CN107808128B - 一种虚拟形象重建人体五官测量的方法及系统 - Google Patents
一种虚拟形象重建人体五官测量的方法及系统 Download PDFInfo
- Publication number
- CN107808128B CN107808128B CN201710960353.XA CN201710960353A CN107808128B CN 107808128 B CN107808128 B CN 107808128B CN 201710960353 A CN201710960353 A CN 201710960353A CN 107808128 B CN107808128 B CN 107808128B
- Authority
- CN
- China
- Prior art keywords
- definition
- low
- image
- map
- line segment
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 210000000697 sensory organ Anatomy 0.000 title claims abstract description 21
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 18
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 1
- 238000005457 optimization Methods 0.000 claims 1
- 239000003814 drug Substances 0.000 abstract description 2
- 230000008569 process Effects 0.000 abstract description 2
- 239000000941 radioactive substance Substances 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000003997 social interaction Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- 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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/416—Exact reconstruction
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种虚拟形象重建测量人体五官测量的方法，获取“深度图”和“彩色图”.计算五官的方法，包括：提取两张彩色图中人脸的特征点lld和lhd；计算估计lld到lhd的坐标映射变换A(·)；基于图的像素灰度值，优化A(·)，得到Aoptimal(.)；计算Aoptimal(·)的逆运算
即从坐标lhd到坐标lld的转换矩阵；使用
计算lhd在低清图上的映射
在深度图上计算点集lld，refined两两之间的空间欧式距离及组成的线段到线段的空间欧式距离；最终实现自动的用户虚拟形象重建。本发明提供一种虚拟形象重建五官测量的方法及系统，图像的采集速度快，可以很快完成人体测量，另外，图像采集过程没有放射性物质，对身体无害(对比医学或部分安放人体采集)，不需要裸体或近似裸体的着装，保护隐私；不需要在密闭的环境完成采集测量，节省维度空间且，对被测量人员心理好。
Description
技术领域
本发明涉及计算机图像处理领域，特别涉及到一种虚拟形象重建人体五官测量的方法及系统。
背景技术
随着计算机图形学等信息处理技术的发展，人体测量作为计算机图形学领域备受关注的研究点和前沿方向，它在机器人视觉、高级人机交互以及虚拟现实、虚拟试穿、虚拟社交、健身健康、人种祖源分析(基因表型)等方面得到广泛的应用和推广。
目前，根据图像的类型，人体测量可以分为两类：基于RGB图像的检测和基于深度图像的检测。前者已经取到了很大的进展，也是现在比较主流的实现方式，但是基于RGB图像容易受到光照变化、阴影、物体遮挡以及复杂背景等外在因素的干扰，使得检测性能大打折扣。深度图像作为一种新型的数据描述方式，它保存物体的空间信息，更重要的是具有保护隐私和维度小的优点。
发明内容
本发明提供一种虚拟形象重建人体五官测量的方法，获取“深度图”和“彩色图”.计算五官的方法，包括：
提取两张彩色图中人脸的特征点lld和lhd；
计算估计lld到lhd的坐标映射变换A(·)；
基于图的像素灰度值，优化A(·)，得到Aoptimal(·)；
计算Aoptimal(·)的逆运算
即从坐标lhd到坐标lld的转换矩阵；
使用
计算lhd在低清图上的映射lld，refined
在深度图上计算点集lld，refined两两之间的空间欧式距离及组成的线段到线段的空间欧式距离；
最终实现自动的用户虚拟形象重建。
进一步地，所述获取深度图和高低清两张彩色图，其中低清图与深度图对齐配准。
进一步地，所述基于机器学习的人脸特征点检测技术，提取低清图中人脸的特征点lld和提取高清图中人脸的特征点lhd，具体地lld和lhd是不同图像的同一个人的人脸特征点。
