要求1所述的垂直式影像人流计数的性别与年龄辨识方法,其特征在于,所述步骤五的性别信息,以性别辨识模块透过身高与肩宽数值以SVM、Neural Network或AdaBoost的机器学习方法得到性别各类别机率分数后,结合影像辨识机率分数,输出性别辨识结果。
7.如权利要求1所述的垂直式影像人流计数的性别与年龄辨识方法,其特征在于,所述步骤六,包含:
头身比例计算模块,以头部到肩膀的距离扣除脖子比例常数得到头长,再以身高减去头长得到身长,进而计算出所述头身比例信息;以及
年龄辨识模块,利用头身比例数值以SVM、Neural Network或AdaBoost的机器学习方法得到年龄各类别机率分数后,结合影像辨识机率分数,输出年龄辨识结果即得以得到年龄属性。
8.如权利要求7所述的垂直式影像人流计数的性别与年龄辨识方法,其特征在于,所述年龄属性,分为三类年龄层,包括幼儿,0至12岁;青年,12至18岁;以及成年18岁以上。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106114737A TWI611374B (zh) | 2017-05-04 | 2017-05-04 | 垂直式影像人流計數之性別與年齡辨識方法 |
TW106114737 | 2017-05-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107590458A true CN107590458A (zh) | 2018-01-16 |
CN107590458B CN107590458B (zh) | 2020-06-23 |
Family
ID=61051761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710805079.9A Active CN107590458B (zh) | 2017-05-04 | 2017-09-08 | 垂直式影像人流计数的性别与年龄辨识方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107590458B (zh) |
TW (1) | TWI611374B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830231A (zh) * | 2018-06-21 | 2018-11-16 | 芜湖宝文信息科技有限公司 | 用于身高分类的人流信息统计的统计设备 |
CN111339873A (zh) * | 2020-02-18 | 2020-06-26 | 南京甄视智能科技有限公司 | 客流统计方法、装置、存储介质及计算设备 |
CN111474901A (zh) * | 2019-12-18 | 2020-07-31 | 李峻 | 自动化电子设备联动系统及方法 |
CN112788818A (zh) * | 2020-12-29 | 2021-05-11 | 欧普照明股份有限公司 | 控制方法、控制装置及电子设备 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7160095B2 (ja) * | 2018-06-21 | 2022-10-25 | 日本電気株式会社 | 属性識別装置、属性識別方法、およびプログラム |
CN110796632B (zh) * | 2019-07-30 | 2023-08-11 | 重庆渝通合数字科技有限公司 | 猪只计数装置 |
TWI755960B (zh) * | 2020-12-07 | 2022-02-21 | 晶睿通訊股份有限公司 | 物件計數方法及其相關監控攝影機 |
TWI800975B (zh) * | 2021-11-09 | 2023-05-01 | 瑞昱半導體股份有限公司 | 影像辨識系統及其訓練方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1716273A (zh) * | 2004-06-28 | 2006-01-04 | 李剑华 | 商用迎宾机器人的外形构造及识别方法 |
CN101587539A (zh) * | 2008-05-21 | 2009-11-25 | 上海新联纬讯科技发展有限公司 | 基于智能视频识别技术的人流量统计方法与系统 |
CN102968738A (zh) * | 2012-12-06 | 2013-03-13 | 中国科学院半导体研究所 | 广告投放系统 |
CN103186760A (zh) * | 2011-12-28 | 2013-07-03 | 昌曜科技股份有限公司 | 行人辨识侦测统计系统 |
CN105718873A (zh) * | 2016-01-18 | 2016-06-29 | 北京联合大学 | 基于双目视觉的人流分析方法 |
CN106529399A (zh) * | 2016-09-26 | 2017-03-22 | 深圳奥比中光科技有限公司 | 人体信息采集方法、装置及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120182427A1 (en) * | 2011-06-06 | 2012-07-19 | Aaron Marshall | System and method for providing thermal gender recognition |
TWM443899U (en) * | 2012-02-29 | 2012-12-21 | Bethel Comp Consultant Co Ltd | An intelligent point-of-sales system with active identification of customer group |
