CN108154088A - 一种导购机检测侧脸的方法及系统 - Google Patents

一种导购机检测侧脸的方法及系统 Download PDF

Info

Publication number
CN108154088A
CN108154088A CN201711305711.XA CN201711305711A CN108154088A CN 108154088 A CN108154088 A CN 108154088A CN 201711305711 A CN201711305711 A CN 201711305711A CN 108154088 A CN108154088 A CN 108154088A
Authority
CN
China
Prior art keywords
face
characteristic point
mirror image
feature descriptors
artwork
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
Application number
CN201711305711.XA
Other languages
English (en)
Other versions
CN108154088B (zh
Inventor
陈嘉莉
蒋念娟
吕江波
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.)
Yun Zhimeng Science And Technology Ltd Of Shenzhen
Original Assignee
Yun Zhimeng Science And Technology Ltd Of Shenzhen
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 Yun Zhimeng Science And Technology Ltd Of Shenzhen filed Critical Yun Zhimeng Science And Technology Ltd Of Shenzhen
Priority to CN201711305711.XA priority Critical patent/CN108154088B/zh
Publication of CN108154088A publication Critical patent/CN108154088A/zh
Application granted granted Critical
Publication of CN108154088B publication Critical patent/CN108154088B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种导购机检测侧脸的方法，包括，检测图片的人脸区域，得到五官和脸部轮廓的特征点；人脸区域旋转角度的调整，使人脸的中心轴垂直于水平线；以角度调整人脸生成沿中心轴水平翻转的镜像图；对裁剪的图和镜像图提取HOG特征描述符；根据五官特征点位置给HOG特征描述符分配不同的权重；把原图和镜像的带权重HOG特征描述符的L1范数距离作为特征，输入SVM模型(Support Vector Machine,支持向量机)进行训练。通过机器学习模型将人脸图片进行正脸和侧脸的二分类，有效排除路人侧脸和用户不需要的侧脸，降低导购机目标用户检测的误检率，提升导购机形象生成的人脸的美观程度。

Description

一种导购机检测侧脸的方法及系统
技术领域
本发明涉及计算机图形学和计算机视觉技术领域，尤其涉及一种导购机检测侧脸的方法及系统。
背景技术
随着计算机图形学等信息处理技术的发展，人脸五官美化处理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、虚拟试衣、虚拟社交、美图、图像还原等方面得到广泛的应用和推广。
目前，导购机检测侧脸的方法，将人脸图片进行正脸和侧脸的二分类，未有效排除路人侧脸和用户不需要的侧脸，导购机目标用户检测的误检率高，提升导购机形象生成的人脸的美观程度不佳。
发明内容
本发明提供一种导购机检测侧脸的方法，包括，
检测图片的人脸区域，得到五官和脸部轮廓的特征点；
人脸区域旋转角度的调整，使人脸的中心轴垂直于水平线；
以角度调整人脸生成沿中心轴水平翻转的镜像图；
对裁剪的原图和镜像图提取HOG特征描述符(Histogram ofOriented Gradient，方向梯度直方图)；
根据五官特征点位置给HOG特征描述符分配不同的权重；
把原图和镜像的带权重HOG特征描述符的L1范数距离作为特征，输入SVM模型(SupportVectorMachine,支持向量机)进行训练。
进一步地，所述的人脸区域检测和特征点检测，使用基于机器学习的人脸区域检测和特征点检测技术。
进一步地，所述的人脸区域旋转角度的调整，包括，
计算各特征点对与水平线的夹角的平均值作为旋转角度θ；
选择特征点28和特征点52之间的连线的中点作为中心点P；
根据中心点P和旋转角度θ得到旋转矩阵M；
对人脸区域进行基于M的仿射变换，得到角度调整后的人脸。
进一步地，所述的角度调整人脸生成沿中心轴水平翻转的镜像图，包括，
以中心点P的x坐标为中心轴，同时向左右裁剪等距离宽度的区域，使中心轴位于图片的正中间位置；
对裁剪后的图片沿中心轴进行水平翻转，得到与之水平对称的镜像图；
为裁剪后的图和与之对称的镜像图。
进一步地，所述的对裁剪的原图和镜像图提取HOG特征描述符(HistogramofOriented Gradient，方向梯度直方图)，包括，
把原图和镜像缩放到一定的大小；
HOG的参数设置:
窗口大小winSize为(64,64)
块大小blockSize为(16,16)
块步长block stride为(8,8)
胞元大小cellSize为(8,8)
梯度方向数nbins为9；
基于(a)和(b)得到原图和镜像的HOG特征描述符的维数均为1764维；
原图的HOG特征描述符的可视化示意图，其中每个格子代表一个胞元cell，每个胞元cell里的线代表了不同方向的梯度强度。
进一步地，所述的根据五官特征点位置给HOG特征描述符分配不同的权重，包括，
选取五官区域的特征点；
分别设置位于五官特征点区域内的HOG胞元cell的权重；
设置HOG胞元cell权重后的原图的HOG特征描述符的可视化示意图。
进一步地，所述的选取五官区域的特征点，包括，
特征点37,38,39,41,42,44,45,46,47,48作为眼睛区域的特征点；
选取特征点28,29,30,31,34作为鼻子区域的特征点；
选取特征点49,60,59,58,57,56,55,62,63,64作为嘴巴区域的特征点；
选取特征点8,9,10作为下巴区域的特征点；
选取的五官区域示意图。
进一步地，所述的分别设置位于五官特征点区域内的HOG胞元cell的权重，包括，
眼睛的权重为1.5
鼻子的权重为3
嘴巴的权重为1
下巴的权重为1.5
图片边缘的权重为0.5。
进一步地，所述的把原图和镜像的带权重HOG特征描述符的L1-距离作为特征，输入SVM模型(SupportVectorMachine,支持向量机)进行训练，包括，
准备初始的训练样本，尽可能保证样本的多样性；
计算原图和镜像的HOG特征描述符的L1-距离(曼哈顿距离)；
训练SVM模型，模型参数设置为：
SVM类型：C_SVC
核kernel：线性核Linear
C：1
准备测试样本，观察模型的测试结果，把误判的样本放入训练样本，再回到步骤(c)训练，迭代步骤(c)～(d)数次直至满意的结果。
本发明提供一种导购机检测侧脸的系统，包括，
获取模块，检测图片的人脸区域，得到五官和脸部轮廓的特征点；
调整模块，人脸区域旋转角度的调整，使人脸的中心轴垂直于水平线；
生成模块，以角度调整人脸生成沿中心轴水平翻转的镜像图；
提取模块，对裁剪的原图和镜像图提取HOG特征描述符(Histogram of OrientedGradient，方向梯度直方图)；
分配模块，根据五官特征点位置给HOG特征描述符分配不同的权重；
输入模块，把原图和镜像的带权重HOG特征描述符的L1范数距离作为特征，输入SVM模型(SupportVectorMachine,支持向量机)进行训练。
本发明提供一种导购机检测侧脸的产品，包括适用于虚拟现实、虚拟试衣、虚拟社交、美图、图像还原等。
有益效果：
本发明提供了一种导购机检测侧脸的方法，通过机器学习模型将人脸图片进行正脸和侧脸的二分类，可以有效排除路人侧脸和用户不需要的侧脸，降低导购机目标用户检测的误检率，提升导购机形象生成的人脸的美观程度。
附图说明
图1是人脸特征点的示意图
图2是人脸区域做旋转角度调整的示意图
图3是选择特征点28和特征点52之间的连线的中点作为中心点P示意图
图4是裁剪后的原示意图
图5是裁剪后镜像的示意图
图6是原图的HOG特征描述符的可视化示意图
图7是选取五官区域的特征点示意图
图8是设置HOG胞元cell权重后的原图的HOG特征描述符的可视化示意图
具体实施方式
本发明实施例提供一种导购机检测侧脸的方法，包括，
检测图片的人脸区域，得到五官和脸部轮廓的特征点；
人脸区域旋转角度的调整，使人脸的中心轴垂直于水平线；
以角度调整人脸生成沿中心轴水平翻转的镜像图；
对裁剪的原图和镜像图提取HOG特征描述符(Histogram ofOriented Gradient，方向梯度直方图)；
根据五官特征点位置给HOG特征描述符分配不同的权重；
把原图和镜像的带权重HOG特征描述符的L1范数距离作为特征，输入SVM模型(SupportVectorMachine,支持向量机)进行训练。
优选实施例，本发明实施例中的人脸区域检测和特征点检测，使用基于机器学习的人脸区域检测和特征点检测技术。
优选实施例，本发明实施例中的人脸区域旋转角度的调整，包括，
计算各特征点对与水平线的夹角的平均值作为旋转角度θ；
选择特征点28和特征点52之间的连线的中点作为中心点P；
根据中心点P和旋转角度θ得到旋转矩阵M；
对人脸区域进行基于M的仿射变换，得到角度调整后的人脸。
优选实施例，本发明实施例中角度调整人脸生成沿中心轴水平翻转的镜像图，包括，
以中心点P的x坐标为中心轴，同时向左右裁剪等距离宽度的区域，使中心轴位于图片的正中间位置；
对裁剪后的图片沿中心轴进行水平翻转，得到与之水平对称的镜像图；
为裁剪后的图和与之对称的镜像图。
优选实施例，本发明实施例中对裁剪的原图和镜像图提取HOG特征描述符(Histogram ofOriented Gradient，方向梯度直方图)，包括，
把原图和镜像缩放到一定的大小；
HOG的参数设置:
窗口大小winSize为(64,64)
块大小blockSize为(16,16)
块步长block stride为(8,8)
胞元大小cellSize为(8,8)
梯度方向数nbins为9；
基于(a)和(b)得到原图和镜像的HOG特征描述符的维数均为1764维；
原图的HOG特征描述符的可视化示意图，其中每个格子代表一个胞元cell，每个胞元cell里的线代表了不同方向的梯度强度。
优选实施例，本发明实施例中根据五官特征点位置给HOG特征描述符分配不同的权重，包括，
选取五官区域的特征点；
分别设置位于五官特征点区域内的HOG胞元cell的权重；
设置HOG胞元cell权重后的原图的HOG特征描述符的可视化示意图。
优选实施例，本发明实施例中选取五官区域的特征点，包括，
特征点37,38,39,41,42,44,45,46,47,48作为眼睛区域的特征点；
选取特征点28,29,30,31,34作为鼻子区域的特征点；
选取特征点49,60,59,58,57,56,55,62,63,64作为嘴巴区域的特征点；
选取特征点8,9,10作为下巴区域的特征点；
选取的五官区域示意图。
优选实施例，本发明实施例中分别设置位于五官特征点区域内的HOG胞元cell的权重，包括，
眼睛的权重为1.5
鼻子的权重为3
嘴巴的权重为1
下巴的权重为1.5
图片边缘的权重为0.5。
优选实施例，本发明实施例中把原图和镜像的带权重HOG特征描述符的L1-距离作为特征，输入SVM模型(SupportVectorMachine,支持向量机)进行训练，包括，
准备初始的训练样本，尽可能保证样本的多样性；
计算原图和镜像的HOG特征描述符的L1-距离(曼哈顿距离)；
训练SVM模型，模型参数设置为：
SVM类型：C_SVC
核kernel：线性核Linear
C：1
准备测试样本，观察模型的测试结果，把误判的样本放入训练样本，再回到步骤(c)训练，迭代步骤(c)～(d)数次直至满意的结果。
本发明实施例提供一种导购机检测侧脸的系统，包括，
获取模块，检测图片的人脸区域，得到五官和脸部轮廓的特征点；
调整模块，人脸区域旋转角度的调整，使人脸的中心轴垂直于水平线；
生成模块，以角度调整人脸生成沿中心轴水平翻转的镜像图；
提取模块，对裁剪的图和镜像图提取HOG特征描述符(Histogram of OrientedGradient，方向梯度直方图)；
分配模块，根据五官特征点位置给HOG特征描述符分配不同的权重；
输入模块，把原图和镜像的带权重HOG特征描述符的L1范数距离作为特征，输入SVM模型(SupportVectorMachine,支持向量机)进行训练。
本发明实施例提供提供一种导购机检测侧脸的产品，包括适用于虚拟现实、虚拟试衣、虚拟社交、美图、图像还原等。

