CN110909596B - 侧脸识别方法、装置、设备以及存储介质 - Google Patents

侧脸识别方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN110909596B
CN110909596B CN201910972024.6A CN201910972024A CN110909596B CN 110909596 B CN110909596 B CN 110909596B CN 201910972024 A CN201910972024 A CN 201910972024A CN 110909596 B CN110909596 B CN 110909596B
Authority
CN
China
Prior art keywords
point
side face
characteristic
feature
characteristic region
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
Application number
CN201910972024.6A
Other languages
English (en)
Other versions
CN110909596A (zh
Inventor
徐华杰
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.)
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Original Assignee
Guangzhou Shiyuan Electronics Thecnology 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 Guangzhou Shiyuan Electronics Thecnology Co Ltd filed Critical Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority to CN201910972024.6A priority Critical patent/CN110909596B/zh
Publication of CN110909596A publication Critical patent/CN110909596A/zh
Application granted granted Critical
Publication of CN110909596B publication Critical patent/CN110909596B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction

Landscapes

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

Abstract

本申请实施例提供了一种侧脸识别方法、装置、设备以及存储介质，该方法包括：获取人脸图像，并对人脸图像进行人脸检测，获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点；将左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点首尾依序连接，获得第一特征区域；按照预设规则等比例缩小第一特征区域，获得第二特征区域；当鼻子特征点位于第二特征区域外时，确定人脸图像为侧脸图像。本申请实施例降低了侧脸识别的运算难度，提高了识别速度，而且可以识别左侧脸、右侧脸、上仰的侧脸和低垂的侧脸等多个角度的侧脸图像，提高了侧脸识别的准确率。

Description

侧脸识别方法、装置、设备以及存储介质
技术领域
本申请实施例涉及人脸识别领域，特别是涉及一种侧脸识别方法、装置、设备以及存储介质。
背景技术
人脸识别作为计算机视觉和机器学习领域的一个重要技术，其在视频监控、访问控制、人机接口等应用场景中起着关键作用。对于人脸识别技术来说，由于正脸比侧脸的清晰度更高、脸部特征更多，其更容易识别，识别准确率也更高，为此，通常需要从拍摄的人脸图像需要识别过滤出侧脸图像，再采用剩下的正脸图像进行后续的分析。
发明人在实现本发明的过程中，发现现有技术中存在如下问题：传统的侧脸识别方法通常是对左侧脸和右侧脸进行检测，通常采用深度学习人脸角度的状态，然后再通过深度学习的结果来识别侧脸。这种方式需要构建深度学习人脸模型，而且需要进行长时间的训练和寻找样本，操作复杂，识别速度也慢。
发明内容
为克服相关技术中存在的问题，本申请提供了一种侧脸识别方法、装置、设备以及存储介质，可降低运算难度，提高识别速度，而且可以识别左侧脸、右侧脸、上仰的侧脸和低垂的侧脸等多个角度的侧脸图像，提高侧脸识别的准确率。
根据本申请实施例的第一方面，提供一种侧脸识别方法，包括如下步骤：
获取人脸图像，并对人脸图像进行人脸检测，获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点；
将左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点首尾依序连接，获得第一特征区域；
按照预设规则等比例缩小所述第一特征区域，获得第二特征区域；
当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像；
所述按照预设规则等比例缩小所述第一特征区域，获得第二特征区域的步骤，包括：
将所述第一特征区域的对角距离等比例缩小预设比例，获得第二特征区域；其中，所述预设比例为3/10-3/5；或者，
将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，获得第二特征区域；其中，所述预设比例为3/20-3/10。