进一步地，所述计算lld到lhd的坐标映射变换A(·)，求解仿射变换A(·)。
进一步地，所述基于低清图、高清图的像素灰度值，优化A(·)，包括：
在低清图的人脸区域采样，采样点坐标的集合为S
优化A(·)，使得低清图上的采样点梯度接近高清图上对应的点的梯度，即
对1.2.b式进行一阶泰勒级数，即
得到线性近似解，
重复1.2.b,1.2.c 50次，取
进一步地，所述通过五官测量，计算头和身大小、人脸的位置，为人脸拼接提供数据依据，最终实现自动的用户虚拟形象重建。
进一步地，所述计算终端显示器单位像素及被测人的真实物理尺寸，得到头的大小和身体的大小。
进一步地，所述计算人脸的位置，抠出的人脸下巴对齐到人体模型脖子上位置，得到人脸的位置。
本发明提供一种虚拟形象重建人体五官测量的系统，其特征在于，获取“深度图”和“彩色图”.计算五官的系统，包括：
提取图中人脸的特征点lld和lhd模块；
计算估计lld到lhd的坐标映射变换A(·)模块；
基于图的像素灰度值，优化A(·)模块；
计算Aoptimal(·)的逆运算
即从坐标lhd到坐标lld的转换矩阵模块；
使用
计算lhd在低清图上的映射lld，refined
在深度图上计算点集lld，refined两两之间的空间欧式距离及组成的线段到线段的空间欧式距离模块；
最终实现自动的用户虚拟形象重建。
本发明提供一种虚拟形象重建人体五官测量的产品，包括适用于虚拟现实、虚拟试衣、虚拟社交、服装、鞋和配饰、健身健康、人种祖源分析(基因表型)、以及非真实接触量体的图像。
有益效果：本发明提供一种虚拟形象重建人体五官测量的方法及系统，图像的采集速度快，可以很快完成人体五官测量，另外，图像采集过程没有放射性物质，对身体无害(对比医学或部分安放人体采集)，不需要裸体或近似裸体的着装，保护隐私；不需要在密闭的环境完成采集测量，节省维度空间且，对被测量人员心理好。
具体实施方式
本实施例提供一种虚拟形象重建人体五官测量的方法，获取“深度图”和“彩色图”.计算五官的方法，包括：
提取两张彩色图中人脸的特征点lld和lhd；
计算估计lld到lhd的坐标映射变换A(·)；
基于图的像素灰度值，优化A(·)，得到Aoptimal(·)；
计算Aoptimal(·)的逆运算
即从坐标lhd到坐标lld的转换矩阵；
使用
计算lhd在低清图上的映射lld，refined
在深度图上计算点集lld，refined两两之间的空间欧式距离及组成的线段到线段的空间欧式距离；
最终实现自动的用户虚拟形象重建。
优选实施例，实施例中获取深度图和高低清两张彩色图，其中低清图与深度图对齐配准。
优选实施例，本实施例中基于机器学习的人脸特征点检测技术，提取低清图中人脸的特征点lld和提取高清图中人脸的特征点lhd，具体地lld和lhd是不同图像的同一个人的人脸特征点。
优选实施例，本实施例中计算lld到lhd的坐标映射变换A(·)，求解仿射变换A(·)。
优选实施例，本实施例中基于低清图、高清图的像素灰度值，优化A(·)，包括：
在低清图的人脸区域采样，采样点坐标的集合为S
优化A(·)，使得低清图上的采样点梯度接近高清图上对应的点的梯度，即
对1.2.b式进行一阶泰勒级数，即
得到线性近似解，
重复1.2.b,1.2.c 50次，取
优选实施例，本实施例中通过五官测量，计算头和身大小、人脸的位置，为人脸拼接提供数据依据，最终实现自动的用户虚拟形象重建。
优选实施例，本实施例中计算终端显示器单位像素及被测人的真实物理尺寸，得到头的大小和身体的大小。
优选实施例，本实施例中计算人脸的位置，抠出的人脸下巴对齐到人体模型脖子上位置，得到人脸的位置。
本实施例提供一种虚拟形象重建人体五官测量的系统，其特征在于，获取“深度图”和“彩色图”.计算五官的系统，包括：
提取两张彩色图中人脸的特征点lld和lhd模块；
计算估计lld到lhd的坐标映射变换A(·)模块；
基于图的像素灰度值，优化A(·)模块；
计算Aoptimal(·)的逆运算
即从坐标lhd到坐标lhd的转换矩阵模块；
使用
计算lhd在低清图上的映射lld，refined
在深度图上计算点集lld，refined两两之间的空间欧式距离及组成的线段到线段的空间欧式距离模块；
最终实现自动的用户虚拟形象重建。
本实施例提供一种虚拟形象重建人体五官测量的产品，包括适用于虚拟现实、虚拟试衣、虚拟社交、服装、鞋和配饰、健身健康、人种祖源分析(基因表型)、以及非真实接触量体的图像。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的精神和范围。
Claims (6)
1.一种虚拟形象重建人体五官测量的方法，其特征在于，包括：
获取低清图和高清图，提取所述低清图所对应的人脸特征点lld和所述高清图所对应的人脸特征点lhd，所述低清图与深度图对齐配准；
计算估计lld到lhd的坐标映射变换A(·)；
在所述低清图的人脸区域采样，采样点坐标的集合为S；
优化A(·)，使得低清图上的采样点梯度接近高清图上对应的采样点的梯度，即
其中，p表示采样点，Ild(p)表示低清图上的采样点坐标p的像灰度值，Ihd(A(p))表示高清图上对应深度图中采样点坐标p的像灰度值；
对1.2.b式进行一阶泰勒级数，即
