CN109241822A - 一种基于mtcnn的多方位人脸检测方法及系统 - Google Patents
一种基于mtcnn的多方位人脸检测方法及系统 Download PDFInfo
- Publication number
- CN109241822A CN109241822A CN201810769467.0A CN201810769467A CN109241822A CN 109241822 A CN109241822 A CN 109241822A CN 201810769467 A CN201810769467 A CN 201810769467A CN 109241822 A CN109241822 A CN 109241822A
- Authority
- CN
- China
- Prior art keywords
- face
- testing image
- mtcnn
- nose
- eyes
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012360 testing method Methods 0.000 claims abstract description 100
- 238000001514 detection method Methods 0.000 claims description 30
- 210000000887 face Anatomy 0.000 claims description 19
- 230000003321 amplification Effects 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于MTCNN的多方位人脸检测方法及系统，该方法包括：获取待测图像，对待测图像中的双眼和鼻尖进行检测，并将包含双眼及鼻尖的特征框同比例放大一倍，获取特征框所选定的人脸；根据所述获取的待测图像中双眼及鼻尖的位置特征点计算出人脸在二维平面中的旋转角度，并根据旋转角度将人脸转正；采用MTCNN方法对所述人脸转正后的待测图像进行检测，获取不同角度的人脸。该方法通过检测到的人脸中双眼和鼻尖位置特征点的信息，计算出人脸在二维平面偏转的角度，并将人脸进行转正，在人脸偏转角度较大的情况下，仍然能检测到人脸，提高了人脸检测的准确度。
Description
技术领域
本发明属于图像处理技术领域，更具体地，涉及一种基于MTCNN的多方位人脸检测方法及系统。
背景技术
人脸检测是检测出图像中人脸所在位置的一项技术，目前比较常见的方法都是基于神经网络技术(MTCNN)来进行人脸检测。MTCNN主要分为三个步骤：首先，对图像进行多尺度变换，获取图像金字塔，获取图像多尺度信息；其次，将获取的候选区域进行细化处理，排除掉不符合要求的候选区域；最后，输出人脸脸部特征，主要是脸部五点特征位置。
人脸检测技术在检测图像中人脸正面肖像的运用中比较成熟，但是在图片中人脸偏转角度很大的情况下，会发生检测不到的情况，检测准确度下降。
公开号CN107977628A的发明公开了一种神经网络训练方法、人脸检测方法及人脸检测装置，涉及图像处理技术领域，以缓解现有技术中存在的上下文信息的定义误差较大，影响人脸检测精度的问题，能够结合人脸检测自身特征进行自适应的定义上下文信息，减少了人为先验对上下文定义的偏差，提高了对人脸检测精度。该神经网络训练方法，包括：对人脸图像的特征图进行感兴趣区域处理，获得人脸初步区域；利用神经网络对人脸初步区域进行上下文信息估计，获得人脸上下文区域；通过池化算子对人脸上下文区域的坐标求导，更新人脸上下文区域；根据更新后的人脸上下文区域，对神经网络进行反传损失，更新神经网络的参数。该方法在图片中人脸偏转角度很大的情况下，会发生检测不到的情况，人脸检测的精确度较低。
与现有技术相比，本发明在MTCNN的基础上，检测人脸的双眼及鼻尖，根据人脸中双眼及鼻尖的位置特征点计算出人脸在二维平面的旋转角度，通过计算出的旋转角度将人脸转正，检测多角度人脸，提高了人脸检测的准确度。
发明内容
针对现有技术的以上缺陷及改进需求，本发明提供一种基于MTCNN的多方位人脸检测方法及系统，其目的在于提供一种准确度更高的人脸检测方法及系统，由此解决现有技术存在的在人脸偏转角度较大的情况下检测准确度较低的技术问题。
为实现上述目的，本发明提供一种基于MTCNN的多方位人脸检测方法，包括步骤：
S1.获取待测图像，对待测图像中的双眼和鼻尖进行检测，并将包含双眼及鼻尖的特征框同比例放大一倍，获取特征框所选定的人脸；
S2.根据所述获取的待测图像中双眼及鼻尖的位置特征点计算出人脸在二维平面中的旋转角度，并根据旋转角度将人脸转正；
S3.采用MTCNN方法对所述人脸转正后的待测图像进行检测，获取不同角度的人脸。
进一步的，在步骤S3之后，还包括步骤：
采用MTCNN方法对所述获取的待测图像进行检测，获取待测图像中的人脸。
进一步的，还包括步骤：
对所述得到的特征框所选定的人脸、不同角度的人脸及待测图像中的人脸取并集，以便获取待测图像中的所有人脸。
进一步的，在步骤S1之前，还包括步骤：
建立采用MTCNN方法只对待测图像中的双眼及鼻尖进行检测的模型。
进一步的，还包括步骤：
将获取的待测图像中的所有人脸进行反馈。
相应的，还提供一种基于MTCNN的多方位人脸检测系统，包括：
第一获取模块，用于获取待测图像；
检测模块，用于对待测图像中的双眼和鼻尖、人脸转正后的待测图像进行检测；
放大模块，用于将包含双眼及鼻尖的特征框同比例放大一倍；
第二获取模块，用于获取特征框所选定的人脸以及人脸转正后不同角度的人脸；
计算模块，用于根据所述获取的待测图像中双眼及鼻尖的位置特征点计算出人脸在二维平面中的旋转角度；
矫正模块，用于根据旋转角度将人脸转正。
进一步的，还包括：
检测模块，用于对所述获取的待测图像进行检测；
第二获取模块，用于获取待测图像中的人脸。
进一步的，还包括：
合并模块，用于对所述得到的特征框所选定的人脸、不同角度的人脸及待测图像中的人脸取并集。
进一步的，还包括：
建模模块，用于建立采用MTCNN方法只对待测图像中的双眼及鼻尖进行检测的模型。
进一步的，还包括：
反馈模块，用于将获取的待测图像中的所有人脸进行反馈。
本发明与现有技术相比，有如下优点：
在传统MTCNN方法检测人脸的基础上，通过检测人脸的双眼及鼻尖，根据人脸中双眼及鼻尖的位置特征点计算出人脸在二维平面的旋转角度，通过计算出的旋转角度将人脸转正，再采用MTCNN方法对人脸转正后的图像进行检测，从而检测到多角度人脸，对传统MTCNN方法检测到的人脸进行补缺，在人脸偏转角度较大的情况下，也能检测到人脸，提高了人脸检测的准确度。
附图说明
图1是实施例一提供的一种基于MTCNN的多方位人脸检测方法流程图；
图2是实施例一提供的一种基于MTCNN的多方位人脸检测系统结构图；
图3是实施例二提供的一种基于MTCNN的多方位人脸检测方法流程图；
图4是实施例二提供的一种基于MTCNN的多方位人脸检测系统结构图。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
实施例一
本实施例提供一种基于MTCNN的多方位人脸检测方法，如图1所示，包括步骤：
S11.获取待测图像，对待测图像中的双眼和鼻尖进行检测，并将包含双眼及鼻尖的特征框同比例放大一倍，获取特征框所选定的人脸；
S12.根据所述获取的待测图像中双眼及鼻尖的位置特征点计算出人脸在二维平面中的旋转角度，并根据旋转角度将人脸转正；
S13.采用MTCNN方法对所述人脸转正后的待测图像进行检测，获取不同角度的人脸。
在获取了待测图像后，对待测图像中的双眼及鼻尖进行检测，检测到的双眼及鼻尖会通过特征框框选出来，然后对检测到的双眼及鼻尖的特征框使用同一比例放大一倍，这样特征框就能完全框选住包含双眼及鼻尖的人脸，则可以获取到特征框所选定的人脸。当特征款框选住完整的人脸后，系统会自动将人脸中双眼及鼻尖的位置特征点显示出来，再根据所述获取的待测图像中双眼及鼻尖的位置特征点计算出人脸在二维平面中的旋转角度，计算出旋转角度后，则可根据人脸的旋转角度将人脸转正，最后采用传统的MTCNN方法对人脸转正后的待测图像进行检测，则可以获取到不同角度的人脸，即使有偏转角度较大的人脸，经过转正处理后，也能被检测到，人脸检测的准确度有了显著提高。
进一步的，在步骤S13之后，还包括步骤：
采用MTCNN方法对所述获取的待测图像进行检测，获取待测图像中的人脸。
这一步是为了确保人脸检测的准确度至少与传统MTCNN方法的人脸检测准确度持平，对获取的待测图像采用传统的MTCNN方法进行检测，获取待测图像中的人脸。
进一步的，还包括步骤：
对所述得到的特征框所选定的人脸、不同角度的人脸及待测图像中的人脸取并集，以便获取待测图像中的所有人脸。
将前面步骤获取的特征框所选定的人脸、不同角度的人脸及待测图像中的人脸取并集，获取待测图像中的所有人脸，这是在传统MTCNN方法检测人脸的基础上，增加对人脸偏转角度较大情况下将人脸转正这一步骤，对人脸偏转角度较大而无法检测到人脸的情况进行补充，提高了人脸检测的准确度。
进一步的，在步骤S11之前，还包括步骤：
建立采用MTCNN方法只对待测图像中的双眼及鼻尖进行检测的模型。
传统的MTCNN方法通常是对人脸的双眼、鼻子及嘴巴进行检测，最终的出双眼、鼻尖及嘴巴两角一共五个特征点，但出于便利度与精确度的考虑，在人脸偏转较大的情况下，通过对双眼及鼻尖的检测获取双眼及鼻尖的特征点位置来计算人脸偏转的角度更为合适，因此，在传统MTCNN技术的基础上，需要先建立一个采用MTCNN方法只对待测图像中的双眼及鼻尖进行检测的模型，再对获取的待测图像及进行检测。
相应的，还提供一种基于MTCNN的多方位人脸检测系统，如图2所示，包括：
第一获取模块11，用于获取待测图像；
检测模块12，用于对待测图像中的双眼和鼻尖、人脸转正后的待测图像进行检测；
放大模块13，用于将包含双眼及鼻尖的特征框同比例放大一倍；
第二获取模块14，用于获取特征框所选定的人脸以及人脸转正后不同角度的人脸；
计算模块15，用于根据所述获取的待测图像中双眼及鼻尖的位置特征点计算出人脸在二维平面中的旋转角度；
矫正模块16，用于根据旋转角度将人脸转正。
第一获取模块11获取待测图像，再由检测模块12对待测图像中的双眼及鼻尖进行检测，当特征框框选住双眼及鼻尖后，由放大模块13将包含双眼及鼻尖的特征框同比例放大一倍，使特征框框选住完全的人脸，再由第二获取模块14获取特征框所选定的人脸。当检测模块12检测出待测图像中的双眼及鼻尖位置特征点后，由计算模块15根据获取的待测图像中的双眼及鼻尖的位置特征点计算出人脸在二维平面中的旋转角度，再由矫正模块16根据旋转角度将人脸转正，人脸转正后，由检测模块12对人脸转正后的待测图像进行检测，再由第二获取模块14获取人脸转正后不同角度的人脸。
进一步的，还包括：
检测模块12，用于对所述获取的待测图像进行检测；
第二获取模块14，用于获取待测图像中的人脸。
检测模块12对采用传统的MTCNN方法所述获取的待测图像进行检测，由第二获取模块12获取检测模块12检测出的待测图像中的人脸。
进一步的，还包括：
合并模块17，用于对所述得到的特征框所选定的人脸、不同角度的人脸及待测图像中的人脸取并集。
由合并模块17将第二获取模块14获取的特征框所选定的人脸、不同角度的人脸及待测图像中的人脸取并集，以便获取待测图像中的所有人脸。
进一步的，还包括：
建模模块18，用于建立采用MTCNN方法只对待测图像中的双眼及鼻尖进行检测的模型。
建模模块18建立采用MTCNN方法只对待测图像中的双眼及鼻尖进行检测的模型后，再由第一获取模块11获取待测图像。
本实施例在传统MTCNN方法检测人脸的基础上，通过检测人脸的双眼及鼻尖，根据人脸中双眼及鼻尖的位置特征点计算出人脸在二维平面的旋转角度，通过计算出的旋转角度将人脸转正，再采用MTCNN方法对人脸转正后的图像进行检测，从而检测到多角度人脸，对传统MTCNN方法检测到的人脸进行补缺，在人脸偏转角度较大的情况下，也能检测到人脸，提高了人脸检测的准确度。
实施例二
本实施例提供一种基于MTCNN的多方位人脸检测方法，如图3所示，包括步骤：
S21.获取待测图像，对待测图像中的双眼和鼻尖进行检测，并将包含双眼及鼻尖的特征框同比例放大一倍，获取特征框所选定的人脸；
S22.根据所述获取的待测图像中双眼及鼻尖的位置特征点计算出人脸在二维平面中的旋转角度，并根据旋转角度将人脸转正；
S23.采用MTCNN方法对所述人脸转正后的待测图像进行检测，获取不同角度的人脸。
进一步的，在步骤S23之后，还包括步骤：
采用MTCNN方法对所述获取的待测图像进行检测，获取待测图像中的人脸。
进一步的，还包括步骤：
对所述得到的特征框所选定的人脸、不同角度的人脸及待测图像中的人脸取并集，以便获取待测图像中的所有人脸。
进一步的，在步骤S21之前，还包括步骤：
建立采用MTCNN方法只对待测图像中的双眼及鼻尖进行检测的模型。
进一步的，还包括步骤：
将获取的待测图像中的所有人脸进行反馈。
与实施例一不同的是，还包括步骤：
将获取的待测图像中的所有人脸进行反馈。
在获取了待测图像中的所有人脸后，应当将获取的所有人脸进行反馈，以便用户知悉，也方便用户进行判断是否有遗漏的人脸。
相较于实施例一，其优点在于：
将获取的所有人脸进行反馈，以便用户知悉，提升了用户的体验。
相应的，还提供一种基于MTCNN的多方位人脸检测系统，如图4所示，包括：
第一获取模块21，用于获取待测图像；
检测模块22，用于对待测图像中的双眼和鼻尖、人脸转正后的待测图像进行检测；
放大模块23，用于将包含双眼及鼻尖的特征框同比例放大一倍；
第二获取模块24，用于获取特征框所选定的人脸以及人脸转正后不同角度的人脸；
计算模块25，用于根据所述获取的待测图像中双眼及鼻尖的位置特征点计算出人脸在二维平面中的旋转角度；
矫正模块26，用于根据旋转角度将人脸转正。
进一步的，还包括：
检测模块22，用于对所述获取的待测图像进行检测；
第二获取模块24，用于获取待测图像中的人脸。
进一步的，还包括：
合并模块27，用于对所述得到的特征框所选定的人脸、不同角度的人脸及待测图像中的人脸取并集。
进一步的，还包括：
建模模块28，用于建立采用MTCNN方法只对待测图像中的双眼及鼻尖进行检测的模型。
进一步的，还包括：
反馈模块29，用于将所述获取的待测图像中的所有人脸进行反馈。
与实施例一不同的是，还包括反馈模块29。
反馈模块29，用于将所述获取的待测图像中的所有人脸进行反馈。
合并模块27对所述得到的特征框所选定的人脸、不同角度的人脸及待测图像中的人脸取并集后，由反馈模块29将获取的所有人脸进行反馈。
将获取的所有人脸进行反馈，以便用户知悉，提升了用户的体验。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种基于MTCNN的多方位人脸检测方法，其特征在于，包括步骤：
S1.获取待测图像，对待测图像中的双眼和鼻尖进行检测，并将包含双眼及鼻尖的特征框同比例放大一倍，获取特征框所选定的人脸；
S2.根据所述获取的待测图像中双眼及鼻尖的位置特征点计算出人脸在二维平面中的旋转角度，并根据旋转角度将人脸转正；
S3.采用MTCNN方法对所述人脸转正后的待测图像进行检测，获取不同角度的人脸。
2.如权利要求1所述的一种基于MTCNN的多方位人脸检测方法，其特征在于，在步骤S3之后，还包括步骤：
采用MTCNN方法对所述获取的待测图像进行检测，获取待测图像中的人脸。
3.如权利要求2所述的一种基于MTCNN的多方位人脸检测方法，其特征在于，还包括步骤：
对所述得到的特征框所选定的人脸、不同角度的人脸及待测图像中的人脸取并集，以便获取待测图像中的所有人脸。
4.如权利要求1所述的一种基于MTCNN的多方位人脸检测方法，其特征在于，在步骤S1之前，还包括步骤：
建立采用MTCNN方法只对待测图像中的双眼及鼻尖进行检测的模型。
5.如权利要求3所述的一种基于MTCNN的多方位人脸检测方法，其特征在于，还包括步骤：
将获取的待测图像中的所有人脸进行反馈。
6.一种基于MTCNN的多方位人脸检测系统，其特征在于，包括：
第一获取模块，用于获取待测图像；
检测模块，用于对待测图像中的双眼和鼻尖、人脸转正后的待测图像进行检测；
放大模块，用于将包含双眼及鼻尖的特征框同比例放大一倍；
第二获取模块，用于获取特征框所选定的人脸以及人脸转正后不同角度的人脸；
计算模块，用于根据所述获取的待测图像中双眼及鼻尖的位置特征点计算出人脸在二维平面中的旋转角度；
矫正模块，用于根据旋转角度将人脸转正。
7.如权利要求6所述的一种基于MTCNN的多方位人脸检测系统，其特征在于，还包括：
检测模块，用于对所述获取的待测图像进行检测；
第二获取模块，用于获取待测图像中的人脸。
8.如权利要求7所述的一种基于MTCNN的多方位人脸检测系统，其特征在于，还包括：
合并模块，用于对所述得到的特征框所选定的人脸、不同角度的人脸及待测图像中的人脸取并集。
9.如权利要求6所述的一种基于MTCNN的多方位人脸检测系统，其特征在于，还包括：
建模模块，用于建立采用MTCNN方法只对待测图像中的双眼及鼻尖进行检测的模型。
10.如权利要求8所述的一种基于MTCNN的多方位人脸检测系统，其特征在于，还包括：
反馈模块，用于将获取的待测图像中的所有人脸进行反馈。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810769467.0A CN109241822A (zh) | 2018-07-13 | 2018-07-13 | 一种基于mtcnn的多方位人脸检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810769467.0A CN109241822A (zh) | 2018-07-13 | 2018-07-13 | 一种基于mtcnn的多方位人脸检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109241822A true CN109241822A (zh) | 2019-01-18 |
Family
ID=65072573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810769467.0A Pending CN109241822A (zh) | 2018-07-13 | 2018-07-13 | 一种基于mtcnn的多方位人脸检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109241822A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109784296A (zh) * | 2019-01-27 | 2019-05-21 | 武汉星巡智能科技有限公司 | 客车乘客数量统计方法、装置及计算机可读存储介质 |
| CN110097021A (zh) * | 2019-05-10 | 2019-08-06 | 电子科技大学 | 基于mtcnn的人脸姿态估计方法 |
| CN110458113A (zh) * | 2019-08-14 | 2019-11-15 | 旭辉卓越健康信息科技有限公司 | 一种人脸非配合场景下的小人脸识别方法 |
| CN113011230A (zh) * | 2019-12-20 | 2021-06-22 | 杭州萤石软件有限公司 | 一种人脸偏转角度的确定方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622604A (zh) * | 2012-02-14 | 2012-08-01 | 西安电子科技大学 | 一种基于可变形部件加权的多角度人脸检测方法 |
| CN104361327A (zh) * | 2014-11-20 | 2015-02-18 | 苏州科达科技股份有限公司 | 一种行人检测方法和系统 |
| CN107358207A (zh) * | 2017-07-14 | 2017-11-17 | 重庆大学 | 一种矫正人脸图像的方法 |
| CN107766811A (zh) * | 2017-10-10 | 2018-03-06 | 浙江大学 | 一种基于复杂流型结构的人脸识别方法及系统 |
| CN107944393A (zh) * | 2017-11-27 | 2018-04-20 | 电子科技大学 | 人脸鼻尖定位方法 |
| CN107967456A (zh) * | 2017-11-27 | 2018-04-27 | 电子科技大学 | 一种基于人脸关键点的多神经网络级联识别人脸方法 |
-
2018
- 2018-07-13 CN CN201810769467.0A patent/CN109241822A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622604A (zh) * | 2012-02-14 | 2012-08-01 | 西安电子科技大学 | 一种基于可变形部件加权的多角度人脸检测方法 |
| CN104361327A (zh) * | 2014-11-20 | 2015-02-18 | 苏州科达科技股份有限公司 | 一种行人检测方法和系统 |
| CN107358207A (zh) * | 2017-07-14 | 2017-11-17 | 重庆大学 | 一种矫正人脸图像的方法 |
| CN107766811A (zh) * | 2017-10-10 | 2018-03-06 | 浙江大学 | 一种基于复杂流型结构的人脸识别方法及系统 |
| CN107944393A (zh) * | 2017-11-27 | 2018-04-20 | 电子科技大学 | 人脸鼻尖定位方法 |
| CN107967456A (zh) * | 2017-11-27 | 2018-04-27 | 电子科技大学 | 一种基于人脸关键点的多神经网络级联识别人脸方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109784296A (zh) * | 2019-01-27 | 2019-05-21 | 武汉星巡智能科技有限公司 | 客车乘客数量统计方法、装置及计算机可读存储介质 |
| CN110097021A (zh) * | 2019-05-10 | 2019-08-06 | 电子科技大学 | 基于mtcnn的人脸姿态估计方法 |
| CN110097021B (zh) * | 2019-05-10 | 2022-09-06 | 电子科技大学 | 基于mtcnn的人脸姿态估计方法 |
| CN110458113A (zh) * | 2019-08-14 | 2019-11-15 | 旭辉卓越健康信息科技有限公司 | 一种人脸非配合场景下的小人脸识别方法 |
| CN113011230A (zh) * | 2019-12-20 | 2021-06-22 | 杭州萤石软件有限公司 | 一种人脸偏转角度的确定方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109241822A (zh) | 一种基于mtcnn的多方位人脸检测方法及系统 | |
| CN106055091B (zh) | 一种基于深度信息和校正方式的手部姿态估计方法 | |
| CN107392964B (zh) | 基于室内特征点和结构线结合的室内slam方法 | |
| CN104036546B (zh) | 一种基于自适应形变模型的任意视角人脸三维重构方法 | |
| JP4950787B2 (ja) | 画像処理装置及びその方法 | |
| CN104899563B (zh) | 一种二维人脸关键特征点定位方法及系统 | |
| CN111353506B (zh) | 自适应的视线估计方法和设备 | |
| CN111414798A (zh) | 基于rgb-d图像的头部姿态检测方法及系统 | |
| CN110738161A (zh) | 一种基于改进生成式对抗网络的人脸图像矫正方法 | |
| CN110096925A (zh) | 人脸表情图像的增强方法、获取方法和装置 | |
| CN104123746B (zh) | 一种三维扫描点云中实时法向量的计算方法 | |
| CN109087261B (zh) | 基于非受限采集场景的人脸矫正方法 | |
| JP2014127208A (ja) | 物体検出方法及び物体検出装置 | |
| CN105678241B (zh) | 一种级联的二维图像人脸姿态估计方法 | |
| CN111160291B (zh) | 基于深度信息与cnn的人眼检测方法 | |
| CN105740781A (zh) | 一种三维人脸活体检测的方法和装置 | |
| CN109977827B (zh) | 一种使用多视图匹配方法的多人三维姿态估计方法 | |
| CN113065532B (zh) | 一种基于rgbd图像的坐姿几何参数检测方法及系统 | |
| CN105741326B (zh) | 一种基于聚类融合的视频序列的目标跟踪方法 | |
| CN106408596A (zh) | 基于边缘的局部立体匹配方法 | |
| CN109509194B (zh) | 一种复杂背景下正面人体图像分割方法及装置 | |
| WO2022041953A1 (zh) | 行为识别方法、装置和存储介质 | |
| CN110363250A (zh) | 一种三维图像智能匹配的方法及其系统 | |
| Lee et al. | Anlysis methods of the variation of facial size and shape based on 3D face scan images | |
| CN113989936A (zh) | 一种可识别儿童坐姿并自动语音纠正的台灯 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201203 Address after: Room 10242, No. 260, Jiangshu Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Jiji Intellectual Property Operation Co., Ltd Address before: 201616 Shanghai city Songjiang District Sixian Road No. 3666 Applicant before: Phicomm (Shanghai) Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |