CN109657587A - 用于人脸识别的侧脸质量评估方法和系统 - Google Patents
用于人脸识别的侧脸质量评估方法和系统 Download PDFInfo
- Publication number
- CN109657587A CN109657587A CN201811508053.9A CN201811508053A CN109657587A CN 109657587 A CN109657587 A CN 109657587A CN 201811508053 A CN201811508053 A CN 201811508053A CN 109657587 A CN109657587 A CN 109657587A
- Authority
- CN
- China
- Prior art keywords
- face
- video frame
- side face
- score value
- width
- 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
- G06V40/168—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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种用于人脸识别的侧脸质量评估方法，包括以下步骤：S1：获取摄像机拍摄的包含人物脸部信息的视频流，将视频流解析成N幅视频帧，每一幅视频帧再解码成RGB图片；S2：将每一幅视频帧的RGB图片输入一人脸检测模块，提取出M个当前人脸的关键点坐标；S3：根据获取到的M个人脸的关键点坐标，计算每一幅视频帧中人脸的侧脸分值S，侧脸分值S用以表达人脸的侧脸程度，S大于等于1；S4：根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象。本发明能够根据侧脸分值高低和清晰度高低从N张图片里选取侧脸质量最优的一张作为识别对象，能够有效提高识别率，减少计算量。
Description
技术领域
本发明涉及人脸识别技术领域，具体而言涉及一种用于人脸识别的侧脸质量评估方法和系统。
背景技术
目前用于实时视频的人脸识别，如果每一帧都做识别会非常耗费系统资源，特别是对算力较低的ARM设备来说更是如此，所有要求在处理更少帧的情况下，还可以保证很高的识别率。
对于人脸识别技术来说，清晰度越高、脸部特征越多的图像会更加容易识别，正脸相较于侧脸，能够提取到的脸部特征会更多更准确。
发明内容
本发明目的在于提供一种用于人脸识别的侧脸质量评估方法和系统，提取若干个人脸关键点位置坐标，根据关键点位置坐标计算人脸的侧脸分数，判断侧脸的程度，根据侧脸分值高低和清晰度高低从N张图片里选取侧脸质量最优的一张作为识别对象，能够有效提高识别率，减少计算量。
为达成上述目的，本发明提出一种用于人脸识别的侧脸质量评估方法，所述方法包括以下步骤：
S1：获取摄像机拍摄的包含人物脸部信息的视频流，将视频流解析成N幅视频帧，每一幅视频帧再解码成RGB图片；
S2：将每一幅视频帧的RGB图片输入一人脸检测模块，提取出M个当前人脸的关键点坐标；
S3：根据获取到的M个人脸的关键点坐标，计算每一幅视频帧中人脸的侧脸分值S，侧脸分值S用以表达人脸的侧脸程度，S大于等于1；
S4：根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象。
进一步的实施例中，步骤S4中，根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象的方法包括：
选择满足下述条件的视频帧的RGB图片作为识别对象：1)侧脸分值小于预先设定的侧脸阈值，2)该视频帧的RGB图片中人脸的侧脸分值在N幅视频帧中最小。
进一步的实施例中，步骤S4中，根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象的方法包括：
对每一幅视频帧进行清晰度评估，计算清晰度分值H；
选择满足下述条件的视频帧的RGB图片作为识别对象：1)侧脸分值S小于预先设定的侧脸阈值，2)清晰度分值H大于预先设定的清晰度阈值，3)侧脸质量总评分Y满足下述公式：
Y＝ω1*S+ω2*H≥Y0
其中，Y0是侧脸质量阈值，ω1和ω2分别是侧脸分值和清晰度分值所占权重，ω1+ω2＝1。
进一步的实施例中，所述方法包括：
步骤S2中，在提取其中一幅视频帧中人脸的M个关键点坐标时，如果无法提取到其中的任意一个关键点坐标，舍弃当前视频帧。
进一步的实施例中，步骤S2中，提取出5个人脸的关键点坐标的方法包括以下步骤：
分别提取当前人脸的左眼角位置坐标、右眼角位置坐标、鼻尖位置坐标、左嘴角位置坐标、右嘴角位置坐标。
进一步的实施例中，步骤S3中，根据获取到的M个人脸的关键点坐标，计算每一幅视频帧中人脸的侧脸分值S的方法包括以下步骤：
S31：计算鼻尖位置到左眼角位置和左嘴角位置的距离ds1；
S32：计算鼻尖位置到左嘴角位置的距离ds2；
S33：计算鼻尖位置到右眼角位置和右嘴角位置的距离ds1；
S34：计算鼻尖位置到右嘴角位置的距离ds2；
S35：根据下述公式计算侧脸分数S：
其中，
进一步的实施例中，所述方法还包括以下步骤：
步骤S1中，将视频流解析成N幅视频帧后，对每一幅视频帧进行清晰度评估，计算清晰度分值，舍弃清晰度分值小于设定清晰度阈值的视频帧，将清晰度分值大于等于设定清晰度阈值的视频帧解码成RGB图片。
进一步的实施例中，采用Tenengrad梯度函数和/或灰度方差函数来计算一幅视频帧的清晰度。
基于前述方法，本发明还提及一种用于人脸识别的侧脸质量评估系统，所述系统包括以下模块：
1)用于获取摄像机拍摄的包含人物脸部信息的视频流，将视频流解析成N幅视频帧，每一幅视频帧再解码成RGB图片的模块；
2)用于将每一幅视频帧的RGB图片输入一人脸检测模块，提取出M个当前人脸的关键点坐标的模块；
3)用于根据获取到的M个人脸的关键点坐标，计算每一幅视频帧中人脸的侧脸分值S的模块，侧脸分值S用以表达人脸的侧脸程度，S大于等于1；
4)用于根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象的模块。
以上本发明的技术方案，与现有相比，其显著的有益效果在于，根据侧脸分值高低和清晰度高低从N张图片里选取侧脸质量最优的一张作为识别对象，能够有效提高识别率，减少计算量。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是本发明的用于人脸识别的侧脸质量评估方法的流程图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
结合图1，本发明提出一种用于人脸识别的侧脸质量评估方法，所述方法包括以下步骤：
S1：获取摄像机拍摄的包含人物脸部信息的视频流，将视频流解析成N幅视频帧，每一幅视频帧再解码成RGB图片。摄像机包括网络摄像机或者usb摄像机。
S2：将每一幅视频帧的RGB图片输入一人脸检测模块，提取出M个当前人脸的关键点坐标。
S3：根据获取到的M个人脸的关键点坐标，计算每一幅视频帧中人脸的侧脸分值S，侧脸分值S用以表达人脸的侧脸程度，S大于等于1。
S4：根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象。
具体实施例一
步骤S4中，根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象的方法包括：
选择满足下述条件的视频帧的RGB图片作为识别对象：1)侧脸分值小于预先设定的侧脸阈值，2)该视频帧的RGB图片中人脸的侧脸分值在N幅视频帧中最小。
通过该方法过滤掉很侧的脸，让更多较正的脸送到识别平台做识别，提高识别率并且减少系统资源。
优选的，所述方法包括：
步骤S2中，在提取其中一幅视频帧中人脸的M个关键点坐标时，如果无法提取到其中的任意一个关键点坐标，舍弃当前视频帧。
当无法提取到任意一个关键点的坐标时，说明该幅视频帧中的人脸倾侧程度较高，从该幅视频帧中无法提取到完整的人脸特征，对于这类视频帧，可以不用做侧脸分值计算即可以判定其不合格，这一设定能够进一步减少计算量。
而关键点的选择应该具有代表性，一方面，关键点相结合能够准确评判侧脸程度，另一方面，关键点的选取也具有易锁定性，即较容易确定准确坐标，例如，眼睛中心位置和眼角位置相比较，眼角位置会比眼睛中心位置更加容易锁定，同样的，鼻梁位置和鼻尖位置相比较，鼻尖位置会比鼻梁位置更加容易锁定。
在此基础上，本发明提出了其中的一种关键点坐标的例子，应当理解，关键点坐标的选择不限于以下这一种。
步骤S2中，提取出5个人脸的关键点坐标的方法包括以下步骤：
分别提取当前人脸的左眼角位置坐标、右眼角位置坐标、鼻尖位置坐标、左嘴角位置坐标、右嘴角位置坐标。
步骤S3中，根据获取到的M个人脸的关键点坐标，计算每一幅视频帧中人脸的侧脸分值S的方法包括以下步骤：
S31：计算鼻尖位置到左眼角位置和左嘴角位置的距离ds1。
S32：计算鼻尖位置到左嘴角位置的距离ds2。
S33：计算鼻尖位置到右眼角位置和右嘴角位置的距离ds1。
S34：计算鼻尖位置到右嘴角位置的距离ds2。
S35：根据下述公式计算侧脸分数S：
其中，
当完全正脸的情况下，脸到左右眼角和嘴角的距离是趋近于1的，当人脸处于侧脸时，这个比值是远离1的，人脸侧的程度越大，这个比值越远离1。从这方面考虑我们可以通过这个比值来判断侧脸的程度。这样我们就可以把更正的脸送到平台做人脸识别，理论上说脸越正识别率越高。所以我们可以选择N张照片里，选择侧脸分数越趋近正脸1的来做识别，其他丢弃，因为在正脸都没有被识别的情况下，侧脸更不会被识别。这样的话N张里只选择一张来做识别，这样只用N分之一的资源就达到了之前全帧识别的效果。
下面以其中一种计算程序代码对该计算过程做阐述。
1)首先计算鼻子到左眼和左嘴角连线的距离ds1：
float ds1＝Point2LineDist(Point[2],Point[0],Point[3])
Point2LineDist就是计算点Point[2]到Point[0]和Point[3]连成的直线的距离：
float A＝Point[3].y-Point[0].y；
float B＝Point[0].x-Point[3].x；
float C＝Point[3].x*Point[3].y-Point[0].x*Point[3].y+Point[3].x*Point[0].y-Point[3].x*Point[3].y；
float ds1＝abs(float(A*Point[2].x+B*Point[2].y+C)/sqrt(A*A+B*B))；
2)然后计算鼻子到左嘴角的距离ds2：
float ds2＝TwoPointDist(Point[2],Point[3])
TwoPointDist就是计算点Point[2]到点Point[3]之间的欧式距离：
float ds2＝float(Point[2].x-Point[3].x)*float(Point[2].x-Point[3].x)+float(Point[2].y-Point[3].y)*float(Point[2].y-Point[3].y)
考虑资源占用的问题，计算的欧式距离不需要开方。
3)同样计算鼻子到右眼和右嘴角连线的距离ds3：
float ds3＝Point2LineDist(Point[2],Point[1],Point[4])
同1)中的计算方法。
4)然后计算鼻子到右嘴角的距离ds4：
float ds4＝TwoPointDist(Point[2],Point[4])
同2)中的计算方法。
5)然后计算侧脸分数：
float posture_val＝(ds1*ds2)/(ds3*ds4)；
posture_val<1.0？(1.0/posture_val):posture_val；
从得到的posture_val值，和之前设置的侧脸阈值T进行比较，超过T的直接丢弃，满足条件的保留。
选择N帧里，侧脸分数最小的进行人脸特征提取，并且进行人脸特征比对。其他帧丢弃。从N帧里选择一帧进行比对，有效的节省了系统资源。
具体实施例二
一幅图片的侧脸质量，除了侧脸程度之外，还有图片清晰度的因素在内。可以理解，侧脸程度越低、清晰度越高的图片，所能提取到的人脸特征值越多，这两个参数对侧脸质量的评估都很重要、并且近似相互独立。
考虑到这一点，本发明提出，步骤S4中，根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象的方法包括：
对每一幅视频帧进行清晰度评估，计算清晰度分值H。
选择满足下述条件的视频帧的RGB图片作为识别对象：1)侧脸分值S小于预先设定的侧脸阈值，2)清晰度分值H大于预先设定的清晰度阈值，3)侧脸质量总评分Y满足下述公式：
Y＝ω1*S+ω2*H≥Y0
其中，Y0是侧脸质量阈值，ω1和ω2分别是侧脸分值和清晰度分值所占权重，ω1+ω2＝1。
类似于前述对侧脸程度的初步筛选过程，本发明提出，所述方法还包括以下步骤：
步骤S1中，将视频流解析成N幅视频帧后，对每一幅视频帧进行清晰度评估，计算清晰度分值，舍弃清晰度分值小于设定清晰度阈值的视频帧，将清晰度分值大于等于设定清晰度阈值的视频帧解码成RGB图片。
优选的，采用Tenengrad梯度函数和/或灰度方差函数来计算一幅视频帧的清晰度。
基于前述方法，本发明还提及一种用于人脸识别的侧脸质量评估系统，所述系统包括以下模块：
1)用于获取摄像机拍摄的包含人物脸部信息的视频流，将视频流解析成N幅视频帧，每一幅视频帧再解码成RGB图片的模块。
2)用于将每一幅视频帧的RGB图片输入一人脸检测模块，提取出M个当前人脸的关键点坐标的模块。
3)用于根据获取到的M个人脸的关键点坐标，计算每一幅视频帧中人脸的侧脸分值S的模块，侧脸分值S用以表达人脸的侧脸程度，S大于等于1。
4)用于根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象的模块。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。
Claims (9)
1.一种用于人脸识别的侧脸质量评估方法，其特征在于，所述方法包括以下步骤：
S1：获取摄像机拍摄的包含人物脸部信息的视频流，将视频流解析成N幅视频帧，每一幅视频帧再解码成RGB图片；
S2：将每一幅视频帧的RGB图片输入一人脸检测模块，提取出M个当前人脸的关键点坐标；
S3：根据获取到的M个人脸的关键点坐标，计算每一幅视频帧中人脸的侧脸分值S，侧脸分值S用以表达人脸的侧脸程度，S大于等于1；
S4：根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象。
2.根据权利要求1所述的用于人脸识别的侧脸质量评估方法，其特征在于，步骤S4中，根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象的方法包括：
选择满足下述条件的视频帧的RGB图片作为识别对象：1)侧脸分值小于预先设定的侧脸阈值，2)该视频帧的RGB图片中人脸的侧脸分值在N幅视频帧中最小。
3.根据权利要求1所述的用于人脸识别的侧脸质量评估方法，其特征在于，步骤S4中，根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象的方法包括：
对每一幅视频帧进行清晰度评估，计算清晰度分值H；
选择满足下述条件的视频帧的RGB图片作为识别对象：1)侧脸分值S小于预先设定的侧脸阈值，2)清晰度分值H大于预先设定的清晰度阈值，3)侧脸质量总评分Y满足下述公式：
Y＝ω1*S+ω2*H≥Y0
其中，Y0是侧脸质量阈值，ω1和ω2分别是侧脸分值和清晰度分值所占权重，ω1+ω2＝1。
4.根据权利要求1所述的用于人脸识别的侧脸质量评估方法，其特征在于，所述方法包括：
步骤S2中，在提取其中一幅视频帧中人脸的M个关键点坐标时，如果无法提取到其中的任意一个关键点坐标，舍弃当前视频帧。
5.根据权利要求1-4中任意一项所述的用于人脸识别的侧脸质量评估方法，其特征在于，步骤S2中，提取出5个人脸的关键点坐标的方法包括以下步骤：
分别提取当前人脸的左眼角位置坐标、右眼角位置坐标、鼻尖位置坐标、左嘴角位置坐标、右嘴角位置坐标。
6.根据权利要求5所述的用于人脸识别的侧脸质量评估方法，其特征在于，步骤S3中，根据获取到的M个人脸的关键点坐标，计算每一幅视频帧中人脸的侧脸分值S的方法包括以下步骤：
S31：计算鼻尖位置到左眼角位置和左嘴角位置的距离ds1；
S32：计算鼻尖位置到左嘴角位置的距离ds2；
S33：计算鼻尖位置到右眼角位置和右嘴角位置的距离ds1；
S34：计算鼻尖位置到右嘴角位置的距离ds2；
S35：根据下述公式计算侧脸分数S：
其中，
7.根据权利要求1所述的用于人脸识别的侧脸质量评估方法，其特征在于，所述方法还包括以下步骤：
步骤S1中，将视频流解析成N幅视频帧后，对每一幅视频帧进行清晰度评估，计算清晰度分值，舍弃清晰度分值小于设定清晰度阈值的视频帧，将清晰度分值大于等于设定清晰度阈值的视频帧解码成RGB图片。
8.根据权利要求7所述的用于人脸识别的侧脸质量评估方法，其特征在于，采用Tenengrad梯度函数和/或灰度方差函数来计算一幅视频帧的清晰度。
9.一种用于人脸识别的侧脸质量评估系统，其特征在于，所述系统包括以下模块：
用于获取摄像机拍摄的包含人物脸部信息的视频流，将视频流解析成N幅视频帧，每一幅视频帧再解码成RGB图片的模块；
用于将每一幅视频帧的RGB图片输入一人脸检测模块，提取出M个当前人脸的关键点坐标的模块；
用于根据获取到的M个人脸的关键点坐标，计算每一幅视频帧中人脸的侧脸分值S的模块，侧脸分值S用以表达人脸的侧脸程度，S大于等于1；
用于根据一预先设定的规则选择其中一幅视频帧的RGB图片作为识别对象的模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811508053.9A CN109657587A (zh) | 2018-12-10 | 2018-12-10 | 用于人脸识别的侧脸质量评估方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811508053.9A CN109657587A (zh) | 2018-12-10 | 2018-12-10 | 用于人脸识别的侧脸质量评估方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109657587A true CN109657587A (zh) | 2019-04-19 |
Family
ID=66114091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811508053.9A Pending CN109657587A (zh) | 2018-12-10 | 2018-12-10 | 用于人脸识别的侧脸质量评估方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109657587A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110363126A (zh) * | 2019-07-04 | 2019-10-22 | 杭州视洞科技有限公司 | 一种多人脸实时跟踪与择优算法 |
| CN110472567A (zh) * | 2019-08-14 | 2019-11-19 | 旭辉卓越健康信息科技有限公司 | 一种适用于非配合场景下的人脸识别方法和系统 |
| CN110472566A (zh) * | 2019-08-14 | 2019-11-19 | 旭辉卓越健康信息科技有限公司 | 一种高精度的模糊人脸识别方法与系统 |
| CN110879986A (zh) * | 2019-11-21 | 2020-03-13 | 上海眼控科技股份有限公司 | 人脸识别的方法、设备和计算机可读存储介质 |
| CN111199197A (zh) * | 2019-12-26 | 2020-05-26 | 深圳市优必选科技股份有限公司 | 一种人脸识别的图像提取方法及处理设备 |
| CN111222409A (zh) * | 2019-11-26 | 2020-06-02 | 北京迈格威科技有限公司 | 车辆品牌的标注方法、装置及系统 |
| CN111241927A (zh) * | 2019-12-30 | 2020-06-05 | 新大陆数字技术股份有限公司 | 级联式人脸图像优选方法、系统、设备及可读存储介质 |
| CN111832512A (zh) * | 2020-07-21 | 2020-10-27 | 虎博网络技术(上海)有限公司 | 表情检测方法和装置 |
| CN112001203A (zh) * | 2019-05-27 | 2020-11-27 | 北京君正集成电路股份有限公司 | 一种人脸识别库中提取正面人脸的方法 |
| CN112149598A (zh) * | 2020-09-29 | 2020-12-29 | 江苏提米智能科技有限公司 | 一种侧脸评估方法、装置、电子设备及存储介质 |
| CN113674139A (zh) * | 2021-08-17 | 2021-11-19 | 北京京东尚科信息技术有限公司 | 人脸图像的处理方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060140614A1 (en) * | 2004-12-28 | 2006-06-29 | Samsung Electronic Co., Ltd. | Apparatus, medium, and method for photographing based on face detection |
| CN102799877A (zh) * | 2012-09-11 | 2012-11-28 | 上海中原电子技术工程有限公司 | 人脸图像筛选方法及系统 |
| CN103514439A (zh) * | 2012-06-26 | 2014-01-15 | 谷歌公司 | 面部识别 |
| CN107153806A (zh) * | 2016-03-03 | 2017-09-12 | 炬芯（珠海）科技有限公司 | 一种人脸检测方法及装置 |
| CN107944424A (zh) * | 2017-12-08 | 2018-04-20 | 广东金杭科技有限公司 | 分布前端人像采集及多角度人像比对方法 |
| CN108960156A (zh) * | 2018-07-09 | 2018-12-07 | 苏州浪潮智能软件有限公司 | 一种人脸检测识别方法及装置 |
-
2018
- 2018-12-10 CN CN201811508053.9A patent/CN109657587A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060140614A1 (en) * | 2004-12-28 | 2006-06-29 | Samsung Electronic Co., Ltd. | Apparatus, medium, and method for photographing based on face detection |
| CN103514439A (zh) * | 2012-06-26 | 2014-01-15 | 谷歌公司 | 面部识别 |
| CN102799877A (zh) * | 2012-09-11 | 2012-11-28 | 上海中原电子技术工程有限公司 | 人脸图像筛选方法及系统 |
| CN107153806A (zh) * | 2016-03-03 | 2017-09-12 | 炬芯（珠海）科技有限公司 | 一种人脸检测方法及装置 |
| CN107944424A (zh) * | 2017-12-08 | 2018-04-20 | 广东金杭科技有限公司 | 分布前端人像采集及多角度人像比对方法 |
| CN108960156A (zh) * | 2018-07-09 | 2018-12-07 | 苏州浪潮智能软件有限公司 | 一种人脸检测识别方法及装置 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112001203A (zh) * | 2019-05-27 | 2020-11-27 | 北京君正集成电路股份有限公司 | 一种人脸识别库中提取正面人脸的方法 |
| CN110363126A (zh) * | 2019-07-04 | 2019-10-22 | 杭州视洞科技有限公司 | 一种多人脸实时跟踪与择优算法 |
| CN110472566B (zh) * | 2019-08-14 | 2022-04-26 | 旭辉卓越健康信息科技有限公司 | 一种高精度的模糊人脸识别方法 |
| CN110472567A (zh) * | 2019-08-14 | 2019-11-19 | 旭辉卓越健康信息科技有限公司 | 一种适用于非配合场景下的人脸识别方法和系统 |
| CN110472566A (zh) * | 2019-08-14 | 2019-11-19 | 旭辉卓越健康信息科技有限公司 | 一种高精度的模糊人脸识别方法与系统 |
| CN110879986A (zh) * | 2019-11-21 | 2020-03-13 | 上海眼控科技股份有限公司 | 人脸识别的方法、设备和计算机可读存储介质 |
| CN111222409A (zh) * | 2019-11-26 | 2020-06-02 | 北京迈格威科技有限公司 | 车辆品牌的标注方法、装置及系统 |
| CN111199197A (zh) * | 2019-12-26 | 2020-05-26 | 深圳市优必选科技股份有限公司 | 一种人脸识别的图像提取方法及处理设备 |
| CN111199197B (zh) * | 2019-12-26 | 2024-01-02 | 深圳市优必选科技股份有限公司 | 一种人脸识别的图像提取方法及处理设备 |
| CN111241927A (zh) * | 2019-12-30 | 2020-06-05 | 新大陆数字技术股份有限公司 | 级联式人脸图像优选方法、系统、设备及可读存储介质 |
| CN111832512A (zh) * | 2020-07-21 | 2020-10-27 | 虎博网络技术(上海)有限公司 | 表情检测方法和装置 |
| CN112149598A (zh) * | 2020-09-29 | 2020-12-29 | 江苏提米智能科技有限公司 | 一种侧脸评估方法、装置、电子设备及存储介质 |
| CN113674139A (zh) * | 2021-08-17 | 2021-11-19 | 北京京东尚科信息技术有限公司 | 人脸图像的处理方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109657587A (zh) | 用于人脸识别的侧脸质量评估方法和系统 | |
| CN110929566B (zh) | 基于可见光和近红外双目摄像头的人脸活体检测方法 | |
| US7970180B2 (en) | Method, apparatus, and program for processing red eyes | |
| US8254644B2 (en) | Method, apparatus, and program for detecting facial characteristic points | |
| US20060082849A1 (en) | Image processing apparatus | |
| KR20170006355A (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
| US8548247B2 (en) | Image processing apparatus and method, and program | |
| US20100166302A1 (en) | Image quality evaluation device and method | |
| CN107038719A (zh) | 基于光场图像角度域像素的深度估计方法及系统 | |
| CN107346422A (zh) | 一种基于眨眼检测的活体人脸识别方法 | |
| CN111126366B (zh) | 一种活体人脸的判别方法、装置、设备及存储介质 | |
| CN103942525A (zh) | 一种基于视频序列的实时人脸优选方法 | |
| US10872268B2 (en) | Information processing device, information processing program, and information processing method | |
| WO2010107411A1 (en) | Region-of-interest video quality enhancement for object recognition | |
| CN112149761A (zh) | 一种基于YOLOv4改进算法的电力智慧工地违规行为检测方法 | |
| CN105488475B (zh) | 手机中人脸检测方法 | |
| CN108108760A (zh) | 一种快速人脸识别方法 | |
| CN112488034A (zh) | 基于轻量化人脸口罩检测模型的视频处理方法 | |
| CN112633217A (zh) | 基于三维眼球模型计算视线方向的人脸识别活体检测方法 | |
| CN110458093A (zh) | 一种基于驾驶员监控系统的安全带检测方法以及相应的设备 | |
| CN109101925A (zh) | 活体检测方法 | |
| US11335027B2 (en) | Generating spatial gradient maps for a person in an image | |
| CN109214367A (zh) | 一种基于视觉注意机制的人脸检测方法 | |
| CN106886764B (zh) | 一种基于深度学习的恐慌度计算方法和装置 | |
| CN114529979A (zh) | 人体姿势辨识系统、人体姿势辨识方法以及非暂态计算机可读取储存媒体 |
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 |