得到线性近似解，
其中，ΔA表示微小的仿射变换，
表示高清图像素灰度梯度，JA表示仿射变换的雅克比矩阵；
重复(1.2.b式)和(1.2.c式)进行50次，取
其中Aoptimal(·)表示最优的仿射变换；
计算Aoptimal(·)的逆运算
即从坐标lhd到坐标lld的转换矩阵，其中
表示最优的仿射变换的逆变换；
使用
计算lhd在所述低清图上的映射lld，rcfined，即
其中，lld，refined表示优化的低清图中的人脸特征点；
在所述深度图上计算点集lld，refined两两之间的欧式空间距离及组成的线段到线段的欧式空间距离；
基于点集lld，refined中两两之间的欧式空间距离及组成的线段到线段的欧式空间距离，自动重建用户虚拟形象。
2.如权利要求1所述的虚拟形象重建人体五官测量的方法，其特征在于，所述提取所述低清图所对应的人脸的特征点lld和所述高清图所对应的人脸的特征点lhd，包括：基于机器学习的人脸特征点检测技术，提取低清图中人脸的特征点lld和提取高清图中人脸的特征点lhd，其中lld和lhd是不同图像的同一个人的人脸特征点。
3.如权利要求1所述的虚拟形象重建人体五官测量的方法，其特征在于，所述基于点集lld，rfined中两两之间的欧式空间距离及组成的线段到线段的欧式空间距离，自动重建用户虚拟形象，包括：基于点集lld，refined中两两之间的欧式空间距离及组成的线段到线段的欧式空间距离，计算头的大小和身体的大小、以及人脸的位置；
基于所计算的头的大小和身体的大小、以及人脸的位置，进行人脸拼接操作，以自动重建用户虚拟形象。
4.如权利要求3所述的虚拟形象重建人体五官测量的方法，其特征在于，计算终端显示器单位像素及被测人的真实物理尺寸，得到头的大小和身体的大小。
5.一种虚拟形象重建人体五官测量的系统，其特征在于，包括：
提取模块，被配置为获取低清图和高清图，提取所述低清图所对应的人脸特征点和所述高清图所对应的人脸特征点，所述低清图与低清图对齐配准；
仿射变换计算模块，被配置为计算估计lld到lhd的坐标映射变换A(·)；
像素灰度优化模块，被配置为：
在所述低清图的人脸区域采样，采样点坐标的集合为S；
优化A(·)，使得低清图上的采样点梯度接近高清图上对应的采样点的梯度，即
其中，p表示采样点，Ild(p)表示低清图上的采样点坐标p的像灰度值，Ihd(A(p))表示高清图上对应深度图中采样点坐标p的像灰度值；
对1.2.b式进行一阶泰勒级数，即
得到线性近似解，
其中，ΔA表示微小的仿射变换，
表示高清图像素灰度梯度，JA表示仿射变换的雅克比矩阵；
重复(1.2.b式)和(1.2.c式)进行50次，取
其中Aoptimal(·)表示最优的仿射变换；
计算Aoptimal(·)的逆运算
即从坐标lhd到坐标lld的转换矩阵，其中
表示最优的仿射变换的逆变换；
使用
计算lhd在所述低清图上的映射lld，refined，即
其中，lld，refined表示优化的低清图中的人脸特征点；
点集欧式距离计算模块，被配置为在所述深度图上计算点集lld，refined两两之间的欧式空间距离及组成的线段到线段的欧式空间距离；
用户虚拟形象重建模块，被配置为基于点集lld，refined中两两之间的欧式空间距离及组成的线段到线段的欧式空间距离，自动重建用户虚拟形象。
6.一种虚拟形象重建人体五官测量的产品，包括适用于虚拟现实、虚拟试衣、虚拟社交、服装、鞋和配饰、健身健康、人种祖源分析、以及非真实接触量体的图像，其特征在于，所述虚拟形象重建人体五官测量的产品包括如权利要求5所述的虚拟形象重建人体五官测量的系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710960353.XA CN107808128B (zh) | 2017-10-16 | 2017-10-16 | 一种虚拟形象重建人体五官测量的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710960353.XA CN107808128B (zh) | 2017-10-16 | 2017-10-16 | 一种虚拟形象重建人体五官测量的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107808128A CN107808128A (zh) | 2018-03-16 |
| CN107808128B true CN107808128B (zh) | 2021-04-02 |
Family
ID=61584239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710960353.XA Active CN107808128B (zh) | 2017-10-16 | 2017-10-16 | 一种虚拟形象重建人体五官测量的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107808128B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110084744B (zh) * | 2019-03-06 | 2022-11-08 | 深圳市云之梦科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