根据本申请实施例的第二方面，提供一种侧脸识别装置，包括：
特征点获取模块，用于获取人脸图像，并对人脸图像进行人脸检测，获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点；
第一特征区域确定模块，用于将左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点首尾依序连接，获得第一特征区域；
第二特征区域确定模块，用于按照预设规则等比例缩小所述第一特征区域，获得第二特征区域；
侧脸图像确定模块，用于当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像；
所述第二特征区域确定模块包括用于：
将所述第一特征区域的对角距离等比例缩小预设比例，获得第二特征区域；其中，所述预设比例为3/10-3/5；或者，
将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，获得第二特征区域；其中，所述预设比例为3/20-3/10。
根据本申请实施例的第三方面，提供一种电子设备，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述任意一项所述的侧脸识别的方法。
根据本申请实施例的第四方面，提供一种计算机可读存储介质，其上储存有计算机程序，该计算机程序被处理器执行时实现如上述任意一项所述的侧脸识别的方法。
本申请实施例通过由少量的特征点确定第一特征区域，并按照预设规则等比例缩小所述第一特征区域，获得第二特征区域，进而当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像，从而无需用样本长时间训练和构建深度学习人脸模型，也无需通过人脸模型进行复杂的运算，进而降低了侧脸识别的运算难度，提高了识别速度，而且可以识别左侧脸、右侧脸、上仰的侧脸和低垂的侧脸等多个角度的侧脸图像，提高了侧脸识别的准确率。进一步地，将所述第一特征区域的对角距离等比例缩小预设比例或将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，获得第二特征区域，并判断鼻子特征点与第二特征区域的位置关系，可间接实现鼻子与所述第一特征区域的各条边和各个顶点的距离比较，进而可以识别左侧脸、右侧脸、上仰的侧脸和低垂的侧脸等多个角度的侧脸图像，提高侧脸识别的识别速度以及识别的准确率；而且将所述鼻子特征点与所述第二特征区域的位置关系转换为数学面积计算方法进行识别，可进一步降低运算难度，进一步提高运算效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
为了更好地理解和实施，下面结合附图详细说明本发明。
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为本申请实施例示出的侧脸识别方法的应用环境的示意框图；
图2为本申请实施例示出的侧脸识别方法的流程图；
图3为本申请实施例示出的特征点的位置示意图；
图4为本申请一个示例性实施例示出的确定第二特征区域的原理图；
图5为本申请另一个示例性实施例示出的确定第二特征区域的原理图；其中，图5(1)为确定各边中点到对边垂线的原理图；图5(2)为确定第二特征区域的各个顶点的原理图；图5(3)为确定的第二特征区域的结构示意图；
图6为本申请实施例示出的确定鼻子位于所述第二特征区域外的方法的流程图；
图7为本申请实施例示出的确定鼻子位于所述第二特征区域外的原理图；
图8为本申请实施例示出的确定鼻子位于所述第二特征区域内的原理图；
图9为本申请实施例示出的侧脸识别装置的结构示意图；
图10为本申请实施例示出的侧脸图像确定模块的结构示意图；
图11为本申请实施例示出的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确，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作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。在本申请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。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”。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，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。字符“/”一般表示前后关联对象是一种“或”的关系。
请参阅图1，其是本申请实施例示出的侧脸识别方法的应用环境的示意框图。
如图1所示，所述侧脸识别方法的应用环境包括电子设备1000、人脸图像2000和识别结果3000。所述电子设备1000上可运行有应用本申请实施例侧脸识别方法的应用程序1100，所述应用程序1100包括人脸检测工具和侧脸识别方法，在电子设备1000中输入所述人脸图像200后，通过人脸检测工具检测出人脸特征点，通过侧脸识别方法对人脸特征点进行识别判断，获得识别结果3000。
所述电子设备1000可以是任何智能终端，例如，可以具体为计算机、手机、平板电脑、交互式智能平板、PDA(Personal Digital Assistant，个人数字助理)、电子书阅读器、多媒体播放器等。基于不同的智能终端，所述应用程序1100还可以是以适应该智能终端的其他形式呈现。在一些例子中，还可以是以例如系统插件、网页插件等形式呈现。所述人脸检测工具可以采用现有的人脸检测工具，如MTCNN(Multi-task convolutional neuralnetwork，多任务卷积神经网络)、RetinaFace等工具获得需求的人脸特征点。在本申请本实施例中，优选采用MTCNN人脸检测工具。
