CN109241943A - 非对齐人脸特征提取方法、装置、计算机设备及存储介质 - Google Patents
非对齐人脸特征提取方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109241943A CN109241943A CN201811171703.5A CN201811171703A CN109241943A CN 109241943 A CN109241943 A CN 109241943A CN 201811171703 A CN201811171703 A CN 201811171703A CN 109241943 A CN109241943 A CN 109241943A
- Authority
- CN
- China
- Prior art keywords
- facial image
- face
- feature extraction
- alignment
- extraction method
- 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
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及人脸识别领域,尤其涉及一种非对齐人脸特征提取方法、装置、计算机设备及存储介质,该方法包括:获取待识别的人脸图像;检测所述人脸图像的对称情况;对非对称人脸图像进行区域划分;对划分出的每块区域进行特征提取。本发明通过将非对齐的人脸图像进行分割后在提取特征值,当人脸在图片中水平或垂直移动的时候,可以保持区域特征的不变或者减小人脸不对齐对特征提取的影响,间接地起到了人脸对齐的作用,人脸特征提取更加准确,通过PCA降维处理对特征向量进行降维操作,降低计算难度,提升人脸特征提取速度。
Description
技术领域
本发明涉及人脸识别领域,尤其涉及一种非对齐人脸特征提取方法、装置、计算机设备及存储介质。
背景技术
随着计算机科学与技术的飞速发展与进步,人脸识别技术的应用也越来越广泛,人脸识别技术作为生物特征识别技术的重要组成部分,具有较高的安全性、可靠性和有效性。
现有的人脸识别技术都是通过对人脸的特征进行提取,然后对提取的特征进行识别,现有的特征提取方式有全局特征提取和区域特征提取,都是通过将人脸的灰度图片中所有的像素信息存储再下来,然后计算图像像素点的LBP特征值,在根据这些LBP特征值进行直方图的统计,然而,将所有的像素点存储计算,计算量太大,浪费硬件资源,数据量过大,其而形成的直方图过于稀疏,影响识别速度,且对于非对齐情况下的人脸特征提取不准确,到时人脸识别不准确。
发明内容
本发明的目的在意克服现有技术的缺陷,提供一种非对齐人脸特征提取方法、装置、计算机设备及存储介质,以解决上述技术问题。
本发明实施例提供的非对齐人脸特征提取方法,包括如下步骤:
获取待识别的人脸图像;
检测所述人脸图像的对称情况;
对非对称人脸图像进行区域划分;
对划分出的每块区域进行特征提取。
本发明实施例还提供一种非对齐人脸特征提取装置,应用上述非对齐人脸特征提取方法对人脸进行提取,包括:
信息获取单元,用于获取待识别的人脸图像信息;
信息处理单元,用于处理所述待识别的人脸图像信息;
结果输出单元,用于输出人脸特征提取结果。
本发明实施例还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述述一种非对齐人脸特征提取方法的步骤。
本发明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上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述一种非对齐人脸特征提取方法的步骤。
本发明实施例提供的非对齐人脸特征提取方法,通过将非对齐的人脸图像进行分割后在提取特征值,当人脸在图片中水平或垂直移动的时候,可以保持区域特征的不变或者减小人脸不对齐对特征提取的影响,间接地起到了人脸对齐的作用,人脸特征提取更加准确。
附图说明
图1示出了适于本发明实施例的非对齐人脸特征提取方法的实施环境图;
图2示出了适于本发明实施例的非对齐人脸特征提取方法流程图;
图3(a)示出了适于本发明实施例的人脸图像水平区域划分示意图;
图3(b)示出了适于本发明实施例的人脸图像竖直区域划分示意图;
图4示出了适于本发明实施例的4种情况下人脸图像的区域划分示意图;
图5示出了适于本发明实施例的一种非对齐人脸特征提取装置模块图;
图6示出了适于本发明实施例的一种计算机设备的内部结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,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,并不用于限定本发明。
本发明实施例通过对待识别的非对齐人脸图像进行区域划分后再进行特征提取,能够准确提取非对齐人脸图像的特征,提高后续人脸识别的准确性。
实施例一
图1示出了适于本发明实施例的非对齐人脸特征提取方法的实施环境图,详述如下:
包括多个人脸图像获取终端110以及处理服务器120,其中人脸图像获取终端110通过网络与处理服务器120相连。
在本发明实施例中,人脸图像获取终端是指能够获取待识别的人脸图像的装置,可以是摄像头、或者带有摄像或照相功能的手机、手表、电脑、MP4等电子产品等,还可以是储存有待识别的人脸图像的存储设备等。
在本发明实施例个,管理服务器可以是独立的物理服务器或者终端,也可以是多个服务器构成的服务器集群,可以是提供云数据库、云存储和CDN等基础云计算服务的云服务器。
图2示出了适于本发明实施例的非对称人脸特征提取方法的流程图,详述如下:
在步骤S201中,获取待识别的人脸图像。
在本发明实施例中,待识别的人脸图像应该清晰可辨,至少包含待识别人脸的80%。
在本发明实施例中,获取待识别的人脸图像可以是指通过人脸图像获取终端110将待识别的人脸图像传输至处理服务器120中,而根据人脸图像获取终端的不同,处理服务器获取待识别的人脸图像的方式也不同,可以是通过摄像头对待识别的人脸图像进行拍摄形成图片后,将该图片通过网络传输至处理服务器,也可以是直接将存储有待识别的人脸图像的存储设备内的人脸图像数据传输至管理服务器中等。
在步骤S202中,检测所述人脸图像的对称情况。
在本发明实施例中,人脸图像的对称情况是指人脸在整个图像空间中的位置情况,当人脸不处于整个图像的中心位置时,则该人脸图像是非对齐的。
作为本发明一种实施例,处理服务器接收到待识别的人脸图像后,会根据图像灰度值的分布情况,判断人脸是否处于图像正中心,当人脸部分的灰度值不在图像正中心时,则代表该图像为非对齐人脸图像。
本发明通过对待识别的人脸图像进行检测,识别出非对齐人脸图像,然后对非对齐人脸图像单独处理,提取特征值,提高人脸识别的准确度。
在步骤S203中,对非对称人脸图像进行区域划分。
在本发明实施例中,区域划分是指将人脸图像划分为多个区域,具体划分区域的形状和大小可以根据实际需要识别的人脸图像进行自由设定。
在本发明实施中,对非对称人脸图像进行区域划分包括:
将所述人脸图像水平分割为n等份;或者
将所述人脸图像竖直分割为n等份。
图3(a)和图3(b)分别示出了适于本发明实施例的两种人脸区域划分的方式,详述如下:
作为本发明一种实施例,如图3(a)所示,当处理服务器接收到待识别的人脸图像后,对人脸图像区域划分,将整个人脸图像在水平方向上平均分割为n等份,形成n个区域。
作为本发明有一个是实施例,如图3(b)所示,当处理服务器接收到待识别的人脸图像后,对人脸图像区域划分,将整个人脸图像在竖直方向上平均分割为n等份,形成n个区域。
本发明实施例通过将待识别的人脸图像沿水平方向或者竖直方向分割为对个区域,分别对各个区域进行特征提取,减小因人脸非对齐对特征提取的影响。
在步骤S204中,对划分出的每块区域进行特征提取。
在本发明实施例中,特征提取是指提取出能够代表每个区域特征的特征向量。
作为本发明一种实施例,当非对齐人脸图像被分割为n个区域后,分别对每个区域进行基于LBP(Local binary patterns,局部二值模式)的特征提取,并形成代表整个人脸图像的特征向量。
本发明通过对整个人脸图像的每个区域进行特征提取,得到每个区域的特征向量,可以避免因人脸非对齐带来的特征提取不准确的问题,提高人脸图像的特征提取的准确性,进而提高人脸识别的准确度。
在本发明实施例中,对所述人脸图像进行水平分割或者竖直分割的依据为:
当所述人脸图像在水平方向上移动导致人脸不对称时,对所述人脸图像进行水平分隔;
当所述人脸图像在竖直方向上移动导致人脸不对称时,对所述人脸图像进行竖直分割。
在本发明实施例中,人脸在水平方向移动导致人脸不对称是指人脸在整个人脸图像中偏左或者偏右,人脸在整个人脸图像中偏上或者偏下。
图4示出了适于本发明实施例的4种情况下人脸图像的区域划分示意图,详述如下:
在本发明实施例中,如图4(a)和图4(c)所示,当人脸图像处于对齐状态时,对人脸图像分别进行水平区域划分和竖直区域划;如图4(b)所示,当因为人脸水平移动导致人脸图像处于非对齐状态时,对人脸图像采用水平区域分割;如图4(d)所示,当因为人脸水平移动导致人脸图像处于非对齐状态时,对人脸图像采用竖直区域分割。上述4种分割方法将人脸图像划分为多个区域,区域个数可以根据实际情况灵活设置。
本发明实施例通过对不同情况的非对齐人脸图像采用不同的区域分割方法,降低人脸非对齐状态对人脸图像特征提取的影响,提高特征提取的准确度,进而提高人脸识别的精确度。
在本发明实施例中,对划分的每块区域进行特征提取包括:
提取所述每块区域的LBP值
将所述LBP值转化为LBP直方图;
对所述LBP直方图进行处理得到直方图向量;
对所述直方图向量进行降维处理,得到所述人脸图像的特征向量。
在本发明实施例中,提取所述每块区域的LBP值是指将每个像素点的灰度值与其邻域像素点的灰度值进行比较,大小关系由0和1表示,并将该大小关系按照一定的顺序排列形成一个二进制数,该二进制数即是该像素点的LBP值。
在本发明实施例中,提取所述每块区域的LBP值,将所述LBP值转化为LBP直方图,对所述LBP直方图进行处理得到直方图向量,都是LBP特征提取的常规操作,本发明不再阐述。
在本发明实施例中,采用PCA(principal components analysis,主成分分析)降维对直方图向量进行降维处理。
作为本发明一种实施例,围绕每个像素点形成3x3的网格,将网格外围的像素灰度值与网格中心的像素灰度值的大小进行比较,比网格中心的像素灰度值大的取1,小的取0,然后按照从左上区开始按照顺时针顺序将8个数值排列形成一个二进制数,该二进制数即为该像素点的LBP值,获取每个区域内所有像素点的LBP值。然后将得到的LBP值以直方图的形式表现出来,并对直方图进行统计,得到直方图向量,再对直方图向量进行降维处理。
作为本发明一种实施例,对直方图向量采用PCA降维,先对所有直方图向量求解平均向量,构件协方差矩阵,协方差计算公式如式(1)所示:
计算协方差矩阵的特征值和特征值对应的特征向量,将特征值按照从小到大的顺序排列,保留前N个特征值对应的特征值向量,则该特征值向量即为该区域的特征值向量。
本发明实施例通过将非对齐的人脸图像进行分割后在提取特征值,当人脸在图片中水平或垂直移动的时候,可以保持区域特征的不变或者减小人脸不对齐对特征提取的影响,间接地起到了人脸对齐的作用,人脸特征提取更加准确。
图5示出了适于本发明实施例的一种非对齐人脸特征提取装置模块图,详述如下:
包括信息获取单元510、信息处理单元520、以及结果输出单元530。
在本发明实施例中,信息获取单元510用于获取待识别的人脸图像。
在本发明实施例中,信息获取单元通过人脸图像获取终端获取待识别的人脸图像,人脸图像获取终端是指能够获取待识别的人脸图像的装置,可以是摄像头、或者带有摄像或照相功能的手机、手表、电脑、MP4等电子产品等,还可以是储存有待识别的人脸图像的存储设备等。
在本发明实施例中,信息处理单元520用于处理所述待识别的人脸图像。
在本发明实施例中,信息处理单元520处理所述人脸图像具体为:
检测所述人脸图像的对称情况;
在本发明实施例中,人脸图像的对称情况是指人脸在整个图像空间中的位置情况,当人脸不处于整个图像的中心位置时,则该人脸图像是非对齐的。
作为本发明一种实施例,处理服务器接收到待识别的人脸图像后,会根据图像灰度值的分布情况,判断人脸是否处于图像正中心,当人脸部分的灰度值不在图像正中心时,则代表该图像为非对齐人脸图像。
本发明通过对待识别的人脸图像进行检测,识别出非对齐人脸图像,然后对非对齐人脸图像单独处理,提取特征值,提高人脸识别的准确度。
对非对称人脸图像进行区域划分;
在本发明实施例中,区域划分是指将人脸图像划分为多个区域,具体划分区域的形状和大小可以根据实际需要识别的人脸图像进行自由设定。
在本发明实施中,对非对称人脸图像进行区域划分包括:
将所述人脸图像水平分割为n等份;或者
将所述人脸图像竖直分割为n等份。
图3(a)和图3(b)分别示出了适于本发明实施例的两种人脸区域划分的方式,详述如下:
作为本发明一种实施例,如图3(a)所示,当处理服务器接收到待识别的人脸图像后,对人脸图像区域划分,将整个人脸图像在水平方向上平均分割为n等份,形成n个区域。
作为本发明有一个是实施例,如图3(b)所示,当处理服务器接收到待识别的人脸图像后,对人脸图像区域划分,将整个人脸图像在竖直方向上平均分割为n等份,形成n个区域。
对划分出的每块区域进行特征提取。
在本发明实施例中,特征提取是指提取出能够代表每个区域特征的特征向量。
作为本发明一种实施例,当非对齐人脸图像被分割为n个区域后,分别对每个区域进行基于LBP的特征提取,并形成代表整个人脸图像的特征向量。
本发明通过对整个人脸图像的每个区域进行特征提取,得到每个区域的特征向量,可以避免因人脸非对齐带来的特征提取不准确的问题,提高人脸图像的特征提取的准确性,进而提高人脸识别的准确度。
图6示出了适于本发明实施例的一种计算机设备的内部结构示意图,详述如下:
在本发明实施例中,该计算机设备具体可以是图1中的处理服务器120。如图6所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现一种非对齐人脸特征提取方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行一种非对齐人脸特征提取方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在本发明实施例中,提出了一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上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以下步骤:
获取待识别的人脸图像;
检测所述人脸图像的对称情况;
对非对称人脸图像进行区域划分;
对划分出的每块区域进行特征提取。
在一个实施例中,提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
获取待识别的人脸图像;
检测所述人脸图像的对称情况;
对非对称人脸图像进行区域划分;
对划分出的每块区域进行特征提取。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种非对齐人脸特征提取方法,其特征在于,包括:
获取待识别的人脸图像;
检测所述人脸图像的对称情况;
对非对称人脸图像进行区域划分;
对划分出的每块区域进行特征提取。
2.根据权利要求1所述的一种非对齐人脸特征提取方法,其特征在于,所述对非对称人脸图像进行区域划分包括:
将所述人脸图像水平分割为n等份;或者
将所述人脸图像竖直分割为n等份。
3.根据权利要求2所述的一种非对齐人脸特征提取方法,其特征在于,对所述人脸图像进行水平分割或者竖直分割的依据为:
当所述人脸图像在水平方向上移动导致人脸不对称时,对所述人脸图像进行水平分隔;
当所述人脸图像在竖直方向上移动导致人脸不对称时,对所述人脸图像进行竖直分割。
4.根据权利要求1所述的一种非对齐人脸特征提取方法,其特征在于,所述对划分的每块区域进行特征提取包括:
提取所述每块区域的LBP值;
将所述LBP值转化为LBP直方图;
对所述LBP直方图进行处理得到直方图向量;
对所述直方图向量进行降维处理,得到所述人脸图像的特征向量。
5.根据权利要求4所述的一种非对齐人脸特征提取方法,其特征在于,所述对所述直方图向量进行降维处理,得到所述人脸图像的特征向量包括:
对所有所述直方图向量求解平均向量,构建协方差矩阵,计算协方差矩阵的特征值和所述特征值对应的特征向量,将所述特征值进行从小到大排列,保留前N个特征值对用的特征向量。
6.一种非对齐人脸特征提取装置,应用权利要求1所述的非对齐人脸特征提取方法对人脸特征进行提取,其特征在于,包括:
信息获取单元,用于获取待识别的人脸图像信息;
信息处理单元,用于处理所述待识别的人脸图像信息;
结果输出单元,用于输出人脸特征提取结果。
7.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至5中任一项权利要求所述一种非对齐人脸特征提取方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至5中任一项权利要求所述一种非对齐人脸特征提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811171703.5A CN109241943A (zh) | 2018-10-09 | 2018-10-09 | 非对齐人脸特征提取方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811171703.5A CN109241943A (zh) | 2018-10-09 | 2018-10-09 | 非对齐人脸特征提取方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109241943A true CN109241943A (zh) | 2019-01-18 |
Family
ID=65054971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811171703.5A Pending CN109241943A (zh) | 2018-10-09 | 2018-10-09 | 非对齐人脸特征提取方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109241943A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115358917A (zh) * | 2022-07-14 | 2022-11-18 | 北京汉仪创新科技股份有限公司 | 一种手绘风格非对齐人脸迁移方法、设备、介质和系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1341401A (zh) * | 2001-10-19 | 2002-03-27 | 清华大学 | 基于部件主分量分析的多模式人脸识别方法 |
CN101447021A (zh) * | 2008-12-30 | 2009-06-03 | 爱德威软件开发(上海)有限公司 | 人脸快速识别系统及其识别方法 |
CN101986328A (zh) * | 2010-12-06 | 2011-03-16 | 东南大学 | 一种基于局部描述符的三维人脸识别方法 |
CN102262729A (zh) * | 2011-08-03 | 2011-11-30 | 山东志华信息科技股份有限公司 | 基于集成学习的混合融合人脸识别方法 |
US20130251244A1 (en) * | 2012-03-20 | 2013-09-26 | Microsoft Corporation | Real time head pose estimation |
CN103839056A (zh) * | 2014-03-24 | 2014-06-04 | 智慧城市系统服务(中国)有限公司 | 一种人眼状态识别方法和装置 |
CN103839033A (zh) * | 2012-11-20 | 2014-06-04 | 广东工业大学 | 一种基于模糊规则的人脸识别方法 |
CN103886283A (zh) * | 2014-03-03 | 2014-06-25 | 天津科技大学 | 用于移动用户的多生物特征图像信息融合方法及其应用 |
CN104077594A (zh) * | 2013-03-29 | 2014-10-01 | 浙江大华技术股份有限公司 | 一种图像识别方法和装置 |
CN104298981A (zh) * | 2014-11-05 | 2015-01-21 | 河北工业大学 | 人脸微表情的识别方法 |
CN106650370A (zh) * | 2016-11-22 | 2017-05-10 | 西北工业大学 | 一种非接触式计算机保密方法及保密系统 |
CN107729891A (zh) * | 2017-12-01 | 2018-02-23 | 旗瀚科技有限公司 | 一种非对齐情况下人脸特征区域划分方法 |
-
2018
- 2018-10-09 CN CN201811171703.5A patent/CN109241943A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1341401A (zh) * | 2001-10-19 | 2002-03-27 | 清华大学 | 基于部件主分量分析的多模式人脸识别方法 |
CN101447021A (zh) * | 2008-12-30 | 2009-06-03 | 爱德威软件开发(上海)有限公司 | 人脸快速识别系统及其识别方法 |
CN101986328A (zh) * | 2010-12-06 | 2011-03-16 | 东南大学 | 一种基于局部描述符的三维人脸识别方法 |
CN102262729A (zh) * | 2011-08-03 | 2011-11-30 | 山东志华信息科技股份有限公司 | 基于集成学习的混合融合人脸识别方法 |
US20130251244A1 (en) * | 2012-03-20 | 2013-09-26 | Microsoft Corporation | Real time head pose estimation |
CN103839033A (zh) * | 2012-11-20 | 2014-06-04 | 广东工业大学 | 一种基于模糊规则的人脸识别方法 |
CN104077594A (zh) * | 2013-03-29 | 2014-10-01 | 浙江大华技术股份有限公司 | 一种图像识别方法和装置 |
CN103886283A (zh) * | 2014-03-03 | 2014-06-25 | 天津科技大学 | 用于移动用户的多生物特征图像信息融合方法及其应用 |
CN103839056A (zh) * | 2014-03-24 | 2014-06-04 | 智慧城市系统服务(中国)有限公司 | 一种人眼状态识别方法和装置 |
CN104298981A (zh) * | 2014-11-05 | 2015-01-21 | 河北工业大学 | 人脸微表情的识别方法 |
CN106650370A (zh) * | 2016-11-22 | 2017-05-10 | 西北工业大学 | 一种非接触式计算机保密方法及保密系统 |
CN107729891A (zh) * | 2017-12-01 | 2018-02-23 | 旗瀚科技有限公司 | 一种非对齐情况下人脸特征区域划分方法 |
Non-Patent Citations (4)
Title |
---|
B. KIM等: "Fusing Aligned and Non-aligned Face Information for Automatic Affect Recognition in the Wild: A Deep Learning Approach", 《2016 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION WORKSHOPS (CVPRW)》 * |
S. A. KHAN等: "Gender classification using image processing techniques: A survey", 《2011 IEEE 14TH INTERNATIONAL MULTITOPIC CONFERENCE》 * |
卢春雨等: "基于区域特征的快速人脸检测法", 《清华大学学报(自然科学版)》 * |
黄丽雯等: "非对称方向性局部二值模式人脸表情识别", 《计算机工程与应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115358917A (zh) * | 2022-07-14 | 2022-11-18 | 北京汉仪创新科技股份有限公司 | 一种手绘风格非对齐人脸迁移方法、设备、介质和系统 |
CN115358917B (zh) * | 2022-07-14 | 2024-05-07 | 北京汉仪创新科技股份有限公司 | 一种手绘风格非对齐人脸迁移方法、设备、介质和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569721B (zh) | 识别模型训练方法、图像识别方法、装置、设备及介质 | |
CN110852285B (zh) | 对象检测方法、装置、计算机设备和存储介质 | |
CN111738244B (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
CN109271870B (zh) | 行人重识别方法、装置、计算机设备及存储介质 | |
US10534957B2 (en) | Eyeball movement analysis method and device, and storage medium | |
CN111191568B (zh) | 翻拍图像识别方法、装置、设备及介质 | |
CN104866805B (zh) | 人脸实时跟踪的方法和装置 | |
WO2021238548A1 (zh) | 区域识别方法、装置、设备及可读存储介质 | |
CN111680675B (zh) | 人脸活体检测方法、系统、装置、计算机设备和存储介质 | |
CN110490902A (zh) | 应用于智慧城市的目标跟踪方法、装置、计算机设备 | |
CN111476271B (zh) | 图标识别的方法、装置、系统、计算机设备和存储介质 | |
CN112989962B (zh) | 轨迹生成方法、装置、电子设备及存储介质 | |
Vanetti et al. | Gas meter reading from real world images using a multi-net system | |
CN104952083A (zh) | 一种基于显著性目标背景建模的视频显著性检测算法 | |
US10635898B1 (en) | Automatic image capture system based on a determination and verification of a physical object size in a captured image | |
WO2019033567A1 (zh) | 眼球动作捕捉方法、装置及存储介质 | |
CN113496208B (zh) | 视频的场景分类方法及装置、存储介质、终端 | |
Zhou et al. | Perceptually aware image retargeting for mobile devices | |
CN111523387B (zh) | 手部关键点检测的方法、设备和计算机设备 | |
CN110516559B (zh) | 适用于精准监控的目标跟踪方法及装置、计算机设备 | |
Qin et al. | Face inpainting network for large missing regions based on weighted facial similarity | |
CN109241943A (zh) | 非对齐人脸特征提取方法、装置、计算机设备及存储介质 | |
US9191554B1 (en) | Creating an electronic book using video-based input | |
CN112348008A (zh) | 证件信息的识别方法、装置、终端设备及存储介质 | |
CN109063601B (zh) | 唇纹检测方法、装置、计算机设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |