CN111012353A - 一种基于人脸关键点识别的身高检测方法 - Google Patents
一种基于人脸关键点识别的身高检测方法 Download PDFInfo
- Publication number
- CN111012353A CN111012353A CN201911241923.5A CN201911241923A CN111012353A CN 111012353 A CN111012353 A CN 111012353A CN 201911241923 A CN201911241923 A CN 201911241923A CN 111012353 A CN111012353 A CN 111012353A
- Authority
- CN
- China
- Prior art keywords
- height
- face
- detected
- detection area
- data
- 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.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
-
- 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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric 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
- G06V40/168—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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Dentistry (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于人脸关键点识别的身高检测方法,建立检测区域;在检测区域内进行样本采集;根据样本采集的数据生成基于人脸关键点检测身高的模型;将待测对象置于检测区域内并采集待测对象的数据;将待测对象在检测区域内的图像信息根据标识块的位置进行处理得到预处理数据,并将预处理数据和待测对象的身份信息输入基于人脸关键点检测身高的模型得到待测对象身高数据。本发明一种基于人脸关键点识别的身高检测方法,去掉笨重的、体积大的设备,再消除去被测试人员发型对测试结果的干扰,也不依赖于对人体轮廓的准确检测,提高检测的效率,使得通过使用人自己的手机就可以完成身高的测试,极大地降低成本,并且增加检测结果的可溯源性。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种基于人脸关键点识别的身高检测方法。
背景技术
目前进行身高检测的方案比较多,包括:(1)移动杆的方式,通过一个移动杆上下移动碰触到人的头部来检测身高值,此方案需要一个比较重的底座,一个两米多的金属杆安在底座上,移动杆安装在金属杆上,金属杆可以上下移动,以检测身高;(2)中国专利一种基于超声波传感器的身高测量装置申请号为201820040167.4和中国专利超声波身高测量装置申请号为200710019541.9公开了超声波身高检测仪,包含一个底座,一个两米多高的金属杆,金属杆的垂直方向有一个超声波发生器位于底座的正上方,被测试人员站立于底座上,通过发射和接收超声波的时间差来计算高度;(3)中国专利一种身高测量系统申请号为201610158363.7和中国专利一种行人身高确定方法申请号为201711076135.6公开了采用深度摄像头和图像识别技术的身高检测,此方法同两个摄像头同时采集的图像,通过两个摄像头的安装高度及相对位置,重构拍摄对象的三维空间模型,通过人体轮廓检测算法提取人体轮廓,基于摄像头高度、角度等参数构成的模型计算人体的高度。
移动杆和超声波方案的设备通常与体重检测装置整合到一起,设备笨重,高度超过两米,非常不便于携带,并且价格昂贵;超声波方案难以消除发型的影响,头发竖起高度对结果影响较大;采用深度摄像头与图像识别的方案,需要多摄像头支持,检测结果依赖于人体轮廓的精准识别,而现实情况中人体轮廓的准确识别是非常困难的,受穿的鞋子,背景等因素影响较大,并且该方法以摄像头中检测到的头部的边缘为头顶位置,而不是实际的头顶位置,并且无法消除发型的影响,需要将摄像头安装到固定的位置;挂在墙上编写的身高测量装置,需要人为拉动才能测量身高值,需要额外的人力参与测量。
发明内容
本发明所要解决的技术问题是现有的身高测量技术普遍不便于携带,并且价格昂贵精度不高,目的在于提供一种基于人脸关键点识别的身高检测方法,解决上述问题。