| CN111105881B (zh) * | 2019-12-26 | 2022-02-01 | 昆山杜克大学 | 一种3d测量人类表型的数据库系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101719270A (zh) * | 2009-12-25 | 2010-06-02 | 武汉大学 | 一种基于非负矩阵分解的人脸超分辨率处理方法 |
| CN101814192A (zh) * | 2009-02-20 | 2010-08-25 | 三星电子株式会社 | 真实感3d人脸重建的方法 |
| CN101866497A (zh) * | 2010-06-18 | 2010-10-20 | 北京交通大学 | 基于双目立体视觉的智能三维人脸重建方法及系统 |
| CN102737235A (zh) * | 2012-06-28 | 2012-10-17 | 中国科学院自动化研究所 | 基于深度信息和彩色图像的头部姿势估计方法 |
| CN102800126A (zh) * | 2012-07-04 | 2012-11-28 | 浙江大学 | 基于多模态融合的实时人体三维姿态恢复的方法 |
| CN204576413U (zh) * | 2014-12-17 | 2015-08-19 | 卢晨华 | 一种基于自然用户界面的互联网智能镜 |
| CN105393252A (zh) * | 2013-04-18 | 2016-03-09 | 数字标记公司 | 生理数据采集和分析 |
| CN105556508A (zh) * | 2013-08-04 | 2016-05-04 | 艾斯适配有限公司 | 虚拟镜子的装置、系统和方法 |
| WO2017029488A2 (en) * | 2015-08-14 | 2017-02-23 | Metail Limited | Methods of generating personalized 3d head models or 3d body models |
| CN107067299A (zh) * | 2017-03-29 | 2017-08-18 | 深圳奥比中光科技有限公司 | 虚拟试衣方法和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8401242B2 (en) * | 2011-01-31 | 2013-03-19 | Microsoft Corporation | Real-time camera tracking using depth maps |
-
2017
- 2017-10-16 CN CN201710960353.XA patent/CN107808128B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101814192A (zh) * | 2009-02-20 | 2010-08-25 | 三星电子株式会社 | 真实感3d人脸重建的方法 |
| CN101719270A (zh) * | 2009-12-25 | 2010-06-02 | 武汉大学 | 一种基于非负矩阵分解的人脸超分辨率处理方法 |
| CN101866497A (zh) * | 2010-06-18 | 2010-10-20 | 北京交通大学 | 基于双目立体视觉的智能三维人脸重建方法及系统 |
| CN102737235A (zh) * | 2012-06-28 | 2012-10-17 | 中国科学院自动化研究所 | 基于深度信息和彩色图像的头部姿势估计方法 |
| CN102800126A (zh) * | 2012-07-04 | 2012-11-28 | 浙江大学 | 基于多模态融合的实时人体三维姿态恢复的方法 |
| CN105393252A (zh) * | 2013-04-18 | 2016-03-09 | 数字标记公司 | 生理数据采集和分析 |
| CN105556508A (zh) * | 2013-08-04 | 2016-05-04 | 艾斯适配有限公司 | 虚拟镜子的装置、系统和方法 |
| CN204576413U (zh) * | 2014-12-17 | 2015-08-19 | 卢晨华 | 一种基于自然用户界面的互联网智能镜 |
| WO2017029488A2 (en) * | 2015-08-14 | 2017-02-23 | Metail Limited | Methods of generating personalized 3d head models or 3d body models |
| CN107067299A (zh) * | 2017-03-29 | 2017-08-18 | 深圳奥比中光科技有限公司 | 虚拟试衣方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| "融合SFM和动态纹理映射的视频流三维表情重建";张剑;《计算机辅助设计与图形学学报》;20100630;第22卷(第6期);第949-958页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107808128A (zh) | 2018-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108549873B (zh) | 三维人脸识别方法和三维人脸识别系统 | |