-
2017
- 2017-05-04 TW TW106114737A patent/TWI611374B/zh active
- 2017-09-08 CN CN201710805079.9A patent/CN107590458B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1716273A (zh) * | 2004-06-28 | 2006-01-04 | 李剑华 | 商用迎宾机器人的外形构造及识别方法 |
CN101587539A (zh) * | 2008-05-21 | 2009-11-25 | 上海新联纬讯科技发展有限公司 | 基于智能视频识别技术的人流量统计方法与系统 |
CN103186760A (zh) * | 2011-12-28 | 2013-07-03 | 昌曜科技股份有限公司 | 行人辨识侦测统计系统 |
CN102968738A (zh) * | 2012-12-06 | 2013-03-13 | 中国科学院半导体研究所 | 广告投放系统 |
CN105718873A (zh) * | 2016-01-18 | 2016-06-29 | 北京联合大学 | 基于双目视觉的人流分析方法 |
CN106529399A (zh) * | 2016-09-26 | 2017-03-22 | 深圳奥比中光科技有限公司 | 人体信息采集方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
刘志镜: "《信息技术基础与应用》", 31 July 2012, 西安电子科技大学出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830231A (zh) * | 2018-06-21 | 2018-11-16 | 芜湖宝文信息科技有限公司 | 用于身高分类的人流信息统计的统计设备 |
CN111474901A (zh) * | 2019-12-18 | 2020-07-31 | 李峻 | 自动化电子设备联动系统及方法 |
CN111339873A (zh) * | 2020-02-18 | 2020-06-26 | 南京甄视智能科技有限公司 | 客流统计方法、装置、存储介质及计算设备 |
CN111339873B (zh) * | 2020-02-18 | 2021-04-20 | 南京甄视智能科技有限公司 | 客流统计方法、装置、存储介质及计算设备 |
CN112788818A (zh) * | 2020-12-29 | 2021-05-11 | 欧普照明股份有限公司 | 控制方法、控制装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107590458B (zh) | 2020-06-23 |
TW201843649A (zh) | 2018-12-16 |
TWI611374B (zh) | 2018-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107590458A (zh) | 垂直式影像人流计数的性别与年龄辨识方法 | |
CN106056056B (zh) | 一种远距离非接触的行李体积检测系统及其方法 | |
CN103310444B (zh) | 一种基于头顶摄像头的监控行人计数的方法 | |
CN105378752B (zh) | 用于人检测和计数的在线学习系统 | |
CN106682603B (zh) | 一种基于多源信息融合的实时驾驶员疲劳预警系统 | |
CN106241584A (zh) | 一种基于扶梯安全的智能视频监控系统及方法 | |
CN102073841B (zh) | 一种不良视频检测方法及装置 | |
CN103914691B (zh) | 基于人脸识别的目标群体分析系统、方法及身高识别方法 | |
CN102819733B (zh) | 一种快速的街景图像中人脸的检测模糊方法 | |
CN110334687A (zh) | 一种基于行人检测、属性学习和行人识别的行人检索增强方法 | |
CN104091173B (zh) | 一种基于网络摄像机的性别识别方法及装置 | |
CN102799901A (zh) | 一种多角度人脸检测方法 | |
CN106909902A (zh) | 一种基于改进的层次化显著模型的遥感目标检测方法 | |
CN107341688A (zh) | 一种客户体验的采集方法及系统 | |
CN102902986A (zh) | 自动性别识别系统及方法 | |
CN103810491A (zh) | 融合深度和灰度图像特征点的头姿估计兴趣点检测方法 | |
CN103034852A (zh) | 静止摄像机场景下特定颜色行人的检测方法 | |
CN104298969A (zh) | 基于颜色与haar特征融合的人群规模统计方法 | |
CN103473571A (zh) | 一种人体检测方法 | |
CN104021384B (zh) | 一种人脸识别方法及装置 | |
CN110020627A (zh) | 一种基于深度图与特征融合的行人检测方法 | |
CN106960221A (zh) | 一种基于光谱特征和空间特征融合的高光谱图像分类方法及系统 | |
CN105678735A (zh) | 一种用于雾天图像的目标显著性检测方法 | |
CN106326834A (zh) | 人体性别自动识别方法及装置 | |
CN110032932A (zh) | 一种基于视频处理和决策树设定阈值的人体姿态识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |