CN108268850B - 一种基于图像的大数据处理方法 - Google Patents
一种基于图像的大数据处理方法 Download PDFInfo
- Publication number
- CN108268850B CN108268850B CN201810067481.6A CN201810067481A CN108268850B CN 108268850 B CN108268850 B CN 108268850B CN 201810067481 A CN201810067481 A CN 201810067481A CN 108268850 B CN108268850 B CN 108268850B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- face
- value
- big data
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 27
- 230000001815 facial effect Effects 0.000 claims description 24
- 210000000056 organ Anatomy 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 18
- 210000004709 eyebrow Anatomy 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 12
- 210000000887 face Anatomy 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
一种基于图像的大数据处理方法，包括：设置图像采集模块的参数；采集目标区域的图像；确定目标区域的图像参数，确定调节，人脸区域检测与分割；在分割的图像中提取人脸信息；对提取的人脸信息进行预处理；对预处理的结果进行特征提取；将特征提取的结果在大数据平台上进行特征匹配；如果符合匹配要求，提取下一个人脸信息，并以此执行之后的操作，直到完成所有分割的图像中的所有人脸信息，通过音频或视频的方式提醒或显示嫌疑对象的个人信息以及在目标区域中的位置。该方法可以全面、准确捕获目标区域和待分析对象，显著提高图像捕获能力，改善人脸识别及其处理效率。
Description
技术领域
本发明涉及大数据领域，并且更具体而言，涉及一种基于图像的大数据处理方法。
背景技术
近几年以来，随着社会的不断发展，为了更好地保障人民的生命和财产安全以及国家安全，需要在公共场所有效地识别嫌疑人物。例如在城市广场、剧院、车站、地铁、医院等人员密度较大的场所，需要对环境中的任务进行有效地监控，以便于快速掌握特殊事件的实时信息，从而为特殊事件的处理提供保障，例如在公共场所，需要掌握有作案能力、动机、预谋的人的信息，既包括安全检查等手段，也包括隐蔽的危害公共安全的其它手段。另外，一些嫌疑人物在作案后，往往通过公共交通站出逃，例如火车站、飞机场，此时需要对环境中的汹涌人流进行分辨，以利于筛选和实时捕获相关人员的信息。
这些信息的获取需要使用图像捕获技术和人脸识别技术，特别地，人脸识别技术是跨图像处理、模式识别等多学科的技术，通过利用计算机对人脸图像进行处理和分析，获取有效特征信息，进行身份识别。相比其它生物识别技术，人脸识别具有采集的非接触性、非强制性、操作简单、结果直观、隐蔽性好等特点，更为人们所接受。自从上世纪60年代被提出以来，一直是研究热点，尤其是近年来随着公安图像联网、智能监控和公安图像云计算等技术的快速推进，在嫌疑人员的确认、在逃人员通缉、重点场所布控、特殊人群身份确认、户籍管理等方面将有较大的市场和应用空间。
然而，现有技术中存在一些问题。首先，图像捕获设备往往是固定设置在特定位置，不利于实时调节目标区域的范围。尽管存在一些自动调焦的图像捕获设备，然而本领域中公知的是，对于小范围的捕获，在调焦后图像固然变大，但是以牺牲分辨率作为代价，所以虽然获得了较好的图像，但是并未显著提高图像捕获能力。另外，虽然人脸识别技术已经取得了很好的成绩，但目前的多数人脸识别技术在算法设计和模型训练方面都往往只针对图像质量好的情况，而对于智能监控、嫌疑人员图像比对等实际应用方面，由于人脸图像来源不一，有些图像的质量非常差，比如模糊、高噪声、分辨率低等，都增加了图像识别的难度，所以在实际应用场景中，人脸识别及其处理存在较大的改善空间。
基于此，有必要发明一种能够解决以上问题的基于图像的大数据处理方法。
发明内容
本发明的目的之一是提供一种基于图像的大数据处理方法，其能够全面、准确捕获目标区域和待分析对象，显著提高图像捕获能力，改善人脸识别及其处理效率。
本发明为解决上述技术问题而采取的技术方案为：一种基于图像的大数据处理方法，包括：采集图像，对图像进行处理，提取人脸及其特征，匹配人脸特征，匹配时输出结果，显示结果。
在一个实施例中，该方法具体包括：步骤S1，设置图像采集模块的参数；步骤S2，采集目标区域的图像；步骤S3，确定目标区域的图像参数，判断该图像参数是否满足要求，如果满足则继续执行步骤S4，否则确定需要调节的图像参数的类型和数值，并返回步骤S1进行图像采集模块的参数的设置；步骤S4，将采集的目标区域的图像进行人脸区域检测与分割；步骤S5，在分割的图像中提取人脸信息；步骤S6，对提取的人脸信息进行预处理；步骤S7：对预处理的结果进行特征提取；步骤S8：将特征提取的结果在大数据平台上进行特征匹配；步骤S9，如果符合匹配要求，则进入步骤S10；否则返回步骤S5，提取下一个人脸信息，并以此执行之后的操作，直到完成所有分割的图像中的所有人脸信息；步骤S10：通过音频或视频的方式提醒或显示嫌疑对象的个人信息以及在目标区域中的位置。
在一个实施例中，该图像采集模块包括：第一连接杆1，第一连接轴2，可变长度连接杆3，第二连接轴7，第二连接杆8以及摄像头9，其中可变长度连接杆3包括第一部分4、第二部分6和可变长度部分5，其中可变长度部分5的一端被容纳在第一部分4内，另一端被容纳在第二部分5内；固定在墙壁上的第一连接杆1通过第一连接轴2而与可变长度连接杆3相连接，用于实现图像采集模块的图像采集方向的左右移动；可变长度连接杆3通过第二连接轴7而与第二连接杆8相连接，用于实现图像采集模块的图像采集方向的上下移动；可变长度连接杆3包括的第一部分4连接于第一连接轴2，包括的第二部分6连接于第二连接轴7，其中可变长度部分5是在电或磁信号控制的伸缩部件，用于实现图像采集模块的前后移动；其中第一连接轴1和第二连接轴7既作为轴连接部件，同时内部也包含控制可变长度部分5的长度的电或磁控制部件、以及分别控制第一连接杆1与可变长度连接杆3的相对移动、控制第二连接杆8与可变长度连接杆3的相对移动的调节和设置部件。
在一个实施例中，在步骤S3中，确定目标区域的图像参数，判断该图像参数是否满足要求包括：确定采集的目标区域中有效范围所占的比例和环境光强度是否都满足预设的要求，当不满足要求时，调度器基于当前参数自动调取与当前参数对应的位于映射表中的目标参数，并将目标参数通过传输模块递送给图像采集模块。
在一个实施例中，电或磁信号控制的伸缩部件为电致伸缩、磁致伸缩部件，用于在施加电或磁信号时伸长，在去除电或磁信号时恢复形变。电或磁控制部件、调节和设置部件可通过有线或无线的方式与控制平台通信，用于发送和接收用于设置和调节轴连接的移动角度和方向的数据、进而控制可变长度部分5的长度的数据。
在一个实施例中，在步骤S4和S5中，将采集的目标区域的图像进行人脸区域检测与分割，在分割的图像中提取人脸信息包括：提取采集的目标区域的图像，用滤波器执行平滑操作，获得该图像的卷积值；计算选定的第一部分的多个相邻像素的梯度，判断梯度大于阈值时，分割目标与背景，删除面积小于临界值的区域；计算该图像的剩余像素的概率，判断像素的所述类型，符合要求的类型则更新背景中对应的像素；略去该图像的边缘，在面积大于临界值的区域中将噪声滤除，并提取像素灰度方差大于门限的区域，计算量化的梯度图，根据训练的人脸模型导出梯度图的概率图，用矩形窗口扫描区域，根据训练的模型和概率图分类该图像中的对象，确定对象为人脸的概率，如果该概率超过设定值，则确定对象为人脸，否则不是人脸；将确定的人脸的区域作为分割的第一区域；重复执行上述操作中其它部分的操作，直至完成图像的全部分割；并且将分割的区域中的确定的人脸的区域的像素的集合作为提取的人脸信息；
在一个实施例中，步骤S6，对提取的人脸信息进行预处理包括；步骤S61，对确定的人脸的区域中提取的人脸信息进行对数变换，求取变换结果执行离散小波变换并获得分量，将该分量分解后得到多个不同类型的分量，基于多个不同类型的分量执行离散小波逆变换，获得预处理的人脸信息，求取提取的人脸信息与预处理的人脸信息的差分信号，作为图像增强的人脸信息；步骤S62，对图像增强的人脸信息进行人脸检测，得到人脸的面部器官区域，根据检测的人脸的宽度和高度，依照比例处确定第一区域，并获得第一区域及其上下左右四部分邻近区域的灰度值，移动第一区域，当其灰度值均小于其四部分邻近区域的灰度值的特定比例时，确定移动后的第一区域为眼部区域，遍历区域以获得两个眼部区域，确定这两个眼部区域的中心点的坐标(a1，b1)和(a2，b2)，计算变换角度α以及变换值T，α的正切值为两个眼部区域的中心点的纵坐标差与横坐标差的商，T为：将Std除以以下值，两个眼部区域的中心点的纵坐标差的平方与横坐标差的平方的总和的平方根，其中Std为标准的左右眼间距；计算人脸的面部器官区域的每个区域的横坐标乘以Std以及α的余弦值，再计算人脸的面部器官区域的每个区域的纵坐标乘以Std以及α的正弦值，两者的差值作为变换后的人脸的面部器官区域的每个区域的横坐标，之后，计算人脸的面部器官区域的每个区域的横坐标乘以Std以及α的正弦值，再计算人脸的面部器官区域的每个区域的纵坐标乘以Std以及α的余弦值，两者的值大于临界值时输出的总和作为变换后的人脸的面部器官区域的每个区域的纵坐标；通过以上操作，可以获得人脸的面部器官的正面视图。
在一个实施例中，步骤S7：对预处理的结果进行特征提取包括：将预处理的结果二值化，针对两个眼部区域上方的图像，通过边缘检测，获得眉部区域，对该区域中的单元从边缘开始从两个相反的方向进行搜索，获得的第1个黑色像素点为眉部端点的特征，计算两个端点的中间位置的横坐标，沿着横坐标在竖直方向上搜索，获得的第1个白色像素点为眉部外的区域，回退一个搜索点即为眉部区域的点，获得眉部区域的中心位置以及宽度和高度；对于眼部区域，根据之前步骤获得的两个眼部区域的中心点的坐标，沿着其中的横坐标在竖直方向上搜索，获得的第1个白色像素点为眼部外的区域，回退一个搜索点即为眼部区域的点，获得眼部区域的中心位置以及宽度和高度；对于嘴部区域，根据图像增强的步骤，获得嘴部轮廓的特征；对于鼻部区域，在眼部区域的下方中间的方形区域中，从边缘开始从两个相反的方向进行搜索，获得的第1个黑色像素点为鼻部的特征，并对鼻部周围进行搜索，高亮区域的中心为鼻尖的特征。
在一个实施例中，步骤S8：将特征提取的结果在大数据平台上进行特征匹配包括：步骤S81，将步骤S7中获取的面部特征信息分类聚合，根据类别将各类特征传输到大数据平台，并分配存储资源，采用约束条件将大数据平台中的训练的参考图像的特征集关于传输来的特征进行判定，看是否满足约束条件，如果满足条件并且收敛则进入到步骤S82；步骤S82，根据神经网络算法以及大数据平台中的参考图像的特征集，基于传输的特征，计算欧式距离，当该欧式距离小于阈值时则输出第一结果；否则提取传输的特征的集合，提取出多个第一多维向量，然后拼接为维度大于第一多维的第二多维人脸向量，用分析方法对特征降维，将其重新降维到第一多维，计算传输的特征与参考图像的特征的贝叶斯概率，当其值大于临界值时，则输出第二结果，否则输出第一结果。参考图像通过以下的方式训练：将参考图像进行均匀分割，并且提取出对应图像的观察值序列；对参数初始化，确定模型的状态数和观察序列向量的大小；计算更新的参数，将参数调整到最大值；重复执行以上过程，直到满足预设条件；该分析方法为：将初始数据的多维向量创建成矩阵，对矩阵中的元素归一化变换，并进一步计算得到相关系数矩阵，求解相关系数矩阵R的特征方程，得到多个解作为基本元素，对多个基本元素进行加权求和，获得最终的结果，该权值与每个基本元素的方差相关联；在步骤S82中，在值大于临界值，输出第二结果之前，可以进一步执行以下步骤以增强识别准确度：将参考图像的特征和对应的传输的特征投影到空间，并获得其系数，求取欧氏距离，如果大于阈值则输出高电平逻辑，否则输出低电平逻辑，根据值大于临界值时输出的高电平逻辑，如果获得系数求取的欧氏距离与值大于临界值时输出的值进行与逻辑运算，结果为真时输出第二结果。
在一个实施例中，在步骤S9中，如果输出的结果是第二结果，则进入步骤S10；否则返回步骤S5，提取下一个人脸信息，并以此执行之后的操作，直到完成所有分割的图像中的所有人脸信息。步骤S10进一步包括，提取下一张图像，根据对象在图像中的位置的变化来分析嫌疑对象的运动方向，并将嫌疑对象的运动方向显示在屏幕上。进一步地，大数据中心还将该嫌疑对象的数据进行更新；大数据中心将该嫌疑对象的实时移动信息经由无线链路发送给缉捕人员的移动终端，以指导缉捕人员实时掌握嫌疑对象的位置信息，并高效地缉捕嫌疑对象。
附图说明
在附图中通过实例的方式而不是通过限制的方式来示出本发明的实施例，其中相同的附图标记表示相同的元件，其中：
根据本发明的示范性实施例，图1图示一种基于图像的大数据处理方法的流程简图。
根据本发明的示范性实施例，图2图示图像采集模块的结构图。
具体实施方式
在进行以下具体实施方式之前，阐述贯穿本专利文档所使用的某些词语和短语的定义可能是有利的：术语“包括”和“包含”及其派生词意味着包括而没有限制；术语“或”是包含的，意味着和/或；短语“与...相关联”、“与其相关联”及其派生词可能意味着包括，被包括在...内，与...互连，包含，被包含在...内，连接到...或与...连接，耦合到...或与...耦合，可与...通信，与...合作，交织，并列，接近...，被绑定到...或与...绑定，具有，具有...的属性，等等；而术语“控制器”意味着控制至少一个操作的任何设备、系统或其部件，这样的设备可能以硬件、固件或软件或者其中至少两个的一些组合来实现。应当注意的是：与任何特定的控制器相关联的功能性可能是集中式或分布式的，无论是本地还是远程。贯穿本专利文档提供用于某些词语和短语的定义，本领域技术人员应当理解：如果不是大多数情况下，在许多情况下，这样的定义适用于现有的以及这样定义的词语和短语的未来使用。
在下面的描述中，参考附图并以图示的方式示出几个具体的实施例。将理解的是：可设想并且可做出其他实施例而不脱离本公开的范围或精神。因此，以下详细描述不应被认为具有限制意义。
根据本发明的示范性实施例，基于图像的大数据处理方法包括：采集图像，对图像进行处理，提取人脸及其特征，匹配人脸特征，匹配时输出结果，显示结果。
根据本发明的示范性实施例，图1图示一种基于图像的大数据处理方法的流程简图。具体地，该方法包括：
步骤S1，设置图像采集模块的参数；
步骤S2，采集目标区域的图像；
步骤S3，确定目标区域的图像参数，判断该图像参数是否满足要求，如果满足则继续执行步骤S4，否则确定需要调节的图像参数的类型和数值，并返回步骤S1进行图像采集模块的参数的设置；
步骤S4，将采集的目标区域的图像进行人脸区域检测与分割；
步骤S5，在分割的图像中提取人脸信息；
步骤S6，对提取的人脸信息进行预处理；
步骤S7：对预处理的结果进行特征提取；
步骤S8：将特征提取的结果在大数据平台上进行特征匹配；
步骤S9，如果符合匹配要求，则进入步骤S10；否则返回步骤S5，提取下一个人脸信息，并以此执行之后的操作，直到完成所有分割的图像中的所有人脸信息；
步骤S10：通过音频或视频的方式提醒或显示嫌疑对象的个人信息以及在目标区域中的位置。
根据本发明的示范性实施例，图2图示图像采集模块的结构图。其中该图像采集模块包括：第一连接杆1，第一连接轴2，可变长度连接杆3，第二连接轴7，第二连接杆8以及摄像头9，其中可变长度连接杆3包括第一部分4、第二部分6和可变长度部分5，其中可变长度部分5的一端被容纳在第一部分4内，另一端被容纳在第二部分5内；固定在墙壁上的第一连接杆1通过第一连接轴2而与可变长度连接杆3相连接，用于实现图像采集模块的图像采集方向的左右移动(在垂直于墙壁平面的方向上，从墙壁内向墙壁外看；也就是说，实现可变长度连接杆3相对于第一连接杆1左右移动)；可变长度连接杆3通过第二连接轴7而与第二连接杆8相连接，用于实现图像采集模块的图像采集方向的上下移动(在垂直于墙壁平面的方向上，从墙壁内向墙壁外看；也就是说，实现第二连接杆8相对于可变长度连接杆3的上下移动)；可变长度连接杆3包括的第一部分4连接于第一连接轴2，包括的第二部分6连接于第二连接轴7，其中可变长度部分5是在电或磁信号控制的伸缩部件(例如，电致伸缩、磁致伸缩部件；例如用于在施加电或磁信号时伸长，在去除电或磁信号时恢复形变)，用于实现图像采集模块的前后移动。其中第一连接轴1和第二连接轴7既作为轴连接部件，同时内部也包含控制可变长度部分5的长度的电或磁控制部件、以及分别控制第一连接杆1与可变长度连接杆3的相对移动、控制第二连接杆8与可变长度连接杆3的相对移动的调节和设置部件。电或磁控制部件、调节和设置部件可通过有线或无线的方式与控制平台通信，用于发送和接收用于设置和调节轴连接的移动角度和方向的数据、进而控制可变长度部分5的长度的数据。通过该图像采集模块的特定连接结构，可以实现图像采集模块的图像采集的灵活调节，便于采集有效的目标区域，并且提高图像处理的针对性和处理效率。
优选地，在步骤S3中，确定目标区域的图像参数，判断该图像参数是否满足要求包括：确定采集的目标区域中有效范围所占的比例和环境光强度是否都满足预设的要求，当不满足要求时，调度器基于当前参数自动调取与当前参数对应的位于映射表中的目标参数，并将目标参数通过传输模块递送给图像采集模块。这样做是因为，在采集的目标区域中，往往存在墙壁、反光、玻璃、柱子、显示屏等无效并且影响图像处理的区域，需要进行合理调节以优化采集的图像目标中有效的目标区域所占的比例，进而提高图像处理的针对性和处理效率。
优选地，在步骤S4和S5中，将采集的目标区域的图像进行人脸区域检测与分割，在分割的图像中提取人脸信息包括：提取采集的目标区域的图像，用滤波器执行平滑操作，获得该图像的卷积值；计算选定的第一部分的多个相邻像素的梯度，判断梯度大于阈值时，分割目标与背景，删除面积小于临界值的区域；计算该图像的剩余像素的概率，判断像素的所述类型，符合要求的类型则更新背景中对应的像素；略去该图像的边缘，在面积大于临界值的区域中将噪声滤除，并提取像素灰度方差大于门限的区域，计算量化的梯度图，根据训练的人脸模型导出梯度图的概率图，用矩形窗口扫描区域，根据训练的模型和概率图分类该图像中的对象，确定对象为人脸的概率，如果该概率超过设定值，则确定对象为人脸，否则不是人脸；将确定的人脸的区域作为分割的第一区域；重复执行上述操作中其它部分的操作，直至完成图像的全部分割；并且将分割的区域中的确定的人脸的区域的像素的集合作为提取的人脸信息。
具体地，步骤S6，对提取的人脸信息进行预处理包括；
步骤S61，对确定的人脸的区域中提取的人脸信息进行对数变换，求取变换结果执行离散小波变换并获得分量，将该分量分解后得到多个不同类型的分量，基于多个不同类型的分量执行离散小波逆变换，获得预处理的人脸信息，求取提取的人脸信息与预处理的人脸信息的差分信号，作为图像增强的人脸信息；
步骤S62，对图像增强的人脸信息进行人脸检测，得到人脸的面部器官区域，根据检测的人脸的宽度和高度，依照比例处确定第一区域，并获得第一区域及其上下左右四部分邻近区域的灰度值，移动第一区域，当其灰度值均小于其四部分邻近区域的灰度值的特定比例时，确定移动后的第一区域为眼部区域，遍历区域以获得两个眼部区域，确定这两个眼部区域的中心点的坐标(a1，b1)和(a2，b2)，计算变换角度α以及变换值T，α的正切值为两个眼部区域的中心点的纵坐标差与横坐标差的商，T为：将Std除以以下值，两个眼部区域的中心点的纵坐标差的平方与横坐标差的平方的总和的平方根，其中Std为标准的左右眼间距；计算人脸的面部器官区域的每个区域的横坐标乘以Std以及α的余弦值，再计算人脸的面部器官区域的每个区域的纵坐标乘以Std以及α的正弦值，两者的差值作为变换后的人脸的面部器官区域的每个区域的横坐标，之后，计算人脸的面部器官区域的每个区域的横坐标乘以Std以及α的正弦值，再计算人脸的面部器官区域的每个区域的纵坐标乘以Std以及α的余弦值，两者的值大于临界值时输出的总和作为变换后的人脸的面部器官区域的每个区域的纵坐标；通过以上操作，可以获得人脸的面部器官的正面视图。
优选地，步骤S7：对预处理的结果进行特征提取包括：将预处理的结果二值化，针对两个眼部区域上方的图像，通过边缘检测，获得眉部区域，对该区域中的单元从边缘开始从两个相反的方向进行搜索，获得的第1个黑色像素点为眉部端点的特征，计算两个端点的中间位置的横坐标，沿着横坐标在竖直方向上搜索，获得的第1个白色像素点为眉部外的区域，回退一个搜索点即为眉部区域的点，获得眉部区域的中心位置以及宽度和高度；对于眼部区域，根据之前步骤获得的两个眼部区域的中心点的坐标，沿着其中的横坐标在竖直方向上搜索，获得的第1个白色像素点为眼部外的区域，回退一个搜索点即为眼部区域的点，获得眼部区域的中心位置以及宽度和高度；对于嘴部区域，根据图像增强的步骤，获得嘴部轮廓的特征；对于鼻部区域，在眼部区域的下方中间的方形区域中，从边缘开始从两个相反的方向进行搜索，获得的第1个黑色像素点为鼻部的特征，并对鼻部周围进行搜索，高亮区域的中心为鼻尖的特征。
优选地，步骤S8：将特征提取的结果在大数据平台上进行特征匹配包括：
步骤S81，将步骤S7中获取的面部特征信息分类聚合，根据类别将各类特征传输到大数据平台，并分配存储资源，采用约束条件将大数据平台中的训练的参考图像的特征集关于传输来的特征进行判定，看是否满足约束条件，如果满足条件并且收敛则进入到步骤S82；
步骤S82，根据神经网络算法以及大数据平台中的参考图像的特征集，基于传输的特征，计算欧式距离，当该欧式距离小于阈值时则输出第一结果；否则提取传输的特征的集合，提取出多个第一多维向量，然后拼接为维度大于第一多维的第二多维人脸向量，用分析方法对特征降维，将其重新降维到第一多维，计算传输的特征与参考图像的特征的贝叶斯概率，当其值大于临界值时，则输出第二结果，否则输出第一结果。
优选地，参考图像通过以下的方式训练：将参考图像进行均匀分割，并且提取出对应图像的观察值序列；对参数初始化，确定模型的状态数和观察序列向量的大小；计算更新的参数，将参数调整到最大值；重复执行以上过程，直到满足预设条件。
优选地，该分析方法为：将初始数据的多维向量创建成矩阵，对矩阵中的元素归一化变换，并进一步计算得到相关系数矩阵，求解相关系数矩阵R的特征方程，得到多个解作为基本元素，对多个基本元素进行加权求和，获得最终的结果，该权值与每个基本元素的方差相关联。
优选地，在步骤S82中，在值大于临界值，输出第二结果之前，可以进一步执行以下步骤以增强识别准确度：将参考图像的特征和对应的传输的特征投影到空间，并获得其系数，求取欧氏距离，如果大于阈值则输出高电平逻辑，否则输出低电平逻辑，根据值大于临界值时输出的高电平逻辑，如果获得系数求取的欧氏距离与值大于临界值时输出的值进行与逻辑运算，结果为真时输出第二结果。
优选地，在步骤S9中，如果输出的结果是第二结果，则进入步骤S10；否则返回步骤S5，提取下一个人脸信息，并以此执行之后的操作，直到完成所有分割的图像中的所有人脸信息。
优选地，步骤S10进一步包括，提取下一张图像，根据对象在图像中的位置的变化来分析嫌疑对象的运动方向，并将嫌疑对象的运动方向显示在屏幕上。进一步地，大数据中心还将该嫌疑对象的数据进行更新；大数据中心将该嫌疑对象的实时移动信息经由无线链路发送给缉捕人员的移动终端，以指导缉捕人员实时掌握嫌疑对象的位置信息，并高效地缉捕嫌疑对象。
上述的各个技术术语是本领域中的具有通常含义的常规技术术语，为了不模糊本发明的重点，在此不对其进行进一步的解释。
综上，在本发明的技术方案中，通过采用了一种基于图像的大数据处理方法，其能够显著提高图像捕获能力，改善人脸识别及其处理效率。将理解的是：可以硬件、软件或硬件和软件的组合的形式实现本发明的示例和实施例。如上所述，可存储任何执行这种方法的主体，以挥发性或非挥发性存储的形式，例如存储设备，像ROM，无论可抹除或可重写与否，或者以存储器的形式，诸如例如RAM、存储器芯片、设备或集成电路或在光或磁可读的介质上，诸如例如CD、DVD、磁盘或磁带。将理解的是：存储设备和存储介质是适合于存储一个或多个程序的机器可读存储的示例，当被执行时，所述一个或多个程序实现本发明的示例。经由任何介质，诸如通过有线或无线耦合载有的通信信号，可以电子地传递本发明的示例，并且示例适当地包含相同内容。
应当注意的是：因为本发明解决了显著提高图像捕获能力，改善人脸识别及其处理效率的技术问题，采用了计算机技术领域中技术人员在阅读本说明书之后根据其教导所能理解的技术手段，并获取了有益技术效果，所以在所附权利要求中要求保护的方案属于专利法意义上的技术方案。另外，因为所附权利要求要求保护的技术方案可以在工业中制造或使用，因此该方案具备实用性。
以上所述，仅为本发明的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，都应包涵在本发明的保护范围之内。除非以其他方式明确陈述，否则公开的每个特征仅是一般系列的等效或类似特征的一个示例。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 (8)
1.一种基于图像的大数据处理方法，包括：采集图像，对图像进行处理，提取人脸及其特征，匹配人脸特征，匹配时输出结果，显示结果；
其中该方法具体包括：
步骤S1，设置图像采集模块的参数；
步骤S2，采集目标区域的图像；
步骤S3，确定目标区域的图像参数，判断该图像参数是否满足要求，如果满足则继续执行步骤S4，否则确定需要调节的图像参数的类型和数值，并返回步骤S1进行图像采集模块的参数的设置；
步骤S4，将采集的目标区域的图像进行人脸区域检测与分割；
步骤S5，在分割的图像中提取人脸信息；
步骤S6，对提取的人脸信息进行预处理；
步骤S7，对预处理的结果进行特征提取；
步骤S8，将特征提取的结果在大数据平台上进行特征匹配；
步骤S9，如果符合匹配要求，则进入步骤S10；否则返回步骤S5，提取下一个人脸信息，并以此执行之后的操作，直到完成所有分割的图像中的所有人脸信息；
步骤S10，通过音频或视频的方式提醒或显示嫌疑对象的个人信息以及在目标区域中的位置；
其中：该图像采集模块包括：第一连接杆(1)，第一连接轴(2)，可变长度连接杆(3)，第二连接轴(7)，第二连接杆(8)以及摄像头(9)，其中可变长度连接杆(3)包括第一部分(4)、第二部分(6)和可变长度部分(5)，其中可变长度部分(5)的一端被容纳在第一部分(4)内，另一端被容纳在第二部分(6)内；固定在墙壁上的第一连接杆(1)通过第一连接轴(2)而与可变长度连接杆(3)相连接，用于实现图像采集模块的图像采集方向的左右移动；可变长度连接杆(3)通过第二连接轴(7)而与第二连接杆(8)相连接，用于实现图像采集模块的图像采集方向的上下移动；可变长度连接杆(3)包括的第一部分（ 4)连接于第一连接轴(2)，包括的第二部分(6)连接于第二连接轴(7)，其中可变长度部分(5)是在电或磁信号控制的伸缩部件，用于实现图像采集模块的前后移动；其中第一连接轴(1)和第二连接轴(7)既作为轴连接部件，同时内部也包含控制可变长度部分（ 5)的长度的电或磁控制部件、以及分别控制第一连接杆(1)与可变长度连接杆(3)的相对移动、控制第二连接杆（ 8)与可变长度连接杆(3)的相对移动的调节和设置部件；以及
在步骤S3中，确定目标区域的图像参数，判断该图像参数是否满足要求包括：确定采集的目标区域中有效范围所占的比例和环境光强度是否都满足预设的要求，当不满足要求时，调度器基于当前参数自动调取与当前参数对应的位于映射表中的目标参数，并将目标参数通过传输模块递送给图像采集模块；
在步骤S4和S5中，将采集的目标区域的图像进行人脸区域检测与分割，在分割的图像中提取人脸信息包括：提取采集的目标区域的图像，用滤波器执行平滑操作，获得该图像的卷积值；计算选定的第一部分的多个相邻像素的梯度，判断梯度大于阈值时，分割目标与背景，删除面积小于临界值的区域；计算该图像的剩余像素的概率，判断像素的类型，符合要求的类型则更新背景中对应的像素；略去该图像的边缘，在面积大于临界值的区域中将噪声滤除，并提取像素灰度方差大于门限的区域，计算量化的梯度图，根据训练的人脸模型导出梯度图的概率图，用矩形窗口扫描区域，根据训练的模型和概率图分类该图像中的对象，确定对象为人脸的概率，如果该概率超过设定值，则确定对象为人脸，否则不是人脸；将确定的人脸的区域作为分割的第一区域；重复执行上述操作中其它部分的操作，直至完成图像的全部分割；并且将分割的区域中的确定的人脸的区域的像素的集合作为提取的人脸信息；
步骤S6，对提取的人脸信息进行预处理包括；
步骤S61，对确定的人脸的区域中提取的人脸信息进行对数变换，求取变换结果执行离散小波变换并获得分量，将该分量分解后得到多个不同类型的分量，基于多个不同类型的分量执行离散小波逆变换，获得预处理的人脸信息，求取提取的人脸信息与预处理的人脸信息的差分信号，作为图像增强的人脸信息；
步骤S62，对图像增强的人脸信息进行人脸检测，得到人脸的面部器官区域，根据检测的人脸的宽度和高度，依照比例来确定第一区域，并获得第一区域及其上下左右四部分邻近区域的灰度值，移动第一区域，当其灰度值均小于其四部分邻近区域的灰度值的特定比例时，确定移动后的第一区域为眼部区域，遍历区域以获得两个眼部区域，确定这两个眼部区域的中心点的坐标(a1，b1)和(a2，b2)，计算变换角度α以及变换值T，α的正切值为两个眼部区域的中心点的纵坐标差与横坐标差的商，T为：将Std除以以下值，两个眼部区域的中心点的纵坐标差的平方与横坐标差的平方的总和的平方根，其中Std为标准的左右眼间距；计算人脸的面部器官区域的每个区域的横坐标乘以Std以及α的余弦值，再计算人脸的面部器官区域的每个区域的纵坐标乘以Std以及α的正弦值，两者的差值作为变换后的人脸的面部器官区域的每个区域的横坐标，之后，计算人脸的面部器官区域的每个区域的横坐标乘以Std以及α的正弦值，再计算人脸的面部器官区域的每个区域的纵坐标乘以Std以及α的余弦值，两者的值大于临界值时输出的总和作为变换后的人脸的面部器官区域的每个区域的纵坐标；通过以上操作，可以获得人脸的面部器官的正面视图。
2.根据权利要求1所述的基于图像的大数据处理方法，其中：
电或磁信号控制的伸缩部件为电致伸缩、磁致伸缩部件，用于在施加电或磁信号时伸长，在去除电或磁信号时恢复形变。
3.根据权利要求2所述的基于图像的大数据处理方法，其中：
电或磁控制部件、调节和设置部件可通过有线或无线的方式与控制平台通信，用于发送和接收用于设置和调节轴连接的移动角度和方向的数据、进而控制可变长度部分(5)的长度的数据。
4.根据权利要求3所述的基于图像的大数据处理方法，其中：
步骤S7：对预处理的结果进行特征提取包括：将预处理的结果二值化，针对两个眼部区域上方的图像，通过边缘检测，获得眉部区域，对该区域中的单元从边缘开始从两个相反的方向进行搜索，获得的第1个黑色像素点为眉部端点的特征，计算两个端点的中间位置的横坐标，沿着横坐标在竖直方向上搜索，获得的第1个白色像素点为眉部外的区域，回退一个搜索点即为眉部区域的点，获得眉部区域的中心位置以及宽度和高度；对于眼部区域，根据之前步骤获得的两个眼部区域的中心点的坐标，沿着其中的横坐标在竖直方向上搜索，获得的第1个白色像素点为眼部外的区域，回退一个搜索点即为眼部区域的点，获得眼部区域的中心位置以及宽度和高度；对于嘴部区域，根据图像增强的步骤，获得嘴部轮廓的特征；对于鼻部区域，在眼部区域的下方中间的方形区域中，从边缘开始从两个相反的方向进行搜索，获得的第1个黑色像素点为鼻部的特征，并对鼻部周围进行搜索，高亮区域的中心为鼻尖的特征。
5.根据权利要求4所述的基于图像的大数据处理方法，其中：
步骤S8：将特征提取的结果在大数据平台上进行特征匹配包括：
步骤S81，将步骤S7中获取的面部特征信息分类聚合，根据类别将各类特征传输到大数据平台，并分配存储资源，采用约束条件将大数据平台中的训练的参考图像的特征集关于传输来的特征进行判定，看是否满足约束条件，如果满足条件并且收敛则进入到步骤S82；
步骤S82，根据神经网络算法以及大数据平台中的参考图像的特征集，基于传输的特征，计算欧式距离，当该欧式距离小于阈值时则输出第一结果；否则提取传输的特征的集合，提取出多个第一多维向量，然后拼接为维度大于第一多维的第二多维人脸向量，用分析方法对特征降维，将其重新降维到第一多维，计算传输的特征与参考图像的特征的贝叶斯概率，当其值大于临界值时，则输出第二结果，否则输出第一结果。
6.根据权利要求5所述的基于图像的大数据处理方法，其中：
参考图像通过以下的方式训练：将参考图像进行均匀分割，并且提取出对应图像的观察值序列；对参数初始化，确定模型的状态数和观察序列向量的大小；计算更新的参数，将参数调整到最大值；重复执行以上过程，直到满足预设条件；
该分析方法为：将初始数据的多维向量创建成矩阵，对矩阵中的元素归一化变换，并进一步计算得到相关系数矩阵，求解相关系数矩阵R的特征方程，得到多个解作为基本元素，对多个基本元素进行加权求和，获得最终的结果，该权值与每个基本元素的方差相关联；
在步骤S82中，在值大于临界值，输出第二结果之前，可以进一步执行以下步骤以增强识别准确度：将参考图像的特征和对应的传输的特征投影到空间，并获得其系数，求取欧氏距离，如果大于阈值则输出高电平逻辑，否则输出低电平逻辑，根据值大于临界值时输出的高电平逻辑，如果获得系数求取的欧氏距离与值大于临界值时输出的值进行与逻辑运算，结果为真时输出第二结果。
7.根据权利要求6所述的基于图像的大数据处理方法，其中：
在步骤S9中，如果输出的结果是第二结果，则进入步骤S10；否则返回步骤S5，提取下一个人脸信息，并以此执行之后的操作，直到完成所有分割的图像中的所有人脸信息。
8.根据权利要求7所述的基于图像的大数据处理方法，其中：
步骤S10进一步包括，提取下一张图像，根据对象在图像中的位置的变化来分析嫌疑对象的运动方向，并将嫌疑对象的运动方向显示在屏幕上；进一步地，大数据中心还将该嫌疑对象的数据进行更新；大数据中心将该嫌疑对象的实时移动信息经由无线链路发送给缉捕人员的移动终端，以指导缉捕人员实时掌握嫌疑对象的位置信息，并高效地缉捕嫌疑对象。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810067481.6A CN108268850B (zh) | 2018-01-24 | 2018-01-24 | 一种基于图像的大数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810067481.6A CN108268850B (zh) | 2018-01-24 | 2018-01-24 | 一种基于图像的大数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108268850A CN108268850A (zh) | 2018-07-10 |
| CN108268850B true CN108268850B (zh) | 2022-04-12 |
Family
ID=62776469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810067481.6A Active CN108268850B (zh) | 2018-01-24 | 2018-01-24 | 一种基于图像的大数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108268850B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110895670B (zh) * | 2018-09-13 | 2022-09-09 | 珠海格力电器股份有限公司 | 场景的识别方法及装置 |
| CN111227789A (zh) * | 2018-11-29 | 2020-06-05 | 百度在线网络技术（北京）有限公司 | 人体健康监护方法和装置 |
| CN109901716B (zh) * | 2019-03-04 | 2022-08-26 | 厦门美图之家科技有限公司 | 视线点预测模型建立方法、装置及视线点预测方法 |
| CN110288483B (zh) * | 2019-05-22 | 2024-07-02 | 平安证券股份有限公司 | 账号开通方法、装置、设备及计算机可读存储介质 |
| CN112185495A (zh) * | 2020-09-22 | 2021-01-05 | 深圳市宏泰和信息科技有限公司 | 医疗设备的病例数据获取方法及系统 |
| CN112990079A (zh) * | 2020-10-16 | 2021-06-18 | 陈晶晶 | 基于大数据和人工智能的匹配度计算方法 |
| CN114021100B (zh) * | 2022-01-10 | 2022-03-15 | 广东省出版集团数字出版有限公司 | 一种用于数字教材储备的安全管理系统 |
| CN116432152B (zh) * | 2023-04-18 | 2024-07-12 | 山东广电信通网络运营有限公司 | 一种跨平台协同制作系统 |
| CN116188617B (zh) * | 2023-04-21 | 2023-08-08 | 有方（合肥）医疗科技有限公司 | Ct图像数据处理方法、装置及ct系统 |
| CN116778302B (zh) * | 2023-05-19 | 2024-03-26 | 触景无限科技（北京）有限公司 | 一种对象识别系统及一种便携式布控箱 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1792572A (zh) * | 2005-11-11 | 2006-06-28 | 北京航空航天大学 | 三自由度力觉交互装置 |
| CN101266704A (zh) * | 2008-04-24 | 2008-09-17 | 张宏志 | 基于人脸识别的atm安全认证与预警方法 |
| CN201509272U (zh) * | 2009-09-07 | 2010-06-16 | 泉州市铁通电子设备有限公司 | 一种嵌入式人脸检测识别及监视录像系统 |
| CN102096811A (zh) * | 2011-01-26 | 2011-06-15 | 上海洪剑智能科技有限公司 | 一种基于嵌入式平台的人脸识别智能模块及其识别方法 |
| CN102499018A (zh) * | 2011-08-15 | 2012-06-20 | 石午江 | 水下伐木机 |
| CN104268510A (zh) * | 2014-09-17 | 2015-01-07 | 西安电子科技大学 | 基于稀疏约束的非负矩阵分解的sar图像目标识别方法 |
| KR101492933B1 (ko) * | 2014-05-23 | 2015-02-12 | 동국대학교 산학협력단 | 눈 인식 장치 및 방법 |
| CN104965823A (zh) * | 2015-07-30 | 2015-10-07 | 成都鼎智汇科技有限公司 | 一种基于大数据的观点抽取方法 |
| CN104978550A (zh) * | 2014-04-08 | 2015-10-14 | 上海骏聿数码科技有限公司 | 基于大规模人脸数据库的人脸识别方法及系统 |
| CN105117735A (zh) * | 2015-08-18 | 2015-12-02 | 成都鼎智汇科技有限公司 | 一种大数据环境下的图像检测方法 |
| CN105135160A (zh) * | 2015-09-16 | 2015-12-09 | 成都众孚理想科技有限公司 | 一种方便安装的可伸缩的监控立杆 |
| CN105989354A (zh) * | 2015-05-25 | 2016-10-05 | 乐视移动智能信息技术（北京）有限公司 | 一种定位方法与系统 |
| CN106846348A (zh) * | 2017-02-16 | 2017-06-13 | 河北大学 | 人脸图像中自动去除眼镜的方法 |
| CN106998444A (zh) * | 2017-02-14 | 2017-08-01 | 北京中科天云科技有限公司 | 一种大数据人脸监控系统及装置 |
| CN206557873U (zh) * | 2017-03-02 | 2017-10-13 | 叶云龙 | 一种基于人脸识别的智能安保防进入系统 |
| CN107535145A (zh) * | 2017-09-07 | 2018-01-05 | 天津理工大学 | 一种智能大蒜播种机 |
-
2018
- 2018-01-24 CN CN201810067481.6A patent/CN108268850B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1792572A (zh) * | 2005-11-11 | 2006-06-28 | 北京航空航天大学 | 三自由度力觉交互装置 |
| CN101266704A (zh) * | 2008-04-24 | 2008-09-17 | 张宏志 | 基于人脸识别的atm安全认证与预警方法 |
| CN201509272U (zh) * | 2009-09-07 | 2010-06-16 | 泉州市铁通电子设备有限公司 | 一种嵌入式人脸检测识别及监视录像系统 |
| CN102096811A (zh) * | 2011-01-26 | 2011-06-15 | 上海洪剑智能科技有限公司 | 一种基于嵌入式平台的人脸识别智能模块及其识别方法 |
| CN102499018A (zh) * | 2011-08-15 | 2012-06-20 | 石午江 | 水下伐木机 |
| CN104978550A (zh) * | 2014-04-08 | 2015-10-14 | 上海骏聿数码科技有限公司 | 基于大规模人脸数据库的人脸识别方法及系统 |
| KR101492933B1 (ko) * | 2014-05-23 | 2015-02-12 | 동국대학교 산학협력단 | 눈 인식 장치 및 방법 |
| CN104268510A (zh) * | 2014-09-17 | 2015-01-07 | 西安电子科技大学 | 基于稀疏约束的非负矩阵分解的sar图像目标识别方法 |
| CN105989354A (zh) * | 2015-05-25 | 2016-10-05 | 乐视移动智能信息技术（北京）有限公司 | 一种定位方法与系统 |
| CN104965823A (zh) * | 2015-07-30 | 2015-10-07 | 成都鼎智汇科技有限公司 | 一种基于大数据的观点抽取方法 |
| CN105117735A (zh) * | 2015-08-18 | 2015-12-02 | 成都鼎智汇科技有限公司 | 一种大数据环境下的图像检测方法 |
| CN105135160A (zh) * | 2015-09-16 | 2015-12-09 | 成都众孚理想科技有限公司 | 一种方便安装的可伸缩的监控立杆 |
| CN106998444A (zh) * | 2017-02-14 | 2017-08-01 | 北京中科天云科技有限公司 | 一种大数据人脸监控系统及装置 |
| CN106846348A (zh) * | 2017-02-16 | 2017-06-13 | 河北大学 | 人脸图像中自动去除眼镜的方法 |
| CN206557873U (zh) * | 2017-03-02 | 2017-10-13 | 叶云龙 | 一种基于人脸识别的智能安保防进入系统 |
| CN107535145A (zh) * | 2017-09-07 | 2018-01-05 | 天津理工大学 | 一种智能大蒜播种机 |
Non-Patent Citations (6)
| Title |
|---|
| "An Approach to Fast Eye Location and Face Plane Rotation Correction";Wang K等;《Journal of Computer-Aided Design & Computer Graphics》;20130630;第25卷(第6期);第865-872页和第879页 * |