本发明通过下述技术方案实现:
一种基于人脸关键点识别的身高检测方法,包括以下步骤:S1:建立检测区域,所述检测区域包括固定设置的标识块;S2:在检测区域内进行样本采集,样本采集的数据包括样本对象的身份信息和样本在检测区域内的图像信息;S3:根据所述样本采集的数据生成基于人脸关键点检测身高的模型;S4:当检测身高时,将待测对象置于检测区域内并采集待测对象的数据,采集待测对象的数据包括待测对象的身份信息和待测对象在检测区域内的图像信息;S5:将待测对象在检测区域内的图像信息根据所述标识块的位置进行处理得到预处理数据,并将所述预处理数据和待测对象的身份信息输入所述基于人脸关键点检测身高的模型得到待测对象身高数据。
本发明应用时,首先需要建立一个用于后续身高检测的模型,建立一个检测区域,检测区域内需要有位置固定不变的标识块,为了将标识块进行准确的定位,一般需要将标识块设置为深色,最好为黑色;然后在检测区域内进行样本采集并建立一个基于人脸关键点检测身高的模型,这个模型基于对样本的深度学习建立,并且输入的数据为身份信息和图像数据,输出信息为身高。
当模型建立完成后,通过本发明对身高数据进行识别就变的简单有效了,此时还是需要检测区域和标识块配合进行检测,检测区域和标识块可以通过印刷打印等手段进行生成;将待测对象置于检测区域内,采集身份信息和图像信息并处理后输入模型中就可以得到最终的身高数据。本发明通过上述步骤,不需要笨重的、体积大的设备,同时也可以消除被测试人员发型对测试结果的干扰,并且也不依赖于对人体轮廓的准确检测,可以提高检测的效率,使得通过使用简单的视频采集就可以完成身高的测试,极大地降低成本,并且增加检测结果的可溯源性。
进一步的,步骤S1中所述标识块为四个,所述检测区域为长方形;四个标识块分别位于所述长方形的四个顶点处。
本发明应用时,发明人通过测试发现,四个标识块和长方形的检测区域不但适合于模型的建立,降低模型复杂度,增加模型建立的鲁棒性,同时在进行检测时便于生成和打印。
进一步的,步骤S2中所述样本对象的身份信息包括样本对象的性别、年龄和身高;所述样本在检测区域内的图像信息包括样本面部关键点位置信息和眼顶高数据信息。
本发明应用时,针对于身高检测的特点,身份信息需要包括样本对象的性别、年龄和身高;同时发明人创造性的采用了眼顶高数据信息对身高进行定位,眼顶高数据是指眼睛中心点到头顶的高度,通过这个数据可以很好的去除发型对身高的影响。
进一步的,步骤S3包括以下子步骤:将所述样本采集的数据进行深度学习生成人工神经网络模型;根据样本面部关键点位置信息矫正所述人工神经网络模型中外部因素的干扰得到所述基于人脸关键点检测身高的模型。
本发明应用时,采用现有技术中成熟的深度学习技术生成人工神经网络模型,并且通过关键点的相对位置模型矫正因摄像头角度倾斜,头部姿态等因素的干扰,以便于检测出精度更高的身高值。
进一步的,所述外部因素的干扰包括摄像头角度倾斜和头部姿态变化。
进一步的,步骤S4包括以下子步骤:通过视频采集设备采集待测对象在检测区域内的图像信息,并获取视频帧。
本发明应用时,采用视频采集设备采集待测对象的图像信息,这里的视频采集设备可以是摄像机或者手机等移动设备。
进一步的,步骤S5包括以下子步骤:
S51:将所述视频帧进行灰度化,并检测视频帧内的标识块;
S52:通过标识块的面积和相对位置获取符合要求的标识块坐标;
S53:根据所述标识块坐标得出感兴趣区域,所述感兴趣区域匹配于所述检测区域;
S54:将所述感兴趣区域进行透视变换得到固定尺寸的修正区域,并在所述修正区域内进行人脸识别;
S55:将人脸识别中获得的人脸关键点数据作为预处理数据。
本发明应用时,通过标识块可以定位感兴趣区域,而对感兴趣区域透视变换可以使得修正后的区域内识别的信息可以更好的匹配于模型,增大了生成数据的精度,并且在感兴趣区域内识别可以减少运算量,提高了识别效率。
进一步的,步骤S54中所述人脸识别包括以下步骤:当在所述修正区域内时识别到人脸时,认为识别到人脸的帧为有效帧;当多个连续帧为有效帧,且所述多个连续帧中人脸移动距离小于阈值时,提取所述多个连续帧中的一帧作为关键帧;对关键帧中的人脸提取所述人脸关键点。
本发明应用时,多个连续帧中人脸移动距离小于阈值时可以认为人已经站定了,此时选取一帧作为关键帧可以提高检测精度。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明一种基于人脸关键点识别的身高检测方法,去掉笨重的、体积大的设备,再消除去被测试人员发型对测试结果的干扰,也不依赖于对人体轮廓的准确检测,提高检测的效率,使得通过使用人自己的手机就可以完成身高的测试,极大地降低成本,并且增加检测结果的可溯源性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明方法步骤示意图;
图2为本发明实施例流程示意图;
图3为本发明实施例示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
如图1所示,本发明一种基于人脸关键点识别的身高检测方法,包括以下步骤:S1:建立检测区域,所述检测区域包括固定设置的标识块;S2:在检测区域内进行样本采集,样本采集的数据包括样本对象的身份信息和样本在检测区域内的图像信息;S3:根据所述样本采集的数据生成基于人脸关键点检测身高的模型;S4:当检测身高时,将待测对象置于检测区域内并采集待测对象的数据,采集待测对象的数据包括待测对象的身份信息和待测对象在检测区域内的图像信息;S5:将待测对象在检测区域内的图像信息根据所述标识块的位置进行处理得到预处理数据,并将所述预处理数据和待测对象的身份信息输入所述基于人脸关键点检测身高的模型得到待测对象身高数据。
本实施例实施时,首先需要建立一个用于后续身高检测的模型,建立一个检测区域,检测区域内需要有位置固定不变的标识块,为了将标识块进行准确的定位,一般需要将标识块设置为深色,最好为黑色;然后在检测区域内进行样本采集并建立一个基于人脸关键点检测身高的模型,这个模型基于对样本的深度学习建立,并且输入的数据为身份信息和图像数据,输出信息为身高。
当模型建立完成后,通过本发明对身高数据进行识别就变的简单有效了,此时还是需要检测区域和标识块配合进行检测,检测区域和标识块可以通过印刷打印等手段进行生成;将待测对象置于检测区域内,采集身份信息和图像信息并处理后输入模型中就可以得到最终的身高数据。本发明通过上述步骤,不需要笨重的、体积大的设备,同时也可以消除被测试人员发型对测试结果的干扰,并且也不依赖于对人体轮廓的准确检测,可以提高检测的效率,使得通过使用简单的视频采集就可以完成身高的测试,极大地降低成本,并且增加检测结果的可溯源性。
为了进一步说明本实施例的工作过程,步骤S1中所述标识块为四个,所述检测区域为长方形;四个标识块分别位于所述长方形的四个顶点处。
本实施例实施时,发明人通过测试发现,四个标识块和长方形的检测区域不但适合于模型的建立,降低模型复杂度,增加模型建立的鲁棒性,同时在进行检测时便于生成和打印。
为了进一步说明本实施例的工作过程,步骤S2中所述样本对象的身份信息包括样本对象的性别、年龄和身高;所述样本在检测区域内的图像信息包括样本面部关键点位置信息和眼顶高数据信息。
本实施例实施时,针对于身高检测的特点,身份信息需要包括样本对象的性别、年龄和身高;同时发明人创造性的采用了眼顶高数据信息对身高进行定位,眼顶高数据是指眼睛中心点到头顶的高度,通过这个数据可以很好的去除发型对身高的影响。
为了进一步说明本实施例的工作过程,步骤S3包括以下子步骤:将所述样本采集的数据进行深度学习生成人工神经网络模型;根据样本面部关键点位置信息矫正所述人工神经网络模型中外部因素的干扰得到所述基于人脸关键点检测身高的模型。
本实施例实施时,采用现有技术中成熟的深度学习技术生成人工神经网络模型,并且通过关键点的相对位置模型矫正因摄像头角度倾斜,头部姿态等因素的干扰,以便于检测出精度更高的身高值。
为了进一步说明本实施例的工作过程,所述外部因素的干扰包括摄像头角度倾斜和头部姿态变化。
为了进一步说明本实施例的工作过程,步骤S4包括以下子步骤:通过视频采集设备采集待测对象在检测区域内的图像信息,并获取视频帧。
本实施例实施时,采用视频采集设备采集待测对象的图像信息,这里的视频采集设备可以是摄像机或者手机等移动设备。
为了进一步说明本实施例的工作过程,步骤S5包括以下子步骤:
S51:将所述视频帧进行灰度化,并检测视频帧内的标识块;
S52:通过标识块的面积和相对位置获取符合要求的标识块坐标;
S53:根据所述标识块坐标得出感兴趣区域,所述感兴趣区域匹配于所述检测区域;
S54:将所述感兴趣区域进行透视变换得到固定尺寸的修正区域,并在所述修正区域内进行人脸识别;
S55:将人脸识别中获得的人脸关键点数据作为预处理数据。
本实施例实施时,通过标识块可以定位感兴趣区域,而对感兴趣区域透视变换可以使得修正后的区域内识别的信息可以更好的匹配于模型,增大了生成数据的精度,并且在感兴趣区域内识别可以减少运算量,提高了识别效率。
为了进一步说明本实施例的工作过程,步骤S54中所述人脸识别包括以下步骤:当在所述修正区域内时识别到人脸时,认为识别到人脸的帧为有效帧;当多个连续帧为有效帧,且所述多个连续帧中人脸移动距离小于阈值时,提取所述多个连续帧中的一帧作为关键帧;对关键帧中的人脸提取所述人脸关键点。
本实施例实施时,多个连续帧中人脸移动距离小于阈值时可以认为人已经站定了,此时选取一帧作为关键帧可以提高检测精度。
为了对本实施例进行详细说明,本实施例中,采用白色墙体进行测试,测试场地不要背光,需要能够看清楚人脸。在测试场地的背景墙上需要贴四个黑色的标志块,标志块的标准尺寸为10cm*10cm,本发明方案的示意图如图3所示。
在图3中可以看到,人可以位于一个称重台上进行身高检测来完成身高和体重的同时检测,只需要在测量得到的身高基础上减去称重台高度即可,虚线表示的为人真正身高,而头发厚度会对身高数据产生误差,而本实施例可以通过眼顶高有效的修正该误差。
图2是本发明技术方案的主流程图。如图2所示,本发明提出的身高检测方法包括下列步骤:
步骤一:首先在墙上贴四个黑色的标志块构成一个矩形检测区域,并记录矩形区域的下边界高度,矩形区域的长与宽。
步骤二:通过采集的5000余名不同身高高度,不同性别,不同年龄的学生的人脸图像与眼顶高(眼睛中心点到头顶的高度)数据,构建了一个基于人脸关键点检测身高的模型,通过关键点的相对位置模型矫正因摄像头角度倾斜,头部姿态等因素的干扰,以便于检测出精度更高的身高值。
步骤三:将手机安置在三脚架或者固定装置上固定在1.5米到1.8米的高度范围之内,手机倾斜角度在1度以内。通过手机预览摄像头,获取视频帧,检测帧中是否包含四个标志块,采用的方法为将输入图像转为灰度图,通过调整阈值检测图像中的黑色标志块,并通过标志块的面积及相对位置获取符合要求的四个标志块的位置,并获取到标志块的相应坐标,得出ROI(感兴趣区域)。
步骤四:将后续ROI区域的图像通过透视变换为固定的尺寸w*h的ROI’。
步骤五:在ROI’中做人脸检测,只有一张人脸的时候认为是有效的检测,并将检测到人脸的帧保存下来,直到连续检测到3帧人脸,并且三帧间人脸的移动距离小于t时认为被测试人已经站定,以这三帧中的中间一帧作为关键帧来检测身高。
步骤六:通过OpenCV中的方法或开源模型提取关键帧的人脸关键点。
步骤七:将提取到的人脸关键点数据以及标志块底部高度、性别、年龄输入基于人脸关键点检测身高的模型,计算得到一个身高值。
本实施例中以四个打印标志块作为起始高度以及检测区域参考标识,不依赖于双摄像头获取深度信息,通过普通摄像头即可实现身高值的检测。
本实施例构建了一个基于人脸关键点检测身高的模型,通过大量不同性别、不同年龄、不同身高,修正头部姿态,通过大量人脸照片训练模型,能够矫正摄像头、头部姿态等因素的干扰,检测出更准确的身高值。
在关键帧的提取时为了降低运算量和无效的运算,因为视频中每秒钟有24帧左右,一个人站定后各帧间是不会有太大差异的,同时人脸检测过程相对比较费时间,因此在检测时可跳过了n帧不进行处理。
在本实施例实施中:
1、人脸检测,就是给一幅图像,找出图像中的所有人脸位置,通常用一个矩形框框起来,输入是一幅图像,输出是若干个包含人脸的矩形框位置(x,y,w,h)。
2、人脸关键点检测,在人脸检测的基础上检测出人脸上的点,这些关键点分别包含了下巴轮廓、眉毛、眼睛、鼻子、嘴巴等关键部位的边缘点。
3、图像处理,一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。
4、在测量人体身高时,测量仪已经逐渐由传统的纯机械式身高仪发展为电子式身高仪。现有的电子式测量仪虽然可以提高精度,但是,身高仪往往都与体重仪结合为一个产品,导致整体结构相对复杂,体积相对较大,便携性差,而且成本高。现有的身高测量仪都是基于超声波测距原理,而超声波测距技术由于易受周边因素影响,例如温度、湿度、磁场、地面情况都会对测量造成较大误差,而无法达到良好的测量效果。目前的很多身高测量设备共有的问题在于仪器很笨重,数据传输不方便,价格较贵。
本实施例实施时,检测速度快,3-5秒内即可检测出被测试人的身高;测试误差±1cm;无接触,不会给测试人带来不适感;成本低,除了标志块、手机支架以及卷尺的费用,测试人员使用自己的智能手机即可实现;可溯源性,在考试的检测过程中或者学生体质健康检测中,检测到结果的帧和视频可以保留,并且还可以通过人脸识别方式来检测是否有作弊行为;携带方便,所有东西重量不超过3kg,尺寸不超过1米。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于人脸关键点识别的身高检测方法,其特征在于,包括以下步骤:
S1:建立检测区域,所述检测区域包括固定设置的标识块;
S2:在检测区域内进行样本采集,样本采集的数据包括样本对象的身份信息和样本在检测区域内的图像信息;
S3:根据所述样本采集的数据生成基于人脸关键点检测身高的模型;
S4:当检测身高时,将待测对象置于检测区域内并采集待测对象的数据,采集待测对象的数据包括待测对象的身份信息和待测对象在检测区域内的图像信息;
S5:将待测对象在检测区域内的图像信息根据所述标识块的位置进行处理得到预处理数据,并将所述预处理数据和待测对象的身份信息输入所述基于人脸关键点检测身高的模型得到待测对象身高数据。
2.根据权利要求1所述的一种基于人脸关键点识别的身高检测方法,其特征在于,步骤S1中所述标识块为四个,所述检测区域为长方形;四个标识块分别位于所述长方形的四个顶点处。
3.根据权利要求1所述的一种基于人脸关键点识别的身高检测方法,其特征在于,步骤S2中所述样本对象的身份信息包括样本对象的性别、年龄和身高;所述样本在检测区域内的图像信息包括样本面部关键点位置信息和眼顶高数据信息。
4.根据权利要求3所述的一种基于人脸关键点识别的身高检测方法,其特征在于,步骤S3包括以下子步骤:
将所述样本采集的数据进行深度学习生成人工神经网络模型;
根据样本面部关键点位置信息矫正所述人工神经网络模型中外部因素的干扰得到所述基于人脸关键点检测身高的模型。
5.根据权利要求4所述的一种基于人脸关键点识别的身高检测方法,其特征在于,所述外部因素的干扰包括摄像头角度倾斜和头部姿态变化。
6.根据权利要求1所述的一种基于人脸关键点识别的身高检测方法,其特征在于,步骤S4包括以下子步骤:
通过视频采集设备采集待测对象在检测区域内的图像信息,并获取视频帧。
7.根据权利要求6所述的一种基于人脸关键点识别的身高检测方法,其特征在于,步骤S5包括以下子步骤:
S51:将所述视频帧进行灰度化,并检测视频帧内的标识块;
S52:通过标识块的面积和相对位置获取符合要求的标识块坐标;
S53:根据所述标识块坐标得出感兴趣区域,所述感兴趣区域匹配于所述检测区域;
S54:将所述感兴趣区域进行透视变换得到固定尺寸的修正区域,并在所述修正区域内进行人脸识别;
S55:将人脸识别中获得的人脸关键点数据作为预处理数据。
8.根据权利要求7所述的一种基于人脸关键点识别的身高检测方法,其特征在于,步骤S54中所述人脸识别包括以下步骤:
当在所述修正区域内时识别到人脸时,认为识别到人脸的帧为有效帧;
当多个连续帧为有效帧,且所述多个连续帧中人脸移动距离小于阈值时,提取所述多个连续帧中的一帧作为关键帧;
对关键帧中的人脸提取所述人脸关键点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911241923.5A CN111012353A (zh) | 2019-12-06 | 2019-12-06 | 一种基于人脸关键点识别的身高检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911241923.5A CN111012353A (zh) | 2019-12-06 | 2019-12-06 | 一种基于人脸关键点识别的身高检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111012353A true CN111012353A (zh) | 2020-04-17 |
Family
ID=70207988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911241923.5A Pending CN111012353A (zh) | 2019-12-06 | 2019-12-06 | 一种基于人脸关键点识别的身高检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111012353A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287869A (zh) * | 2020-11-10 | 2021-01-29 | 上海依图网络科技有限公司 | 一种图像数据检测方法及装置 |
CN112367578A (zh) * | 2020-10-30 | 2021-02-12 | 西南交通大学 | 一种自动调整话筒高度的调整装置及其高度修正方法 |
CN112464747A (zh) * | 2020-11-10 | 2021-03-09 | 广州富港万嘉智能科技有限公司 | 基于图像采集设备的身高检测方法及装置 |
CN113288087A (zh) * | 2021-06-25 | 2021-08-24 | 成都泰盟软件有限公司 | 一种基于生理信号的虚实联动实验系统 |
CN114005199A (zh) * | 2021-10-26 | 2022-02-01 | 珠海格力电器股份有限公司 | 一种门锁控制方法、装置、电子设备及存储介质 |
WO2022216973A1 (en) * | 2021-04-08 | 2022-10-13 | Universal City Studios Llc | Guest measurement systems and methods |
WO2023004682A1 (zh) * | 2021-07-29 | 2023-02-02 | 华为技术有限公司 | 身高检测方法、装置及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201977794U (zh) * | 2010-12-10 | 2011-09-21 | 上海银晨智能识别科技有限公司 | 一种身高自动测量系统 |
CN205354031U (zh) * | 2015-06-30 | 2016-06-29 | 大丰云润科技有限公司 | 一种便携式多模态生物特征身份识别设备及系统 |
CN105832336A (zh) * | 2016-03-18 | 2016-08-10 | 京东方科技集团股份有限公司 | 身高测量系统和方法 |
CN106419923A (zh) * | 2016-10-27 | 2017-02-22 | 南京阿凡达机器人科技有限公司 | 一种基于单目机器视觉的身高测量方法 |
KR20170003049U (ko) * | 2016-02-22 | 2017-08-30 | 주식회사 티아로테크 | 카메라를 이용한 신장 검출 장치 |
CN108416259A (zh) * | 2018-01-24 | 2018-08-17 | 北汽福田汽车股份有限公司 | 人体生理特征信息采集方法、系统及车辆 |
CN108613728A (zh) * | 2018-07-12 | 2018-10-02 | 杭州量量科技有限公司 | 人体数据测量装置和方法 |
US20180289334A1 (en) * | 2017-04-05 | 2018-10-11 | doc.ai incorporated | Image-based system and method for predicting physiological parameters |
CN108742656A (zh) * | 2018-03-09 | 2018-11-06 | 华南理工大学 | 基于脸部特征点定位的疲劳状态检测方法 |
CN108875590A (zh) * | 2018-05-25 | 2018-11-23 | 平安科技(深圳)有限公司 | Bmi预测方法、装置、计算机设备和存储介质 |
-
2019
- 2019-12-06 CN CN201911241923.5A patent/CN111012353A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201977794U (zh) * | 2010-12-10 | 2011-09-21 | 上海银晨智能识别科技有限公司 | 一种身高自动测量系统 |
CN205354031U (zh) * | 2015-06-30 | 2016-06-29 | 大丰云润科技有限公司 | 一种便携式多模态生物特征身份识别设备及系统 |
KR20170003049U (ko) * | 2016-02-22 | 2017-08-30 | 주식회사 티아로테크 | 카메라를 이용한 신장 검출 장치 |
CN105832336A (zh) * | 2016-03-18 | 2016-08-10 | 京东方科技集团股份有限公司 | 身高测量系统和方法 |
CN106419923A (zh) * | 2016-10-27 | 2017-02-22 | 南京阿凡达机器人科技有限公司 | 一种基于单目机器视觉的身高测量方法 |
US20180289334A1 (en) * | 2017-04-05 | 2018-10-11 | doc.ai incorporated | Image-based system and method for predicting physiological parameters |
CN108416259A (zh) * | 2018-01-24 | 2018-08-17 | 北汽福田汽车股份有限公司 | 人体生理特征信息采集方法、系统及车辆 |
CN108742656A (zh) * | 2018-03-09 | 2018-11-06 | 华南理工大学 | 基于脸部特征点定位的疲劳状态检测方法 |
CN108875590A (zh) * | 2018-05-25 | 2018-11-23 | 平安科技(深圳)有限公司 | Bmi预测方法、装置、计算机设备和存储介质 |
CN108613728A (zh) * | 2018-07-12 | 2018-10-02 | 杭州量量科技有限公司 | 人体数据测量装置和方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112367578A (zh) * | 2020-10-30 | 2021-02-12 | 西南交通大学 | 一种自动调整话筒高度的调整装置及其高度修正方法 |
CN112367578B (zh) * | 2020-10-30 | 2022-04-15 | 西南交通大学 | 一种自动调整话筒高度的调整装置及其高度修正方法 |
CN112287869A (zh) * | 2020-11-10 | 2021-01-29 | 上海依图网络科技有限公司 | 一种图像数据检测方法及装置 |
CN112464747A (zh) * | 2020-11-10 | 2021-03-09 | 广州富港万嘉智能科技有限公司 | 基于图像采集设备的身高检测方法及装置 |
WO2022216973A1 (en) * | 2021-04-08 | 2022-10-13 | Universal City Studios Llc | Guest measurement systems and methods |
CN113288087A (zh) * | 2021-06-25 | 2021-08-24 | 成都泰盟软件有限公司 | 一种基于生理信号的虚实联动实验系统 |
WO2023004682A1 (zh) * | 2021-07-29 | 2023-02-02 | 华为技术有限公司 | 身高检测方法、装置及存储介质 |
CN114005199A (zh) * | 2021-10-26 | 2022-02-01 | 珠海格力电器股份有限公司 | 一种门锁控制方法、装置、电子设备及存储介质 |
CN114005199B (zh) * | 2021-10-26 | 2022-10-11 | 珠海格力电器股份有限公司 | 一种门锁控制方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111012353A (zh) | 一种基于人脸关键点识别的身高检测方法 | |
CN111368810B (zh) | 基于人体及骨骼关键点识别的仰卧起坐检测系统及方法 | |
CN104665836B (zh) | 长度量测方法与长度量测装置 | |
CN107392086B (zh) | 人体姿态的评估装置、系统及存储装置 | |
CN106037651B (zh) | 一种心率检测方法及系统 | |
WO2020103417A1 (zh) | 一种bmi评测方法、装置及计算机可读存储介质 | |
CN107766819B (zh) | 一种视频监控系统及其实时步态识别方法 | |
CN107103298A (zh) | 基于图像处理的引体向上计数系统及计数方法 | |
CN111282248A (zh) | 一种基于骨骼和人脸关键点的引体向上检测系统及方法 | |
KR20110013200A (ko) | 인체 자세 식별 방법 및 장치 | |
CN110074788B (zh) | 一种基于机器学习的身体数据获取方法和装置 | |
CN101512551A (zh) | 用于测量动物身高的方法和系统 | |
CN105740780A (zh) | 人脸活体检测的方法和装置 | |
CN105286871A (zh) | 一种基于视频处理的人体身高测量方法 | |
CN110717391A (zh) | 一种基于视频图像的身高测量方法、系统、装置和介质 | |
CN109059798B (zh) | 一种基于多视角深度信息的三维体扫描仪 | |
CN111680586B (zh) | 一种羽毛球运动员运动姿态估计方法及系统 | |
CN110298279A (zh) | 一种肢体康复训练辅助方法及系统、介质、设备 | |
CN106846372B (zh) | 人体运动质量视觉分析与评价系统及其方法 | |
CN110477921B (zh) | 基于骨架折线Ridge回归的身高测量方法 | |
Gaber et al. | Automated grading of facial paralysis using the Kinect v2: a proof of concept study | |
CN109685042A (zh) | 一种三维图像识别装置及其识别方法 | |
CN113749646A (zh) | 基于单目视觉的人体身高测量方法、装置及电子设备 | |
CN109165605A (zh) | 数据中心巡检机器人对于控制柜压板设备状态识别的方法 | |
CN109740458B (zh) | 一种基于视频处理的体貌特征测量方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |