CN109101947A - 人像识别方法、人像识别装置及终端设备 - Google Patents
人像识别方法、人像识别装置及终端设备 Download PDFInfo
- Publication number
- CN109101947A CN109101947A CN201810982462.6A CN201810982462A CN109101947A CN 109101947 A CN109101947 A CN 109101947A CN 201810982462 A CN201810982462 A CN 201810982462A CN 109101947 A CN109101947 A CN 109101947A
- Authority
- CN
- China
- Prior art keywords
- portrait
- preview screen
- threshold value
- identification
- screen includes
- 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
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
- G06V40/172—Classification, e.g. identification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/667—Camera operation mode switching, e.g. between still and video, sport and normal or high- and low-resolution modes
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于人像识别技术领域,提供了人像识别方法、人像识别装置及终端设备,包括:识别预览画面是否包括第一人像;若所述预览画面包括第一人像,统计所述预览画面包括的第一人像的个数;根据统计的第一人像的个数调整人像阈值;根据调整的人像阈值重新识别所述预览画面包括的人像,重新识别的人像设为第二人像;框选所述第二人像所在的区域。通过上述方法能够保证框选的人像区域更准确。
Description
技术领域
本申请属于人像识别技术领域,尤其涉及一种人像识别方法、人像识别装置、终端设备及计算机可读存储介质。
背景技术
目前,在拍摄人像的时候,为了能够获得更好的拍摄效果,比如为了获得更好的对焦效果,智能终端(如手机)会自动检测人脸,并框选检测到人脸的区域,当用户执行拍照动作之后,智能终端将自动对焦框选的区域,从而使得拍摄的人脸更清晰。
现有的人脸检测方法中,通过将检测的特征与预设的人脸特征比较,若两者的相似度大于预设的相似度阈值,则判定该特征为人脸特征。但在实际情况中,当存在多个人脸时,检测的人脸特征可能受到影响,从而导致相似度下降,此时,将影响人脸检测结果。
故,需要提出一种新的方法以解决上述技术问题。
发明内容
有鉴于此,本申请实施例提供了一种人像识别方法,以解决现有技术中当画面存在多个人脸时,影响人脸检测的准确性的问题。
本申请实施例的第一方面提供了一种人像识别方法,包括:
识别预览画面是否包括第一人像;
若所述预览画面包括第一人像,统计所述预览画面包括的第一人像的个数;
根据统计的第一人像的个数调整人像阈值;
根据调整的人像阈值重新识别所述预览画面包括的人像,重新识别的人像设为第二人像;
框选所述第二人像所在的区域。
本申请实施例的第二方面提供了一种人像识别装置,包括:
第一人像识别单元,用于识别预览画面是否包括第一人像;
第一人像的个数统计单元,用于若所述预览画面包括第一人像,统计所述预览画面包括的第一人像的个数;
人像阈值调整单元,用于根据统计的第一人像的个数调整人像阈值;
第二人像识别单元,用于根据调整的人像阈值重新识别所述预览画面包括的人像,重新识别的人像设为第二人像;
第二人像框选单元,用于框选所述第二人像所在的区域。
本申请实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如所述人像识别方法的步骤。
本申请实施例的第四方面提供了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计算机程序,所述计算机程序被处理器执行时实现如所述人像识别方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:
由于在识别出预览画面包括的第一人像后,再根据预览画面包括的第一人像的个数自动调整人像阈值,因此,使得调整后的人像阈值与人像识别算法更匹配,从而能够保证框选的第二人像区域更准确。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的一种人像识别方法的流程图;
图2是本申请实施例一提供的通过矩形框框选整个第二人像所在的区域示意图;
图3是本申请实施例一提供的通过矩形框框选部分第二人像所在的区域示意图;
图4是本申请实施例二提供的另一种人像识别方法的流程图;
图5是本申请实施例三提供的一种人像识别装置的结构示意图;
图6是本申请实施例四提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中,本申请实施例中描述的移动终端包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是,在某些实施例中,上述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中,描述了包括显示器和触摸敏感表面的移动终端。然而,应当理解的是,移动终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
移动终端支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在移动终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样,终端的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例一:
图1示出了本申请实施例一提供的一种人像识别方法的流程图,在本申请中,根据识别的人像个数自动调整人像阈值,再根据调整的人像阈值重新识别人像,从而能够提高识别结果的准确率,详述如下:
步骤S11,识别预览画面是否包括第一人像;
具体地,终端设备(如手机、平板电脑、数码相机等)的相机预览模式开启后,预览界面将显示镜头能够拍摄的对象的预览画面。
该步骤中,通过人脸识别算法或卷积神经网络识别预览画面是否包括人像,若是,执行步骤S12,否则,等待预设时间之后再执行步骤S11。
可选地,由于识别第一人像会耗费终端设备的资源,因此,为了避免频繁识别人像,则在判断出执行步骤S11预设次数之后,预览画面的识别结果都不包括第一人像,则自动延长所述预设时间。例如,假设第一次执行步骤S11之后,判断出预览画面不包括第一人像,则在预设时间(例如1秒)到达后,开始第二次执行步骤S11,连续执行预设次数(例如4次)步骤S11之后,仍判断出预览画面不包括第一人像,则延长所述预设时间,例如,从1秒延长到3秒。当然,若再次在预览画面识别到第一人像,则恢复所述预设时间,例如从3秒恢复为1秒。
步骤S12,若所述预览画面包括第一人像,统计所述预览画面包括的第一人像的个数;
该步骤中,若通过预览画面的一部分区域识别出该预览画面包括第一人像,则继续识别该预览画面的其他区域是否还包括第一人像,当预览画面识别结束之后统计识别的该预览画面包括的第一人像的个数。例如,假设预览画面包括A区域和B区域,若在A区域识别出1个第一人像,则继续识别B区域是否存在第一人像,最后统计在A区域和B区域识别的第一人像的个数总和。
步骤S13,根据统计的第一人像的个数调整人像阈值;
其中,该步骤的人像阈值用于衡量检测的对象是否为人像。
例如,当通过人脸识别算法识别预览画面是否包括人像时,该人像阈值用于衡量识别的对象与标准人像的相似度是否满足要求,当识别的对象与标准人像的相似度大于或等于该人像阈值,表明该识别的对象满足人像要求,则判定该识别的对象为人像,否则,判定该识别的对象不为人像。
例如,当通过卷积神经网络识别预览画面是否包括人像时,该人像阈值用于衡量识别的对象的置信度是否满足要求,当识别的对象的置信度大于或等于该人像阈值,表明该识别的对象满足人像要求,则判定该识别的对象为人像,否则,判定该识别的对象不为人像。由于在实际情况中,当预览画面只出现一个人像时,该人像的置信度可能为0.9,而当预览画面同时出现多个人像时,每个人像的置信度都会降低,尤其是画面中存在5~6个人像时,每个人像的置信度可能降低到0.7以下,若不考虑预览画面的人像个数,都采用同一个人像阈值,则将导致人像识别结果不准确,而根据人像个数动态调整人像阈值,将能够有效提高人像识别结果的准确度。
步骤S14,根据调整的人像阈值重新识别所述预览画面包括的人像,重新识别的人像设为第二人像;
该步骤中,当调整人像阈值后,根据调整后的人像阈值识别同一个预览画面,其得到的人像个数可能会不同,此时,将根据调整后的人像阈值识别到的人像设为第二人像,以与调整前的人像阈值识别到的人像(即第一人像)区分。
步骤S15,框选所述第二人像所在的区域。
该步骤中,可以通过矩形(或其他形状)框框选整个第二人像所在的区域,如图2所示,也可以通过矩形(或其他形状)框框选部分第二人像所在的区域,如图3所示。
本申请实施例中,识别预览画面是否包括第一人像,若所述预览画面包括第一人像,统计所述预览画面包括的第一人像的个数,根据统计的第一人像的个数调整人像阈值,根据调整的人像阈值重新识别所述预览画面包括的人像,新识别的人像设为第二人像,框选所述第二人像所在的区域。由于在识别出预览画面包括的第一人像后,再根据预览画面包括的第一人像的个数自动调整人像阈值,因此,使得调整后的人像阈值与人像识别算法更匹配,从而能够保证框选的第二人像区域更准确。
实施例二:
图4示出了本申请实施例二提供的另一种人像识别方法的流程图,在本实施例中,步骤S43、步骤S44为实施例一中步骤S13的细化步骤,步骤S41、步骤S42、步骤S45、步骤S46分别与实施例一的步骤S11、步骤S12、步骤S14、步骤S15相同,此次不再赘述。
步骤S41,识别预览画面是否包括第一人像;
步骤S42,若所述预览画面包括第一人像,统计所述预览画面包括的第一人像的个数;
步骤S43,将统计的第一人像的个数与预设的对照表中的人像个数比较,所述预设的对照表存储不同的人像个数与人像阈值的对应关系,且人像个数与人像阈值成反比关系;
具体地,当人像个数越大,其对应的人像阈值越小。需要指出的是,不同的人像个数其对应的人像阈值可能相同,也可能不同,例如,设置人像个数为1或2时,对应的人像阈值为0.95,人像个数为3或4时,其对应的人像阈值为0.85,人像个数为5时,其对应的人像阈值为0.75等等。
步骤S44,根据比较结果确定统计的第一人像的个数对应的人像阈值;
步骤S45,根据调整的人像阈值重新识别所述预览画面包括的人像,重新识别的人像设为第二人像;
步骤S46,框选所述第二人像所在的区域。
本申请实施例中,由于在预设的对照表中预先存储人像个数与人像阈值的对应关系,因此,当统计出第一人像的个数之后,能够根据该预设的对照表快速确定该第一人像的个数对应的人像阈值。并且,由于人像个数与人像阈值成反比关系,因此,能够保证人像阈值能够符合实际进行人像识别的规律,从而提高人像识别的精确性。
可选地,为了提高人像识别的精确度,所述步骤S11(或步骤S41)包括:
通过预设的卷积神经网络识别预览画面是否包括第一人像,以及在识别出所述预览画面包括第一人像时确定所述第一人像的置信度;
对应地,
所述步骤S14(或步骤S45)具体包括:
将所述第一人像的置信度分别与调整的人像阈值比较,若所述第一人像的置信度大于或等于所述调整的人像阈值,判定所述第一人像的置信度对应的对象为第二人像,否则,判定所述第一人像的置信度对应的对象不为第二人像。
本实施例中,通过采用预设的卷积神经网络识别预览画面是否包括第一人像,能够保证识别结果达到98%以上的人像识别准确度,并且,由于卷积神经网络可以直接输入原始图像,因此避免了对原始图像的复杂前期预处理。当然,本实施例的预设的卷积神经网络为经过训练的能够识别人像的卷积神经网络。
可选地,由于用户在拍照过程中通常只关注前景区域的人像,因此,为了减少识别人像带来的计算量,所述步骤S11(或步骤S41)包括:
确认所述预览画面的前景区域,识别所述预览画面的前景区域是否包括第一人像;
对应地,所述步骤S14(或步骤S45)具体包括:
根据调整的人像阈值重新识别所述预览画面的前景区域包括的人像,重新识别的人像设为第二人像。
需要指出的是,上述识别过程也可以与预设的卷积神经网络相结合,此时,所述步骤S11(或步骤S41)包括:确认所述预览画面的前景区域,通过预设的卷积神经网络识别所述预览画面的前景区域是否包括第一人像,以及在识别出所述预览画面的前景区域包括第一人像时确定所述第一人像的置信度;
对应地,所述步骤S14(或步骤S45)具体包括:
将所述第一人像的置信度分别与调整的人像阈值比较,若所述第一人像的置信度大于或等于所述调整的人像阈值,判定所述第一人像的置信度对应的对象为第二人像,否则,判定所述第一人像的置信度对应的对象不为第二人像。
可选地,由于在实际情况中,用户关注的只是出现在预览画面中央的几个人像,而非出现在预览画面的所有人像,因此,为了准确识别出用户关注的人像,所述步骤S15(或步骤S46)包括:
判断第二人像的个数是否大于1,若第二人像的个数大于1,则确定与焦点距离最短的第二人像;
分别计算所述与焦点距离最短的第二人像与其他第二人像的距离,假设为人像距离;
分别将所述人像距离与预设的距离阈值比较,框选小于或等于预设的距离阈值的人像距离所对应的第二人像。
本实施例中,当某个人像与焦点的距离最短时,表明该人像为用户关注的人像,此时,将与该人像的距离在预设的距离阈值内的人像确定为用户关注的人像,并框选确定的人像,从而能够避免框选到无关的人像。
可选地,由于在特定模式下,用户不需要框选出预览画面出现的所有人像,此时,为了减少操作步骤,在所述步骤S11(或步骤S41)之前,包括:
检测当前拍摄模式是否为背景虚化模式。
本实施例中,若当前拍摄模式为背景虚化模式,则不执行步骤S12,否则,执行步骤S11。
实施例三:
与实施例一、实施例二对应,图5示出了本申请实施例三提供的一种人像识别装置的结构示意图,该人像识别装置可应用于终端设备中,为了便于说明,仅示出了与本实施例相关的部分。
该人像识别装置包括:第一人像识别单元51、第一人像的个数统计单元52、人像阈值调整单元53、第二人像识别单元54、第二人像框选单元55。其中:
第一人像识别单元51,用于识别预览画面是否包括第一人像;
具体地,通过人脸识别算法或卷积神经网络识别预览画面是否包括人像。
第一人像的个数统计单元52,用于若所述预览画面包括第一人像,统计所述预览画面包括的第一人像的个数;
人像阈值调整单元53,用于根据统计的第一人像的个数调整人像阈值;
其中,人像阈值用于衡量检测的对象是否为人像。
第二人像识别单元54,用于根据调整的人像阈值重新识别所述预览画面包括的人像,重新识别的人像设为第二人像;
第二人像框选单元55,用于框选所述第二人像所在的区域。
具体地,可以通过矩形(或其他形状)框框选整个第二人像所在的区域,也可以通过矩形(或其他形状)框框选部分第二人像所在的区域。
本申请实施例中,由于在识别出预览画面包括的第一人像后,再根据预览画面包括的第一人像的个数自动调整人像阈值,因此,使得调整后的人像阈值与人像识别算法更匹配,从而能够保证框选的第二人像区域更准确。
可选地,所述人像阈值调整单元53包括:
人像比较模块,用于将统计的第一人像的个数与预设的对照表中的人像个数比较,所述预设的对照表存储不同的人像个数与人像阈值的对应关系,且人像个数与人像阈值成反比关系;
具体地,当人像个数越大,其对应的人像阈值越小。需要指出的是,不同的人像个数其对应的人像阈值可能相同,也可能不同。
人像阈值确定模块,用于根据比较结果确定统计的第一人像的个数对应的人像阈值。
可选地,为了提高人像识别的精确度,所述第一人像识别单元51具体用于:通过预设的卷积神经网络识别预览画面是否包括第一人像,以及在识别出所述预览画面包括第一人像时确定所述第一人像的置信度。
对应地,所述第二人像识别单元54具体用于:
将所述第一人像的置信度分别与调整的人像阈值比较,若所述第一人像的置信度大于或等于所述调整的人像阈值,判定所述第一人像的置信度对应的对象为第二人像,否则,判定所述第一人像的置信度对应的对象不为第二人像。
可选地,由于用户在拍照过程中通常只关注前景区域的人像,因此,为了减少识别人像带来的计算量,所述第一人像识别单元51具体用于:
确认所述预览画面的前景区域,识别所述预览画面的前景区域是否包括第一人像。
对应地,所述第二人像识别单元54具体用于:
根据调整的人像阈值重新识别所述预览画面的前景区域包括的人像,重新识别的人像设为第二人像。
需要指出的是,上述识别过程也可以与预设的卷积神经网络相结合,此时,所述第一人像识别单元51具体用于:
确认所述预览画面的前景区域,通过预设的卷积神经网络识别所述预览画面的前景区域是否包括第一人像,以及在识别出所述预览画面的前景区域包括第一人像时确定所述第一人像的置信度;
对应地,所述第二人像识别单元54具体用于:
将所述第一人像的置信度分别与调整的人像阈值比较,若所述第一人像的置信度大于或等于所述调整的人像阈值,判定所述第一人像的置信度对应的对象为第二人像,否则,判定所述第一人像的置信度对应的对象不为第二人像。
可选地,由于在实际情况中,用户关注的只是出现在预览画面中央的几个人像,而非出现在预览画面的所有人像,因此,为了准确识别出用户关注的人像,所述第二人像框选单元55包括:
与焦点距离最短的第二人像确定模块,用于判断第二人像的个数是否大于1,若第二人像的个数大于1,则确定与焦点距离最短的第二人像;
人像之间的距离计算模块,用于分别计算所述与焦点距离最短的第二人像与其他第二人像的距离,假设为人像距离;
人像筛选模块,用于分别将所述人像距离与预设的距离阈值比较,框选小于或等于预设的距离阈值的人像距离所对应的第二人像。
可选地,由于在特定模式下,用户不需要框选出预览画面出现的所有人像,此时,为了减少操作步骤,该人像识别装置还包括:
工作模式检测单元,用于检测当前拍摄模式是否为背景虚化模式。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例四:
图6是本申请实施例四提供的终端设备的示意图。如图6所示,该实施例的终端设备6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个人像识别方法实施例中的步骤,例如图1所示的步骤S11至S15。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块51至55的功能。
示例性的,所述计算机程序62可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器61中,并由所述处理器60执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。例如,所述计算机程序62可以被分割成第一人像识别单元、第一人像的个数统计单元、人像阈值调整单元、第二人像识别单元、第二人像框选单元,各单元具体功能如下:
第一人像识别单元,用于识别预览画面是否包括第一人像;
第一人像的个数统计单元,用于若所述预览画面包括第一人像,统计所述预览画面包括的第一人像的个数;
人像阈值调整单元,用于根据统计的第一人像的个数调整人像阈值;
第二人像识别单元,用于根据调整的人像阈值重新识别所述预览画面包括的人像,重新识别的人像设为第二人像;
第二人像框选单元,用于框选所述第二人像所在的区域。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的示例,并不构成对终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端设备6的内部存储单元,例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备,例如所述终端设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种人像识别方法,其特征在于,包括:
识别预览画面是否包括第一人像;
若所述预览画面包括第一人像,统计所述预览画面包括的第一人像的个数;
根据统计的第一人像的个数调整人像阈值;
根据调整的人像阈值重新识别所述预览画面包括的人像,重新识别的人像设为第二人像;
框选所述第二人像所在的区域。
2.如权利要求1所述的人像识别方法,其特征在于,所述根据统计的第一人像的个数调整人像阈值,包括:
将统计的第一人像的个数与预设的对照表中的人像个数比较,所述预设的对照表存储不同的人像个数与人像阈值的对应关系,且人像个数与人像阈值成反比关系;
根据比较结果确定统计的第一人像的个数对应的人像阈值。
3.如权利要求1所述的人像识别方法,其特征在于,所述识别预览画面是否包括第一人像,包括:
通过预设的卷积神经网络识别预览画面是否包括第一人像,以及在识别出所述预览画面包括第一人像时确定所述第一人像的置信度;
对应地,
所述根据调整的人像阈值重新识别所述预览画面包括的人像,重新识别的人像设为第二人像具体包括:
将所述第一人像的置信度分别与调整的人像阈值比较,若所述第一人像的置信度大于或等于所述调整的人像阈值,判定所述第一人像的置信度对应的对象为第二人像,否则,判定所述第一人像的置信度对应的对象不为第二人像。
4.如权利要求1所述的人像识别方法,其特征在于,所述识别预览画面是否包括第一人像,包括:
确认所述预览画面的前景区域,识别所述预览画面的前景区域是否包括第一人像;
对应地,所述根据调整的人像阈值重新识别所述预览画面包括的人像,重新识别的人像设为第二人像具体包括:
根据调整的人像阈值重新识别所述预览画面的前景区域包括的人像,重新识别的人像设为第二人像。
5.如权利要求1至4任一项所述的人像识别方法,其特征在于,所述框选所述第二人像所在的区域包括:
判断第二人像的个数是否大于1,若第二人像的个数大于1,则确定与焦点距离最短的第二人像;
分别计算所述与焦点距离最短的第二人像与其他第二人像的距离,假设为人像距离;
分别将所述人像距离与预设的距离阈值比较,框选小于或等于预设的距离阈值的人像距离所对应的第二人像。
6.如权利要求1所述的人像识别方法,其特征在于,在所述识别预览画面是否包括第一人像之前,包括:
检测当前拍摄模式是否为背景虚化模式。
7.一种人像识别装置,其特征在于,包括:
第一人像识别单元,用于识别预览画面是否包括第一人像;
第一人像的个数统计单元,用于若所述预览画面包括第一人像,统计所述预览画面包括的第一人像的个数;
人像阈值调整单元,用于根据统计的第一人像的个数调整人像阈值;
第二人像识别单元,用于根据调整的人像阈值重新识别所述预览画面包括的人像,重新识别的人像设为第二人像;
第二人像框选单元,用于框选所述第二人像所在的区域。
8.如权利要求7所述的人像识别装置,其特征在于,所述人像阈值调整单元包括:
人像比较模块,用于将统计的第一人像的个数与预设的对照表中的人像个数比较,所述预设的对照表存储不同的人像个数与人像阈值的对应关系,且人像个数与人像阈值成反比关系;
人像阈值确定模块,用于根据比较结果确定统计的第一人像的个数对应的人像阈值。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810982462.6A CN109101947B (zh) | 2018-08-27 | 2018-08-27 | 人像识别方法、人像识别装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810982462.6A CN109101947B (zh) | 2018-08-27 | 2018-08-27 | 人像识别方法、人像识别装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109101947A true CN109101947A (zh) | 2018-12-28 |
CN109101947B CN109101947B (zh) | 2021-03-26 |
Family
ID=64851365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810982462.6A Active CN109101947B (zh) | 2018-08-27 | 2018-08-27 | 人像识别方法、人像识别装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109101947B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080309796A1 (en) * | 2007-06-13 | 2008-12-18 | Sony Corporation | Imaging device, imaging method and computer program |
CN103136533A (zh) * | 2011-11-28 | 2013-06-05 | 汉王科技股份有限公司 | 基于动态阈值的人脸识别方法及装置 |
CN105530422A (zh) * | 2014-09-30 | 2016-04-27 | 联想(北京)有限公司 | 电子设备的控制方法、控制装置及电子设备 |
CN105574500A (zh) * | 2015-12-15 | 2016-05-11 | 北京天诚盛业科技有限公司 | 提高人脸识别通过率的方法和装置 |
CN105812672A (zh) * | 2016-05-27 | 2016-07-27 | 广东欧珀移动通信有限公司 | 拍照处理方法及装置 |
CN106485230A (zh) * | 2016-10-18 | 2017-03-08 | 中国科学院重庆绿色智能技术研究院 | 基于神经网络的人脸检测模型的训练、人脸检测方法及系统 |
CN106657793A (zh) * | 2017-01-11 | 2017-05-10 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN106791364A (zh) * | 2016-11-22 | 2017-05-31 | 维沃移动通信有限公司 | 一种多人拍照的方法及移动终端 |
CN107566734A (zh) * | 2017-09-29 | 2018-01-09 | 努比亚技术有限公司 | 人像拍照智能控制方法、终端以及计算机可读存储介质 |
CN107613202A (zh) * | 2017-09-21 | 2018-01-19 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
WO2018027414A1 (zh) * | 2016-08-06 | 2018-02-15 | 吕秋萍 | 根据市场反馈停用亮度调节技术的方法以及电视机 |
CN107784281A (zh) * | 2017-10-23 | 2018-03-09 | 北京旷视科技有限公司 | 人脸检测方法、装置、设备及计算机可读介质 |
US20180084179A1 (en) * | 2016-09-19 | 2018-03-22 | Vivotek Inc. | Image capturing method and monitoring apparatus with supplemental lighting modulation |
CN107995422A (zh) * | 2017-11-30 | 2018-05-04 | 广东欧珀移动通信有限公司 | 图像拍摄方法和装置、计算机设备、计算机可读存储介质 |
-
2018
- 2018-08-27 CN CN201810982462.6A patent/CN109101947B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080309796A1 (en) * | 2007-06-13 | 2008-12-18 | Sony Corporation | Imaging device, imaging method and computer program |
CN103136533A (zh) * | 2011-11-28 | 2013-06-05 | 汉王科技股份有限公司 | 基于动态阈值的人脸识别方法及装置 |
CN105530422A (zh) * | 2014-09-30 | 2016-04-27 | 联想(北京)有限公司 | 电子设备的控制方法、控制装置及电子设备 |
CN105574500A (zh) * | 2015-12-15 | 2016-05-11 | 北京天诚盛业科技有限公司 | 提高人脸识别通过率的方法和装置 |
CN105812672A (zh) * | 2016-05-27 | 2016-07-27 | 广东欧珀移动通信有限公司 | 拍照处理方法及装置 |
WO2018027414A1 (zh) * | 2016-08-06 | 2018-02-15 | 吕秋萍 | 根据市场反馈停用亮度调节技术的方法以及电视机 |
US20180084179A1 (en) * | 2016-09-19 | 2018-03-22 | Vivotek Inc. | Image capturing method and monitoring apparatus with supplemental lighting modulation |
CN106485230A (zh) * | 2016-10-18 | 2017-03-08 | 中国科学院重庆绿色智能技术研究院 | 基于神经网络的人脸检测模型的训练、人脸检测方法及系统 |
CN106791364A (zh) * | 2016-11-22 | 2017-05-31 | 维沃移动通信有限公司 | 一种多人拍照的方法及移动终端 |
CN106657793A (zh) * | 2017-01-11 | 2017-05-10 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN107613202A (zh) * | 2017-09-21 | 2018-01-19 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
CN107566734A (zh) * | 2017-09-29 | 2018-01-09 | 努比亚技术有限公司 | 人像拍照智能控制方法、终端以及计算机可读存储介质 |
CN107784281A (zh) * | 2017-10-23 | 2018-03-09 | 北京旷视科技有限公司 | 人脸检测方法、装置、设备及计算机可读介质 |
CN107995422A (zh) * | 2017-11-30 | 2018-05-04 | 广东欧珀移动通信有限公司 | 图像拍摄方法和装置、计算机设备、计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
冯世栋: "人脸检测及跟踪算法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
赵丹: "基于几何特征的人脸识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109101947B (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7110502B2 (ja) | 深度を利用した映像背景減算法 | |
CN109189950B (zh) | 多媒体资源分类方法、装置、计算机设备及存储介质 | |
CN111489290B (zh) | 一种人脸图像超分辨重建方法、装置及终端设备 | |
CN109120862A (zh) | 高动态范围图像获取方法、装置及移动终端 | |
CN109040603A (zh) | 高动态范围图像获取方法、装置及移动终端 | |
CN107622483A (zh) | 一种图像合成方法及终端 | |
CN109086742A (zh) | 场景识别方法、场景识别装置及移动终端 | |
CN108898082B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN107368810A (zh) | 人脸检测方法及装置 | |
CN108961267B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN109215037A (zh) | 目标图像分割方法、装置及终端设备 | |
CN108737739A (zh) | 一种预览画面采集方法、预览画面采集装置及电子设备 | |
CN109101931A (zh) | 一种场景识别方法、场景识别装置及终端设备 | |
CN110347876A (zh) | 视频分类方法、装置、终端设备及计算机可读存储介质 | |
CN108874134A (zh) | 护眼模式处理方法、移动终端及计算机可读存储介质 | |
CN111818050B (zh) | 目标访问行为检测方法、系统、装置、设备及存储介质 | |
CN113452969B (zh) | 图像处理方法和装置 | |
CN108961183A (zh) | 图像处理方法、终端设备及计算机可读存储介质 | |
CN107302666A (zh) | 拍照方法、移动终端及计算机可读存储介质 | |
CN111126347A (zh) | 人眼状态识别方法、装置、终端及可读存储介质 | |
CN107168536A (zh) | 试题搜索方法、试题搜索装置及电子终端 | |
CN106803077A (zh) | 一种拍摄方法及终端 | |
CN109657543A (zh) | 人流量监控方法、装置及终端设备 | |
CN110166696A (zh) | 拍摄方法、装置、终端设备以及计算机可读存储介质 | |
CN108665459A (zh) | 一种图像模糊检测方法、计算设备及可读存储介质 |
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 |