| WO2020103417A1 (zh) | 一种bmi评测方法、装置及计算机可读存储介质 | |
| US8842906B2 (en) | Body measurement | |
| US20190066390A1 (en) | Methods of Using an Imaging Apparatus in Augmented Reality, in Medical Imaging and Nonmedical Imaging | |
| CN104700412B (zh) | 一种视觉显著图的计算方法 | |
| Chantharaphaichi et al. | Automatic acne detection for medical treatment | |
| JP2007222073A (ja) | 画像処理により細胞運動特性を評価する方法、そのための画像処理装置及び画像処理プログラム | |
| US20220351378A1 (en) | Methods and systems for generating 3d datasets to train deep learning networks for measurements estimation | |
| CN102779354B (zh) | 基于光度立体技术的中医望诊信息表面三维重建方法 | |
| CN107808128B (zh) | 一种虚拟形象重建人体五官测量的方法及系统 | |
| CN112541433B (zh) | 一种基于注意力机制的两阶段人眼瞳孔精确定位方法 | |
| CN106650628B (zh) | 一种基于三维k曲率的指尖检测方法 | |
| CN110782428A (zh) | 一种用于构建临床脑部ct图像roi模板的方法及系统 | |
| Seo et al. | SVM-based waist circumference estimation using Kinect | |
| Wu et al. | Automatic symmetry detection from brain MRI based on a 2-channel convolutional neural network | |
| Tu et al. | Analysis of 3D facial dysmorphology in genetic syndromes from unconstrained 2D photographs | |
| CN115830663A (zh) | 人脸三维关键点提取方法及装置、模型创建方法及系统 | |
| CN105551042B (zh) | 一种扫描床标记点位置的确定方法和装置 | |
| CN111275754B (zh) | 一种基于深度学习的脸部痘印比例计算方法 | |
| CN107832695A (zh) | 在视网膜图像中基于纹理特征的视盘识别方法及装置 | |
| CN109376573A (zh) | 一种虚拟形象生成的头身比的计算方法与系统 | |
| CN106204667B (zh) | 一种解决图像超分辨率重建中的相似度保留问题的稀疏编码方法 | |
| Rashid et al. | Segmenting melanoma lesion using single shot detector (SSD) and level set segmentation technique | |
| Chen et al. | An anthropometric dimensions measurement method using multi-pose human images with complex background | |
| Lee et al. | Segmentation of wounds using gradient vector flow |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231130 Address after: Gao Lou Zhen Hong Di Cun, Rui'an City, Wenzhou City, Zhejiang Province, 325200 Patentee after: Wang Conghai Address before: 10 / F, Yihua financial technology building, 2388 Houhai Avenue, high tech park, Yuehai street, Shenzhen, Guangdong 518000 Patentee before: SHENZHEN CLOUDREAM INFORMATION TECHNOLOGY CO.,LTD. |
|
| TR01 | Transfer of patent right |