所述人脸图像2000可以为通过摄像装置拍摄获得的图像，也可以为人工合成的图像，并且，本申请实施例中所述人脸图像2000为输入的待识别的人脸图像，可以在所述电子设备1000内输入单张或者多张人脸图像2000，实现对单张或者批量的人脸图像2000进行识别。
所述识别结果3000为所述人脸图像2000经过本申请实施例的侧脸识别方法后的结果，其可以以文字的形式显示识别的结果数据，如当输入单张人脸图像2000时，以文字显示人脸图像2000为侧脸图像或者正脸图像；或者，显示符号0，1等用于说明侧脸图像或者正脸图像的符号；或者，当批量输入人脸图像2000时，显示侧脸图像或者正脸图像的序号。所述输出结果3000也可以以输出图像的形式显示识别的结果数据，如当输入单张人脸图像2000时，识别到人脸图像2000为侧脸图像时，则输出该人脸图像2000；当识别到人脸图像2000为正脸图像时，则无输出或者输出为0，或者，当批量输入人脸图像2000时，批量显示侧脸图像或者正脸图像等其他形式。
实施例1
本申请实施例公开了一种侧脸识别方法，该方法应用于电子设备。
下面将结合附图2，对本申请实施例提供的一种侧脸识别方法进行详细介绍。
请参阅图2，本申请实施例提供的一种侧脸识别方法，包括如下步骤：
步骤S101：获取人脸图像，并对人脸图像进行人脸检测，获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点。
所述人脸图像可以为通过摄像装置拍摄获得的图像，也可以为人工合成的图像。
所述对人脸图像进行人脸检测的方法可以为现有的任何一种可用于进行检测特征点的人脸检测算法，也即，本申请通过获得特征点的方法并不加以限制，例如可以通过MTCNN人脸检测工具或者RetinaFace等人脸检测工具直接获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点，也可以采用Dlib人脸检测工具获得68个人脸特征点，再根据68个人脸特征点计算获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点。在本申请实施例中，优选采用MTCNN人脸检测工具直接获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点，通过直接获得少量的特征点进行侧脸识别，以提高侧脸识别效率。
如图3所示，在本申请实施例中，所述左眼特征点为面对人脸图像时左眼的中心位置A；所述右眼特征点为面对人脸图像时右眼的中心位置B；所述左嘴角特征点为面对人脸图像时嘴巴的最左边位置C；所述右嘴角特征点为面对人脸图像时嘴巴的最右边位置D；所述鼻子特征点为鼻子最高的位置即鼻尖的位置E。进一步地，在面对人脸图像时，以人脸图像的最左边顶点的位置作为原点坐标，以人脸图像的上侧边作为x的正方向，以人脸图像的左侧边作为y的负方向，建立直角坐标系，则人脸图像中的各个特征点均可以用坐标进行表示，也即可以获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点的坐标，以方便后续对特征点的数据处理。
步骤S102：将左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点首尾依序连接，获得第一特征区域。
本申请实施例中，可将左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点首尾依序通过线段连接，获得第一特征区域，其中所述第一特征区域为以左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点作为顶点的不规则的封闭的四边形。另外，本申请实施例中并不限定左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点的连接顺序，可以是以左眼特征点作为起点和终点，按照顺时针方向将左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点依序连接获得第一特征区域，也可以按照逆时针方向将左眼特征点、左嘴角特征点、右嘴角特征点和右眼特征点依序连接获得第一特征区域；或者，以右眼特征点作为起始点和终结点，按照顺时针方向或者逆时针方向依序连接获得第一特征区域等。
步骤S103：按照预设规则等比例缩小所述第一特征区域，获得第二特征区域。
人脸可以认为是个曲面，鼻子是最高点，当人脸向左侧倾斜、或向右侧倾斜、或向上仰或低垂等其他角度倾斜时，鼻子会偏离所述第一特征区域的中心，而靠近所述第一特征区域的左边、右边、上边、下边或者靠近所述第一特征区域的顶点，而且由于不同的人的鼻子的高度不同，鼻子偏离的位置也不同。具体的，当人脸向左侧倾斜时，鼻子特征点会靠近所述第一特征区域的左侧边、左嘴角特征点和左眼特征点；当人脸向右侧倾斜时，鼻子特征点会靠近所述第一特征区域的右侧边、右嘴角特征点和右眼特征点；当人脸向上仰时，鼻子特征点将靠近所述第一特征区域的下侧边、左嘴角特征点和右嘴角特征点；当人脸低垂时，会靠近所述第一特征区域的上侧边、左眼特征点和右眼特征点；因此，按照预设规则等比例缩小所述第一特征区域，根据第二特征区域与鼻子特征点的位置关系来判断是否人脸图像，可同时实现鼻子特征点对第二特征区域的各个边和各个顶点的比较和判断，进而既兼容不同高度的鼻子的侧脸识别，实现对左侧脸、右侧脸、上仰的侧脸和低垂的侧脸等多个角度的侧脸的检测，提高侧脸识别的准确率。
由于所述第一特征区域为不规则的封闭的四边形，因此，按照预设规则等比例缩小所述第一特征区域，获得的第二特征区域也为不规则的封闭的四边形。
步骤S104：当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像。
本申请实施例通过由少量的特征点确定第一特征区域，并按照预设规则等比例缩小所述第一特征区域，获得第二特征区域，进而当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像，从而降低了侧脸识别的运算难度，提高了识别速度，而且可以识别左侧脸、右侧脸、上仰的侧脸和低垂的侧脸等多个角度的侧脸图像，提高了侧脸识别的准确率。
在本申请的一个示例性实施例中，步骤S103中按照预设规则等比例缩小所述第一特征区域，获得第二特征区域的步骤，包括：
将所述第一特征区域的对角距离等比例缩小预设比例，获得第二特征区域。
当人脸向左侧倾斜、或向右侧倾斜、或向上仰或低垂等其他角度倾斜时，鼻子与所述第一特征区域的各个顶点的距离的变化幅度比较大，而且所述第一特征区域的对角距离发生变化的幅度也比较明显，因此，将所述第一特征区域的对角距离等比例缩小预设比例，再以第二特征区域与鼻子特征点的关系来识别侧脸，可间接实现鼻子对所述第一特征区域的各条边和和各个顶点的距离比较，进而提高侧脸识别的准确率。在本申请实施例中，通过大量实验证明，所述预设比例为3/10-3/5，优选的，所述预设比例为2/5，此时，侧脸识别率最高。
下面具体说明如何将所述第一特征区域的对角距离等比例缩小2/5，获得第二特征区域的方法。
如图4所示，点A、点B、点D、点C和点E分别表示左眼特征点、右眼特征点、右嘴角特征点、左嘴角特征点和鼻子特征点的位置，由点A、点B、点D和点C确定的四边形ABDC为所述第一特征区域。在对角线AD上取K点，使线段AK的长度为对角线AD长度的1/5；在对角线AD上取M点，使线段MD的长度为对角线AD长度的1/5；在对角线BC上取N点，使线段BN的长度为对角线AD长度的1/5；在对角线BC上取L点，使线段LC的长度为对角线AD长度的1/5；再将点K、点N、点M和点L首尾依序连接，获得的四边形KNML即为第二特征区域。此时，第二特征区域的对角距离KM为第一特征区域的对角距离AD的3/5,第二特征区域的对角距离BC为第一特征区域的对角距离BC的3/5,即将所述第一特征区域ABDC的对角距离等比例缩小了2/5,获得第二特征区域KNML。当E点在四边形KNML外，即鼻子特征点在第二特征区域外时，则人脸图像为侧脸图像，当E点在四边形KNML内，即鼻子特征点在第二特征区域内时，则人脸图像为正脸图像。
在本申请的另一个示例性实施例中，步骤S103中按照预设规则等比例缩小所述第一特征区域，获得第二特征区域的步骤，包括：
将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，获得第二特征区域。
当人脸向左侧倾斜、或向右侧倾斜、或向上仰或低垂等其他角度倾斜时，鼻子与第一特征区域的各边的距离以及各顶点的变化明显，因此，将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，再以第二特征区域与鼻子特征点的关系来识别侧脸，可间接实现鼻子对所述第一特征区域的各条边和和各个顶点的距离比较，进而提高侧脸识别的准确率。在本申请实施例中，通过大量实验证明，所述预设比例为3/20-3/10，优选的，所述预设比例为1/5，此时，侧脸识别率最高。
下面具体说明如何将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，获得第二特征区域的方法。
如图5，点A、点B、点D、点C和点E分别表示左眼特征点、右眼特征点、右嘴角特征点、左嘴角特征点和鼻子特征点的位置，由点A、点B、点D和点C确定的四边形ABDC为所述第一特征区域。首先，在线段AC上取其中点K点，过K点作线段BD的垂线交线段BD于R点；在线段AB上取其中点M点，过M点作线段CD的垂线交线段CD于P点；在线段BD上取其中点L点，过L点作线段AC的垂线交线段AC于O点；在线段CD上取其中点N点，过N点作线段AB的垂线交线段AB于Q点；接着，在线段KR上取A1点，使线段A1R的长度为线段KR长度的1/5；在线段MP上取Z点，使线段ZP的长度为线段MP长度的1/5；在线段LO上取W点，使线段WO的长度为线段LO长度的1/5；在线段NQ上取B1点，使线段B1Q的长度为线段NQ长度的1/5；最后，过点A1作平行于BD的直线e,过点Z作平行于CD的直线f,过点W作平行于AC的直线j,过点B1作平行于AB的直线h,其中，直线e与直线f交于E1点,直线f与直线j交于F1点,直线j与直线h交于C1点,直线h与直线e交于D1点,则将点C1、点D1、点E1和点F1首尾依序连接，获得的四边形C1D1E1F1即为第二特征区域。当点E点在四边形C1D1E1F1外，即鼻子特征点在第二特征区域外时，则人脸图像为侧脸图像，当点E点在四边形C1D1E1F1内，即鼻子特征点在第二特征区域内时，则人脸图像为正脸图像。
如图6所示，在本申请的一个示例性实施例中，步骤S104中所述鼻子特征点位于所述第二特征区域外的确定步骤，包括：
步骤S1041：将鼻子特征点与所述第二特征区域的各个顶点连接，获得多个三角形。
由于所述第二特征区域为不规则的封闭的四边形，其具有四个不重叠的顶点，因此，将鼻子特征点与该四个顶点进行连接后，可获得四个三角形。
步骤S1042：根据所述鼻子特征点的坐标和所述第二特征区域的各个顶点的坐标，获得所述第二特征区域的面积以及各个所述三角形的面积之和。
步骤S1043：当各个所述三角形的面积之和大于所述第二特征区域的面积时，确定所述鼻子特征点位于所述第二特征区域外。
具体的，请参阅图7和图8，四边形KNML为第二特征区域，点K、点N、点M和点L分别为第二特征区域的顶点，点E为鼻子特征点；将鼻子特征点E与所述第二特征区域的点K、点N、点M和点L分别连接，可获得三角形EKN，三角形EMN，三角形ELM和三角形EKL。由图7可知，当三角形EKN，三角形EMN，三角形ELM和三角形EKL的面积之和大于四边形KNML的面积时，则可确定鼻子特征点位于所述第二特征区域外，由图8可知，当三角形EKN，三角形EMN，三角形ELM和三角形EKL的面积之和等于四边形KNML的面积时，则可确定鼻子特征点位于所述第二特征区域内。而在计算三角形EKN的面积，三角形EMN的面积，三角形ELM的面积，三角形EKL的面积以及四边形KNML的面积时，可以在面对人脸图像时，以人脸图像的最左边顶点的位置作为原点坐标，以人脸图像的上侧边作为x的正方向，以人脸图像的左侧边作为y的负方向，建立直角坐标系，则人脸图像中的各个特征点均可以用坐标进行表示，再根据前述的第二特征区域的确定方式，获得第二特征区域各个顶点的坐标，即通过建立直接坐标系和坐标运算，可获得点K、点N、点M、点L、以及点E的坐标。最后根据两个坐标点的距离公式，以及点到线段的距离等数学方式即可获得三角形EKN的面积，三角形EMN的面积，三角形ELM的面积，三角形EKL的面积以及四边形KNML的面积，
本申请实施例将所述鼻子特征点与所述第二特征区域的位置关系转换为数学面积计算方法进行识别，大大降低了运算难度，提高了运算效率。进一步地，本申请还可以通过比较各个所述三角形的内角关系与所述第二特征区域的内角关系来判定所述鼻子特征点是否位于所述第二特征区域外等其他数学方法判定点与区域的位置关系。
在本申请的一个示例性实施例中，本申请的侧脸识别方法还可以包括步骤S105：当所述鼻子特征点坐标位于所述第二特征区域内时，确定所述人脸图像为正脸图像。具体的，将鼻子特征点与所述第二特征区域的各个顶点连接，获得多个三角形；根据所述鼻子特征点的坐标和所述第二特征区域的各个顶点的坐标，获得所述第二特征区域的面积以及各个所述三角形的面积之和；当各个所述三角形的面积之和等于所述第二特征区域的面积时，确定所述鼻子特征点位于所述第二特征区域内，进而确定所述人脸图像为正脸图像。
实施例2
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
请参见图9，其示出了本申请实施例提供的侧脸识别装置的结构示意图。该侧脸识别装置可以通过软件、硬件或者两者的结合实现成为智能交互平板的全部或一部分。所述侧脸识别装置200包括：
特征点获取模块201，用于获取人脸图像，并对人脸图像进行人脸检测，获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点；
第一特征区域确定模块202，用于将左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点首尾依序连接，获得第一特征区域；
第二特征区域确定模块203，用于按照预设规则等比例缩小所述第一特征区域，获得第二特征区域；
侧脸图像确定模块204，用于当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像。
本申请实施例通过由少量的特征点确定第一特征区域，并按照预设规则等比例缩小所述第一特征区域，获得第二特征区域，进而当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像，从而降低了侧脸识别的运算难度，提高了识别速度，而且可以识别左侧脸、右侧脸、上仰的侧脸和低垂的侧脸等多个角度的侧脸图像，提高了侧脸识别的准确率。
在本申请的一个示例性实施例中，所述第二特征区域确定模块203用于按照预设规则等比例缩小所述第一特征区域，获得第二特征区域时，包括用于：
将所述第一特征区域的对角距离等比例缩小预设比例，获得第二特征区域。
当人脸向左侧倾斜、或向右侧倾斜、或向上仰或低垂等其他角度倾斜时，鼻子与所述第一特征区域的各个顶点的距离的变化幅度比较大，而且所述第一特征区域的对角距离发生变化的幅度也比较明显，因此，将所述第一特征区域的对角距离等比例缩小预设比例，再以第二特征区域与鼻子特征点的关系来识别侧脸，可间接实现鼻子对所述第一特征区域的各条边和和各个顶点的距离比较，进而提高侧脸识别的准确率。在本申请实施例中，通过大量实验证明，所述预设比例为3/10-3/5，优选的，所述预设比例为2/5，此时，侧脸识别率最高。
在本申请的另一个示例性实施例中，所述第二特征区域确定模块203用于按照预设规则等比例缩小所述第一特征区域，获得第二特征区域时，包括用于：
将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，获得第二特征区域。
当人脸向左侧倾斜、或向右侧倾斜、或向上仰或低垂等其他角度倾斜时，鼻子与第一特征区域的各边的距离以及各顶点的变化明显，因此，将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，再以第二特征区域与鼻子特征点的关系来识别侧脸，可间接实现鼻子对所述第一特征区域的各条边和和各个顶点的距离比较，进而提高侧脸识别的准确率。在本申请实施例中，通过大量实验证明，所述预设比例为3/20-3/10，优选的，所述预设比例为1/5，此时，侧脸识别率最高。
请参见图10，在本申请的一个示例性实施例中，所述侧脸图像确定模块204，包括：
三角形获取模块2041，用于将鼻子特征点与所述第二特征区域的各个顶点连接，获得多个三角形；
面积计算模块2042，用于根据所述鼻子特征点的坐标和所述第二特征区域的各个顶点的坐标，获得所述第二特征区域的面积以及各个所述三角形的面积之和；
判断模块2043，用于当各个所述三角形的面积之和大于所述第二特征区域的面积时，确定所述鼻子特征点位于所述第二特征区域外。
在本申请的一个示例性实施例中，本申请的侧脸识别装置还可以包括正脸图像确定模块(图中未示)；所述正脸图像确定模块用于当所述鼻子特征点坐标位于所述第二特征区域内时，确定所述人脸图像为正脸图像。具体的，将鼻子特征点与所述第二特征区域的各个顶点连接，获得多个三角形；根据所述鼻子特征点的坐标和所述第二特征区域的各个顶点的坐标，获得所述第二特征区域的面积以及各个所述三角形的面积之和；当各个所述三角形的面积之和等于所述第二特征区域的面积时，确定所述鼻子特征点位于所述第二特征区域内，进而确定所述人脸图像为正脸图像。
实施例3
下述为本申请设备实施例，可以用于执行本申请方法实施例。对于本申请设备实施例中未披露的细节，请参照本申请方法实施例。
请参阅图11，本申请还提供一种电子设备300，所述电子设备300可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等设备。所述电子设备300可以包括：至少一个处理器301、至少一个存储器302，至少一个网络接口303，用户接口304以及至少一个通信总线305。
其中，所述用户接口304主要用于为用户提供输入的接口，获取用户输入的数据，其可以包括显示终端和摄像终端；所述显示终端包括显示屏和触摸屏，所述显示屏用于显示经过处理器处理后的数据，如显示侧脸识别结果数据；所述触摸屏可以包括：电容屏，电磁屏或红外屏等，一般而言，该触摸屏可以接收用户通过手指或者输入设备输入的触摸操作或书写操作。可选的，所述用户接口304还可以包括标准的有线接口、无线接口。
其中，所述网络接口303可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中，所述通信总线305用于实现这些组件之间的连接通信。
其中，所述处理器301可以包括一个或者多个处理核心。处理器301利用各种接口和线路连接整个电子设备300内的各个部分，通过运行或执行存储在存储器302内的指令、程序、代码集或指令集，以及调用存储在存储器302内的数据，执行电子设备300的各种功能和处理数据。可选的，处理器301可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器301可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器301中，单独通过一块芯片进行实现。
其中，存储器302可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器302包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器302可用于存储指令、程序、代码、代码集或指令集。存储器302可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器302可选的还可以是至少一个位于远离前述处理器301的存储装置。如图11所示，作为一种计算机存储介质的存储器302中可以包括操作系统、网络通信模块、用户。
所述处理器301可以用于调用存储器63中存储的数据同步显示方法的应用程序，并具体执行以下操作：获取人脸图像，并对人脸图像进行人脸检测，获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点；将左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点首尾依序连接，获得第一特征区域；按照预设规则等比例缩小所述第一特征区域，获得第二特征区域；当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像。
本申请实施例通过由少量的特征点确定第一特征区域，并按照预设规则等比例缩小所述第一特征区域，获得第二特征区域，进而当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像，从而降低了侧脸识别的运算难度，提高了识别速度，而且可以识别左侧脸、右侧脸、上仰的侧脸和低垂的侧脸等多个角度的侧脸图像，提高了侧脸识别的准确率。
在本申请的一个示例性实施例中，所述处理器301执行按照预设规则等比例缩小所述第一特征区域，获得第二特征区域的操作时，包括执行如下操作：将所述第一特征区域的对角距离等比例缩小预设比例，获得第二特征区域。
当人脸向左侧倾斜、或向右侧倾斜、或向上仰或低垂等其他角度倾斜时，鼻子与所述第一特征区域的各个顶点的距离的变化幅度比较大，而且所述第一特征区域的对角距离发生变化的幅度也比较明显，因此，将所述第一特征区域的对角距离等比例缩小预设比例，再以第二特征区域与鼻子特征点的关系来识别侧脸，可间接实现鼻子对所述第一特征区域的各条边和和各个顶点的距离比较，进而提高侧脸识别的准确率。在本申请实施例中，通过大量实验证明，所述预设比例为3/10-3/5，优选的，所述预设比例为2/5，此时，侧脸识别率最高。
在本申请的另一个示例性实施例中，所述处理器301执行用于按照预设规则等比例缩小所述第一特征区域，获得第二特征区域的操作时，包括执行如下操作：将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，获得第二特征区域。
当人脸向左侧倾斜、或向右侧倾斜、或向上仰或低垂等其他角度倾斜时，鼻子与第一特征区域的各边的距离以及各顶点的变化明显，因此，将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，再以第二特征区域与鼻子特征点的关系来识别侧脸，可间接实现鼻子对所述第一特征区域的各条边和和各个顶点的距离比较，进而提高侧脸识别的准确率。在本申请实施例中，通过大量实验证明，所述预设比例为3/20-3/10，优选的，所述预设比例为1/5，此时，侧脸识别率最高。
在本申请的一个示例性实施例中，所述处理器301执行当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像的操作时，包括执行如下操作：将鼻子特征点与所述第二特征区域的各个顶点连接，获得多个三角形；根据所述鼻子特征点的坐标和所述第二特征区域的各个顶点的坐标，获得所述第二特征区域的面积以及各个所述三角形的面积之和；当各个所述三角形的面积之和大于所述第二特征区域的面积时，确定所述鼻子特征点位于所述第二特征区域外。
在本申请的一个示例性实施例中，所述处理器301还可以用于调用存储器63中存储的数据同步显示方法的应用程序，执行以下操作：当所述鼻子特征点坐标位于所述第二特征区域内时，确定所述人脸图像为正脸图像。具体的，将鼻子特征点与所述第二特征区域的各个顶点连接，获得多个三角形；根据所述鼻子特征点的坐标和所述第二特征区域的各个顶点的坐标，获得所述第二特征区域的面积以及各个所述三角形的面积之和；当各个所述三角形的面积之和等于所述第二特征区域的面积时，确定所述鼻子特征点位于所述第二特征区域内，进而确定所述人脸图像为正脸图像。
实施例4
本申请还提供一种计算机可读存储介质，其上储存有计算机程序，所述指令适于由处理器加载并执行上述所示实施例的方法步骤，具体执行过程可以参见实施例1所示的具体说明，在此不进行赘述。所述存储介质所在设备可以是个人计算机、笔记本电脑、智能手机、平板电脑等电子设备。
对于设备实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的设备实施例仅仅是示意性的，其中所述作为分离部件说明的组件可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波
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过程、方法、商品或者设备不仅包括那些要素，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过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (8)

1.一种侧脸识别方法，其特征在于，包括如下步骤：
获取人脸图像，并对人脸图像进行人脸检测，获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点；
将左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点首尾依序连接，获得第一特征区域；
按照预设规则等比例缩小所述第一特征区域，获得第二特征区域；
当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像；
所述按照预设规则等比例缩小所述第一特征区域，获得第二特征区域的步骤，包括：
将所述第一特征区域的对角距离等比例缩小预设比例，获得第二特征区域；其中，所述预设比例为3/10-3/5；或者，
将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，获得第二特征区域；其中，所述预设比例为3/20-3/10。
2.根据权利要求1所述的侧脸识别方法，其特征在于，所述鼻子特征点位于所述第二特征区域外的确定步骤，包括：
将鼻子特征点与所述第二特征区域的各个顶点连接，获得多个三角形；
根据所述鼻子特征点的坐标和所述第二特征区域的各个顶点的坐标，获得所述第二特征区域的面积以及各个所述三角形的面积之和；
当各个所述三角形的面积之和大于所述第二特征区域的面积时，确定所述鼻子特征点位于所述第二特征区域外。
3.根据权利要求1所述的侧脸识别方法，其特征在于，所述方法还包括步骤：
当所述鼻子特征点坐标位于所述第二特征区域内时，确定所述人脸图像为正脸图像。
4.一种侧脸识别装置，其特征在于，包括：
特征点获取模块，用于获取人脸图像，并对人脸图像进行人脸检测，获得左眼特征点、右眼特征点、左嘴角特征点、右嘴角特征点以及鼻子特征点；
第一特征区域确定模块，用于将左眼特征点、右眼特征点、右嘴角特征点和左嘴角特征点首尾依序连接，获得第一特征区域；
第二特征区域确定模块，用于按照预设规则等比例缩小所述第一特征区域，获得第二特征区域；
侧脸图像确定模块，用于当所述鼻子特征点位于所述第二特征区域外时，确定所述人脸图像为侧脸图像；
所述第二特征区域确定模块包括用于：
将所述第一特征区域的对角距离等比例缩小预设比例，获得第二特征区域；其中，所述预设比例为3/10-3/5；或者，
将所述第一特征区域的各边中点到对边的距离等比例缩小预设比例，获得第二特征区域；其中，所述预设比例为3/20-3/10。
5.根据权利要求4所述的侧脸识别装置，其特征在于，所述侧脸图像确定模块，包括：
三角形获取模块，用于将鼻子特征点与所述第二特征区域的各个顶点连接，获得多个三角形；
面积计算模块，用于根据所述鼻子特征点的坐标和所述第二特征区域的各个顶点的坐标，获得所述第二特征区域的面积以及各个所述三角形的面积之和；
判断模块，用于当各个所述三角形的面积之和大于所述第二特征区域的面积时，确定所述鼻子特征点位于所述第二特征区域外。
6.根据权利要求4所述的侧脸识别装置，其特征在于，所述装置还包括：
正脸图像确定模块，用于当所述鼻子特征点坐标位于所述第二特征区域内时，确定所述人脸图像为正脸图像。
7.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1至3中任意一项所述的侧脸识别的方法。
8.一种计算机可读存储介质，其上储存有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3中任意一项所述的侧脸识别的方法。
CN201910972024.6A 2019-10-14 2019-10-14 侧脸识别方法、装置、设备以及存储介质 Active CN110909596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910972024.6A CN110909596B (zh) 2019-10-14 2019-10-14 侧脸识别方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910972024.6A CN110909596B (zh) 2019-10-14 2019-10-14 侧脸识别方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN110909596A CN110909596A (zh) 2020-03-24
CN110909596B true CN110909596B (zh) 2022-07-05

Family

ID=69815281

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910972024.6A Active CN110909596B (zh) 2019-10-14 2019-10-14 侧脸识别方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN110909596B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723754A (zh) * 2020-06-24 2020-09-29 深圳数联天下智能科技有限公司 一种左右眼识别方法、识别装置、终端设备及存储介质
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
CN112183421A (zh) * 2020-10-09 2021-01-05 江苏提米智能科技有限公司 一种人脸图像评估方法、装置、电子设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6052751B2 (ja) * 2013-07-03 2016-12-27 パナソニックＩｐマネジメント株式会社 物体認識装置及び物体認識方法
JP6304999B2 (ja) * 2013-10-09 2018-04-04 アイシン精機株式会社 顔検出装置、方法およびプログラム
TWI553565B (zh) * 2014-09-22 2016-10-11 銘傳大學 利用二維臉部影像估測其三維角度方法，及其臉部置換資料庫建立方法與臉部影像置換方法
CN105260703B (zh) * 2015-09-15 2019-07-05 西安邦威电子科技有限公司 一种适用于多姿态下的驾驶人员抽烟行为检测方法
CN105487665B (zh) * 2015-12-02 2018-09-07 南京邮电大学 一种基于头部姿势识别的智能移动服务机器人控制方法
CN108021902A (zh) * 2017-12-19 2018-05-11 珠海瞳印科技有限公司 头部姿态识别方法、头部姿态识别装置和存储介质
CN109044363A (zh) * 2018-09-04 2018-12-21 华南师范大学 基于头部姿态和眼动的驾驶员疲劳检测方法
CN109784273B (zh) * 2019-01-13 2019-10-08 北京镭特医疗科技有限公司 一种人脸识别方法和装置

Also Published As

Publication number Publication date
CN110909596A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN110909596B (zh) 侧脸识别方法、装置、设备以及存储介质
US10691927B2 (en) Image deformation processing method and apparatus, and computer storage medium
US9437038B1 (en) Simulating three-dimensional views using depth relationships among planes of content
US9224237B2 (en) Simulating three-dimensional views using planes of content
CN107077197B (zh) 3d可视化图
US10761721B2 (en) Systems and methods for interactive image caricaturing by an electronic device
CN103164865B (zh) 一种对手写输入进行美化的方法和装置
CN107395958B (zh) 一种图像处理方法、装置、电子设备及存储介质
US10311295B2 (en) Heuristic finger detection method based on depth image
CN106778453B (zh) 人脸图像中检测眼镜佩戴的方法及装置
CN101160592A (zh) 手写字符识别方法、手写字符识别系统、手写字符识别程序以及存储介质
CN105787402B (zh) 一种信息展示方法及装置
CN104881673B (zh) 基于信息整合的模式识别的方法和系统
CN109003224A (zh) 基于人脸的形变图像生成方法和装置
WO2015131630A1 (zh) 桌面图标的置换方法及装置
CN109815854B (zh) 一种用于在用户设备上呈现图标的关联信息的方法与设备
WO2021077539A1 (zh) 图形调整方法、装置、设备及存储介质
CN105868235A (zh) 智能终端的图片预览方法及装置
CN113362420A (zh) 道路标注生成方法、装置、设备以及存储介质
EP2767897B1 (en) Method for generating writing data and an electronic device thereof
US20160342831A1 (en) Apparatus and method for neck and shoulder landmark detection
CN110989880B (zh) 一种界面元素处理方法、装置及可读存储介质
CN113808192B (zh) 一种户型图生成方法、装置、设备及存储介质
CN111783180B (zh) 图纸拆分方法及相关装置
CN108196670A (zh) 一种手势显示方法、终端设备及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