CN108171128B - 一种人脸检测方法及装置 - Google Patents
一种人脸检测方法及装置 Download PDFInfo
- Publication number
- CN108171128B CN108171128B CN201711341835.3A CN201711341835A CN108171128B CN 108171128 B CN108171128 B CN 108171128B CN 201711341835 A CN201711341835 A CN 201711341835A CN 108171128 B CN108171128 B CN 108171128B
- Authority
- CN
- China
- Prior art keywords
- face
- scale range
- area
- detection area
- meeting
- 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
Images
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
Abstract
本发明公开了一种人脸检测方法及装置,通过针对一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,得到多个人脸区域,通过统计得到的人脸区域中满足尺度范围的人脸区域的数量,在确定满足该尺度范围的人脸区域的数量满足预设更新数量后,根据满足尺度范围的人脸区域的坐标区域对检测区域进行更新,以采用更新后的检测区域进行人脸检测,且还将统计到的满足该尺度范围的人脸区域的数量清零,以进行该尺度范围的下一个循环的更新。这样采用更新后的检测区域对连续帧的图像进行检测,而不必要针对整个原始图像进行全图遍历,可以减小某一尺度范围的人脸区域所需要遍历检测的区域,进而减小人脸检测方法的耗时。
Description
技术领域
本发明涉及人脸检测技术领域,特别涉及一种人脸检测方法及装置。
背景技术
目前,一般采用的人脸检测方法主要是通过对原始图像进行不同尺度的缩放,并对缩放后的原始图像进行全图遍历,以检测得到不同尺度的人脸区域。上述人脸检测方法的过程复杂,且耗时较长。为了减低耗时,目前通过增加运动侦测的方式,即通过标记出运动物体的区域,并只针对这些区域进行检测的方法,以降低人脸检测方法的耗时。然而,运动侦测的过程也会消耗一定的资源,从而在处于人流量比较大的视频场景时,人脸检测方法的耗时也并不会得到较佳的改善。
发明内容
本发明实施例提供一种人脸检测方法及装置,用以降低人脸检测的耗时。
因此,本发明实施例提供了一种人脸检测方法,包括:针对预先设定的多种尺度范围中的一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,得到人脸区域;
统计得到的人脸区域中满足所述尺度范围的人脸区域的数量;
在确定满足所述尺度范围的人脸区域的数量满足预设更新数量后,根据满足所述尺度范围的人脸区域的坐标区域对所述检测区域进行更新,且将统计到的满足所述尺度范围的人脸区域的数量清零。
可选地,在本发明实施例提供的上述人脸检测方法中,所述根据满足所述尺度范围的人脸区域的坐标区域对所述检测区域进行更新,具体包括:
确定满足所述尺度范围的每一个人脸区域的纵坐标的最大值与最小值,并计算确定出的最大值对应的第一平均值与确定出的最小值对应的第二平均值;
根据所述第一平均值、所述第二平均值、预设阈值,确定满足所述尺度范围的人脸区域对应的目标检测区域的纵坐标,以及根据所述连续帧的图像的横坐标确定满足所述尺度范围的人脸区域对应的目标检测区域的横坐标;
根据所述目标检测区域对所述检测区域进行更新。
可选地,在本发明实施例提供的上述人脸检测方法中,所述目标检测区域的纵坐标的最大值为所述第一平均值;或者,所述目标检测区域的纵坐标的最大值为所述第一平均值与所述预设阈值之和;
所述目标检测区域的纵坐标的最小值为所述第二平均值;或者,所述目标检测区域的纵坐标的最小值为所述第二平均值与所述预设阈值之差。
可选地,在本发明实施例提供的上述人脸检测方法中,确定所述预设阈值的方法具体为:
确定满足所述尺度范围的每一个人脸区域在所述连续帧的图像中的比例;
根据确定出的全部比例,计算所述尺度范围对应的比例平均值;
根据所述尺度范围对应的比例平均值以及预先建立的比例平均值与对应的预设阈值的关系表,确定所述尺度范围对应的预设阈值。
可选地,在本发明实施例提供的上述人脸检测方法中,针对初始的若干连续帧的图像,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,具体为:
采用默认检测区域对初始的若干连续帧的图像进行人脸检测。
可选地,在本发明实施例提供的上述人脸检测方法中,针对预先设定的每一种尺度范围,均采用本发明实施例提供的上述人脸检测方法对输入的连续帧的图像进行人脸检测。
相应地,本发明实施例还提供了一种人脸检测装置,包括:
人脸确定模块,用于针对预先设定的多种尺度范围中的一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,得到人脸区域;
统计模块,用于统计得到的人脸区域中满足所述尺度范围的人脸区域的数量;
区域更新模块,用于在确定满足所述尺度范围的人脸区域的数量满足预设更新数量后,根据满足所述尺度范围的人脸区域的坐标区域对所述检测区域进行更新,且将统计到的满足所述尺度范围的人脸区域的数量清零;
存储模块,用于存储输入的连续帧的图像。
可选地,在本发明实施例提供的上述人脸检测装置中,所述区域更新模块具体用于确定满足所述尺度范围的每一个人脸区域的纵坐标的最大值与最小值,并计算确定出的最大值对应的第一平均值与确定出的最小值对应的第二平均值;根据所述第一平均值、所述第二平均值、预设阈值,确定满足所述尺度范围的人脸区域对应的目标检测区域的纵坐标,以及根据所述连续帧的图像的横坐标确定满足所述尺度范围的人脸区域对应的目标检测区域的横坐标;根据所述目标检测区域对所述检测区域进行更新。
可选地,在本发明实施例提供的上述人脸检测装置中,所述目标检测区域的纵坐标的最大值为所述第一平均值;或者,所述目标检测区域的纵坐标的最大值为所述第一平均值与所述预设阈值之和;
所述目标检测区域的纵坐标的最小值为所述第二平均值;或者,所述目标检测区域的纵坐标的最小值为所述第二平均值与所述预设阈值之差。
可选地,在本发明实施例提供的上述人脸检测装置中,确定所述预设阈值的方法具体为:
确定满足所述尺度范围的每一个人脸区域在所述连续帧的图像中的比例;
根据确定出的全部比例,计算所述尺度范围对应的比例平均值;
根据所述尺度范围对应的比例平均值以及预先建立的比例平均值与对应的预设阈值的关系表,确定所述尺度范围对应的预设阈值。
可选地,在本发明实施例提供的上述人脸检测装置中,所述人脸确定模块还用于采用默认检测区域对初始的若干连续帧的图像进行人脸检测。
本发明有益效果如下:
本发明实施例提供的人脸检测方法及装置,通过针对一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,以得到多个人脸区域,并通过统计得到的人脸区域中满足尺度范围的人脸区域的数量,在确定满足该尺度范围的人脸区域的数量满足预设更新数量后,根据满足尺度范围的人脸区域的坐标区域对检测区域进行更新,以采用更新后的检测区域进行人脸检测,并且还将统计到的满足该尺度范围的人脸区域的数量清零,以进行该尺度范围下检测区域的下一个循环的更新。这样采用更新后的检测区域对连续帧的图像进行检测,而不必要针对整个原始图像进行全图遍历,可以减小某一尺度范围的人脸区域所需要遍历检测的区域,进而可以减小人脸检测方法过程中的耗时。
附图说明
图1为本发明实施例提供的人脸检测方法的流程图;
图2为本发明实施例提供的目标检测区域的示意图;
图3为本发明实施例提供的人脸检测方法的具体流程图;
图4为本发明实施例提供的人脸检测装置的结构示意图。
具体实施方式
为了使本发明的目的,技术方案和优点更加清楚,下面结合附图,对本发明实施例提供的人脸检测方法及装置的具体实施方式进行详细地说明。应当理解,下面所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本发明实施例提供了一种人脸检测方法,如图1所示,该人脸检测方法可以包括以下步骤:
S101、针对预先设定的多种尺度范围中的一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,得到人脸区域;
