CN110223306A - 一种图像的裁剪方法及装置 - Google Patents
一种图像的裁剪方法及装置 Download PDFInfo
- Publication number
- CN110223306A CN110223306A CN201910515877.7A CN201910515877A CN110223306A CN 110223306 A CN110223306 A CN 110223306A CN 201910515877 A CN201910515877 A CN 201910515877A CN 110223306 A CN110223306 A CN 110223306A
- Authority
- CN
- China
- Prior art keywords
- image
- position information
- target object
- cut
- zone position
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/22—Cropping
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像的裁剪方法及装置,其中,方法包括:获取待裁剪图像中的预设的目标对象的区域位置信息。依据目标对象的区域位置信息,计算离散程度参数,离散程度参数用于表示待裁剪图像中的目标对象的离散程度。在离散程度参数大于预设阈值的情况下,从目标对象中确定中心对象,中心对象为目标对象中与中心位置距离满足预设条件的对象,中心位置依据目标对象所占的区域的中心点确定。将中心对象所占的区域作为最小裁剪区域,裁剪待裁剪图像,裁剪得到的图像中至少包括最小裁剪区域。通过本申请,可以达到在保留待裁剪图像中重要的视觉信息的前提下,所能使用的裁剪比例增多的效果。
Description
技术领域
本申请涉及图像处理领域,尤其涉及一种图像的裁剪方法及装置。
背景技术
图像裁剪是以保留待裁剪图像中最重要与最有意义的信息为前提,按照所需图像的长宽比例,对待裁剪图像进行裁剪的过程。
近年来,由于机器学习的发展,使用机器学习的方法进行图像裁剪逐渐得到关注,具体的,采用预测显著性图和评估图片区域美学相结合的方式,预测出待裁剪位置,依据所预测的待裁剪位置对待裁剪图像进行裁剪。
在依据待裁剪位置对待裁剪图像进行裁剪的过程中,通常只能使用一种裁剪比例进行裁剪,例如,只能使用1:1的裁剪比例,对待裁剪图像进行裁剪。可见,现有的图像裁剪方法存在裁剪比例受限的问题。
发明内容
本申请提供了一种图像的裁剪方法及装置,目的在于解决在保留待裁剪图像中重要的视觉信息的前提下,所能使用的裁剪比例受限的问题。
为了实现上述目的,本申请提供了以下技术方案:
一种图像裁剪方法,包括:
获取待裁剪图像中的预设的目标对象的区域位置信息;所述区域位置信息为所述目标对象在所述待裁剪图像中所占的区域的位置信息;
依据所述目标对象的区域位置信息,计算离散程度参数;所述离散程度参数用于表示所述待裁剪图像中的所述目标对象的离散程度;
在所述离散程度参数大于预设阈值的情况下,从所述目标对象中确定中心对象,所述中心对象为所述目标对象中与中心位置的距离满足预设条件的对象,所述中心位置依据所述区域的中心点确定;
将所述中心对象所占的区域作为最小裁剪区域;
裁剪所述待裁剪图像,裁剪得到的图像中至少包括所述最小裁剪区域。
可选的,在所述裁剪所述待裁剪图像之前,还包括:
在所述目标对象的离散程度参数不大于所述预设阈值的情况下,将所述待裁剪图像中全部所述目标对象所占的区域,作为最小裁剪区域。
可选的,在所述裁剪所述待裁剪图像之前,还包括:
将所述最小裁剪区域的中心点,作为裁剪中心;
所述裁剪所述待裁剪图像包括:
以所述裁剪中心为中心点,裁剪所述待裁剪图像,得到包括所述最小裁剪区域的裁剪结果图像。
可选的,所述依据所述目标对象的区域位置信息,计算离散程度参数包括:
将各个所述目标对象的区域位置信息进行归一化处理,得到归一化后的区域位置信息;
计算各个所述目标对象的归一化后的区域位置信息之间的方差的均值,得到所述离散程度参数。
可选的,所述获取待裁剪图像中的预设的目标对象的区域位置信息,包括:
从所述待裁剪图像中识别出各个预设对象的区域位置信息;
获取预设的对象类别的优先级排序;
将所述预设对象中属于优先级最高的对象类别的对象,作为所述目标对象,将所述属于优先级最高的对象类别的对象的区域位置信息作为所述目标对象的区域位置信息。
可选的,所述目标对象包括脸和身体轮廓;
所述依据所述目标对象的区域位置信息,计算离散程度参数包括:
依据所述脸的区域位置信息,计算离散程度参数。
可选的,所述在所述离散程度参数大于预设阈值的情况下,从所述目标对象中确定中心对象包括:
在所述离散程度参数大于预设阈值的情况下,计算多个脸的区域位置信息的平均值;
从多个脸中,确定中心脸,所述中心脸为所占的区域与所述平均值的距离最近的脸。
可选的,在所述裁剪所述待裁剪图像之前,还包括:
将所述身体轮廓的上半身的位置与所述中心脸的位置的平均值,作为裁剪中心;
所述裁剪所述待裁剪图像包括:
以所述裁剪中心为中心点,裁剪所述待裁剪图像,得到包括所述最小裁剪区域的裁剪结果图像。
可选的,所述目标对象还包括头部轮廓;
在所述依据所述目标对象的区域位置信息,计算离散程度参数之前,还包括:
获取所述脸的区域位置信息和所述头部轮廓的区域位置信息;
确定对应的脸和头部轮廓,其中,脸所占的区域位置信息,与所述脸对应的头部轮廓所占区域的位置的距离不超过预设距离阈值;
如果所述对应的脸和头部轮廓为一一对应,将所述对应的脸和头部轮廓各自所占区域的中心位置的信息,作为所述修正后的人脸的区域位置;
如果任意一个所述头部轮廓不存在对应的脸,则将该头部轮廓的区域位置信息作为所述修正后的脸的区域位置信息。
一种图像裁剪装置,包括:
获取模块,用于获取待裁剪图像中的预设的目标对象的区域位置信息;所述区域位置信息为所述目标对象在所述待裁剪图像中所占的区域的位置信息;
计算模块,用于依据所述目标对象的区域位置信息,计算离散程度参数;所述离散程度参数用于表示所述待裁剪图像中的所述目标对象的离散程度;
第一确定模块,用于在所述离散程度参数大于预设阈值的情况下,从所述目标对象中确定中心对象,所述中心对象为所述目标对象中与中心位置的距离满足预设条件的对象,所述中心位置依据所述区域的中心点确定;
第二确定模块,用于将所述中心对象所占的区域作为最小裁剪区域;
裁剪模块,用于裁剪所述待裁剪图像,裁剪得到的图像中至少包括所述最小裁剪区域。
可选的,所述装置还包括:
第三确定模块,用于在所述裁剪模块裁剪所述待裁剪图像之前,在所述目标对象的离散程度参数不大于所述预设阈值的情况下,将所述待裁剪图像中全部所述目标对象所占的区域,作为最小裁剪区域。
可选的,所述装置还包括:
第四确定模块,用于将所述最小裁剪区域的中心点,作为裁剪中心;
所述裁剪模块用于裁剪所述待裁剪图像包括:
所述裁剪模块,具体用于以所述裁剪中心为中心点,裁剪所述待裁剪图像,得到包括所述最小裁剪区域的裁剪结果图像。
可选的,所述计算模块,用于依据所述目标对象的区域位置信息,计算离散程度参数包括:
所述计算模块具体用于,将各个所述目标对象的区域位置信息进行归一化处理,得到归一化后的区域位置信息;计算各个所述目标对象的归一化后的区域位置信息之间的方差的均值,得到所述离散程度参数。
可选的,所述获取模块,用于获取待裁剪图像中的预设的目标对象的区域位置信息,包括:
所述获取模块用于,从所述待裁剪图像中识别出各个预设对象的区域位置信息;获取预设的对象类别的优先级排序;将所述预设对象中属于优先级最高的对象类别的对象,作为所述目标对象,将所述属于优先级最高的对象类别的对象的区域位置信息作为所述目标对象的区域位置信息。
可选的,所述目标对象包括脸和身体轮廓;
所述计算模块,用于依据所述目标对象的区域位置信息,计算离散程度参数,包括:
所述计算模块,具体用于依据所述脸的区域位置信息,计算离散程度参数。
可选的,所述第一确定模块,用于在所述离散程度参数大于预设阈值的情况下,从所述目标对象中确定中心对象,包括:
所述第一确定模块,具体用于,在所述离散程度参数大于预设阈值的情况下,计算多个脸的区域位置信息的平均值;从多个脸中,确定中心脸,所述中心脸为所占的区域与所述平均值的距离最近的脸。
可选的,所述装置还包括:
第五确定模块,用于在所述裁剪模块裁剪所述待裁剪图像之前,将所述身体轮廓的上半身的位置与所述中心脸的位置的平均值,作为裁剪中心;
所述裁剪模块,用于裁剪所述待裁剪图像,具体包括:
所述裁剪模块,具体用于以所述裁剪中心为中心点,裁剪所述待裁剪图像,得到包括所述最小裁剪区域的裁剪结果图像。
可选的,所述目标对象还包括头部轮廓;
所述装置还包括:
修正模块,用于在所述计算模块依据所述目标对象的区域位置信息,计算离散程度参数之前,获取所述脸的区域位置信息和所述头部轮廓的区域位置信息;确定对应的脸和头部轮廓,其中,对应的脸和头部轮廓所占区域的位置的距离不超过预设距离阈值;如果所述对应的脸和头部轮廓为一一对应,将所述对应的脸和头部轮廓各自所占区域的中心位置的信息,作为所述修正后的人脸的区域位置;如果任意一个所述头部轮廓不存在对应的脸,则将该头部轮廓的区域位置信息作为所述修正后的脸的区域位置信息。
本申请所述的图像的裁剪方法,获取待裁剪图像中的预设的目标对象的区域位置信息;依据目标对象的区域位置信息,计算离散程度参数,在离散程度参数大于预设阈值的情况下,从目标对象中确定中心对象,将中心对象所占的区域作为最小裁剪区域。
由于在预设目标对象的离散程度较大的情况下,将中心对象所占的区域作为最小裁剪区域,因为中心对象为目标对象中与中心位置的距离满足预设条件的对象,所以通过预设条件的限定,最小裁剪区域可能为包括部分目标对象的区域,所以,使得最小裁剪区域的面积占待裁剪图像的面积的比值较小;进一步使得裁剪得到的图像中包括该最小裁剪区域时,裁剪比例的可取值增多;并且,本领域技术人员可以将目标对象设置为包含所需重要信息的对象,因此,最小裁剪区域包括重要、完整的信息。进而,使得本实施例可以达到在保留待裁剪图像中重要的视觉信息的前提下,所能使用的裁剪比例增多的效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种图像的裁剪方法的应用场景示意图;
图2为本申请实施例公开的一种图像的裁剪方法的流程图;
图3为本申请实施例公开的又一种图像的裁剪方法的流程图;
图4为本申请实施例公开的又一种图像的裁剪方法的流程图;
图5为本申请实施例公开的一种图像的裁剪装置的结构示意图。
具体实施方式
图1为本申请实施例提供的图像的裁剪方法及装置的应用场景示意图,其中,后端服务器中存储有待裁剪图像,本申请实施例提供的用于实现图像的裁剪方法的装置,可以设置在后端服务器中,也可以独立于后端服务器设置,并与后端服务器相连接(图1为独立设置的示例)。
本申请实施例提供的图像的裁剪方法及装置的目的是:在保留待裁剪图像中重要信息的前提下,所能使用的裁剪比例不限定于一个。
本申请实施例提供的图像的裁剪装置的实验环境可以为Linux/CentOS7.2,软件平台可以为Caffe。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图2为本申请实施例提供的一种图像的裁剪方法,包括以下步骤:
S201、获取待裁剪图像。
S202、获取待裁剪图像中的预设的目标对象的区域位置信息。
在本步骤中,预设的目标对象为事先根据实际需要设定的,可以设置为包含重要信息的对象,例如,设置为人脸。
其中,目标对象的区域位置信息为该目标对象所占区域的位置信息。
具体的,获取待裁剪图像中的目标对象的区域位置信息的过程,在以下图3对应的实施例中进行详细介绍。
S203、将各个目标对象的区域位置信息进行归一化处理,得到归一化后的区域位置信息。
其中,区域位置信息具体为区域的中心点坐标。
在本步骤中,对各个目标对象的区域位置信息进行归一化处理是:将各个目标对象所占区域的中心点坐标进行归一化。
具体的,假设从待裁剪图像中识别出了3个人脸分别对应的区域位置信息,在本步骤中分别对每个人脸的区域的中心点坐标进行归一化处理。
以下以一个人脸所占的区域为例,说明对目标对象所占区域的中心点进行归一化的处理过程。具体的,假设该人脸所占区域的中心点的坐标为(x,y),采用以下公式对该中心点的坐标进行归一化。
式中,x1表示归一化后的横坐标,y1表示归一化后的纵坐标,W表示待裁剪图像的宽度,H表示待裁剪图像的高度。
S204、计算各个目标对象的归一化后的区域位置信息之间的方差的均值,得到离散程度参数。
在本步骤中,目标对象的离散程度参数的大小表示获取的各目标对象在待裁剪图像中的分散程度,其中,离散程度参数的数值越大,表示目标对象在待裁剪图像中越分散。
在本步骤中,还以目标对象为人脸为例进行介绍,假设从待裁剪图像中识别出了3个人脸分别对应的区域位置信息,依据每个人脸区域对应的归一化后的中心点坐标,计算横坐标的方差与纵坐标的方差间的平均值。
例如,3个人脸区域分别对应的归一化后的中心点坐标分别为(x1,y1)、(x2,y2)和(x3,y3),在本步骤中,计算第一方差与第二方差间的均值,其中,第一方差为x1、x2和x3间的方差;第二方差为y1、y2和y3间的方差。
需要说明的是,在目标对象的数量为一个,例如只有一个人脸的情况下,离散程度参数可以看作为0,即最小值。
上述S203~S204的目的是:依据目标对象的区域位置信息,计算离散程度参数。
S205、判断离散程度参数是否大于预设阈值,如果是,执行S206,如果否,执行S208。
在本实施例中,预设阈值为用于区分待裁剪图像中目标对象集中和稀疏的参数。在本实施例中,通过实验得到的预设阈值的取值一个示例可以为0.2,当然,在实际中,预设阈值的取值可以根据实际情况进行确定,本实施例不对预设阈值的具体取值作限定。
S206、从目标对象中确定中心对象。
在本步骤中,中心对象为目标对象中与中心位置的距离满足预设条件的对象,其中,中心位置依据各目标对象所占区域的中心点的均值确定。优选的,与中心位置的距离最近的对象为中心对象。
还以识别出的3个人脸区域为例,将该3个人脸区域的中心点对应的横坐标的均值作为中心位置的横坐标,将该3个人脸区域的中心点的纵坐标的均值作为中心位置的纵坐标。此时,得到3个人脸区域对应的中心位置的坐标。并将3个人脸区域中的中心点与中心位置间的距离最短的人脸,作为中心对象。
S207、将中心对象所占的区域作为最小裁剪区域。
还以目标对象是人脸为例,在本步骤中,可以将中心人脸所占区域的区域作为最小裁剪区域,具体的,可以将中心人脸的最小外接矩形框所占的区域,作为最小裁剪区域。
S208、将待裁剪图像中全部目标对象的最小外接矩形框,作为最小裁剪区域。
在本步骤中,由于目标对象的离散程度小于预设阈值,表明待裁剪图像中目标对象分布的比较集中,全部的目标对象所占的区域的面积较小,因此,在本步骤中,将全部的目标对象的最小外接矩形的区域,作为最小裁剪区域。此时,所确定出的最小裁剪区域的面积占待裁剪图像的面积的比值较小。
S209、将最小裁剪区域的中心点作为裁剪中心。
S210、依据至少一个预设的裁剪比例,裁剪待裁剪图像,裁剪得到的图像中至少包括最小裁剪区域。
在本步骤中,按照预设的裁剪比例,以裁剪得到的结果图像中至少包括最小裁剪区域为原则,对待裁剪图像进行裁剪。
具体的,裁剪得到的图像满足以下条件:中心点为裁剪中心,且包括最小裁剪区域,且长和宽满足预设比例。
进一步的,以包含最小裁剪区域,并且以裁剪中心为中心点的长和宽间的比例满足预设比例为原则,从裁剪中心点向外扩展到待裁剪图像的边界,得到裁剪后的图像。
其中,在本步骤中的裁剪比例为事先设定的,例如,1:1、1:2和3:4中的至少一个比例,当然,该裁剪比例可以根据实际需求进行设定,本实施例不对裁剪比例作限定。
本实施例的有益效果包括:
有益效果一:
由于最小裁剪区域是依据目标对象所占区域的离散程度参数确定出来的,在离散程度参数较小时,将包含目标对象所占区域的最小矩形确定为最小裁剪区域,使得最小裁剪区域的面积占待裁剪图像的面积的比值较小;在离散程度参数较大时,将预设目标所占的各区域中表示中心目标所占的区域作为最小裁剪区域,即最小裁剪区域为至少包括部分目标对象的区域,且面积占待裁剪图像的面积的比值较小;
并且,本领域技术人员可以将目标对象设置为包含所需重要信息的对象,因此,最小裁剪区域包括重要、完整的信息,以及面积占待裁剪图像的面积的比值较小。由于面积比值较小,使得在对待裁剪图像进行裁剪时,裁剪比例的取值可以根据用户需求进行设定,即裁剪比例的可选取值增多;并且,在裁剪过程中包括最小裁剪区域,以及最小裁剪区域包括重要且完整的信息,使得本实施例可以达到在保留待裁剪图像中重要的视觉信息的前提下,所能使用的裁剪比例增多的效果。
有益效果二:
实现对待裁剪图像采用各裁剪比例进行自动化裁剪,得到长和宽满足预设比例、且包括全部或部分目标对象的裁剪后图像,能够提高生产效率。
为了详细介绍图2对应的实施例中目标对象的区域位置信息的获取过程,图3为本申请公开的又一种图像的裁剪方法,具体包括以下步骤:
S301、获取待裁剪图像。
S302、从待裁剪图像中识别出各个预设对象的区域位置信息。
在本步骤中,预设对象为事先设定的属于人物、动物和物体中的任意对象。例如,事先设定的对象为人脸、猫和树。
在本步骤中,采用训练后的模型从待裁剪图像中识别出各对象的区域位置信息,其中,通过包含预设对象的训练样本对YOLOv2模型进行训练,得到训练后的模型;例如,通过包含人脸、猫和树的训练样本对YOLOv2模型进行训练,得到训练后的YOLOv2模型;并将待裁剪图像输入训练后的YOLOv2模型,训练后的模型输出从待裁剪图像中识别出的各对象的区域位置信息。
S303、获取预设的对象类别的优先级排序。
在本实施例中,设定了预设对象的对象类别,具体的,对象类别包括人物、动物和物体。
在本步骤中,还设定了对象类别的优先级排序,其中,对象类别的优先级排序越高,表明待裁剪图像中该对象类别的重要程度越高。例如,对象类别包括人物、动物和物体,对象类别的优先级排序为人物>动物>物体。当然,在实际中,预设类别的优先级排序可以根据实际需求进行设定,本实施例不对预设对象类别的优先级排序作限定。
S304、将预设对象中属于优先级最高的对象类别的对象作为目标对象。将属于优先级最高的对象类别的对象的区域位置信息作为目标对象的区域位置信息。
例如,识别出的区域位置信息为3个人脸、一个猫和一颗树分别对应的区域位置信息,在本步骤中,假设对象类别的优先级为人物>动物>物体,则在本步骤中,将所识别出的对象中属于人物的对象作为目标对象,即将所识别出的人脸作为目标对象,并将识别出的3个人脸的区域位置信息作为目标对象的区域位置信息。
S305、利用目标对象的区域位置信息确定最小裁剪区域,并按照预设裁剪比例对待裁剪图像进行裁剪。
利用目标对象的区域位置信息确定最小裁剪区域,以按照预设裁剪比例对待裁剪图像进行裁剪。即在目标对象比较分散的情况下,确定中心对象,并依据中心对象确定最小裁剪区域,在目标对象比较集中的情况下,依据全部目标对象确定最小裁剪区域。
具体的,可以参考图2对应的实施例中S203~S210的内容相同,这里不再赘述。
本实施例的有益效果包括:
有益效果一:
通过本实施例中公开的图像的裁剪方法,对于获取目标对象的过程依据预设的对象类别的优先级排序,从识别出的对象的区域位置信息中确定属于最高优先级类别的对象为目标对象,从而得到目标对象的区域位置信息。由于对象类别包括人物、动物和物体,人物、动物和物体可以涵盖大部分待裁剪图像的内容,因此,本实施例中获取目标对象的区域位置信息可以适用于大部分的待裁剪图像,使得本实施例的图像裁剪算法可以适用于包括多种类型对象的图像的裁剪。
有益效果二:
在本实施例中,在识别待裁剪图像中的对象的区域位置信息的过程中,可以采用不同的模型对不同的对象进行识别,例如,采用训练后的人脸识别模型识别人脸的区域位置信息,采用训练后的人头识别模型识别人头的区域位置信息,采用训练后的其它对象识别模型识别除人脸与人头外的其他对象的区域位置信息。使得可以对各个模型进行优化,使各个模型达到最优的识别效果。
有益效果三:
在本实施例中,各模型只是识别预设对象的区域位置信息,并不对所识别出的对象是否美观作判断。由于对象的美观涉及到主观因素,因此,本实施例中识别出的对象的区域位置信息更具有客观性,使得采用所识别出的对象的区域位置信息确定最小裁剪区域时,更具有客观性。
在实际中,针对从待裁剪图像中识别出的对象所属的对象类别中的最高优先级对象类别,所识别出的对象中属于该最高优先级的对象可能包括脸与身体轮廓,即目标对象的区域位置信息为识别出的脸的区域位置信息与身体轮廓的区域位置信息,其中,一个身体轮廓可以为整体身体轮廓,也可以为部分身体轮廓。
在这种情况下,在计算目标对象的离散程度参数时,采用识别出的脸的区域位置信息,确定离散程度参数。在离散程度参数大于预设阈值的情况下,再从识别出的脸的区域位置信息中确定出中心脸所占的区域。
具体的,确定中心脸的过程可以包括:
A1、计算多个脸的区域位置信息的平均值,得到平均位置信息。
具体的,计算多个脸分别所占区域的中心点坐标的平均值,为了描述方便,将所计算得到的中心点坐标的平均值称为平均位置信息。
A2、将所占的区域与平均位置信息的距离最近的脸,作为中心脸。
依据所识别出的各脸所占的区域的中心点与平均位置信息的距离,将最小距离对应的脸称为中心脸。
将中心脸的最小外接矩形所在的区域,作为最小裁剪区域。
为了使得裁剪后的图像中可以包含较多的信息,在计算裁剪中心时,将中心脸所占的区域的中心点与该中心脸所属的身体轮廓的上半身所占区域的中心点的均值,作为裁剪中心。具体的,中心脸所属的身体轮廓为所识别出的身体轮廓的区域位置信息中,与中心脸所占区域间重叠的面积大于预设面积阈值的身体轮廓为中心脸所属的身体轮廓。
在离散程度参数不大于预设阈值的情况下,确定最小裁剪区域,以及对待裁剪图像进行裁剪,使得裁剪得到的图像至少包括最小裁剪区域的过程,与图2对应的实施例中S208~S210相同,这里不再赘述。
在实际中,当待裁剪图像中有些身体轮廓对应有头部轮廓但是没有对应的脸,在目标对象为身体轮廓和脸并且脸较少的情况下,在采用上述目标对象为身体轮廓与脸的裁剪方法对待裁剪图像进行裁剪时,只能采用脸的区域位置信息计算待裁剪图像中目标对象的离散程度参数、最小裁剪区域与裁剪中心点,此时,由于只对脸区域进行计算,对于只有头部轮廓但没有脸的身体轮廓没有考虑,进而导致计算出的离散程度参数、最小裁剪区域与裁剪中心点的准确性较低。
因此,图4为在本申请公开的又一种图像的裁剪方法,在该方法中,目标对象包括头部轮廓、脸和身体轮廓。具体的,包括以下步骤:
S401、获取待裁剪图像中的预设的目标对象的区域位置信息。
在本步骤中,目标对象包括头部轮廓、脸与身体轮廓。
S402、依据所识别出的各脸的区域位置信息与各头部轮廓的区域位置信息,将各自所占区域的位置的距离不超过预设距离阈值的脸和头部轮廓,作为对应的脸和头部轮廓,如果对应的脸和头部轮廓为一一对应,将对应的脸和头部轮廓各自所占区域的中心位置的信息,作为修正后的脸的区域位置。
S403、依据所识别出的各脸的区域位置信息与各头部轮廓的区域位置信息,将无对应脸的头部轮廓的区域位置信息,作为修正后的脸的区域位置信息。
S404、依据修正后的脸的区域位置信息,计算离散程度参数。
具体的,在计算离散程度参数的过程中所使用的修正后的脸区域的中心点为S402和S403中确定的中心点。
具体的,采用修正后的脸所占区域的中心点,计算离散程度参数的过程与图2对应的实施例中的S203~S204相同,这里不再赘述。
S405、确定最小裁剪区域,以及对待裁剪图像进行裁剪,裁剪得到的图像中至少包括最小裁剪区域。
具体的,对于确定最小裁剪区域与对待裁剪图像进行裁剪的过程,与以脸作为目标对象对应的过程相同,这里不在赘述。需要说明的是,在确定最小裁剪区域与裁剪中心的过程中,所使用的修正后的脸区域的位置信息与中心点,以上述S403与S404中确定的为准。
需要说明的是,上述“脸”的一种示例为“人脸”,“身体轮廓”的一种示例为“人身”,“头部轮廓”的一种示例为“人头”。“人脸”、“人身”以及“人头”的检测方法,可以参见现有技术,这里不再赘述。
图5为本申请实施例提供的一种图像裁剪装置,包括:获取模块501、计算模块502、第一确定模块503、第二确定模块504和裁剪模块505。
获取模块501,用于获取待裁剪图像中的预设的目标对象的区域位置信息。区域位置信息为目标对象在所述待裁剪图像中所占的区域的位置信息。
计算模块502,用于依据目标对象的区域位置信息,计算离散程度参数。离散程度参数用于表示待裁剪图像中的目标对象的离散程度。
第一确定模块503,用于在离散程度参数大于预设阈值的情况下,从目标对象中确定中心对象,中心对象为目标对象中与中心位置的距离满足预设条件的对象,中心位置依据所述区域的中心点确定。
第二确定模块504,用于将中心对象所占的区域作为最小裁剪区域。
裁剪模块505,用于裁剪所述待裁剪图像,裁剪得到的图像中至少包括所述最小裁剪区域。
可选的,装置还包括:第三确定模块506,用于在裁剪模块裁剪待裁剪图像之前,在目标对象的离散程度参数不大于预设阈值的情况下,将待裁剪图像中全部目标对象所占的区域,作为最小裁剪区域。
可选的,装置还包括:第四确定模块507,用于将最小裁剪区域的中心点,作为裁剪中心。裁剪模块505,具体用于以裁剪中心为中心点,裁剪待裁剪图像,得到包括最小裁剪区域的裁剪结果图像。
可选的,计算模块502,用于依据目标对象的区域位置信息,计算离散程度参数,离散程度参数用于表示待裁剪图像中的目标对象的离散程度,包括:将各个目标对象的区域位置信息进行归一化处理,得到归一化后的区域位置信息,计算各个目标对象的归一化后的区域位置信息之间的方差的均值,得到离散程度参数。
可选的,获取模块501,用于获取待裁剪图像中的预设的目标对象的区域位置信息,包括:从待裁剪图像中识别出各个预设对象的区域位置信息。获取预设的对象类别的优先级排序。将预设对象中属于优先级最高的对象类别的对象,作为目标对象,将属于优先级最高的对象类别的对象的区域位置信息作为目标对象的区域位置信息。
可选的,目标对象包括脸和身体轮廓。计算模块502,用于依据目标对象的区域位置信息,计算离散程度参数,包括:依据脸的区域位置信息,计算离散程度参数。
可选的,第一确定模块503,用于在离散程度参数大于预设阈值的情况下,从目标对象中确定中心对象,包括:在离散程度参数大于预设阈值的情况下,计算多个脸的区域位置信息的平均值。从多个脸中,确定中心脸,中心脸所占的区域与平均值的距离最近。
可选的,装置还包括:第五确定模块508,用于在裁剪模块裁剪待裁剪图像之前,将身体轮廓的上半身的位置与中心脸的位置的平均值,作为裁剪中心。裁剪模块505,用于裁剪待裁剪图像,具体包括:以裁剪中心为中心点,裁剪待裁剪图像,得到包括最小裁剪区域的裁剪结果图像。
可选的,目标对象还包括头部轮廓,装置还包括:修正模块509,用于在计算模块502依据目标对象的区域位置信息,计算离散程度参数之前,获取脸的区域位置信息和头部轮廓的区域位置信息。确定对应的脸和头部轮廓,其中,对应的脸和头部轮廓所占区域的位置的距离不超过预设距离阈值。如果对应的脸和头部轮廓为一一对应,将对应的脸和头部轮廓各自所占区域的中心位置的信息,作为修正后的人脸的区域位置。如果任意一个头部轮廓不存在对应的脸,则将该头部轮廓的区域位置信息作为修正后的脸的区域位置信息。
本申请实施例方法所述的功能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设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (18)
1.一种图像裁剪方法,其特征在于,包括:
获取待裁剪图像中的预设的目标对象的区域位置信息;所述区域位置信息为所述目标对象在所述待裁剪图像中所占的区域的位置信息;
依据所述目标对象的区域位置信息,计算离散程度参数;所述离散程度参数用于表示所述待裁剪图像中的所述目标对象的离散程度;
在所述离散程度参数大于预设阈值的情况下,从所述目标对象中确定中心对象,所述中心对象为所述目标对象中与中心位置的距离满足预设条件的对象,所述中心位置依据所述区域的中心点确定;
将所述中心对象所占的区域作为最小裁剪区域;
裁剪所述待裁剪图像,裁剪得到的图像中至少包括所述最小裁剪区域。
2.根据权利要求1所述的方法,其特征在于,在所述裁剪所述待裁剪图像之前,还包括:
在所述目标对象的离散程度参数不大于所述预设阈值的情况下,将所述待裁剪图像中全部所述目标对象所占的区域,作为最小裁剪区域。
3.根据权利要求1或2所述的方法,其特征在于,在所述裁剪所述待裁剪图像之前,还包括:
将所述最小裁剪区域的中心点,作为裁剪中心;
所述裁剪所述待裁剪图像包括:
以所述裁剪中心为中心点,裁剪所述待裁剪图像,得到包括所述最小裁剪区域的裁剪结果图像。
4.根据权利要求1或2所述的方法,其特征在于,所述依据所述目标对象的区域位置信息,计算离散程度参数包括:
将各个所述目标对象的区域位置信息进行归一化处理,得到归一化后的区域位置信息;
计算各个所述目标对象的归一化后的区域位置信息之间的方差的均值,得到所述离散程度参数。
5.根据权利要求1所述的方法,其特征在于,所述获取待裁剪图像中的预设的目标对象的区域位置信息,包括:
从所述待裁剪图像中识别出各个预设对象的区域位置信息;
获取预设的对象类别的优先级排序;
将所述预设对象中属于优先级最高的对象类别的对象,作为所述目标对象,将所述属于优先级最高的对象类别的对象的区域位置信息作为所述目标对象的区域位置信息。
6.根据权利要求1、2或5所述的方法,其特征在于,所述目标对象包括脸和身体轮廓;
所述依据所述目标对象的区域位置信息,计算离散程度参数包括:
依据所述脸的区域位置信息,计算离散程度参数。
7.根据权利要求6所述的方法,其特征在于,所述在所述离散程度参数大于预设阈值的情况下,从所述目标对象中确定中心对象包括:
在所述离散程度参数大于预设阈值的情况下,计算多个脸的区域位置信息的平均值;
从多个脸中,确定中心脸,所述中心脸为所占的区域与所述平均值的距离最近的脸。
8.根据权利要求7所述的方法,其特征在于,在所述裁剪所述待裁剪图像之前,还包括:
将所述身体轮廓的上半身的位置与所述中心脸的位置的平均值,作为裁剪中心;
所述裁剪所述待裁剪图像包括:
以所述裁剪中心为中心点,裁剪所述待裁剪图像,得到包括所述最小裁剪区域的裁剪结果图像。
9.根据权利要求6所述的方法,其特征在于,所述目标对象还包括头部轮廓;
在所述依据所述目标对象的区域位置信息,计算离散程度参数之前,还包括:
获取所述脸的区域位置信息和所述头部轮廓的区域位置信息;
确定对应的脸和头部轮廓,其中,脸所占的区域位置信息,与所述脸对应的头部轮廓所占区域的位置的距离不超过预设距离阈值;
如果所述对应的脸和头部轮廓为一一对应,将所述对应的脸和头部轮廓各自所占区域的中心位置的信息,作为所述修正后的人脸的区域位置;
如果任意一个所述头部轮廓不存在对应的脸,则将该头部轮廓的区域位置信息作为所述修正后的脸的区域位置信息。
10.一种图像裁剪装置,其特征在于,包括:
获取模块,用于获取待裁剪图像中的预设的目标对象的区域位置信息;所述区域位置信息为所述目标对象在所述待裁剪图像中所占的区域的位置信息;
计算模块,用于依据所述目标对象的区域位置信息,计算离散程度参数;所述离散程度参数用于表示所述待裁剪图像中的所述目标对象的离散程度;
第一确定模块,用于在所述离散程度参数大于预设阈值的情况下,从所述目标对象中确定中心对象,所述中心对象为所述目标对象中与中心位置的距离满足预设条件的对象,所述中心位置依据所述区域的中心点确定;
第二确定模块,用于将所述中心对象所占的区域作为最小裁剪区域;
裁剪模块,用于裁剪所述待裁剪图像,裁剪得到的图像中至少包括所述最小裁剪区域。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第三确定模块,用于在所述裁剪模块裁剪所述待裁剪图像之前,在所述目标对象的离散程度参数不大于所述预设阈值的情况下,将所述待裁剪图像中全部所述目标对象所占的区域,作为最小裁剪区域。
12.根据权利要求10或11所述的装置,其特征在于,所述装置还包括:
第四确定模块,用于将所述最小裁剪区域的中心点,作为裁剪中心;
所述裁剪模块用于裁剪所述待裁剪图像包括:
所述裁剪模块,具体用于以所述裁剪中心为中心点,裁剪所述待裁剪图像,得到包括所述最小裁剪区域的裁剪结果图像。
13.根据权利要求10或11所述的装置,其特征在于,所述计算模块,用于依据所述目标对象的区域位置信息,计算离散程度参数包括:
所述计算模块具体用于,将各个所述目标对象的区域位置信息进行归一化处理,得到归一化后的区域位置信息;计算各个所述目标对象的归一化后的区域位置信息之间的方差的均值,得到所述离散程度参数。
14.根据权利要求10所述的装置,其特征在于,所述获取模块,用于获取待裁剪图像中的预设的目标对象的区域位置信息,包括:
所述获取模块用于,从所述待裁剪图像中识别出各个预设对象的区域位置信息;获取预设的对象类别的优先级排序;将所述预设对象中属于优先级最高的对象类别的对象,作为所述目标对象,将所述属于优先级最高的对象类别的对象的区域位置信息作为所述目标对象的区域位置信息。
15.根据权利要求10、11或14所述的装置,其特征在于,所述目标对象包括脸和身体轮廓;
所述计算模块,用于依据所述目标对象的区域位置信息,计算离散程度参数,包括:
所述计算模块,具体用于依据所述脸的区域位置信息,计算离散程度参数。
16.根据权利要求15所述的装置,其特征在于,所述第一确定模块,用于在所述离散程度参数大于预设阈值的情况下,从所述目标对象中确定中心对象,包括:
所述第一确定模块,具体用于,在所述离散程度参数大于预设阈值的情况下,计算多个脸的区域位置信息的平均值;从多个脸中,确定中心脸,所述中心脸为所占的区域与所述平均值的距离最近的脸。
17.根据权利要求16所述的装置,其特征在于,所述装置还包括:
第五确定模块,用于在所述裁剪模块裁剪所述待裁剪图像之前,将所述身体轮廓的上半身的位置与所述中心脸的位置的平均值,作为裁剪中心;
所述裁剪模块,用于裁剪所述待裁剪图像,具体包括:
所述裁剪模块,具体用于以所述裁剪中心为中心点,裁剪所述待裁剪图像,得到包括所述最小裁剪区域的裁剪结果图像。
18.根据权利要求15所述的装置,其特征在于,所述目标对象还包括头部轮廓;
所述装置还包括:
修正模块,用于在所述计算模块依据所述目标对象的区域位置信息,计算离散程度参数之前,获取所述脸的区域位置信息和所述头部轮廓的区域位置信息;确定对应的脸和头部轮廓,其中,对应的脸和头部轮廓所占区域的位置的距离不超过预设距离阈值;如果所述对应的脸和头部轮廓为一一对应,将所述对应的脸和头部轮廓各自所占区域的中心位置的信息,作为所述修正后的人脸的区域位置;如果任意一个所述头部轮廓不存在对应的脸,则将该头部轮廓的区域位置信息作为所述修正后的脸的区域位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515877.7A CN110223306B (zh) | 2019-06-14 | 2019-06-14 | 一种图像的裁剪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515877.7A CN110223306B (zh) | 2019-06-14 | 2019-06-14 | 一种图像的裁剪方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110223306A true CN110223306A (zh) | 2019-09-10 |
CN110223306B CN110223306B (zh) | 2021-06-15 |
Family
ID=67817330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910515877.7A Active CN110223306B (zh) | 2019-06-14 | 2019-06-14 | 一种图像的裁剪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223306B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524145A (zh) * | 2020-04-13 | 2020-08-11 | 北京智慧章鱼科技有限公司 | 图片智能裁剪方法、系统、计算机设备及存储介质 |
CN111881755A (zh) * | 2020-06-28 | 2020-11-03 | 腾讯科技(深圳)有限公司 | 一种视频帧序列的裁剪方法及装置 |
CN112135188A (zh) * | 2020-09-16 | 2020-12-25 | 咪咕文化科技有限公司 | 视频裁剪方法、电子设备及计算机可读存储介质 |
CN112528827A (zh) * | 2020-12-03 | 2021-03-19 | 和远智能科技股份有限公司 | 一种高铁接触网供电设备裂损自动检测方法 |
CN113238523A (zh) * | 2021-04-24 | 2021-08-10 | 深圳市星火数控技术有限公司 | 一种图像自识别指令自编程控制方法及系统 |
CN114125567A (zh) * | 2020-08-27 | 2022-03-01 | 荣耀终端有限公司 | 图像处理方法及相关装置 |
CN112183227B (zh) * | 2020-09-08 | 2023-12-22 | 瑞芯微电子股份有限公司 | 一种智能泛人脸区域的编码方法和设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100289913A1 (en) * | 2009-05-13 | 2010-11-18 | Canon Kabushiki Kaisha | Video processing apparatus, and control method and program therefor |
CN103996186A (zh) * | 2014-04-29 | 2014-08-20 | 小米科技有限责任公司 | 图像裁剪方法及装置 |
CN104486552A (zh) * | 2014-12-29 | 2015-04-01 | 联想(北京)有限公司 | 一种获取图像的方法及电子设备 |
CN105263049A (zh) * | 2015-10-28 | 2016-01-20 | 努比亚技术有限公司 | 一种基于帧坐标的视频裁剪装置、方法及移动终端 |
CN105357436A (zh) * | 2015-11-03 | 2016-02-24 | 广东欧珀移动通信有限公司 | 用于图像拍摄中的图像裁剪方法和系统 |
CN107610131A (zh) * | 2017-08-25 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 一种图像裁剪方法和图像裁剪装置 |
CN107622497A (zh) * | 2017-09-29 | 2018-01-23 | 广东欧珀移动通信有限公司 | 图像裁剪方法、装置、计算机可读存储介质和计算机设备 |
-
2019
- 2019-06-14 CN CN201910515877.7A patent/CN110223306B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100289913A1 (en) * | 2009-05-13 | 2010-11-18 | Canon Kabushiki Kaisha | Video processing apparatus, and control method and program therefor |
CN103996186A (zh) * | 2014-04-29 | 2014-08-20 | 小米科技有限责任公司 | 图像裁剪方法及装置 |
CN104486552A (zh) * | 2014-12-29 | 2015-04-01 | 联想(北京)有限公司 | 一种获取图像的方法及电子设备 |
CN105263049A (zh) * | 2015-10-28 | 2016-01-20 | 努比亚技术有限公司 | 一种基于帧坐标的视频裁剪装置、方法及移动终端 |
CN105357436A (zh) * | 2015-11-03 | 2016-02-24 | 广东欧珀移动通信有限公司 | 用于图像拍摄中的图像裁剪方法和系统 |
CN107610131A (zh) * | 2017-08-25 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 一种图像裁剪方法和图像裁剪装置 |
CN107622497A (zh) * | 2017-09-29 | 2018-01-23 | 广东欧珀移动通信有限公司 | 图像裁剪方法、装置、计算机可读存储介质和计算机设备 |
Non-Patent Citations (1)
Title |
---|
贾西西: "图像显著性目标检测理论及其应用", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524145A (zh) * | 2020-04-13 | 2020-08-11 | 北京智慧章鱼科技有限公司 | 图片智能裁剪方法、系统、计算机设备及存储介质 |
CN111524145B (zh) * | 2020-04-13 | 2024-06-04 | 北京智慧章鱼科技有限公司 | 图片智能裁剪方法、系统、计算机设备及存储介质 |
CN111881755A (zh) * | 2020-06-28 | 2020-11-03 | 腾讯科技(深圳)有限公司 | 一种视频帧序列的裁剪方法及装置 |
CN111881755B (zh) * | 2020-06-28 | 2022-08-23 | 腾讯科技(深圳)有限公司 | 一种视频帧序列的裁剪方法及装置 |
CN114125567A (zh) * | 2020-08-27 | 2022-03-01 | 荣耀终端有限公司 | 图像处理方法及相关装置 |
CN114125567B (zh) * | 2020-08-27 | 2022-12-13 | 荣耀终端有限公司 | 图像处理方法及相关装置 |
CN112183227B (zh) * | 2020-09-08 | 2023-12-22 | 瑞芯微电子股份有限公司 | 一种智能泛人脸区域的编码方法和设备 |
CN112135188A (zh) * | 2020-09-16 | 2020-12-25 | 咪咕文化科技有限公司 | 视频裁剪方法、电子设备及计算机可读存储介质 |
CN112528827A (zh) * | 2020-12-03 | 2021-03-19 | 和远智能科技股份有限公司 | 一种高铁接触网供电设备裂损自动检测方法 |
CN113238523A (zh) * | 2021-04-24 | 2021-08-10 | 深圳市星火数控技术有限公司 | 一种图像自识别指令自编程控制方法及系统 |
CN113238523B (zh) * | 2021-04-24 | 2022-03-15 | 深圳市星火数控技术有限公司 | 一种图像自识别指令自编程控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110223306B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223306A (zh) | 一种图像的裁剪方法及装置 | |
CN105976400B (zh) | 基于神经网络模型的目标跟踪方法及装置 | |
CN108665159A (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
CN109864736A (zh) | 心电信号的处理方法、装置、终端设备及介质 | |
WO2013005447A1 (ja) | 顔印象分析方法、美容カウンセリング方法および顔画像生成方法 | |
CN109766755B (zh) | 人脸识别方法及相关产品 | |
CN112184656B (zh) | 基于超声动态图像的胎儿切面的确定方法及装置 | |
KR101301821B1 (ko) | 안색 정보 생성 장치 및 그 방법, 안색 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법 | |
CN108520472A (zh) | 一种处理电力系统数据的方法、装置及电子设备 | |
CN109919624A (zh) | 一种基于时空集中性的网贷欺诈团伙识别与预警方法 | |
CN108460398A (zh) | 图像处理方法、装置、云处理设备和计算机程序产品 | |
CN109447963A (zh) | 一种脑部影像识别的方法及装置 | |
CN113240661B (zh) | 基于深度学习的腰椎骨分析方法、装置、设备及存储介质 | |
CN107093085A (zh) | 异常用户识别方法及装置 | |
CN110337670A (zh) | 一种基于磁共振图像的脑龄测试方法及脑龄测试装置 | |
CN104346621A (zh) | 创建眼睛模板及检测眼睛状态的方法与装置 | |
CN110309789A (zh) | 基于深度学习的视频监控下人脸清晰度评价方法及装置 | |
CN115862812A (zh) | 放疗计划的处理装置、存储介质及电子设备 | |
WO2018233086A1 (zh) | 一种基于数据分析的停车引导系统及方法 | |
WO2018233072A1 (zh) | 一种结合天气信息的车辆停车引导系统及方法 | |
CN107515876A (zh) | 一种特征模型的生成、应用方法及装置 | |
CN108268822A (zh) | 人脸识别方法、装置及机器人 | |
CN113496215A (zh) | 一种活体人脸检测的方法、装置及电子设备 | |
CN106909545A (zh) | 一种确定用户的归属信息的方法和设备 | |
CN117577326A (zh) | 患病风险的预测方法及相关装置 |
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 |