| "Face recognition Research based on adaptive logarithmic transformation and PCA algorithm";Zhou X等;《Application of Electronic Technique》;20141231;第40卷(第6期);第126-129页 * |
| "一种快速的自动人眼定位方法";黄增喜等;《计算机工程与应用》;20111231;第47卷(第7期);第183-186页 * |
| "基于眼定位的人脸图像归一化方法";赵全友等;《湖南科技学院学报》;20101231;第31卷(第12期);第73-77页 * |
| "结合改进CamShift算法的人脸识别门禁系统";邹方圆等;《现代电子技术》;20130201;第36卷(第3期);第108-111页 * |
| "面向人脸识别的复杂光照下图像细节增强算法";卓志宏等;《电视技术》;20141231;第38卷(第3期);第12-15页和第26页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108268850A (zh) | 2018-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108268850B (zh) | 一种基于图像的大数据处理方法 | |
| WO2021088300A1 (zh) | 一种基于非对称双流网络的rgb-d多模态融合人员检测方法 | |
| CN108256459B (zh) | 基于多摄像机融合的安检门人脸识别和人脸自动建库算法 | |
| Xu et al. | Inter/intra-category discriminative features for aerial image classification: A quality-aware selection model | |
| US9104914B1 (en) | Object detection with false positive filtering | |
| CN111104943B (zh) | 基于决策级融合的彩色图像感兴趣区域提取方法 | |
| CN107330390B (zh) | 一种基于图像分析和深度学习的人数统计方法 | |
| CN111813997B (zh) | 入侵分析方法、装置、设备及存储介质 | |
| KR102103770B1 (ko) | 보행자 검출 장치 및 방법 | |
| CN106778645A (zh) | 一种图像处理方法及装置 | |
| CN112633222B (zh) | 基于对抗网络的步态识别方法、装置、设备及介质 | |
| CN109325472B (zh) | 一种基于深度信息的人脸活体检测方法 | |
| KR101337554B1 (ko) | 차량용 블랙박스의 영상인식을 이용한 수배자 및 실종자 추적 장치 및 그 방법 | |
| CN110363114A (zh) | 一种人员工作状态检测方法、装置及终端设备 | |
| CN110348289A (zh) | 一种基于二值图的手指静脉识别方法 | |
| CN109522865A (zh) | 一种基于深度神经网络的特征加权融合人脸识别方法 | |
| CN110222647B (zh) | 一种基于卷积神经网络的人脸活体检测方法 | |
| CN111027564A (zh) | 基于深度学习一体化的低照度成像车牌识别方法及装置 | |
| CN116311212B (zh) | 基于高速摄像机实现运动状态下的船号识别方法及装置 | |
| KR102171384B1 (ko) | 영상 보정 필터를 이용한 객체 인식 시스템 및 방법 | |
| KR101600617B1 (ko) | 영상내 사람 검출 방법 | |
| CN110795995B (zh) | 数据处理方法、装置及计算机可读存储介质 | |
| CN111950518A (zh) | 一种用于暴力行为识别的视频图像增强方法 | |
| CN113901423B (zh) | 一种基于人脸识别的智能安防设备控制方法和系统 | |
| KR20080101388A (ko) | 엔엠씨티 기반의 얼굴 검출 방법 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220322 Address after: 550000 floor 3, building B, Qilin Chuangke Town, No. 41, Liupanshui Road, Guiyang National High tech Industrial Development Zone, Guiyang City, Guizhou Province Applicant after: GUIZHOU HUATAI ZHIYUAN BIG DATA SERVICE CO.,LTD. Address before: 610000 Sichuan Province Chengdu High-tech Zone Tianfu Avenue Middle Section 1388 Building 7 Floor 772 Applicant before: CHENGDU DINGZHIHUI TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An Image Based Big Data Processing Method Effective date of registration: 20231101 Granted publication date: 20220412 Pledgee: Baiyun branch of Guiyang Bank Co.,Ltd. Pledgor: GUIZHOU HUATAI ZHIYUAN BIG DATA SERVICE CO.,LTD. Registration number: Y2023520000060 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |