CN110427907A - 一种灰度图边界检测和噪声帧填充的人脸识别预处理方法 - Google Patents

一种灰度图边界检测和噪声帧填充的人脸识别预处理方法 Download PDF

Info

Publication number
CN110427907A
CN110427907A CN201910732370.7A CN201910732370A CN110427907A CN 110427907 A CN110427907 A CN 110427907A CN 201910732370 A CN201910732370 A CN 201910732370A CN 110427907 A CN110427907 A CN 110427907A
Authority
CN
China
Prior art keywords
face
frame
recognition
matrix
filling
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
CN201910732370.7A
Other languages
English (en)
Other versions
CN110427907B (zh
Inventor
魏晓林
许凯翔
陈宏亮
黄燕霞
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.)
Shanghai Tiancheng Biji Technology Co Ltd
Original Assignee
Shanghai Tiancheng Biji Technology Co 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 Shanghai Tiancheng Biji Technology Co Ltd filed Critical Shanghai Tiancheng Biji Technology Co Ltd
Priority to CN201910732370.7A priority Critical patent/CN110427907B/zh
Publication of CN110427907A publication Critical patent/CN110427907A/zh
Application granted granted Critical
Publication of CN110427907B publication Critical patent/CN110427907B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，通过人脸图片的灰度图片边界检测，将人脸的区域轮廓进行识别，根据人脸轮廓原理，将人脸的主要特征区域之外的都进行0值填充，从而将人脸之外的区域包括头发的帧干扰因素进行去除，从而进一步提升人脸裁剪的预处理精度。本发明的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法可以进一步减少人脸识别的干扰因素，提升人脸识别的精确性，具有人脸处理精度高，减少人脸识别干扰、提高人脸识别精确性的优点。

Description

一种灰度图边界检测和噪声帧填充的人脸识别预处理方法
技术领域
本发明涉及人脸识别技术领域，尤其涉及一种人脸处理精度高，减少人脸识别干扰、提高人脸识别精确性的灰度图边界检测和噪声帧填充的人脸识别预处理方法。
背景技术
随着社会的发展和科技的进步，人工智能技术也随之得到了突飞猛进的发展，各种人工智能技术应用到我们的生活的方方面面，给人们的生活带了诸多便利和惊喜，不久的将来，人工智能技术必将对人们的生产生活带来革命性的变换。特别是在智能安防领域，人脸门禁、车牌识别、声音设备和语音唤醒等应用领域和相关技术在具体应用场景的落地，从根本上解决了很大一部分复杂繁琐的工作，将人工解脱出来，节省了大量的开支，可用于其他方面的资金投入，从而跟进一步提升社区居住人员的生活质量和社区服务的品质。例如人脸识别领域，在人脸门禁、人脸刷卡，将小区内的安保工作从根本上得到有效解决。然而，任何人工智能算法都存在一定的误报和识别率，人脸识别算法也不例外。而在人脸识别方面，人脸对齐和裁剪是关键步骤之一，如何将人脸对齐和裁剪的图片，最大限度包含人脸信息并使得所获取的图片矩阵最小是提升该步骤的关键，然后在图片矩阵中仍旧会存在人脸之外的干扰因素存在，例如人头像周边的背景帧和头发，这些都是经常变化的，对人脸特征计算具有很大的干扰因素。
因此，有必要提出一种改进，以克服现有技术缺陷。
发明内容
本发明的目的是解决现有技术中的问题，提供一种人脸处理精度高，减少人脸识别干扰、提高人脸识别精确性的灰度图边界检测和噪声帧填充的人脸识别预处理方法。
本发明的技术方案是：一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，包括以下步骤：S1、获取一张图片frame；S2、对图片frame进行灰度处理；S3、通过边界检测、二值化处理和人脸局部区域识别，获取人脸模糊轮廓图像；S4、从人脸模糊轮廓图像中，获取最小外包矩阵；S5、在人脸模糊轮廓图像中，通过获取到的最小矩阵，向外进行检测，获取人脸庞曲线S，并获取人脸庞曲线的最小外包矩阵out_face；S6、在图片frame中获取以人脸庞曲线的最小外包矩阵out_face为坐标的区域图像，将人脸庞曲线的最小外包矩阵out_face和人脸庞曲线S所围绕的区域进行0值填充，从而获取到最终的人脸对齐和裁剪结果人脸头像face_frame；S7、对人脸头像进行像素标准化处理。
作为一种优选的技术方案，还包括步骤S8、通过深度神经网络算法，进行人脸特征计算；S9、通过人脸比对算法进行人脸比对。
作为一种进一步优选的技术方案，所述步骤S9中的人脸比对算法为欧式距离。
作为一种优选的技术方案，所述步骤S4中“获取最小外包矩阵”为获取最小外包矩阵face_6_part，包括6个点：鼻子1个点、眼睛2个点和嘴巴3个点。
作为一种进一步优选的技术方案，若在人脸模糊轮廓图像中检测不到该6个点，则进行模糊距离定位：以鼻子为中心，眼睛和嘴巴分别与鼻尖组成两个近似对称三角形。
作为另一种进一步优选的技术方案，步骤S6“在图片frame中获取以人脸庞曲线的最小外包矩阵out_face为坐标的区域图像，将人脸庞曲线的最小外包矩阵out_face和人脸庞曲线S所围绕的区域进行0值填充，从而获取到最终的人脸对齐和裁剪结果人脸头像face_frame”的具体方法为：a、在人脸模糊轮廓图像上，从out_face向内到face_6_part周围上、下、左和右2帧距离处所包含的每一帧p，分别进行步骤b处理，直至所有帧遍历完成后，执行步骤e；b、获取帧p周围帧，共8帧，对着8帧所对应的人脸模糊轮廓图像中的值进行求和并求平均值P，若P>5，则认为该帧为人脸庞边界帧，进行步骤c；否则，转向步骤a获取下一帧；c、检测帧p该与face_6_part的方向，这里有上、下、左、右四种方向；d、确定p帧的方向后，在图片frame将该帧确定方向上与out_face边框之间的所有帧数据替换为[0,0,0]，转向步骤a；e、当所包围区域帧都处理完之后，根据out_face坐标信息，在frame上进行人脸对齐和裁剪，获取人脸头像face_frame。
作为一种更进一步优选的技术方案，所述步骤c中“检测帧p该与face_6_part的方向”为通过矩阵外的点与矩阵位置方向的判断，根据点坐标和矩阵四个点坐标进行判断。
作为一种再进一步优选的技术方案，：所述步骤c中“检测帧p该与face_6_part的方向”的方法为：设face_6_part中心点为O、两条对角线的斜率为a和-1/a、线段pO的斜率设为k；若k不存在，pO与x轴平行，若p.x>O.x，则归属右方向；否则归属左方向；若k存在，当-1/a<k<a时，若p.y>O.y，归属上方向，否则归属下方向；当k<＝-1/a或k>＝a时，若p.x>O.x，归属右方向；否则归属左方向。
本发明的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，通过人脸图片的灰度图片边界检测，将人脸的区域轮廓进行识别，根据人脸轮廓原理，将人脸的主要特征区域之外的都进行0值填充，从而将人脸之外的区域包括头发的帧干扰因素进行去除，从而进一步提升人脸裁剪的预处理精度。本发明的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法可以进一步减少人脸识别的干扰因素，提升人脸识别的精确性，具有人脸处理精度高，减少人脸识别干扰、提高人脸识别精确性的优点。
附图说明
图1为本发明一种灰度图边界检测和噪声帧填充的人脸识别预处理方法具体实施方式流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
如图1所示为本发明的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法具体实施方式流程框图。本实施例的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，包括以下步骤：
S1、获取一张图片frame；
S2、对图片frame进行灰度处理；
S3、通过边界检测、二值化处理和人脸局部区域识别，获取人脸模糊轮廓图像；
S4、从人脸模糊轮廓图像中，获取最小外包矩阵；
S5、在人脸模糊轮廓图像中，通过获取到的最小矩阵，向外进行检测，获取人脸庞曲线S，并获取人脸庞曲线的最小外包矩阵out_face；
S6、在图片frame中获取以人脸庞曲线的最小外包矩阵out_face为坐标的区域图像，将人脸庞曲线的最小外包矩阵out_face和人脸庞曲线S所围绕的区域进行0值填充，从而获取到最终的人脸对齐和裁剪结果人脸头像face_frame；
S7、对人脸头像进行像素标准化处理。
本发明的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，通过人脸图片的灰度图片边界检测，将人脸的区域轮廓进行识别，根据人脸轮廓原理，将人脸的主要特征区域之外的都进行0值填充，从而将人脸之外的区域包括头发的帧干扰因素进行去除，从而进一步提升人脸裁剪的预处理精度。
根据实际应用中人脸识别的需求，本实施例的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法还包括步骤：S8、通过深度神经网络算法，进行人脸特征计算；S9、通过人脸比对算法进行人脸比对。其中，所述步骤S9中的人脸比对算法为欧式距离。当然，也可以根据实际需要采取其他算法进行人脸比对。
本实施例的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，所述步骤S4中“获取最小外包矩阵”为获取最小外包矩阵face_6_part，包括6个点：鼻子1个点、眼睛2个点和嘴巴3个点。若在人脸模糊轮廓图像中检测不到该6个点，则进行模糊距离定位：以鼻子为中心，眼睛和嘴巴分别与鼻尖组成两个近似对称三角形。
获取最小外包矩阵face_6_part后，通过步骤S5在人脸模糊轮廓图像中，通过获取到的最小矩阵face_6_part，向外进行检测，获取人脸庞曲线S，并获取人脸庞曲线的最小外包矩阵out_face。此时，步骤S6“在图片frame中获取以人脸庞曲线的最小外包矩阵out_face为坐标的区域图像，将人脸庞曲线的最小外包矩阵out_face和人脸庞曲线S所围绕的区域进行0值填充，从而获取到最终的人脸对齐和裁剪结果人脸头像face_frame”的具体方法为：
a、在人脸模糊轮廓图像上，从out_face向内到face_6_part周围上、下、左和右2帧距离处所包含的每一帧p，分别进行步骤b处理，直至所有帧遍历完成后，执行步骤e；
b、获取帧p周围帧，共8帧，对着8帧所对应的人脸模糊轮廓图像中的值进行求和并求平均值P，若P>5，则认为该帧为人脸庞边界帧，进行步骤c；否则，转向步骤a获取下一帧；
c、检测帧p该与face_6_part的方向，这里有上、下、左、右四种方向；
d、确定p帧的方向后，在图片frame将该帧确定方向上与out_face边框之间的所有帧数据替换为[0,0,0]，转向步骤a；
e、当所包围区域帧都处理完之后，根据out_face坐标信息，在frame上进行人脸对齐和裁剪，获取人脸头像face_frame。
从而，步骤S6将人脸的主要特征区域之外的都进行0值填充，从而将人脸之外的区域包括头发的帧干扰因素进行去除。
本实施例的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，在步骤S6的步骤c中“检测帧p该与face_6_part的方向”为通过矩阵外的点与矩阵位置方向的判断，根据点坐标和矩阵四个点坐标进行判断。具体的，步骤c中“检测帧p该与face_6_part的方向”的方法为：
设face_6_part中心点为O、两条对角线的斜率为a和-1/a、线段pO的斜率设为k；
若k不存在，pO与x轴平行，若p.x>O.x，则归属右方向；否则归属左方向；
若k存在：
当-1/a<k<a时，若p.y>O.y，归属上方向，否则归属下方向；
当k<＝-1/a或k>＝a时，若p.x>O.x，归属右方向；否则归属左方向。
本发明的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，通过人脸图片的灰度图片边界检测，将人脸的区域轮廓进行识别，根据人脸轮廓原理，将人脸的主要特征区域之外的都进行0值填充，从而将人脸之外的区域包括头发的帧干扰因素进行去除，从而进一步提升人脸裁剪的预处理精度。本发明的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法可以进一步减少人脸识别的干扰因素，提升人脸识别的精确性，具有人脸处理精度高，减少人脸识别干扰、提高人脸识别精确性的优点。
综上所述仅为本发明较佳的实施例，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化及修饰，皆应属于本发明的技术范畴。

Claims (8)

1.一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，其特征在于：包括以下步骤：
S1、获取一张图片frame；
S2、对图片frame进行灰度处理；
S3、通过边界检测、二值化处理和人脸局部区域识别，获取人脸模糊轮廓图像；
S4、从人脸模糊轮廓图像中，获取最小外包矩阵；
S5、在人脸模糊轮廓图像中，通过获取到的最小矩阵，向外进行检测，获取人脸庞曲线S，并获取人脸庞曲线的最小外包矩阵out_face；
S6、在图片frame中获取以人脸庞曲线的最小外包矩阵out_face为坐标的区域图像，将人脸庞曲线的最小外包矩阵out_face和人脸庞曲线S所围绕的区域进行0值填充，从而获取到最终的人脸对齐和裁剪结果人脸头像face_frame；
S7、对人脸头像进行像素标准化处理。
2.根据权利要求1所述的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，其特征在于：还包括步骤S8、通过深度神经网络算法，进行人脸特征计算；S9、通过人脸比对算法进行人脸比对。
3.根据权利要求2所述的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，其特征在于：所述步骤S9中的人脸比对算法为欧式距离。
4.根据权利要求1所述的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，其特征在于：所述步骤S4中“获取最小外包矩阵”为获取最小外包矩阵face_6_part，包括6个点：鼻子1个点、眼睛2个点和嘴巴3个点。
5.根据权利要求4所述的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，其特征在于：若在人脸模糊轮廓图像中检测不到该6个点，则进行模糊距离定位：以鼻子为中心，眼睛和嘴巴分别与鼻尖组成两个近似对称三角形。
6.根据权利要求4所述的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，其特征在于：步骤S6“在图片frame中获取以人脸庞曲线的最小外包矩阵out_face为坐标的区域图像，将人脸庞曲线的最小外包矩阵out_face和人脸庞曲线S所围绕的区域进行0值填充，从而获取到最终的人脸对齐和裁剪结果人脸头像face_frame”的具体方法为：
a、在人脸模糊轮廓图像上，从out_face向内到face_6_part周围上、下、左和右2帧距离处所包含的每一帧p，分别进行步骤b处理，直至所有帧遍历完成后，执行步骤e；
b、获取帧p周围帧，共8帧，对着8帧所对应的人脸模糊轮廓图像中的值进行求和并求平均值P，若P>5，则认为该帧为人脸庞边界帧，进行步骤c；否则，转向步骤a获取下一帧；
c、检测帧p该与face_6_part的方向，这里有上、下、左、右四种方向；
d、确定p帧的方向后，在图片frame将该帧确定方向上与out_face边框之间的所有帧数据替换为[0,0,0]，转向步骤a；
e、当所包围区域帧都处理完之后，根据out_face坐标信息，在frame上进行人脸对齐和裁剪，获取人脸头像face_frame。
7.根据权利要求6所述的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，其特征在于：所述步骤c中“检测帧p该与face_6_part的方向”为通过矩阵外的点与矩阵位置方向的判断，根据点坐标和矩阵四个点坐标进行判断。
8.根据权利要求7所述的一种灰度图边界检测和噪声帧填充的人脸识别预处理方法，其特征在于：所述步骤c中“检测帧p该与face_6_part的方向”的方法为：设face_6_part中心点为O、两条对角线的斜率为a和-1/a、线段pO的斜率设为k；若k不存在，pO与x轴平行，若p.x>O.x，则归属右方向；否则归属左方向；若k存在，当-1/a<k<a时，若p.y>O.y，归属上方向，否则归属下方向；当k<＝-1/a或k>＝a时，若p.x>O.x，归属右方向；否则归属左方向。
CN201910732370.7A 2019-08-09 2019-08-09 一种灰度图边界检测和噪声帧填充的人脸识别预处理方法 Active CN110427907B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910732370.7A CN110427907B (zh) 2019-08-09 2019-08-09 一种灰度图边界检测和噪声帧填充的人脸识别预处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910732370.7A CN110427907B (zh) 2019-08-09 2019-08-09 一种灰度图边界检测和噪声帧填充的人脸识别预处理方法

Publications (2)

Publication Number Publication Date
CN110427907A true CN110427907A (zh) 2019-11-08
CN110427907B CN110427907B (zh) 2023-04-07

Family

ID=68413433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910732370.7A Active CN110427907B (zh) 2019-08-09 2019-08-09 一种灰度图边界检测和噪声帧填充的人脸识别预处理方法

Country Status (1)

Country Link
CN (1) CN110427907B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476201A (zh) * 2020-04-29 2020-07-31 Oppo广东移动通信有限公司 一种证件照制作方法及终端、存储介质
CN112149530A (zh) * 2020-09-08 2020-12-29 安徽兰臣信息科技有限公司 一种基于儿童跨年龄段无感人脸识别技术的警用穿戴眼镜

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105893946A (zh) * 2016-03-29 2016-08-24 中国科学院上海高等研究院 一种正面人脸图像的检测方法
CN106980818A (zh) * 2017-03-03 2017-07-25 杭州智贝信息科技有限公司 一种用于人脸图像的个性化预处理方法、系统及其终端
CN107977648A (zh) * 2017-12-20 2018-05-01 武汉大学 一种基于人脸识别的身份证清晰度的判别方法和系统
CN108898125A (zh) * 2018-07-10 2018-11-27 深圳市巨龙创视科技有限公司 一种基于嵌入式人脸识别管理系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105893946A (zh) * 2016-03-29 2016-08-24 中国科学院上海高等研究院 一种正面人脸图像的检测方法
CN106980818A (zh) * 2017-03-03 2017-07-25 杭州智贝信息科技有限公司 一种用于人脸图像的个性化预处理方法、系统及其终端
CN107977648A (zh) * 2017-12-20 2018-05-01 武汉大学 一种基于人脸识别的身份证清晰度的判别方法和系统
CN108898125A (zh) * 2018-07-10 2018-11-27 深圳市巨龙创视科技有限公司 一种基于嵌入式人脸识别管理系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476201A (zh) * 2020-04-29 2020-07-31 Oppo广东移动通信有限公司 一种证件照制作方法及终端、存储介质
CN112149530A (zh) * 2020-09-08 2020-12-29 安徽兰臣信息科技有限公司 一种基于儿童跨年龄段无感人脸识别技术的警用穿戴眼镜

Also Published As

Publication number Publication date
CN110427907B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
US11580647B1 (en) Global and local binary pattern image crack segmentation method based on robot vision
CN110363047B (zh) 人脸识别的方法、装置、电子设备和存储介质
CN103093215B (zh) 人眼定位方法及装置
CN101359365B (zh) 一种基于最大类间方差和灰度信息的虹膜定位方法
CN105975913B (zh) 一种基于自适应聚类学习的道路网提取的方法
CN112560722B (zh) 一种飞机目标识别方法、装置、计算机设备和存储介质
CN110648322A (zh) 一种子宫颈异常细胞检测方法及系统
CN106127735B (zh) 一种设施蔬菜边缘清晰类叶面病斑分割方法及装置
CN107944403A (zh) 一种图像中的行人属性检测方法及装置
CN109359653B (zh) 一种棉花叶部粘连病斑图像分割方法和系统
CN103489011A (zh) 一种具有拓扑鲁棒性的三维人脸识别方法
CN103679187A (zh) 图像识别方法和系统
CN109117746A (zh) 手部检测方法及机器可读存储介质
CN110852327A (zh) 图像处理方法、装置、电子设备及存储介质
CN110427907A (zh) 一种灰度图边界检测和噪声帧填充的人脸识别预处理方法
CN105184802A (zh) 一种图像处理的方法及装置
CN110879985B (zh) 一种抗噪声数据的人脸识别模型训练方法
CN115330818A (zh) 一种图片分割方法及其计算机可读存储介质
CN116630890A (zh) 一种通过对钓鱼区域分析的钓鱼行为检测方法和系统
CN109410233A (zh) 一种边缘特征约束的高分辨率图像道路精准提取方法
CN106056078A (zh) 一种基于多特征回归式集成学习的人群密度估计方法
CN111339932A (zh) 一种掌纹图像预处理方法和系统
CN113012167B (zh) 一种细胞核与细胞质的联合分割方法
CN117623031A (zh) 一种电梯无感控制系统及方法
CN107832732A (zh) 基于三叉树遍历的车道线检测方法

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
GR01 Patent grant
GR01 Patent grant