Claims (11)

1.一种导购机检测侧脸的方法，其特征在于，包括，
检测图片的人脸区域，得到五官和脸部轮廓的特征点；
人脸区域旋转角度的调整，使人脸的中心轴垂直于水平线；
以角度调整人脸生成沿中心轴水平翻转的镜像图；
对裁剪的原图和镜像图提取HOG特征描述符(Histogram of Oriented Gradient，方向梯度直方图)；
根据五官特征点位置给HOG特征描述符分配不同的权重；
把原图和镜像的带权重HOG特征描述符的L1范数距离作为特征，输入SVM模型(SupportVector Machine,支持向量机)进行训练。
2.如权利要求1所述的一种导购机检测侧脸的方法，其特征在于，所述的人脸区域检测和特征点检测，使用基于机器学习的人脸区域检测和特征点检测技术。
3.如权利要求1所述的一种导购机检测侧脸的方法，其特征在于，所述的人脸区域旋转角度的调整，包括，
计算各特征点对与水平线的夹角的平均值作为旋转角度θ；
选择特征点28和特征点52之间的连线的中点作为中心点P；
根据中心点P和旋转角度θ得到旋转矩阵M；
对人脸区域进行基于M的仿射变换，得到角度调整后的人脸。
4.如权利要求1所述的一种导购机检测侧脸的方法，其特征在于，所述的角度调整人脸生成沿中心轴水平翻转的镜像图，包括，
以中心点P的x坐标为中心轴，同时向左右裁剪等距离宽度的区域，使中心轴位于图片的正中间位置；
对裁剪后的图片沿中心轴进行水平翻转，得到与之水平对称的镜像图；
为裁剪后的图和与之对称的镜像图。
5.如权利要求1所述的一种导购机检测侧脸的方法，其特征在于，所述的对裁剪的原图和镜像图提取HOG特征描述符(Histogram ofOriented Gradient，方向梯度直方图)，包括，
把原图和镜像缩放到一定的大小；
HOG的参数设置:
窗口大小winSize为(64,64)
块大小blockSize为(16,16)
块步长block stride为(8,8)
胞元大小cellSize为(8,8)
梯度方向数nbins为9；
基于(a)和(b)得到原图和镜像的HOG特征描述符的维数均为1764维；
原图的HOG特征描述符的可视化示意图，其中每个格子代表一个胞元cell，每个胞元cell里的线代表了不同方向的梯度强度。
6.如权利要求1所述的一种导购机检测侧脸的方法，其特征在于，所述的根据五官特征点位置给HOG特征描述符分配不同的权重，包括，
选取五官区域的特征点；
分别设置位于五官特征点区域内的HOG胞元cell的权重；
设置HOG胞元cell权重后的原图的HOG特征描述符的可视化示意图。
7.如权利要求6所述的一种导购机检测侧脸的方法，其特征在于，所述的选取五官区域的特征点，包括，
特征点37,38,39,41,42,44,45,46,47,48作为眼睛区域的特征点；
选取特征点28,29,30,31,34作为鼻子区域的特征点；
选取特征点49,60,59,58,57,56,55,62,63,64作为嘴巴区域的特征点；
选取特征点8,9,10作为下巴区域的特征点；
选取的五官区域示意图。
8.如权利要求6所述的一种导购机检测侧脸的方法，其特征在于，所述的分别设置位于五官特征点区域内的HOG胞元cell的权重，包括，
眼睛的权重为1.5
鼻子的权重为3
嘴巴的权重为1
下巴的权重为1.5
图片边缘的权重为0.5。
9.如权利要求1所述的一种导购机检测侧脸的方法，其特征在于，所述的把原图和镜像的带权重HOG特征描述符的L1-距离作为特征，输入SVM模型(Support Vector Machine,支持向量机)进行训练，包括，
准备初始的训练样本，尽可能保证样本的多样性；
计算原图和镜像的HOG特征描述符的L1-距离(曼哈顿距离)；
训练SVM模型，模型参数设置为：
SVM类型：C_SVC
核kernel：线性核Linear
C：1
准备测试样本，观察模型的测试结果，把误判的样本放入训练样本，再回到步骤(c)训练，迭代步骤(c)～(d)数次直至满意的结果。
10.一种导购机检测侧脸的系统，其特征在于，包括，
获取模块，检测图片的人脸区域，得到五官和脸部轮廓的特征点；
调整模块，人脸区域旋转角度的调整，使人脸的中心轴垂直于水平线；
生成模块，以角度调整人脸生成沿中心轴水平翻转的镜像图；
提取模块，对裁剪的原图和镜像图提取HOG特征描述符(Histogram of OrientedGradient，方向梯度直方图)；
分配模块，根据五官特征点位置给HOG特征描述符分配不同的权重；
输入模块，把原图和镜像的带权重HOG特征描述符的L1范数距离作为特征，输入SVM模型(Support Vector Machine,支持向量机)进行训练。
11.一种导购机检测侧脸的产品，其特征在于，包括适用于虚拟现实、虚拟试衣、虚拟社交、美图、图像还原等，所述智能导购机检测侧脸的产品为权利要求1至10中任意一项所述的一种导购机检测侧脸的方法及系统。
CN201711305711.XA 2017-12-11 2017-12-11 一种导购机检测侧脸的方法及系统 Active CN108154088B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711305711.XA CN108154088B (zh) 2017-12-11 2017-12-11 一种导购机检测侧脸的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711305711.XA CN108154088B (zh) 2017-12-11 2017-12-11 一种导购机检测侧脸的方法及系统

Publications (2)

Publication Number Publication Date
CN108154088A true CN108154088A (zh) 2018-06-12
CN108154088B CN108154088B (zh) 2021-01-01

Family

ID=62466345

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711305711.XA Active CN108154088B (zh) 2017-12-11 2017-12-11 一种导购机检测侧脸的方法及系统

Country Status (1)

Country Link
CN (1) CN108154088B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112016412A (zh) * 2020-08-13 2020-12-01 上海薇艾信息科技有限公司 人物头像元素及区域数字化存储和相似度分析方法和系统
CN114792295A (zh) * 2022-06-23 2022-07-26 深圳憨厚科技有限公司 基于智能相框的被遮挡物修正方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007011456A (ja) * 2005-06-28 2007-01-18 Glory Ltd 顔認証装置および顔認証方法
CN101499128A (zh) * 2008-01-30 2009-08-05 中国科学院自动化研究所 基于视频流的三维人脸动作检测和跟踪方法
CN103514441A (zh) * 2013-09-21 2014-01-15 南京信息工程大学 基于移动平台的人脸特征点定位跟踪方法
US20140071121A1 (en) * 2012-09-11 2014-03-13 Digital Signal Corporation System and Method for Off Angle Three-Dimensional Face Standardization for Robust Performance
CN104408399A (zh) * 2014-10-28 2015-03-11 小米科技有限责任公司 人脸图像处理方法及装置
CN107292299A (zh) * 2017-08-14 2017-10-24 河南工程学院 基于内核规范相关分析的侧面人脸识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007011456A (ja) * 2005-06-28 2007-01-18 Glory Ltd 顔認証装置および顔認証方法
CN101499128A (zh) * 2008-01-30 2009-08-05 中国科学院自动化研究所 基于视频流的三维人脸动作检测和跟踪方法
US20140071121A1 (en) * 2012-09-11 2014-03-13 Digital Signal Corporation System and Method for Off Angle Three-Dimensional Face Standardization for Robust Performance
CN103514441A (zh) * 2013-09-21 2014-01-15 南京信息工程大学 基于移动平台的人脸特征点定位跟踪方法
CN104408399A (zh) * 2014-10-28 2015-03-11 小米科技有限责任公司 人脸图像处理方法及装置
CN107292299A (zh) * 2017-08-14 2017-10-24 河南工程学院 基于内核规范相关分析的侧面人脸识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邹国锋等: ""多姿态人脸识别综述"", 《模式识别与人工智能》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112016412A (zh) * 2020-08-13 2020-12-01 上海薇艾信息科技有限公司 人物头像元素及区域数字化存储和相似度分析方法和系统
CN114792295A (zh) * 2022-06-23 2022-07-26 深圳憨厚科技有限公司 基于智能相框的被遮挡物修正方法、装置、设备及介质

Also Published As

Publication number Publication date
CN108154088B (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
CN108108684B (zh) 一种融合视线检测的注意力检测方法
CN104268539B (zh) 一种高性能的人脸识别方法及系统
Quelhas et al. Cell nuclei and cytoplasm joint segmentation using the sliding band filter
CN103810491B (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
CN107748890A (zh) 一种基于深度图像的视觉抓取方法、装置及其可读存储介质
CN107194361B (zh) 二维姿势检测方法及装置
CN105930767A (zh) 一种基于人体骨架的动作识别方法
CN107909604A (zh) 基于双目视觉的动态物体运动轨迹识别方法
CN105989608B (zh) 一种面向智能机器人的视觉捕捉方法及装置
WO2009123354A1 (en) Method, apparatus, and program for detecting object
CN112970047A (zh) 用于使用产品描述自动生成三维虚拟服装模型的系统和方法
CN107403168A (zh) 一种面部识别系统
Wu et al. Yolse: Egocentric fingertip detection from single rgb images
CN106447713A (zh) 基于点云人体模型的自动测量方法及装置
CN109614925A (zh) 服饰属性识别方法和装置、电子设备、存储介质
CN105913013A (zh) 双目视觉人脸识别算法
CN103295025A (zh) 一种三维模型最优视图的自动选择方法
CN105426882B (zh) 一种人脸图像中快速定位人眼的方法
CN111445426B (zh) 一种基于生成对抗网络模型的目标服装图像处理方法
CN105741326B (zh) 一种基于聚类融合的视频序列的目标跟踪方法
CN109670440A (zh) 大熊猫脸的识别方法及装置
CN107480586A (zh) 基于人脸特征点位移的生物识别照片仿冒攻击检测方法
CN108446018A (zh) 一种基于双目视觉技术的增强现实眼动交互系统
CN109409215A (zh) 基于深度卷积神经网络的前方车辆半遮挡人体的检测方法
CN108154088A (zh) 一种导购机检测侧脸的方法及系统

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