CN108182396B - 一种自动识别拍照行为的方法及装置 - Google Patents

一种自动识别拍照行为的方法及装置 Download PDF

Info

Publication number
CN108182396B
CN108182396B CN201711417575.3A CN201711417575A CN108182396B CN 108182396 B CN108182396 B CN 108182396B CN 201711417575 A CN201711417575 A CN 201711417575A CN 108182396 B CN108182396 B CN 108182396B
Authority
CN
China
Prior art keywords
human body
key point
photographing
image
preset area
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
Application number
CN201711417575.3A
Other languages
English (en)
Other versions
CN108182396A (zh
Inventor
王迎雪
刘弋锋
许忠雄
谢海永
廖勇
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.)
China Academy of Electronic and Information Technology of CETC
Original Assignee
China Academy of Electronic and Information Technology of CETC
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 China Academy of Electronic and Information Technology of CETC filed Critical China Academy of Electronic and Information Technology of CETC
Priority to CN201711417575.3A priority Critical patent/CN108182396B/zh
Publication of CN108182396A publication Critical patent/CN108182396A/zh
Application granted granted Critical
Publication of CN108182396B publication Critical patent/CN108182396B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Biology (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种自动识别拍照行为的方法及装置，本发明通过识别图像中人体的关键点的位置，并在以腕关节为坐标原点的预设区域内，检测所述预定区域内是否有拍照设备，从而实现对拍照行为的准确检测，继而解决了现有技术中不能准确地对拍照行为进行识别的问题。

Description

一种自动识别拍照行为的方法及装置
技术领域
本发明涉及通信技术领域，尤其涉及一种自动识别拍照行为的方法及装置。
背景技术
近年来，随着科技的发展，移动设备的照相功能越来越强大，拍照已经成为了一种普遍的事情。然而，出于对知识产权、著作权以及对涉密信息的保护，在许多场合，如展厅、剧院、博物馆、海关以及边检大厅、法院、军事基地等场合一般都设有禁止拍摄的标志。但是很多人往往会无视禁止拍摄的标志，且偷拍的行为越来越多，这将造成信息的泄漏，且给国家安全、知识产权、著作权等带来危害。针对越来越多的偷拍行为，现有技术中尚不能准确地对拍照行为进行识别。
发明内容
鉴于上述的分析，本发明旨在提供一种自动识别拍照行为的方法及装置，用以解决现有技术不能准确地对拍照行为进行识别的问题。
为解决上述问题，本发明主要是通过以下技术方案实现的：
本发明提供了一种自动识别拍照行为的方法，该方法包括：识别图像中人体的关键点的位置，其中，所述关键点包括肩关节、肘关节和腕关节；在以腕关节为坐标原点的预设区域内，检测所述预定区域内是否有拍照设备。
进一步地，识别图像中人体的关键点的位置之前，还包括：对所述图像进行去噪处理。
进一步地，所述识别图像中人体的关键点的位置，具体包括：通过卷积姿势机深度神经网络模型提取图像中人体各个关键点的特征图和响应图，以识别出人体的关键点的位置。
进一步地，所述通过卷积姿势机深度神经网络模型提取图像中人体各个关键点的特征图和响应图，以识别出人体的关键点的位置，具体包括：计算在每一个尺度下各个关键点的响应图，并分别对每个关键点，累加所有尺度下的响应图，得到各个关键点的总响应图，在每个关键点的总响应图上，找出响应最大的点定为人体的关键点的位置。
进一步地，检测所述预定区域内是否有拍照设备，具体包括：通过目标检测算法或分类器检测所述预定区域内是否有拍照设备。
进一步地，所述检测所述预定区域内是否有拍照设备，具体包括：基于候选区域的目标检测算法对所述预设区域进行卷积计算，得到卷积特征，并通过神经网络进行候选框选择，返回卷积特征图取出候选框内的卷积特征，将候选框的特征向量送入全连接层进行精确定位和分类；如果所述预设区域内，未检测到拍照设备，则结束；如果所述预设区域内检测到拍照设备，且识别出的左右双手的肩关节、肘关节、腕关节的骨点的相对位置满足预设规则，则发出报警，否则结束。
另一方面，本发明还提供一种自动识别拍照行为的装置，其特征在于，包括：识别模块，用于识别图像中人体的关键点的位置，其中，所述关键点包括肩关节、肘关节和腕关节；检测模块，用于在以腕关节为坐标原点的预设区域内，检测所述预定区域内是否有拍照设备。
进一步地，所述识别模块还用于，通过卷积姿势机深度神经网络模型提取图像中人体各个关键点的特征图和响应图，以识别出人体的关键点的位置。
进一步地，所述识别模块还用于，计算在每一个尺度下各个关键点的响应图，并分别对每个关键点，累加所有尺度下的响应图，得到各个关键点的总响应图，在每个关键点的总响应图上，找出响应最大的点定为人体的关键点的位置。
进一步地，所述检测模块还用于，通过目标检测算法或分类器检测所述预定区域内是否有拍照设备。
本发明有益效果如下：
本发明通过识别图像中人体的关键点的位置，并在以腕关节为坐标原点的预设区域内，检测所述预定区域内是否有拍照设备，从而实现对拍照行为的准确检测，继而解决了现有技术中不能准确地对拍照行为进行识别的问题。
本发明的其他特征和优点将在随后的说明书中阐述，并且部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1是本发明实施例的一种自动识别拍照行为的方法的流程示意图；
图2是本发明实施例的另一种自动识别拍照行为的方法的流程示意图；
图3是本发明实施例的一种自动识别拍照行为的装置的结构示意图；
图4是本发明实施例的另一种自动识别拍照行为的装置的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。为了清楚和简化目的，当其可能使本发明的主题模糊不清时，将省略本文所描述的器件中已知功能和结构的详细具体说明。
本发明实施例提供了一种自动识别拍照行为的方法，本发明实施例通过识别图像中人体的关键点的位置，并在以腕关节为坐标原点的预设区域内，检测所述预定区域内是否有拍照设备，从而实现对拍照行为的准确检测，继而解决了现有技术中不能准确地对拍照行为进行识别的问题。以下结合附图以及几个实施例，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仅用以解释本发明，并不限定本发明。
本发明实施例提供了一种自动识别拍照行为的方法，参见图1，该方法包括：
S101、识别图像中人体的关键点的位置，其中，所述关键点包括肩关节、肘关节和腕关节；
S102、在以腕关节为坐标原点的预设区域内，检测所述预定区域内是否有拍照设备。
也就是说，本发明实施例通过识别图像中人体的关键点的位置，并在以腕关节为坐标原点的预设区域内，检测所述预定区域内是否有拍照设备，从而实现对拍照行为的准确检测，继而解决了现有技术中不能准确地对拍照行为进行识别的问题。
即，本发明实施例通过识别左右双手的肩关节、肘关节、腕关节六个关键骨点的位置，然后利用它们之间的相对位置来判断拍照行为。
需要说明的是，本发明实施例所述的关键点包括人体双侧的肩关节、肘关节和腕关节的六处关键点。并且，本发明实施例所述的图像可以是照片，也可以是视频中截取的图像。
本发明实施例所述的拍照设备包括手机、电脑等各种可以拍照的终端设备。
具体实施时，本发明实施例所述识别图像中人体的关键点的位置之前，还包括：对所述图像进行去噪处理。
即，在识别图像中人体的关键点的位置之前，需要对图像进行去噪等预处理，以便于后续获取人体的关键点。
本发明实施例所述识别图像中人体的关键点的位置，具体包括：通过卷积姿势机深度神经网络模型提取图像中人体各个关键点的特征图和响应图，以识别出人体的关键点的位置。
具体实施时，本发明实施例是通过计算在每一个尺度下各个关键点的响应图，并分别对每个关键点，累加所有尺度下的响应图，得到各个关键点的总响应图，在每个关键点的总响应图上，找出响应最大的点定为人体的关键点的位置。
进一步地，本发明实施例所述检测所述预定区域内是否有拍照设备，具体包括：通过目标检测算法或分类器检测所述预定区域内是否有拍照设备。
具体地，本发明实施例检测所述预定区域内是否有拍照设备，具体包括：基于候选区域的目标检测算法对所述预设区域进行卷积计算，得到卷积特征，并通过神经网络进行候选框选择，返回卷积特征图取出候选框内的卷积特征，将候选框的特征向量送入全连接层进行精确定位和分类；如果所述预设区域内，未检测到拍照设备，则结束；如果所述预设区域内检测到拍照设备，且识别出的左右双手的肩关节、肘关节、腕关节的骨点的相对位置满足预设规则，则发出报警，否则结束。
图2是本发明实施例的另一种自动识别拍照行为的方法的流程示意图，图 3是本发明实施例的一种自动识别拍照行为的装置的结构示意图，下面将结合图2和图3对本发明实施例所述的方法进行详细的解释和说明：
为了避免偷拍照行为对信息泄漏等方面造成的危害，本发明实施例提供了一种拍照自动识别方法，本发明首先利用视频数据采集装备获取视频数据，然后对采集到的视频数据通过视屏服务器经交换机，发送给视频分析终端进行分析处理，从而准确地识别拍照行为，最后对拍照行为进行报警。
具体地，在视频数据采集装备，本发明利用视频采集装备对视频图像进行采集，以便在对其进行分析处理。在视频分析终端，本发明实施例对视频数据采集装备获取到的视频图像进行分析，从而对视频中的拍照行为进行识别和判定，其流程图如图2所示，本发明实施例首先对视频图像进行去噪等预处理，然后利用卷积姿势机深度神经网络模型提取视频中人体各个关键点的特征图和响应图，从而识别出人的左右双手的肩关节、肘关节、腕关节六个关键骨点的位置。具体地，首先计算在每一个尺度下的各个关键点的响应图，然后针对每个关键点，累加所有尺度下的响应图，得到总响应图，最后，在每个关键点的总响应图上，找出响应最大的点，即为该关键点的位置。
值得说明的是，卷积姿势机深度神经网络模型是一种常见的深度神经网络模型，这里不再详细赘述。
接着，识别出腕关节后，以腕关节为坐标，选取和设定一定的区域。然后在设定的区域内，利用目标检测算法对拍照设备进行检测。对于目标检测算法，本发明采用基于候选区域的目标检测算法，但不限定基于候选区域的目标检测算法。基于候选区域的目标检测算法首先对设定区域进行卷积计算，得到卷积特征，然后利用神经网络进行候选框选择，再返回卷积特征图取出候选框内的卷积特征，最后，将候选框的特征向量送入全连接层进行精确定位和分类。如果设定区域内，未检测到拍照设备，则报警单元不会给出报警。在设定区域内，如果检测到拍照设备，则利用识别出的左右双手的肩关节、肘关节、腕关节六个关键骨点的相对位置进行判断，若三者的相对位置满足设定的规则，报警单元给出报警，若三者的相对位置不满足设定的规则，报警单元不给出报警。
需要说明的是，本发明实施例也可以通过分类器来检测预定区域内是否有拍照设备。即，本发明实施例所述的方法也可以通过分类器来对拍照设备进行检测。
总体来说，本发明实施例通过对视频图像的分析和处理，自动的对拍照行为进行识别和预警，减少大量的人力，防止信息的泄漏，维护国家信息安全和保护知识产权、著作权等，本发明实施例所述的方法可应用于展厅、剧院、博物馆、海关以及边检大厅、法院、军事基地等禁止拍照的场合，由摄像头采集人员图像，通过对视频图像的分析，对以上场合中的拍照行为自动识别和预警。
另外，本发明实施例弥补了拍照行为识别领域的空白，可对利用手机、 ipad、相机等进行拍照的行为进行识别和预警，具有较高的实用价值。
本发明实施例还提供了一种自动识别拍照行为的装置，参见图4，该装置包括：识别模块，用于识别图像中人体的关键点的位置，其中，所述关键点包括肩关节、肘关节和腕关节；检测模块，用于在以腕关节为坐标原点的预设区域内，检测所述预定区域内是否有拍照设备。
也就是说，本发明实施例通过识别模块识别图像中人体的关键点的位置，检测模块在以腕关节为坐标原点的预设区域内，检测所述预定区域内是否有拍照设备，从而实现对拍照行为的准确检测，继而解决了现有技术中不能准确地对拍照行为进行识别的问题。
即，本发明实施例通过识别左右双手的肩关节、肘关节、腕关节六个关键骨点的位置，然后利用它们之间的相对位置来判断拍照行为。
需要说明的是，本发明实施例所述的关键点包括人体双侧的肩关节、肘关节和腕关节的六处关键点。并且，本发明实施例所述的图像可以是照片，也可以是视频中截取的图像。
本发明实施例所述的拍照设备包括手机、电脑等各种可以拍照的终端设备。
进一步地，本发明实施例所述识别模块是通过卷积姿势机深度神经网络模型提取图像中人体各个关键点的特征图和响应图，以识别出人体的关键点的位置。
具体实施时，本发明实施例所述识别模块是通过计算在每一个尺度下各个关键点的响应图，并分别对每个关键点，累加所有尺度下的响应图，得到各个关键点的总响应图，在每个关键点的总响应图上，找出响应最大的点定为人体的关键点的位置。
具体实施时，本发明实施例所述检测模块是通过目标检测算法或分类器检测所述预定区域内是否有拍照设备。
本发明实施例的相关内容可参照方法实施例部分进行理解，在此不做详细赘述。
相应的，本发明的实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现前述实施例提供的任一种所述的自动识别拍照行为的方法，因此也能实现相应的技术效果，相关部分可参照方法实施例进行理解，在此不再详细赘述。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (3)

1.一种自动识别拍照行为的方法，其特征在于，包括：
识别图像中人体的关键点的位置，其中，所述关键点包括肩关节、肘关节和腕关节；
在以腕关节为坐标原点的预设区域内，检测所述预设区域内是否有拍照设备；
所述识别图像中人体的关键点的位置，具体包括：通过卷积姿势机深度神经网络模型提取图像中人体各个关键点的特征图和响应图，以识别出人体的关键点的位置；
所述通过卷积姿势机深度神经网络模型提取图像中人体各个关键点的特征图和响应图，以识别出人体的关键点的位置，具体包括：计算在每一个尺度下各个关键点的响应图，并分别对每个关键点，累加所有尺度下的响应图，得到各个关键点的总响应图，在每个关键点的总响应图上，找出响应最大的点定为人体的关键点的位置；
检测所述预设区域内是否有拍照设备，具体包括：通过目标检测算法或分类器检测所述预设区域内是否有拍照设备；
所述检测所述预设区域内是否有拍照设备，具体包括：基于候选区域的目标检测算法对所述预设区域进行卷积计算，得到卷积特征，并通过神经网络进行候选框选择，返回卷积特征图取出候选框内的卷积特征，将候选框的特征向量送入全连接层进行精确定位和分类；如果所述预设区域内，未检测到拍照设备，则结束；如果所述预设区域内检测到拍照设备，且识别出的左右双手的肩关节、肘关节、腕关节的骨点的相对位置满足预设规则，则发出报警，否则结束。
2.根据权利要求1所述的方法，其特征在于，识别图像中人体的关键点的位置之前，还包括：
对所述图像进行去噪处理。
3.一种自动识别拍照行为的装置，其特征在于，包括：
识别模块，用于识别图像中人体的关键点的位置，其中，所述关键点包括肩关节、肘关节和腕关节；
检测模块，用于在以腕关节为坐标原点的预设区域内，检测所述预设区域内是否有拍照设备；
所述识别模块还用于，通过卷积姿势机深度神经网络模型提取图像中人体各个关键点的特征图和响应图，以识别出人体的关键点的位置；
所述识别模块还用于，计算在每一个尺度下各个关键点的响应图，并分别对每个关键点，累加所有尺度下的响应图，得到各个关键点的总响应图，在每个关键点的总响应图上，找出响应最大的点定为人体的关键点的位置；
所述检测模块还用于，通过目标检测算法或分类器检测所述预设区域内是否有拍照设备；并基于候选区域的目标检测算法对所述预设区域进行卷积计算，得到卷积特征，并通过神经网络进行候选框选择，返回卷积特征图取出候选框内的卷积特征，将候选框的特征向量送入全连接层进行精确定位和分类；如果所述预设区域内，未检测到拍照设备，则结束；如果所述预设区域内检测到拍照设备，且识别出的左右双手的肩关节、肘关节、腕关节的骨点的相对位置满足预设规则，则发出报警，否则结束。
CN201711417575.3A 2017-12-25 2017-12-25 一种自动识别拍照行为的方法及装置 Active CN108182396B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711417575.3A CN108182396B (zh) 2017-12-25 2017-12-25 一种自动识别拍照行为的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711417575.3A CN108182396B (zh) 2017-12-25 2017-12-25 一种自动识别拍照行为的方法及装置

Publications (2)

Publication Number Publication Date
CN108182396A CN108182396A (zh) 2018-06-19
CN108182396B true CN108182396B (zh) 2022-06-28

Family

ID=62546947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711417575.3A Active CN108182396B (zh) 2017-12-25 2017-12-25 一种自动识别拍照行为的方法及装置

Country Status (1)

Country Link
CN (1) CN108182396B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110839128B (zh) * 2018-08-16 2021-04-27 杭州海康威视数字技术股份有限公司 拍照行为检测方法、装置及存储介质
CN109040654B (zh) * 2018-08-21 2021-03-30 苏州科达科技股份有限公司 外部拍摄设备的识别方法、装置及存储介质
CN111222379A (zh) * 2018-11-27 2020-06-02 株式会社日立制作所 一种手部检测方法及装置
CN109600559B (zh) * 2018-11-29 2021-07-23 北京字节跳动网络技术有限公司 一种视频特效添加方法、装置、终端设备及存储介质
CN110008818A (zh) * 2019-01-29 2019-07-12 北京奇艺世纪科技有限公司 一种手势识别方法、装置及计算机可读存储介质
CN110163100B (zh) * 2019-04-17 2022-04-01 中国电子科技网络信息安全有限公司 一种防拍照显示器
CN112149466A (zh) * 2019-06-28 2020-12-29 富士通株式会社 手臂动作识别方法、装置及图像处理设备
CN112822434A (zh) * 2019-11-15 2021-05-18 西安科芮智盈信息技术有限公司 防窃照处理方法、设备及系统
CN111225187A (zh) * 2020-01-16 2020-06-02 厦门博海中天信息科技有限公司 一种识别手机防拍照的智能监测方法、设备及可读介质
CN111259461A (zh) * 2020-01-20 2020-06-09 北京科芮智盈技术有限公司 防窃照方法、终端设备及系统
CN113408379A (zh) * 2021-06-04 2021-09-17 开放智能机器（上海）有限公司 一种手机偷拍行为监控方法和系统
CN114067441B (zh) * 2022-01-14 2022-04-08 合肥高维数据技术有限公司 摄录行为检测方法及系统
CN114783040B (zh) * 2022-06-23 2022-09-20 东莞先知大数据有限公司 一种楼宇内偷拍行为检测方法及检测装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103501407A (zh) * 2013-09-16 2014-01-08 北京智谷睿拓技术服务有限公司 隐私保护装置和方法
CN104869476A (zh) * 2015-05-18 2015-08-26 上海交通大学 基于心理视觉调制的防摄像偷拍的视频播放方法
CN105701885A (zh) * 2014-11-25 2016-06-22 上海天脉聚源文化传媒有限公司 一种人脸识别门禁系统及其实现方法
CN106960175A (zh) * 2017-02-21 2017-07-18 华南理工大学 基于深度卷积神经网络的第一视角动态手势检测方法
CN107358149A (zh) * 2017-05-27 2017-11-17 深圳市深网视界科技有限公司 一种人体姿态检测方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103501407A (zh) * 2013-09-16 2014-01-08 北京智谷睿拓技术服务有限公司 隐私保护装置和方法
CN105701885A (zh) * 2014-11-25 2016-06-22 上海天脉聚源文化传媒有限公司 一种人脸识别门禁系统及其实现方法
CN104869476A (zh) * 2015-05-18 2015-08-26 上海交通大学 基于心理视觉调制的防摄像偷拍的视频播放方法
CN106960175A (zh) * 2017-02-21 2017-07-18 华南理工大学 基于深度卷积神经网络的第一视角动态手势检测方法
CN107358149A (zh) * 2017-05-27 2017-11-17 深圳市深网视界科技有限公司 一种人体姿态检测方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Convolutional Pose Machines;Shih-En Wei等;《Computer Vision and Pattern Recognition》;20160412;第1-9页，附图1-3 *

Also Published As

Publication number Publication date
CN108182396A (zh) 2018-06-19

Similar Documents

Publication Publication Date Title
CN108182396B (zh) 一种自动识别拍照行为的方法及装置
CN110427905B (zh) 行人跟踪方法、装置以及终端
US11030464B2 (en) Privacy processing based on person region depth
KR101932543B1 (ko) 화재검출 방법 및 장치
CN109815843B (zh) 图像处理方法及相关产品
CN103189827B (zh) 对象显示装置以及对象显示方法
CN104376741B (zh) 一种车位状态检测方法与系统
CN109325456B (zh) 目标识别方法、装置、目标识别设备及存储介质
CN106803083B (zh) 行人检测的方法及装置
CN104506857A (zh) 一种摄像头位置偏离检测方法及设备
CN103492899A (zh) 用于扩增实境的在线参考补丁产生和姿态估计
CN106446150A (zh) 一种车辆精确检索的方法及装置
CN111738225B (zh) 人群聚集检测方法、装置、设备及存储介质
US20170085656A1 (en) Automatic absolute orientation and position
KR20120044484A (ko) 이미지 처리 시스템에서 물체 추적 장치 및 방법
CN103810696B (zh) 一种目标对象图像检测方法及装置
CN110969045B (zh) 一种行为检测方法、装置、电子设备和存储介质
WO2019033567A1 (zh) 眼球动作捕捉方法、装置及存储介质
CN103488966A (zh) 一种能够识别实名制车票信息的智能手机
KR102022971B1 (ko) 영상의 객체 처리 방법 및 장치
CN104065949B (zh) 一种电视虚拟触控方法及系统
CN109816628B (zh) 人脸评价方法及相关产品
CN113557546B (zh) 图像中关联对象的检测方法、装置、设备和存储介质
CN110909685A (zh) 姿势估计方法、装置、设备及存储介质
CN109785439A (zh) 人脸素描图像生成方法及相关产品

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