S102、统计得到的人脸区域中满足尺度范围的人脸区域的数量;
S103、在确定满足尺度范围的人脸区域的数量满足预设更新数量后,根据满足尺度范围的人脸区域的坐标区域对检测区域进行更新,且将统计到的满足尺度范围的人脸区域的数量清零。
本发明实施例提供的上述人脸检测方法,通过针对一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,以得到多个人脸区域,并通过统计得到的人脸区域中满足尺度范围的人脸区域的数量,在确定满足该尺度范围的人脸区域的数量满足预设更新数量后,根据满足尺度范围的人脸区域的坐标区域对检测区域进行更新,以采用更新后的检测区域进行人脸检测,并且还将统计到的满足该尺度范围的人脸区域的数量清零,以进行该尺度范围下检测区域的下一个循环的更新。这样采用更新后的检测区域对连续帧的图像进行检测,而不必要针对整个原始图像进行全图遍历,可以减小某一尺度范围的人脸区域所需要遍历检测的区域,进而可以减小人脸检测方法过程中的耗时。
在具体实施时,在本发明实施例提供的上述人脸检测方法中,人脸区域指的是在将人脸从连续帧的图像中抠图出来后,人脸所形成的方形区域。一般在拍摄某场景的图像中,距离摄像头远的人脸较小,距离摄像头大的人脸较大,因此图像中的人脸所处的区域有大有小,即人脸检测结果中的人脸区域具有多种尺度。并且距离摄像头远的人脸较小,且一般位于图像的上半区域,距离摄像头近的人脸较大,且一般位于图像的下半区域,因此图像中不同大小的人脸所处的区域只会出现在一定的区域内。如图2所示,预先设定的多种尺度范围中的某一种尺度范围可以为连续帧的图像100中的一种尺度的人脸区域200的纵坐标的最大值y1与最小值y2所满足的纵坐标的范围。即针对人脸区域200,该尺度范围的纵坐标的最小值可以为y1-Δd,最大值可以为y2+Δd,其中,Δd为误差允许范围。当然,在实际应用中,尺度范围的具体设定需要根据实际应用环境来确定,在此不作限定。
由于图像中的人脸所处的区域有大有小,使得人脸区域所满足的尺度范围可以有多种,在具体实施时,在本发明实施例提供的上述人脸检测方法中,针对预先设定的每一种尺度范围,可以均采用步骤S101~S103的人脸检测方法对输入的连续帧的图像进行人脸检测。这样可以进一步减低检测耗时。并且,在针对预先设定的每一种尺度范围均采用步骤S101~S103的方法进行检测时,其可以是同时进行检测的。当然也可以是先将一种尺度范围对应的检测区域进行更新后,再针对另一种尺度范围的检测区域进行更新,在此不作限定。
在具体实施时,在本发明实施例提供的上述人脸检测方法中,预设更新数量可以为根据经验可得到的数值。例如可以将预设更新数量设置为20,则在确定具有尺度范围的人脸区域的数量不小于20后,即可对检测区域进行更新。在实际应用中,不同应用环境对预设更新数量的要求不同,因此预设更新数量需要根据实际应用环境来设计确定,在此不作限定。
在具体实施时,在本发明实施例提供的上述人脸检测方法中,根据满足尺度范围的人脸区域的坐标区域对检测区域进行更新,具体包括:
确定满足尺度范围的每一个人脸区域的纵坐标的最大值与最小值,并计算确定出的最大值对应的第一平均值与确定出的最小值对应的第二平均值;
根据第一平均值、第二平均值、预设阈值,确定满足尺度范围的人脸区域对应的目标检测区域的纵坐标,以及根据连续帧的图像的横坐标确定满足尺度范围的人脸区域对应的目标检测区域的横坐标;
根据目标检测区域对检测区域进行更新。
在具体实施时,在本发明实施例提供的上述人脸检测方法中,目标检测区域的纵坐标的最大值可以为第一平均值。或者,在具体实施时,目标检测区域的纵坐标的最大值也可以为第一平均值与预设阈值之和。
在具体实施时,在本发明实施例提供的上述人脸检测方法中,目标检测区域的纵坐标的最小值为第二平均值。或者,在具体实施时,目标检测区域的纵坐标的最小值为第二平均值与预设阈值之差。
可选地,在具体实施时,目标检测区域的纵坐标的最大值也可以为第一平均值与预设阈值之和,且,目标检测区域的纵坐标的最小值为第二平均值与预设阈值之差。具体地,如图2所示,目标检测区域300的纵坐标的最大值为:y4+Δy0,y4代表第一平均值,Δy0代表预设阈值。目标检测区域300的纵坐标的最小值为:y3-Δy0,y3代表第二平均值。目标检测区域300的横坐标为:原始图像100的横坐标即其在x方向上的坐标。
在具体实施时,在本发明实施例提供的上述人脸检测方法中,预设阈值可以是根据经验或误差允许范围进行设定的一个数值,或者也可以是采用某种方法确定的数值。在本发明实施例提供的上述人脸检测方法中,确定预设阈值的方法具体可以为:
确定满足尺度范围的每一个人脸区域在连续帧的图像中的比例;
根据确定出的全部比例,计算尺度范围对应的比例平均值;
根据尺度范围对应的比例平均值以及预先建立的比例平均值与对应的预设阈值的关系表,确定尺度范围对应的预设阈值。
在具体实施时,在本发明实施例提供的上述人脸检测方法中,统计得到的人脸区域中满足尺度范围的人脸区域的数量,具体可以包括:统计人脸区域的纵坐标的最大值与最小值均满足尺度范围的人脸区域的数量。
一般拍摄的某场景下的图像是连续的,其中针对初始的若干连续帧的图像,此时还未针对某一尺度范围进行统计更新,因此可以采用默认检测区域对其进行人脸检测。在具体实施时,在本发明实施例提供的上述人脸检测方法中,针对初始的若干连续帧的图像,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,具体为:
采用默认检测区域对初始的若干连续帧的图像进行人脸检测。其中,默认检测区域可以为现有人脸检测方法中的检测区域,或者也可以为根据经验得到的检测区域,在此不作限定。
下面对上述人脸检测方法的过程进行详细说明,如图3所示,人脸检测方法的步骤可以包括:
S301、针对预先设定的多种尺度范围中的一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,得到人脸区域。
S302、统计人脸区域的纵坐标的最大值与最小值均满足尺度范围的人脸区域的数量。
S303、在确定满足尺度范围的人脸区域的数量满足预设更新数量后,确定满足尺度范围的每一个人脸区域的纵坐标的最大值与最小值,并计算确定出的最大值对应的第一平均值与确定出的最小值对应的第二平均值。
S304、根据第一平均值、第二平均值、预设阈值,确定满足尺度范围的人脸区域对应的目标检测区域的纵坐标,以及根据连续帧的图像的横坐标确定满足尺度范围的人脸区域对应的目标检测区域的横坐标。具体地,目标检测区域的纵坐标的最大值为第一平均值与预设阈值之和;目标检测区域的纵坐标的最小值为第二平均值与预设阈值之差。
S305、根据目标检测区域对检测区域进行更新且将统计到的满足尺度范围的人脸区域的数量清零。
基于同一发明构思,本发明实施例还提供了一种人脸检测装置,如图4所示,包括:
人脸确定模块10,用于针对预先设定的多种尺度范围中的一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,得到人脸区域;
统计模块20,用于统计得到的人脸区域中满足尺度范围的人脸区域的数量;
区域更新模块30,用于在确定满足尺度范围的人脸区域的数量满足预设更新数量后,根据满足尺度范围的人脸区域的坐标区域对检测区域进行更新,且将统计到的满足尺度范围的人脸区域的数量清零;
存储模块40,用于存储输入的连续帧的图像。
本发明实施例提供的上述人脸检测装置,通过针对一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,以得到多个人脸区域,并通过统计得到的人脸区域中满足尺度范围的人脸区域的数量,在确定满足该尺度范围的人脸区域的数量满足预设更新数量后,根据满足尺度范围的人脸区域的坐标区域对检测区域进行更新,以采用更新后的检测区域进行人脸检测,并且还将统计到的满足该尺度范围的人脸区域的数量清零,以进行该尺度范围下检测区域的下一个循环的更新。这样采用更新后的检测区域对连续帧的图像进行检测,而不必要针对整个原始图像进行全图遍历,可以减小某一尺度范围的人脸区域所需要遍历检测的区域,进而可以减小人脸检测方法过程中的耗时。
在具体实施时,在本发明实施例提供的上述人脸检测装置中,区域更新模块具体用于确定满足尺度范围的每一个人脸区域的纵坐标的最大值与最小值,并计算确定出的最大值对应的第一平均值与确定出的最小值对应的第二平均值;根据第一平均值、第二平均值、预设阈值,确定满足尺度范围的人脸区域对应的目标检测区域的纵坐标,以及根据连续帧的图像的横坐标确定满足尺度范围的人脸区域对应的目标检测区域的横坐标;根据目标检测区域对检测区域进行更新。
在具体实施时,在本发明实施例提供的上述人脸检测装置中,目标检测区域的纵坐标的最大值可以为第一平均值。或者,在具体实施时,目标检测区域的纵坐标的最大值也可以为第一平均值与预设阈值之和。
在具体实施时,在本发明实施例提供的上述人脸检测装置中,目标检测区域的纵坐标的最小值可以为第二平均值。或者,在具体实施时,目标检测区域的纵坐标的最小值也可以为第二平均值与预设阈值之差。
可选地,在具体实施时,在本发明实施例提供的上述人脸检测装置中,目标检测区域的纵坐标的最大值为第一平均值与预设阈值之和,且,目标检测区域的纵坐标的最小值为第二平均值与预设阈值之差。
在具体实施时,在本发明实施例提供的上述人脸检测装置中,统计模块具体用于统计人脸区域的纵坐标的最大值与最小值均满足尺度范围的人脸区域的数量。
在具体实施时,在本发明实施例提供的上述人脸检测装置中,人脸确定模块还用于采用默认检测区域对初始的若干连续帧的图像进行人脸检测。
在具体实施时,在本发明实施例提供的上述人脸检测装置中,确定预设阈值的方法具体为:
确定满足尺度范围的每一个人脸区域在连续帧的图像中的比例;
根据确定出的全部比例,计算尺度范围对应的比例平均值;
根据尺度范围对应的比例平均值以及预先建立的比例平均值与对应的预设阈值的关系表,确定尺度范围对应的预设阈值。
本发明实施例提供的人脸检测方法及装置,通过针对一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,以得到多个人脸区域,并通过统计得到的人脸区域中满足尺度范围的人脸区域的数量,在确定满足该尺度范围的人脸区域的数量满足预设更新数量后,根据满足尺度范围的人脸区域的坐标区域对检测区域进行更新,以采用更新后的检测区域进行人脸检测,并且还将统计到的满足该尺度范围的人脸区域的数量清零,以进行该尺度范围下检测区域的下一个循环的更新。这样采用更新后的检测区域对连续帧的图像进行检测,而不必要针对整个原始图像进行全图遍历,可以减小某一尺度范围的人脸区域所需要遍历检测的区域,进而可以减小人脸检测方法过程中的耗时。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (11)
1.一种人脸检测方法,其特征在于,包括:
针对预先设定的多种尺度范围中的一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,得到人脸区域;
统计得到的人脸区域中满足所述尺度范围的人脸区域的数量;
在确定满足所述尺度范围的人脸区域的数量满足预设更新数量后,根据满足所述尺度范围的人脸区域的坐标区域对所述检测区域进行更新,且将统计到的满足所述尺度范围的人脸区域的数量清零。
2.如权利要求1所述的人脸检测方法,其特征在于,所述根据满足所述尺度范围的人脸区域的坐标区域对所述检测区域进行更新,具体包括:
确定满足所述尺度范围的每一个人脸区域的纵坐标的最大值与最小值,并计算确定出的最大值对应的第一平均值与确定出的最小值对应的第二平均值;
根据所述第一平均值、所述第二平均值、预设阈值,确定满足所述尺度范围的人脸区域对应的目标检测区域的纵坐标,以及根据所述连续帧的图像的横坐标确定满足所述尺度范围的人脸区域对应的目标检测区域的横坐标;
根据所述目标检测区域对所述检测区域进行更新。
3.如权利要求2所述的人脸检测方法,其特征在于,所述目标检测区域的纵坐标的最大值为所述第一平均值;或者,所述目标检测区域的纵坐标的最大值为所述第一平均值与所述预设阈值之和;
所述目标检测区域的纵坐标的最小值为所述第二平均值;或者,所述目标检测区域的纵坐标的最小值为所述第二平均值与所述预设阈值之差。
4.如权利要求2所述的人脸检测方法,其特征在于,确定所述预设阈值的方法具体为:
确定满足所述尺度范围的每一个人脸区域在所述连续帧的图像中的比例;
根据确定出的全部比例,计算所述尺度范围对应的比例平均值;
根据所述尺度范围对应的比例平均值以及预先建立的比例平均值与对应的预设阈值的关系表,确定所述尺度范围对应的预设阈值。
5.如权利要求1所述的人脸检测方法,其特征在于,针对初始的若干连续帧的图像,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,具体为:
采用默认检测区域对初始的若干连续帧的图像进行人脸检测。
6.如权利要求1所述的人脸检测方法,其特征在于,针对预先设定的每一种尺度范围,均采用如权利要求1所述的人脸检测方法对输入的连续帧的图像进行人脸检测。
7.一种人脸检测装置,其特征在于,包括:
人脸确定模块,用于针对预先设定的多种尺度范围中的一种尺度范围,采用最新一次更新后的检测区域对输入的连续帧的图像进行人脸检测,得到人脸区域;
统计模块,用于统计得到的人脸区域中满足所述尺度范围的人脸区域的数量;
区域更新模块,用于在确定满足所述尺度范围的人脸区域的数量满足预设更新数量后,根据满足所述尺度范围的人脸区域的坐标区域对所述检测区域进行更新,且将统计到的满足所述尺度范围的人脸区域的数量清零;
存储模块,用于存储输入的连续帧的图像。
8.如权利要求7所述的人脸检测装置,其特征在于,所述区域更新模块具体用于确定满足所述尺度范围的每一个人脸区域的纵坐标的最大值与最小值,并计算确定出的最大值对应的第一平均值与确定出的最小值对应的第二平均值;根据所述第一平均值、所述第二平均值、预设阈值,确定满足所述尺度范围的人脸区域对应的目标检测区域的纵坐标,以及根据所述连续帧的图像的横坐标确定满足所述尺度范围的人脸区域对应的目标检测区域的横坐标;根据所述目标检测区域对所述检测区域进行更新。
9.如权利要求8所述的人脸检测装置,其特征在于,所述目标检测区域的纵坐标的最大值为所述第一平均值;或者,所述目标检测区域的纵坐标的最大值为所述第一平均值与所述预设阈值之和;
所述目标检测区域的纵坐标的最小值为所述第二平均值;或者,所述目标检测区域的纵坐标的最小值为所述第二平均值与所述预设阈值之差。
10.如权利要求8所述的人脸检测装置,其特征在于,确定所述预设阈值的方法具体为:
确定满足所述尺度范围的每一个人脸区域在所述连续帧的图像中的比例;
根据确定出的全部比例,计算所述尺度范围对应的比例平均值;
根据所述尺度范围对应的比例平均值以及预先建立的比例平均值与对应的预设阈值的关系表,确定所述尺度范围对应的预设阈值。
11.如权利要求7所述的人脸检测装置,其特征在于,所述人脸确定模块还用于采用默认检测区域对初始的若干连续帧的图像进行人脸检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711341835.3A CN108171128B (zh) | 2017-12-14 | 2017-12-14 | 一种人脸检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711341835.3A CN108171128B (zh) | 2017-12-14 | 2017-12-14 | 一种人脸检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108171128A CN108171128A (zh) | 2018-06-15 |
CN108171128B true CN108171128B (zh) | 2020-06-23 |
Family
ID=62525408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711341835.3A Active CN108171128B (zh) | 2017-12-14 | 2017-12-14 | 一种人脸检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108171128B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196997A (zh) * | 2007-12-29 | 2008-06-11 | 北京中星微电子有限公司 | 图像中最大人脸的跟踪装置和方法 |
CN104866833A (zh) * | 2015-05-29 | 2015-08-26 | 中国科学院上海高等研究院 | 视频流人脸检测方法及其装置 |
CN105678213A (zh) * | 2015-12-20 | 2016-06-15 | 华南理工大学 | 基于视频特征统计的双模式蒙面人事件自动检测方法 |
CN106778165A (zh) * | 2016-11-30 | 2017-05-31 | 努比亚技术有限公司 | 指纹处理装置及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101870902B1 (ko) * | 2011-12-12 | 2018-06-26 | 삼성전자주식회사 | 영상 처리 장치 및 영상 처리 방법 |
-
2017
- 2017-12-14 CN CN201711341835.3A patent/CN108171128B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196997A (zh) * | 2007-12-29 | 2008-06-11 | 北京中星微电子有限公司 | 图像中最大人脸的跟踪装置和方法 |
CN104866833A (zh) * | 2015-05-29 | 2015-08-26 | 中国科学院上海高等研究院 | 视频流人脸检测方法及其装置 |
CN105678213A (zh) * | 2015-12-20 | 2016-06-15 | 华南理工大学 | 基于视频特征统计的双模式蒙面人事件自动检测方法 |
CN106778165A (zh) * | 2016-11-30 | 2017-05-31 | 努比亚技术有限公司 | 指纹处理装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108171128A (zh) | 2018-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107204044B (zh) | 一种基于虚拟现实的画面显示方法及相关设备 | |
CN105574891B (zh) | 检测图像中的运动目标的方法及系统 | |
JP7032871B2 (ja) | 画像処理装置及び画像処理方法、プログラム、記憶媒体 | |
CN107483953B (zh) | 帧间运动估计方法、装置及电子设备 | |
CN105516579A (zh) | 一种图像处理方法、装置和电子设备 | |
US20150187051A1 (en) | Method and apparatus for estimating image noise | |
CN102682424A (zh) | 基于边缘方向差值的图像放大处理方法 | |
CN105979209A (zh) | 一种监控视频显示方法及装置 | |
CN108171128B (zh) | 一种人脸检测方法及装置 | |
CN101483771B (zh) | 提升帧速率的方法与装置 | |
CN104602096A (zh) | 一种视频字幕区的检测方法和装置 | |
CN104182940A (zh) | 一种模糊图像恢复方法及系统 | |
CN110599532A (zh) | 图像的深度估计模型优化、深度估计处理方法及装置 | |
CN104978731A (zh) | 一种信息处理方法及电子设备 | |
US20120045143A1 (en) | Apparatus and method for high speed filtering of image for high precision | |
TWI622022B (zh) | 深度計算方法及其裝置 | |
CN111654640B (zh) | 曝光调整方法、装置及电子设备 | |
JP5882883B2 (ja) | テロップ検出装置、テロップ検出方法及びテロップ検出プログラム | |
CN109410304A (zh) | 一种投影确定方法、装置及设备 | |
CN116095290B (zh) | 投影自动入框方法、装置及电子设备 | |
CN104104959A (zh) | 深度图像帧内预测方法及装置 | |
CN106851303B (zh) | 一种视频图像中小物体块检测方法及系统 | |
CN106817611B (zh) | 一种屏幕定位方法及设备 | |
WO2021051654A1 (zh) | 快速光流跟踪方法及相关设备 | |
CN102819848A (zh) | 一种移动物体的探测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |