CN110619656B - 基于双目摄像头的人脸检测跟踪方法、装置及电子设备 - Google Patents
基于双目摄像头的人脸检测跟踪方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110619656B CN110619656B CN201910836807.1A CN201910836807A CN110619656B CN 110619656 B CN110619656 B CN 110619656B CN 201910836807 A CN201910836807 A CN 201910836807A CN 110619656 B CN110619656 B CN 110619656B
- Authority
- CN
- China
- Prior art keywords
- face
- image
- camera
- face frame
- frame
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
-
- 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
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- 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
Abstract
本公开实施例中提供了一种基于双目摄像头的人脸检测跟踪方法、装置及电子设备,属于人脸识别技术领域,该方法包括:获取双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像;对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;对第一人脸框进行外扩以获得所述第二图像中的第二人脸框;在第二人脸框内执行人脸配准以获得关键点坐标;以及基于所述关键点坐标获得所述第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置。通过本公开的处理方案,减少了人脸检测耗时,提高了用户使用人脸识别设备的通行速度。
Description
技术领域
本公开涉及人脸识别技术领域,尤其涉及一种基于双目摄像头的人脸检测跟踪方法、装置及电子设备。
背景技术
随着科技的进步和社会的发展,人脸识别技术已经开始应用到安防监控、人证比对、人机交互、社交等领域。
然而,人脸识别技术在使用中还可能会受到手机、打印纸张、电脑屏幕、人脸面具、3D模型等伪造人脸的攻击。
更具安全性的人脸识别技术具有活体防伪手段,通常是在人脸识别时要求用户进行眨眼、点头、张嘴等动作,以防止静态图像冒充活体。但是该方法需要用户在进行人脸识别时配合指令完成相应的动作,操作比较繁琐,降低了用户体验。并且利用视频图片动态编辑方法,即可轻松破解该活体防伪方式。
另外的活体检测技术在人脸识别设备中使用双目摄像头,一目用于做人脸识别,一目用于活体检测。用于活体检测的摄像头可以是IR摄像头、3D结构光摄像头、TOF深度摄像头等,以例如利用人脸区域与周围环境的温差之类的特征来判断正在识别的人脸图像是否来自真实人脸。
当前,使用双目摄像头的设备需要在双目画面中分别检测人脸,找到人脸在画面中的位置。然而,相较于人脸关键点回归算法,检测人脸算法耗时要多10倍左右,因此在双目画面中分别检测人脸耗时长、人脸识别设备的通行速度慢。
发明内容
有鉴于此,本公开实施例提供一种基于双目摄像头的人脸检测跟踪方法、装置及电子设备,以至少部分解决现有技术中存在的问题。
第一方面,本公开实施例提供了一种基于双目摄像头的人脸检测跟踪方法,所述方法包括:
获取所述双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像;
对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;
对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框;
在所述第二人脸框内执行人脸配准以获得关键点坐标;以及
基于所述关键点坐标获得所述第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置。
第二方面,本公开实施例提供了一种基于双目摄像头的人脸检测跟踪方法,所述方法包括:
获取所述双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像;
对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;
对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框;以及
在所述第二人脸框内执行人脸检测以获得第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置。
根据本公开实施例的一种具体实现方式,所述方法还包括基于所述第一人脸框中的人脸图像和所述第三人脸框中的人脸图像执行人脸识别和活体检测。
根据本公开实施例的一种具体实现方式,所述第一摄像头和第二摄像头的焦距相等,并且当所述第一摄像头和第二摄像头距离人脸的距离的差值小于预定阈值时,捕获所述第一图像和所述第二图像。
根据本公开实施例的一种具体实现方式,所述对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框,包括:
将所述第一人脸框在宽度方向上各扩大m倍,并且在长度方向上各扩大n倍;以及
将外扩后的人脸框的坐标作为所述第二图像中第二人脸框的坐标。
根据本公开实施例的一种具体实现方式,所述方法还包括获取所述双目摄像头的IOU,其中IOU指示所述第一摄像头和所述第二摄像头中人脸框交集的面积与所述第一摄像头和所述第二摄像头中人脸框并集的面积之比,
并且所述m和n满足以下关系式:
其中,th1为所述双目摄像头的IOU的值。
根据本公开实施例的一种具体实现方式,所述第一图像是RGB通道获得的图像,并且所述第二图像是通过IR通道、3D结构光通道或者TOF深度通道获得的图像。
根据本公开实施例的一种具体实现方式,所述基于所述关键点坐标获得所述第二图像的第三人脸框,包括:
获取所述关键点坐标的集合{xi,yi},i=1,2…n,其中n为所述关键点的个数;以及
将坐标点(min{xi},min{yi})作为所述第三人脸框的左上角坐标,并且将坐标点(max{xi},max{yi})作为所述第三人脸框的右下角坐标以获得所述第三人脸框,或者
根据所述关键点中左眼、右眼、鼻尖、左嘴角以及右嘴角关键五官位置获得所述第三人脸框。
第三方面,本公开实施例提供了一种基于双目摄像头的人脸检测跟踪装置,所述装置包括:
图像获取模块,获取所述双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像;
第一人脸检测模块,对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;
外扩模块,对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框;
人脸配准模块,在所述第二人脸框内执行人脸配准以获得关键点坐标;以及
第二人脸检测模块,基于所述关键点坐标获得所述第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置。
第四方面,本公开实施例提供了一种基于双目摄像头的人脸检测跟踪装置,所述装置包括:
图像获取模块,获取所述双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像;
第一人脸检测模块,对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;
外扩模块,对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框;以及
第二人脸检测模块,在所述第二人脸框内执行人脸检测以获得第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置。
第五方面,本公开实施例还提供了一种电子设备,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的基于双目摄像头的人脸检测跟踪方法。
第四方面,本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的基于双目摄像头的人脸检测跟踪方法。
第五方面,本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述第一方面或第一方面的任一实现方式中的基于双目摄像头的人脸检测跟踪方法。
本公开实施例中的基于双目摄像头的人脸检测跟踪方案,包括获取双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像;对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;对第一人脸框进行外扩以获得所述第二图像中的第二人脸框;在第二人脸框内执行人脸配准以获得关键点坐标;以及基于所述关键点坐标获得所述第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置。通过本公开的处理方案,减少了人脸检测耗时,提高了用户使用人脸识别设备的通行速度。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例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公开的一些实施例,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它的附图。
图1为本公开实施例提供的一种基于双目摄像头的人脸检测跟踪方法的流程示意图;
图2为本公开实施例提供的另一种基于双目摄像头的人脸检测跟踪方法的流程示意图;
图3为本公开实施例提供的确保人脸位于外扩的人脸框内的示意图;
图4为本公开实施例提供的一种基于双目摄像头的人脸检测跟踪装置的结构示意图;
图5为本公开实施例提供的另一种基于双目摄像头的人脸检测跟踪装置的结构示意图;
图6为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,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,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种基于双目摄像头的人脸检测跟踪方法。本实施例提供的基于双目摄像头的人脸检测跟踪方法可以由一计算装置来执行,该计算装置可以实现为软件,或者实现为软件和硬件的组合,该计算装置可以集成设置在服务器、终端设备等中。
参见图1,本公开实施例提供的一种基于双目摄像头的人脸检测跟踪方法,包括:
S101:获取双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像。
在人脸识别领域中,为了防止受到手机、打印纸张、电脑屏幕、人脸面具、3D模型等伪造人脸的攻击,可以在人脸识别设备中使用双目摄像头,一目用于做人脸识别,一目用于活体检测。
在本公开实施例中,当用户在人脸识别设备的双目摄像头的拍摄范围内时,双目摄像头会自动搜索并拍摄用户的人脸图像。具体地,当用户进入双目摄像头的拍摄范围内时,可以通过双目摄像头的第一摄像头和第二摄像头分别获得包含该用户的人脸图像的第一图像和第二图像。
第一摄像头例如可以是普通的摄像头,其采集人脸的RGB通道的图像。也就是说,第一图像可以是人脸的RGB图像,其用于人脸识别。
第二摄像头例如可以是红外(IR)摄像头、3D结构光摄像头、TOF深度摄像头等等。
IR摄像头可以采集热红外线图像,具体地,其能够采集目标用户发射的热辐射能形成的图像。
3D结构光摄像头能够捕获照射在目标上的具有一定形状的光线,确定表面光线的变化,还原目标的3D结构,从而获得目标的三维信息。
TOF深度摄像头捕获经目标物体反射的经调制的近红外光,通过计算光线发射和反射时间差或相位差来换算目标的距离。
经第二摄像头捕获的第二图像可以用于进行活体检测。例如,在第二摄像头为IR摄像头的情况下,可以利用人脸区域与周围环境的温差特征来进行活体检测。此外,利用3D结构光摄像头和TOF深度摄像头进行活体检测是已知的技术,在此不再赘述。
应当注意,在双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像中可以包含一个或者多个人脸图像。
S102:对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置。
在通过双目摄像头获得第一图像和第二图像之后,对其中的一个图像进行人脸检测操作。在本公开实施例中,对第一图像进行人脸检测,但是本公开实施例可以对第一图像和第二图像中的任一个进行人脸检测操作。
人脸检测(Face Detection)的作用在于检测出图像中人脸所在位置。具体地,在本公开实施例中,检测出第一图像中人脸所在位置。
可以通过人脸检测算法来进行人脸检测,人脸检测算法的输入是一张图像,输出是人脸框的坐标序列,具体结果是0个人脸框或1个人脸框或多个人脸框。输出的人脸框可以为正方形、矩形等。
人脸检测算法的示例例如包括模板匹配技术、用级联AdaBoost分类器进行人脸检测、Cascade CNN等等。
模板匹配技术用一个人脸模板图像与被检测图像中的各个位置进行匹配,确定这个位置处是否有人脸。此后,机器学习算法被用于人脸检测,包括神经网络,支持向量机等。这些技术都是针对图像中某个区域进行人脸-非人脸二分类的判别。
用级联AdaBoost分类器进行人脸检测的思想是用多个AdaBoost分类器合作完成对候选框的分类,这些分类器组成一个流水线,对滑动窗口中的候选框图像进行判定,确定它是人脸还是非人脸。
Cascade CNN包含了多个分类器,这些分类器采用级联结构进行组织,并采用卷积网络作为每一级的分类器。
应当理解,人脸检测算法不限于以上所列举的算法,还包括其他已知和未来开发的人脸检测算法。
S103:对所述第一人脸框进行缩放以获得所述第二图像中的第二人脸框。
在本公开实施例中,对于所获得的第一图像和第二图像,假设图像的左上角为坐标原点,并且从原点向右以及向下的方向分别为x方向和y方向的正方向。
对于通过步骤S102获得的第一人脸框,假设其左上角和右下角的位置在第一图像中的坐标分别为(x1,y1)和(x2,y2)。
在本公开实施例中,为了减少直接对第二图像进行人脸检测所需的计算量,首先缩小检测的范围,然后在缩小的范围内进行人脸检测。
具体地,对于第一人脸框,将该人脸框坐标外扩一定比例(该比例可以根据需要进行设置),假设向左右(宽度方向)各外扩m倍人脸框宽度,上下(长度方向)各外扩n倍人脸框长度,外扩后的人脸框左上角坐标:(x1-m*w,y1-n*h),人脸框右下角坐标:(x2+m*w,y2+n*h),其中w为第一人脸框的宽度,h为第一人脸框的长度,并且m和h为正数。
通过如上所述地外扩第一人脸框,可以获得范围比第一人脸框大的人脸框范围。
对于双目摄像头,由于其第一摄像头和第二摄像头具有配准要求,因此,第一摄像头和第二摄像头所获得的画面范围靠得近。换句话说,在第一摄像头捕获得到人脸图像的情况下,第二摄像头也能够在所捕获的图像中基本相同的位置处得到人脸图像。如此,能够借助于第一摄像头和第二摄像头的配准要求来缩小人脸检测的范围。
在本公开实施例中,将第二图像中的与外扩后的人脸框的坐标对应的范围作为第二人脸框。例如,第一图像上扩大后的人脸框坐标为(100,100)和(500,500),则直接将第二图像上的对应的点(100,100)和(500,500)作为第二人脸框的左上角和右下角的坐标。也就是说,在本公开实施例中,将外扩后的人脸框的坐标作为第二图像中第二人脸框的坐标。
S104:在所述第二人脸框内执行人脸配准以获得关键点坐标。
为了获得第二图像中的人脸框,在本公开实施例中,在所述第二人脸框内执行人脸配准以获得关键点坐标。
人脸配准是定位出人脸上五官关键点坐标的技术。可以通过人脸配准算法来获得关键点坐标。
人脸配准算法的输入是“一张人脸图片”+“人脸坐标框”,输出是五官关键点的坐标序列。五官关键点的数量是预先设定好的固定数值,可根据不同的语义来定义。在本公开实施例中,人脸配准的输入是第二图像和第二人脸框。
人脸配准技术一般基于人脸框,按某种事先设定规则将人脸区域抠取出来,然后进行关键点位置的计算。
人脸配准算法例如可以包括ASM(Active Shape Model)算法、Procrustes方法以及利用局部二值特征进行人脸配准的算法等等。
应当理解,在第二人脸框内执行人脸配准以获得关键点坐标的方法不限于以上所列的这些方法,而是还可以包含已知的或者未来开发的其他人脸配准方法。
此外,应当注意,人脸配准算法是计算量固定的过程,并且相对于人脸检测或者人脸特征提取等算法,人脸配准算法的计算耗时少很多。因此,在本公开实施例中,不直接对第二图像进行人脸检测,而是首先在外扩的范围中检测关键点坐标。
S105:基于所述关键点坐标获得所述第二图像的第三人脸框。
在获得了第二图像中的人脸关键点坐标之后,基于所获得的关键点坐标来获得第二图像中的人脸框(第三人脸框),该第三人脸框表示第二图像中人脸所处的位置。
一般而言,人脸五官与人脸框有对应关系。如常用的68人脸关键点,设这68个关键点所有坐标的集合为{xi,yi},取(min{xi},min{yi})为人脸框左上角坐标,取(max{xi},max{yi})为人脸框右下角坐标。
应当注意,基于关键点坐标获得第三人脸框的方法不限于此,而是可以采用例如6、14人脸关键点来获得人脸框。例如,可以根据关键点中左眼、右眼、鼻尖、左嘴角以及右嘴角关键五官位置获得所述第三人脸框。
通过如上所述的方法获得第一图像的人脸框和第二图像的人脸框之后,可以基于所获得的人脸框进行后续的人脸识别和活体检测的操作。
如上所述,在本公开实施例中,不直接获得第二图像的人脸框,而是首先在外扩的人脸框中检测关键点,并基于关键点获得人脸框。如此,节省了第二摄像头的人脸检测耗时,提高了用户使用人脸识别设备的通行速度。
参见图2,本公开实施例提供的另一种基于双目摄像头的人脸检测跟踪方法,包括:
S201:获取所述双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像。
S202:对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置。
S203:对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框。
S204:在所述第二人脸框内执行人脸检测以获得第三人脸框。
本公开实施例中的步骤S201-S203与参考图1描述的步骤S101-S103相同,在此不再赘述。
在本公开实施例中,在通过步骤S203获得了第二图像中的第二人脸框之后,直接在第二人脸框内执行人脸检测以获得第二图像的人脸框(第三人脸框),该第三人脸框指示第二图像中人脸所处的位置。
如上所述,由于人脸检测算法为“扫描”+“判断”的过程,即算法在图像范围内扫描,再逐个判定候选区域是否是人脸。因此人脸检测算法的计算速度会跟图像尺寸、图像内容相关。
在本公开实施例中,通过根据第一图像的第一人脸框获得第二图像的第二人脸框,并仅在第二人脸框中执行人脸检测,因此减小了图像的尺寸,减少了人间检测算法的计算量,从而有利于提高用户使用人脸识别设备的通行速度。
在本公开实施例中,通过如上所述的方法获得第一图像的人脸框和第二图像的人脸框之后,可以基于所获得的人脸框进行后续的人脸识别和活体检测的操作。
根据本公开实施例的一种具体实现方式,捕获第一图像和第二图像的第一摄像头和第二摄像头的焦距相等,并且只有在人脸距离第一摄像头和第二摄像头的距离差值小于预定阈值时,才执行图像捕获。如此,能够确保同一人脸在双目画面中的人脸大小基本一致。
此外,为了确保同一人脸在双目画面中的位置偏差不会太大,在本公开实施例中,要求双目画面中人脸框区域的IOU的值th1大于预定阈值,其中IOU指示所述第一摄像头和所述第二摄像头中人脸框交集的面积与所述第一摄像头和所述第二摄像头中人脸框并集的面积之比。
对于IOU的值th1,其值越大,说明人脸图像在双目画面中的位置偏差越小,并且只需要进行较小程度的外扩即可保证在第二图像中的人脸图像位于外扩的人脸框中。与此相反,IOU的值th1越小,说明人脸图像在双目画面中的位置偏差越大,则需要进行较大程度的外扩才可保证在第二图像中的人脸图像位于外扩的人脸框中。
图3示出了确保人脸位于人脸框内的示意图。如图3所示,第一摄像头中的人脸区域为点划线所示的区域,外扩区域为双虚线所示的区域,第二摄像头中的人脸区域为长虚线所示的区域,黑色区域表示两个摄像头中人脸的重叠区域。
在本公开实施例中,为了实现外扩的人脸框包含第二图像的人脸框,要求值th1与扩大倍数满足一定的条件。
图3中所示的位置为第二图像中的人脸位置(第三人脸框的位置)的极限位置。此时,IOU的计算公式为:
此时的IOU的值为极小状态,因此需要满足IOU小于th1,则可得:
另外,在n=w=0.5的情况下,要求双目摄像头的IOU的值th1大于0.143。
图4示出了根据本公开一个实施例的基于双目摄像头的人脸检测跟踪装置400,该装置400包括:
图像获取模块401,获取所述双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像;
第一人脸检测模块402,对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;
外扩模块403,对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框;
人脸配准模块404,在所述第二人脸框内执行人脸配准以获得关键点坐标;以及
第二人脸检测模块405,基于所述关键点坐标获得所述第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置。
另外,图5示出了根据本公开另一个实施例的基于双目摄像头的人脸检测跟踪装置500,该装置500包括:
图像获取模块501,获取所述双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像;
第一人脸检测模块502,对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;
外扩模块503,对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框;以及
第二人脸检测模块504,在所述第二人脸框内执行人脸检测以获得第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置。
本实施例未详细描述的部分,参照上述方法实施例中记载的内容,在此不再赘述。
参见图6,本公开实施例还提供了一种电子设备60,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述方法实施例中的基于双目摄像头的人脸检测跟踪方法。
本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述方法实施例中的基于双目摄像头的人脸检测跟踪方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述方法实施例中的的基于双目摄像头的人脸检测跟踪方法。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种基于双目摄像头的人脸检测跟踪方法,其特征在于,包括:
获取所述双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像,所述第一摄像头采集人脸的RGB通道的图像,所述第二摄像头为TOF深度摄像头,所述TOF深度摄像头捕获经目标物体反射的经调制的近红外光;
对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;
对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框,将所述第一人脸框在宽度方向上各扩大m倍,并且在长度方向上各扩大n倍;以及将外扩后的人脸框的坐标作为所述第二图像中第二人脸框的坐标;
在所述第二人脸框内执行人脸配准以获得关键点坐标;以及
基于所述关键点坐标获得所述第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置;
所述方法还包括获取所述双目摄像头的IOU,其中IOU指示所述第一摄像头和所述第二摄像头中人脸框交集的面积与所述第一摄像头和所述第二摄像头中人脸框并集的面积之比,
并且所述m和n满足以下关系式:
其中,th1为所述双目摄像头的IOU的值。
2.根据权利要求1所述的基于双目摄像头的人脸检测跟踪方法,其特征在于,所述基于所述关键点坐标获得所述第二图像的第三人脸框,包括:
获取所述关键点坐标的集合{xi,yi},i=1,2…n,其中n为所述关键点的个数;以及
将坐标点(min{xi},min{yi})作为所述第三人脸框的左上角坐标,并且将坐标点(max{xi},max{yi})作为所述第三人脸框的右下角坐标以获得所述第三人脸框,或者
根据所述关键点中左眼、右眼、鼻尖、左嘴角以及右嘴角关键五官位置获得所述第三人脸框。
3.根据权利要求1所述的基于双目摄像头的人脸检测跟踪方法,其特征在于,所述第一摄像头和第二摄像头的焦距相等,并且当所述第一摄像头和第二摄像头距离人脸的距离的差值小于预定阈值时,捕获所述第一图像和所述第二图像。
4.一种基于双目摄像头的人脸检测跟踪方法,其特征在于,包括:
获取所述双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像,所述第一摄像头采集人脸的RGB通道的图像,所述第二摄像头为TOF深度摄像头,所述TOF深度摄像头捕获经目标物体反射的经调制的近红外光;
对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;
对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框,将所述第一人脸框在宽度方向上各扩大m倍,并且在长度方向上各扩大n倍;以及将外扩后的人脸框的坐标作为所述第二图像中第二人脸框的坐标;
以及,在所述第二人脸框内执行人脸检测以获得第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置;
所述方法还包括获取所述双目摄像头的IOU,其中IOU指示所述第一摄像头和所述第二摄像头中人脸框交集的面积与所述第一摄像头和所述第二摄像头中人脸框并集的面积之比,
并且所述m和n满足以下关系式:
其中,th1为所述双目摄像头的IOU的值。
5.根据权利要求4所述的基于双目摄像头的人脸检测跟踪方法,其特征在于,所述第一摄像头和第二摄像头的焦距相等,并且当所述第一摄像头和第二摄像头距离人脸的距离的差值小于预定阈值时,捕获所述第一图像和所述第二图像。
6.一种基于双目摄像头的人脸检测跟踪装置,其特征在于,所述装置用于执行如权利要求1所述的人脸检测跟踪方法,包括:
图像获取模块,获取所述双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像;
第一人脸检测模块,对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;
外扩模块,对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框;
人脸配准模块,在所述第二人脸框内执行人脸配准以获得关键点坐标;以及
第二人脸检测模块,基于所述关键点坐标获得所述第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置。
7.一种基于双目摄像头的人脸检测跟踪装置,其特征在于,所述装置用于执行如权利要求4所述的人脸检测跟踪方法,包括:
图像获取模块,获取所述双目摄像头中的第一摄像头和第二摄像头捕获的第一图像和第二图像,其中所述第一图像和第二图像包含人脸图像;
第一人脸检测模块,对所述第一图像进行人脸检测以获得第一人脸框,其中所述第一人脸框指示所述第一图像中人脸所在位置;
外扩模块,对所述第一人脸框进行外扩以获得所述第二图像中的第二人脸框;以及
第二人脸检测模块,在所述第二人脸框内执行人脸检测以获得第二图像的第三人脸框,其中所述第二图像的第三人脸框指示所述第二图像中人脸所在位置。
8.一种电子设备,其特征在于,所述电子设备包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述权利要求1-5中任一项所述的基于双目摄像头的人脸检测跟踪方法。
9.一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述权利要求1-5中任一项所述的基于双目摄像头的人脸检测跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910836807.1A CN110619656B (zh) | 2019-09-05 | 2019-09-05 | 基于双目摄像头的人脸检测跟踪方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910836807.1A CN110619656B (zh) | 2019-09-05 | 2019-09-05 | 基于双目摄像头的人脸检测跟踪方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110619656A CN110619656A (zh) | 2019-12-27 |
CN110619656B true CN110619656B (zh) | 2022-12-02 |
Family
ID=68922324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910836807.1A Active CN110619656B (zh) | 2019-09-05 | 2019-09-05 | 基于双目摄像头的人脸检测跟踪方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619656B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582090A (zh) * | 2020-04-27 | 2020-08-25 | 杭州宇泛智能科技有限公司 | 人脸识别方法、装置及电子设备 |
CN112004022B (zh) * | 2020-08-26 | 2022-03-22 | 三星电子(中国)研发中心 | 生成拍摄提示信息的方法和装置 |
CN112560592A (zh) * | 2020-11-30 | 2021-03-26 | 深圳市商汤科技有限公司 | 图像处理方法及装置、终端控制方法及装置 |
CN112200174A (zh) * | 2020-12-09 | 2021-01-08 | 上海齐感电子信息科技有限公司 | 人脸框检测方法及模块和活体人脸验证方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426867A (zh) * | 2015-12-11 | 2016-03-23 | 小米科技有限责任公司 | 人脸识别验证方法及装置 |
CN105844240A (zh) * | 2016-03-23 | 2016-08-10 | 深圳云天励飞技术有限公司 | 一种红外测温系统中的人脸检测方法及装置 |
CN108875485A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 一种底图录入方法、装置及系统 |
CN108985134A (zh) * | 2017-06-01 | 2018-12-11 | 重庆中科云丛科技有限公司 | 基于双目摄像机的人脸活体检测及刷脸交易方法及系统 |
CN109040745A (zh) * | 2018-08-01 | 2018-12-18 | Oppo广东移动通信有限公司 | 摄像头自校准方法和装置、电子设备、计算机存储介质 |
CN109831616A (zh) * | 2017-11-23 | 2019-05-31 | 上海未来伙伴机器人有限公司 | 一种基于单目摄像头的人脸跟随方法及其装置 |
-
2019
- 2019-09-05 CN CN201910836807.1A patent/CN110619656B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426867A (zh) * | 2015-12-11 | 2016-03-23 | 小米科技有限责任公司 | 人脸识别验证方法及装置 |
CN105844240A (zh) * | 2016-03-23 | 2016-08-10 | 深圳云天励飞技术有限公司 | 一种红外测温系统中的人脸检测方法及装置 |
CN108985134A (zh) * | 2017-06-01 | 2018-12-11 | 重庆中科云丛科技有限公司 | 基于双目摄像机的人脸活体检测及刷脸交易方法及系统 |
CN108875485A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 一种底图录入方法、装置及系统 |
CN109831616A (zh) * | 2017-11-23 | 2019-05-31 | 上海未来伙伴机器人有限公司 | 一种基于单目摄像头的人脸跟随方法及其装置 |
CN109040745A (zh) * | 2018-08-01 | 2018-12-18 | Oppo广东移动通信有限公司 | 摄像头自校准方法和装置、电子设备、计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110619656A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110619656B (zh) | 基于双目摄像头的人脸检测跟踪方法、装置及电子设备 | |
WO2019218824A1 (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
US8792722B2 (en) | Hand gesture detection | |
US8750573B2 (en) | Hand gesture detection | |
CN109683699B (zh) | 基于深度学习实现增强现实的方法、装置及移动终端 | |
TW201911130A (zh) | 一種翻拍影像識別方法及裝置 | |
US20190340746A1 (en) | Stationary object detecting method, apparatus and electronic device | |
US20120154638A1 (en) | Systems and Methods for Implementing Augmented Reality | |
KR20200118076A (ko) | 생체 검출 방법 및 장치, 전자 기기 및 저장 매체 | |
CN109937434B (zh) | 图像处理方法、装置、终端和存储介质 | |
US20220309836A1 (en) | Ai-based face recognition method and apparatus, device, and medium | |
JP5832656B2 (ja) | 画像中のテキストの検出を容易にする方法及び装置 | |
CN113627428A (zh) | 文档图像矫正方法、装置、存储介质及智能终端设备 | |
WO2022002262A1 (zh) | 基于计算机视觉的字符序列识别方法、装置、设备和介质 | |
CN111080665B (zh) | 图像边框识别方法、装置、设备和计算机存储介质 | |
CN111199169A (zh) | 图像处理方法和装置 | |
US20210295016A1 (en) | Living body recognition detection method, medium and electronic device | |
WO2022095318A1 (zh) | 字符检测方法、装置、电子设备、存储介质及程序 | |
US20220207917A1 (en) | Facial expression image processing method and apparatus, and electronic device | |
CN110222576B (zh) | 拳击动作识别方法、装置和电子设备 | |
CN109147001A (zh) | 一种用于呈现虚拟指甲的方法与设备 | |
JP2022519398A (ja) | 画像処理方法、装置及び電子機器 | |
CN113392820B (zh) | 动态手势识别方法、装置、电子设备及可读存储介质 | |
CN113762027B (zh) | 一种异常行为的识别方法、装置、设备及存储介质 | |
WO2020215854A1 (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |