CN110348353A - 一种图像处理方法及装置 - Google Patents

一种图像处理方法及装置 Download PDF

Info

Publication number
CN110348353A
CN110348353A CN201910588380.8A CN201910588380A CN110348353A CN 110348353 A CN110348353 A CN 110348353A CN 201910588380 A CN201910588380 A CN 201910588380A CN 110348353 A CN110348353 A CN 110348353A
Authority
CN
China
Prior art keywords
image
zoomed
zoomed image
facial
obtaining
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
Application number
CN201910588380.8A
Other languages
English (en)
Other versions
CN110348353B (zh
Inventor
刘其聪
李贵平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhaoyi Information Technology Shanghai Co ltd
Original Assignee
Guangdong Austrian Austrian Buyer Agel Ecommerce Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Austrian Austrian Buyer Agel Ecommerce Ltd filed Critical Guangdong Austrian Austrian Buyer Agel Ecommerce Ltd
Priority to CN201910588380.8A priority Critical patent/CN110348353B/zh
Publication of CN110348353A publication Critical patent/CN110348353A/zh
Application granted granted Critical
Publication of CN110348353B publication Critical patent/CN110348353B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种图像处理方法及装置，实时接收影像数据，并根据预设频率，实时将接收到的影像数据组成帧图像；根据预设比例，对帧图像进行等比例缩放，获取缩放图像后，对缩放图像进行识别，获取缩放图像中的内容信息。与现有技术相比，本申请通过预设频率，对实时接收到的影像数据进行处理，形成对应图像的同时，通过等比例缩放，在不使图像变形的前提下，减少图像资源占用，提高检测速率。

Description

一种图像处理方法及装置
技术领域
本申请涉及图像处理技术领域，尤其涉及一种图像处理方法及装置。
背景技术
目前，在各商场或门店里，均安装有摄像设备进行摄像。而为提高用户体验，这些商场或门店会采用人脸识别的方法对摄像视频中的人体进行检测。但采用现有技术获取摄像视频中的视频图像进行人脸识别时发现，由于视频影像中图像数量较多，加之为保证清晰度，摄像设备获取的影像的内存占比也会较大，导致人体检测的速率较慢。
发明内容
本申请实施例所要解决的技术问题在于，提供一种图像处理方法及装置，提高检测的速率。
为解决上述问题，本申请实施例提供一种图像处理方法，适于在计算设备中执行，至少包括如下步骤：
实时接收影像数据，并根据预设频率，实时将接收到的所述影像数据组成帧图像；其中，所述帧图像的图像内容包括物品与用户；
根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中的内容信息。
进一步的，所述实时接收影像数据，并根据预设频率，实时将接收到的所述影像数据组成帧图像，包括：
在第一线程中，根据摄像设备的固定IP，开启所述摄像设备后，实时接收所述摄像设备发送的影像数据，并在第二线程中，根据预设频率，实时将接收到的所述影像数据组成帧图像。
进一步的，所述内容信息包括用户的多个特征信息；其中，所述特征数据包括年龄、性别和表情；
所述根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中的内容信息，包括：
根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像；
对所述缩放图像进行人脸识别，获取所述缩放图像中人脸图像的多个特征点，并根据多个所述特征点，获取所述人脸图像对应的用户的多个特征信息。
进一步的，所述对所述缩放图像进行人脸识别，获取所述缩放图像中人脸图像的多个特征点，并根据多个所述特征点，获取所述人脸图像对应的用户的多个特征信息，包括：
对所述缩放图像进行人脸识别，获取所述人脸图像的各像素点后，基于预设的决策树，递归地根据各所述像素点对所述人脸图像进行分割，获取与人脸的各部位一一对应的各特征区域；
提取各所述特征区域的特征向量进行平均值计算，确定平均特征向量后，将所述平均特征向量与各所述特征向量连接，获取与各所述特征区域一一对应的各特征点集；其中，所述特征点集中包含多个特征点；
根据多个所述特征点集，获取所述用户的多个所述特征信息。
进一步的，所述内容信息包括用户的位置信息；
所述根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中的内容信息，包括：
根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中人脸图像的坐标与宽高，并将所述人脸图像的坐标与宽高映射回所述缩放图像，获取所述人脸图像对应的用户在所述缩放图像中的位置信息。
进一步的，本申请的又一实施例提供一种图像处理装置，包括：
图像接收模块，用于实时接收影像数据，并根据预设频率，实时将接收到的所述影像数据组成帧图像；其中，所述帧图像的图像内容包括物品与用户；
图像处理模块，用于根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中的内容信息。
进一步的，所述图像接收模块具体用于：
在第一线程中，根据摄像设备的固定IP，开启所述摄像设备后，实时接收所述摄像设备发送的影像数据，并在第二线程中，根据预设频率，实时将接收到的所述影像数据组成帧图像。
进一步的，所述内容信息包括用户的多个特征信息；其中，所述特征数据包括年龄、性别和表情；
所述图像处理模块包括：
图像缩放单元，用于根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像；
特征识别单元，用于对所述缩放图像进行人脸识别，获取所述缩放图像中人脸图像的多个特征点，并根据多个所述特征点，获取所述人脸图像对应的用户的多个特征信息。
进一步的，所述特征识别单元包括：
第一子单元，用于对所述缩放图像进行人脸识别，获取所述人脸图像的各像素点后，基于预设的决策树，递归地根据各所述像素点对所述人脸图像进行分割，获取与人脸的各部位一一对应的各特征区域；
第二子单元，用于提取各所述特征区域的特征向量进行平均值计算，确定平均特征向量后，将所述平均特征向量与各所述特征向量连接，获取与各所述特征区域一一对应的各特征点集；其中，所述特征点集中包含多个特征点；
第三子单元，用于根据多个所述特征点集，获取所述用户的多个所述特征信息。
进一步的，所述内容信息包括用户的位置信息；
所述图像处理模块具体用于：
根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中人脸图像的坐标与宽高，并将所述人脸图像的坐标与宽高映射回所述缩放图像，获取所述人脸图像对应的用户在所述缩放图像中的位置信息。
实施本申请实施例，具有如下有益效果：
本申请实施例提供的一种图像处理方法及装置，实时接收影像数据，并根据预设频率，实时将接收到的影像数据组成帧图像；根据预设比例，对帧图像进行等比例缩放，获取缩放图像后，对缩放图像进行识别，获取缩放图像中的内容信息。与现有技术相比，本申请通过预设频率，对实时接收到的影像数据进行处理，形成对应图像的同时，通过等比例缩放，在不使图像变形的前提下，减少图像资源占用，提高检测速率。
附图说明
图1是本申请的一个实施例提供的图像处理方法的流程示意图；
图2是图1中步骤S12的一个流程图；
图3是获取用户特征信息的流程图；
图4是本申请的一个实施例提供的图像处理装置的结构示意图；
图5是图像处理模块的一个结构示意图。
具体实施方式
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。
参见图1，是本申请的一个实施例提供的图像处理方法的流程示意图，如图1所示，该任务处理方法包括步骤S11至步骤S12。各步骤具体如下：
步骤S11，实时接收影像数据，并根据预设频率，实时将接收到的影像数据组成帧图像。
其中，帧图像的图像内容包括物品与用户。
具体的，在第一线程中，根据摄像设备的固定IP，开启摄像设备后，实时接收摄像设备发送的影像数据，并在第二线程中，根据预设频率，实时将接收到的影像数据组成帧图像。
在本实施例中，接收到的影像数据必须是根据固定IP开启的摄像设备所发送的。通过固定IP，管理者可根据需要选择对应的摄像设备进行视频影像的接收，无需再统一接收各摄像设备发送的视频影像，从而在优化内存的同时，也使得影像数据的接收更有针对性。
步骤S12，根据预设比例，对帧图像进行等比例缩放，获取缩放图像后，对缩放图像进行识别，获取缩放图像中的内容信息。
在本实施例中，将帧图像按预设比例进行等比例的宽高缩放，使得图像在不变形的前提下，减少图像的资源占用，提高检测速率。
作为本实施例的一个优选举例，内容信息包括用户的多个特征信息。其中，特征数据包括年龄、性别和表情。如图2所示，步骤S12包括：
步骤S21，根据预设比例，对帧图像进行等比例缩放，获取缩放图像。
优选的，缩放图像的大小为帧图像大小的十分之三。
步骤S22，对缩放图像进行人脸识别，获取缩放图像中人脸图像的多个特征点，并根据多个特征点，获取人脸图像对应的用户的多个特征信息。
具体的，获取人脸图像对应的用户的多个特征信息的流程图如图3所示，包括：
步骤S31，对缩放图像进行人脸识别，获取人脸图像的各像素点后，基于预设的决策树，递归地根据各像素点对人脸图像进行分割，获取与人脸的各部位一一对应的各特征区域。
需要说明的是，缩放图像可以是任意格式的图像。在接收到任意格式的图像后，将任意格式的图像统一转换为预设格式的图像，从而避免后续因图像格式不同产生的图像识别误差。图像中各像素点的识别采用现有技术常用的识别手段，在此不多赘述。
特征区域包括人脸轮廓区域、眼睛区域、鼻子区域、嘴巴区域和耳朵区域。
步骤S32，提取各特征区域的特征向量进行平均值计算，确定平均特征向量后，将平均特征向量与各特征向量连接，获取与各特征区域一一对应的各特征点集。
其中，特征点集中包含多个特征点。
具体的，对各特征区域的特征向量进行平均shape(即选取特征点平均值)，和特征向量连接，从而得到各特征区域的特征点集。各特征点集共形成72个特征点位，对一张人脸图像的各部位进行特征标示。
步骤S33，根据多个特征点集，获取用户的多个特征信息。
具体的，通过对人脸进行区域分割，再根据各区域的特征向量获取各区域的特征点的方式，使得特征识别时能够根据区域进行特征识别，提高同一个人的人脸特征识别的特征点之间的相似度，进而提高后续进行特征评估的准确率。
进一步的，作为本实施例的又一优选举例，内容信息包括用户的位置信息。此时步骤S12具体为：
根据预设比例，对帧图像进行等比例缩放，获取缩放图像后，对缩放图像进行识别，获取缩放图像中人脸图像的坐标与宽高，并将人脸图像的坐标与宽高映射回缩放图像，获取人脸图像对应的用户在缩放图像中的位置信息。
在本实施例中，获取人体在位图中的位置信息后，将该位置信息发送到前台，以使前台根据该位置信息确定用户在商场中的位置后，执行后续操作。
本申请实施例提供一种图像处理方法，实时接收影像数据，并根据预设频率，实时将接收到的影像数据组成帧图像；根据预设比例，对帧图像进行等比例缩放，获取缩放图像后，对缩放图像进行识别，获取缩放图像中的内容信息。与现有技术相比，本申请通过预设频率，对实时接收到的影像数据进行处理，形成对应图像的同时，通过等比例缩放，在不使图像变形的前提下，减少图像资源占用，提高检测速率。
进一步的，如图4所示，是本申请的一个实施例提供的图像处理装置的结构示意图。包括：
图像接收模块101，用于实时接收影像数据，并根据预设频率，实时将接收到的影像数据组成帧图像。
其中，帧图像的图像内容包括物品与用户。
具体的，在第一线程中，根据摄像设备的固定IP，开启摄像设备后，实时接收摄像设备发送的影像数据，并在第二线程中，根据预设频率，实时将接收到的影像数据组成帧图像。
在本实施例中，接收到的影像数据必须是根据固定IP开启的摄像设备所发送的。通过固定IP，管理者可根据需要选择对应的摄像设备进行视频影像的接收，无需再统一接收各摄像设备发送的视频影像，从而在优化内存的同时，也使得影像数据的接收更有针对性。
图像处理模块102，用于根据预设比例，对帧图像进行等比例缩放，获取缩放图像后，对缩放图像进行识别，获取缩放图像中的内容信息。
在本实施例中，将帧图像按预设比例进行等比例的宽高缩放，使得图像在不变形的前提下，减少图像的资源占用，提高检测速率。
作为本实施例的一个优选举例，内容信息包括用户的多个特征信息。如图5所示，图像处理模块102包括图像缩放单元201和特征识别单元202。
图像缩放单元201，用于据预设比例，对帧图像进行等比例缩放，获取缩放图像。
优选的，缩放图像的大小为帧图像大小的十分之三。
特征识别单元202，用于对缩放图像进行人脸识别，获取缩放图像中人脸图像的多个特征点，并根据多个特征点，获取人脸图像对应的用户的多个特征信息。
具体的，特征识别单元202包括第一子单元301、第二子单元302和第三子单元303。
第一子单元301，用于对缩放图像进行人脸识别，获取人脸图像的各像素点后，基于预设的决策树，递归地根据各像素点对人脸图像进行分割，获取与人脸的各部位一一对应的各特征区域。
第二子单元302，用于提取各特征区域的特征向量进行平均值计算，确定平均特征向量后，将平均特征向量与各特征向量连接，获取与各特征区域一一对应的各特征点集；其中，特征点集中包含多个特征点。
第三子单元303，用于根据多个特征点集，获取用户的多个特征信息。
进一步的，作为本实施例的又一个优选举例，内容信息包括用户的位置信息。此时图像处理模块102具体用于：
根据预设比例，对帧图像进行等比例缩放，获取缩放图像后，对缩放图像进行识别，获取缩放图像中人脸图像的坐标与宽高，并将人脸图像的坐标与宽高映射回缩放图像，获取人脸图像对应的用户在缩放图像中的位置信息。
本申请实施例提供一种图像处理装置，实时接收影像数据，并根据预设频率，实时将接收到的影像数据组成帧图像；根据预设比例，对帧图像进行等比例缩放，获取缩放图像后，对缩放图像进行识别，获取缩放图像中的内容信息。与现有技术相比，本申请通过预设频率，对实时接收到的影像数据进行处理，形成对应图像的同时，通过等比例缩放，在不使图像变形的前提下，减少图像资源占用，提高检测速率。
以上所述是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本申请的保护范围。
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，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

Claims (10)

1.一种图像处理方法，其特征在于，至少包括如下步骤：
实时接收影像数据，并根据预设频率，实时将接收到的所述影像数据组成帧图像；其中，所述帧图像的图像内容包括物品与用户；
根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中的内容信息。
2.根据权利要求1所述的图像处理方法，其特征在于，所述实时接收影像数据，并根据预设频率，实时将接收到的所述影像数据组成帧图像，包括：
在第一线程中，根据摄像设备的固定IP，开启所述摄像设备后，实时接收所述摄像设备发送的影像数据，并在第二线程中，根据预设频率，实时将接收到的所述影像数据组成帧图像。
3.根据权利要求1所述的图像处理方法，其特征在于，所述内容信息包括用户的多个特征信息；其中，所述特征数据包括年龄、性别和表情；
所述根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中的内容信息，包括：
根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像；
对所述缩放图像进行人脸识别，获取所述缩放图像中人脸图像的多个特征点，并根据多个所述特征点，获取所述人脸图像对应的用户的多个特征信息。
4.根据权利要求3所述的图像处理方法，其特征在于，所述对所述缩放图像进行人脸识别，获取所述缩放图像中人脸图像的多个特征点，并根据多个所述特征点，获取所述人脸图像对应的用户的多个特征信息，包括：
对所述缩放图像进行人脸识别，获取所述人脸图像的各像素点后，基于预设的决策树，递归地根据各所述像素点对所述人脸图像进行分割，获取与人脸的各部位一一对应的各特征区域；
提取各所述特征区域的特征向量进行平均值计算，确定平均特征向量后，将所述平均特征向量与各所述特征向量连接，获取与各所述特征区域一一对应的各特征点集；其中，所述特征点集中包含多个特征点；
根据多个所述特征点集，获取所述用户的多个所述特征信息。
5.根据权利要求1所述的图像处理方法，其特征在于，所述内容信息包括用户的位置信息；
所述根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中的内容信息，包括：
根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中人脸图像的坐标与宽高，并将所述人脸图像的坐标与宽高映射回所述缩放图像，获取所述人脸图像对应的用户在所述缩放图像中的位置信息。
6.一种图像处理装置，其特征在于，包括：
图像接收模块，用于实时接收影像数据，并根据预设频率，实时将接收到的所述影像数据组成帧图像；其中，所述帧图像的图像内容包括物品与用户；
图像处理模块，用于根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中的内容信息。
7.根据权利要求6所述的图像处理装置，其特征在于，所述图像接收模块具体用于：
在第一线程中，根据摄像设备的固定IP，开启所述摄像设备后，实时接收所述摄像设备发送的影像数据，并在第二线程中，根据预设频率，实时将接收到的所述影像数据组成帧图像。
8.根据权利要求6所述的图像处理装置，其特征在于，所述内容信息包括用户的多个特征信息；其中，所述特征数据包括年龄、性别和表情；
所述图像处理模块包括：
图像缩放单元，用于根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像；
特征识别单元，用于对所述缩放图像进行人脸识别，获取所述缩放图像中人脸图像的多个特征点，并根据多个所述特征点，获取所述人脸图像对应的用户的多个特征信息。
9.根据权利要求8所述的图像处理装置，其特征在于，所述特征识别单元包括：
第一子单元，用于对所述缩放图像进行人脸识别，获取所述人脸图像的各像素点后，基于预设的决策树，递归地根据各所述像素点对所述人脸图像进行分割，获取与人脸的各部位一一对应的各特征区域；
第二子单元，用于提取各所述特征区域的特征向量进行平均值计算，确定平均特征向量后，将所述平均特征向量与各所述特征向量连接，获取与各所述特征区域一一对应的各特征点集；其中，所述特征点集中包含多个特征点；
第三子单元，用于根据多个所述特征点集，获取所述用户的多个所述特征信息。
10.根据权利要求6所述的图像处理装置，其特征在于，所述内容信息包括用户的位置信息；
所述图像处理模块具体用于：
根据预设比例，对所述帧图像进行等比例缩放，获取缩放图像后，对所述缩放图像进行识别，获取所述缩放图像中人脸图像的坐标与宽高，并将所述人脸图像的坐标与宽高映射回所述缩放图像，获取所述人脸图像对应的用户在所述缩放图像中的位置信息。
CN201910588380.8A 2019-06-28 2019-06-28 一种图像处理方法及装置 Active CN110348353B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910588380.8A CN110348353B (zh) 2019-06-28 2019-06-28 一种图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910588380.8A CN110348353B (zh) 2019-06-28 2019-06-28 一种图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN110348353A true CN110348353A (zh) 2019-10-18
CN110348353B CN110348353B (zh) 2023-07-25

Family

ID=68178124

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910588380.8A Active CN110348353B (zh) 2019-06-28 2019-06-28 一种图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN110348353B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111986089A (zh) * 2020-08-28 2020-11-24 计易数据科技(上海)有限公司 特征值整数化的图像存储与比对方法、装置、设备和介质
CN112101305A (zh) * 2020-05-12 2020-12-18 杭州宇泛智能科技有限公司 多路图像处理方法、装置及电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504365A (zh) * 2014-11-24 2015-04-08 闻泰通讯股份有限公司 视频序列中的笑脸识别系统及方法
CN106127170A (zh) * 2016-07-01 2016-11-16 重庆中科云丛科技有限公司 一种融合关键特征点的训练方法、识别方法及系统
CN107066969A (zh) * 2017-04-12 2017-08-18 南京维睛视空信息科技有限公司 一种人脸识别方法
CN107578000A (zh) * 2017-08-25 2018-01-12 百度在线网络技术（北京）有限公司 用于处理图像的方法及装置
CN109543513A (zh) * 2018-10-11 2019-03-29 平安科技（深圳）有限公司 智能监控实时处理的方法、装置、设备及存储介质
CN109564677A (zh) * 2018-11-09 2019-04-02 香港应用科技研究院有限公司 基于随机森林分类器加权结果的超分辨率合成系统和方法
CN109726633A (zh) * 2018-11-23 2019-05-07 成都品果科技有限公司 一种基于查找表激活函数的人脸关键点检测方法
CN109840491A (zh) * 2019-01-25 2019-06-04 平安科技（深圳）有限公司 视频流播放方法、系统、计算机装置及可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504365A (zh) * 2014-11-24 2015-04-08 闻泰通讯股份有限公司 视频序列中的笑脸识别系统及方法
CN106127170A (zh) * 2016-07-01 2016-11-16 重庆中科云丛科技有限公司 一种融合关键特征点的训练方法、识别方法及系统
CN107066969A (zh) * 2017-04-12 2017-08-18 南京维睛视空信息科技有限公司 一种人脸识别方法
CN107578000A (zh) * 2017-08-25 2018-01-12 百度在线网络技术（北京）有限公司 用于处理图像的方法及装置
CN109543513A (zh) * 2018-10-11 2019-03-29 平安科技（深圳）有限公司 智能监控实时处理的方法、装置、设备及存储介质
CN109564677A (zh) * 2018-11-09 2019-04-02 香港应用科技研究院有限公司 基于随机森林分类器加权结果的超分辨率合成系统和方法
CN109726633A (zh) * 2018-11-23 2019-05-07 成都品果科技有限公司 一种基于查找表激活函数的人脸关键点检测方法
CN109840491A (zh) * 2019-01-25 2019-06-04 平安科技（深圳）有限公司 视频流播放方法、系统、计算机装置及可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101305A (zh) * 2020-05-12 2020-12-18 杭州宇泛智能科技有限公司 多路图像处理方法、装置及电子设备
CN111986089A (zh) * 2020-08-28 2020-11-24 计易数据科技(上海)有限公司 特征值整数化的图像存储与比对方法、装置、设备和介质

Also Published As

Publication number Publication date
CN110348353B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN107341473B (zh) 手掌特征识别方法、手掌特征识别设备、及存储介质
EP1260935A2 (en) Face detection device, face pose detection device, partial image extraction device, and methods for said devices
CN106412441B (zh) 一种视频防抖控制方法以及终端
JPH09102043A (ja) 画像内の要素の位置検出
CN109725721B (zh) 用于裸眼3d显示系统的人眼定位方法及系统
CN109190456B (zh) 基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法
CN115661187B (zh) 用于中药制剂分析的图像增强方法
WO2021008205A1 (zh) 图像处理
Ling et al. Image quality assessment for free viewpoint video based on mid-level contours feature
CN110348353A (zh) 一种图像处理方法及装置
CN109359577A (zh) 一种基于机器学习的复杂背景下人数检测系统
JP4729188B2 (ja) 視線検出装置
JP4203279B2 (ja) 注目判定装置
CN114612939B (zh) 一种基于tof相机的坐姿识别方法、装置及智能台灯
CN110222647A (zh) 一种基于卷积神经网络的人脸活体检测方法
CN111144156A (zh) 一种图像数据处理方法和相关装置
CN109711287A (zh) 人脸采集方法及相关产品
CN112784854A (zh) 基于数理统计的服装颜色分割提取方法、装置和设备
CN113362221A (zh) 用于门禁的人脸识别系统与人脸识别方法
Liu et al. Illumination compensation and feedback of illumination feature in face detection
Fathy et al. Benchmarking of pre-processing methods employed in facial image analysis
CN107944424A (zh) 分布前端人像采集及多角度人像比对方法
CN111915307A (zh) 一种无接触式移动支付系统及方法
US20170011275A1 (en) Nearsighted camera object detection
JP2008084109A (ja) 目開閉判定装置及び目開閉判定方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230627

Address after: 200030 Room 311, Building 2, No. 100, Qinzhou Road, Xuhui District, Shanghai

Applicant after: Zhaoyi Information Technology (Shanghai) Co.,Ltd.

Address before: Room 101, No. 10 Jingang Avenue, Nansha District, Guangzhou City, Guangdong Province 511457, Zone C, self-made

Applicant before: GUANGDONG AOYUANAO PURCHASER ELECTRONIC COMMERCE CO.,LTD.

GR01 Patent grant
GR01 Patent grant