CN111046770A - 一种照片档案人物自动标注方法 - Google Patents
一种照片档案人物自动标注方法 Download PDFInfo
- Publication number
- CN111046770A CN111046770A CN201911231493.9A CN201911231493A CN111046770A CN 111046770 A CN111046770 A CN 111046770A CN 201911231493 A CN201911231493 A CN 201911231493A CN 111046770 A CN111046770 A CN 111046770A
- Authority
- CN
- China
- Prior art keywords
- face
- text
- labeling
- face image
- photo
- 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
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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种照片档案人物自动标注方法,包括以下步骤:建立人脸样本库,对待标注的照片图像使用人脸检测算法检测出人脸图像区域,获取检测出人脸图像区域的人脸指纹,并将人脸图像区域的人脸指纹与人脸样本库中的每个人脸指纹进行比对,识别出待标注照片图像的人脸图像区域与人脸样本库中的人脸的相似值,并判断是否为同一人;当判断为同一人时,将人脸样本的标注文本自动标注到所述待标注的照片图像上。本发明能够对多张照片上的重复人物进行自动标注。
Description
技术领域
本发明涉及人物标注技术领域,特别是涉及一种照片档案人物自动标注方法。
背景技术
对照片档案的人物标注是一项重要的工作。照片档案上的人物标注是否准确、完整直接影响其利用价值。目前照片档案主要是通过人工标注,存在的问题是需逐张对照片上每个人进行标注,存在重复人物标注,效率较低。
随着图像识别技术的快速发展,目前国内对图像中人脸自动标注也引入了深度学习技术。深度学习技术基于大量的训练样本,经过长时间的学习建立人脸识别模型。例如:CN104252628A-人脸图像标注方法和系统,根据预存的分类器模型计算各个类别的人脸图像属于各个标注人物的概率,并根据概率对人脸图形进行标注,并能根据标注的人物图像训练出新分类模型,以更新分类模型,提升标注正确率。
在人脸识别实现技术方面,已有专利CN104252628A-人脸图像标注方法和系统,当基于深度学习技术的分类器模型使用成熟之后,该技术方案虽能一定程度上提高识别准确率,但在实际使用中也存在一定的限制和缺陷。首先需要采集大量的数据样本训练分类器模型,比如获取人脸的正面、左侧面、右侧面等各种角度的图像样本。其次模型训练过程异常复杂,一旦发现识别错误,需要补充或者修改样本进行重新训练。此外由于深度学习技术自身包含大量复杂计算的特性,在使用过程中还需要耗费大量的硬件资源,费时费力。
其次,在标注信息维护方面,目前常见的将标注信息添加到照片元数据中的方式,并未改变照片的显示效果,无法将标注文本与照片人物显性的对应起来,展示效果欠佳。
发明内容
本发明所要解决的技术问题是提供一种照片档案人物自动标注方法,能够对多张照片上的重复人物进行自动标注。
本发明解决其技术问题所采用的技术方案是:提供一种照片档案人物自动标注方法,包括以下步骤:
(1)建立人脸样本库,其中,人脸样本库中的每个人脸样本包括用于人脸比对的人脸指纹和用于标注的标注文本;
(2)对待标注的照片图像使用人脸检测算法检测出人脸图像区域,获取检测出人脸图像区域的人脸指纹,并将人脸图像区域的人脸指纹与人脸样本库中的每个人脸指纹进行比对,识别出待标注照片图像的人脸图像区域与人脸样本库中的人脸的相似值,并判断是否为同一人;
(3)当判断为同一人时,将人脸样本的标注文本自动标注到所述待标注的照片图像上。
所述步骤(1)中的人脸指纹是将人脸图像缩小到N×N的尺寸,总共有N×N个像素,并计算N×N个像素的灰度平均值,将人脸图像中每个像素的灰度与灰度平均值进行比较,比较结果为大于或等于时记为1,比较结果为小于时记为0,将所有比较结果组成一个N×N位的二进制编码。
所述步骤(1)中每个人脸样本的人脸指纹和标注文本以键值对的形式表示。
所述步骤(2)中对待标注的照片图像使用人脸检测算法检测出人脸图像区域时,按照从上往下,从左往右的顺序依次进行检测,使用f(x,y,w,h)标记检测到的人脸图像区域,则第i个人脸图像区域记作f(xi,yi,wi,hi),其中,xi,yi为检测到的第i个人脸的坐标,wi,hi分别为第i个人脸的宽度和高度。
所述步骤(2)中使用汉明距离算法将人脸图像区域的人脸指纹与人脸样本库中的每个人脸指纹进行比对,其中,汉明距离算法为其中,a,b分别表示人脸图像区域的人脸指纹与人脸样本库中的人脸指纹,j表示人脸指纹的N×N位编码,为异或运算。
所述步骤(3)中将人脸样本的标注文本自动标注到所述待标注的照片图像上包括以下子步骤:
(31)依据所述待标注的照片图像中检测出的人脸图像区域的排列特征,将标注位置与人脸位置居中对齐,并将标注文本标到人脸正上方,并计算标注文本的默认尺寸和位置;
(32)判断标注文本是否存在遮挡人脸图像区域和其他标注文本的情况,如果存在则进入步骤(33),否则直接绘制标注文本;
(33)判断标注文本是否能够移动,如果能够移动,则对标注文本进行移动后返回步骤(32),否则采用在空白位置使用引线标注的方式绘制标注文本。
所述步骤(33)中判断标注文本是否能够移动的总体规则是判断标注文本能否向左、向右或向上移动一次;设标注文本区域为T(xt,yt,wt,ht),人脸图像区域为f(x,y,w,h),其中,xt,yt为标注文本区域的左上角的坐标,wt,ht分别为标注文本区域的宽度和高度,x,y为人脸图像区域的左上角的坐标,w,h分别为人脸图像区域的宽度和高度;标注文本能够向右移动的判断标准是:标注文本的右边线的xt+wt比右侧人脸图像区域的x的值小,并且标注左边线的xt比目标人脸图像区域的x+w/2值小;标注文本能够向左移动的判断标准是:标注文本的左边线的xt值比左侧人脸图像区域x+w值和左侧标注文本区域的xt+wt值大,并且标注文本的右边线的xt+wt比目标人脸图像区域的x+w/2值大;标注文本能否向上移动的判断标准是:标注文本的上边线yt大于上方人脸图像区域的y+h的值。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明利用人脸检测技术、人脸相似度比对算法和标注智能推荐算法,解决不同照片重复人物自动标注问题,能够有效降低工作量,提高工作效率。
附图说明
图1是本发明的流程图;
图2是本发明中人脸灰度图像生成64位指纹示意图;
图3是本发明中人脸样本库创建过程示意图;
图4是本发明中人脸比对流程图;
图5是本发明中自动标注流程图;
图6是本发明中标注文本四顶点示意图;
图7是本发明中标注文本向右移动避免遮挡示意图;
图8是本发明中标注文本向上移动避免遮挡示意图;
图9是本发明中标注文本空白位置避免遮挡示意图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种照片档案人物自动标注方法,如图1所示,该方法通过创建人脸样本库,然后将待标注图像的人脸与人脸样本库的每个人脸逐一进行比对,当识别为相似人脸时,则会为该人脸进行自动标注,并合理选择图像的标注位置,自动标注完成后,可对标注结果进行人工确认,并完善人脸样本库。具体包括以下步骤:
1、建立人脸样本库
本实施方式需先创建人脸样本库,其中人脸样本包括用于人脸比对的人脸指纹P和用于标注的标注文本T。每个人脸样本的人脸指纹P和标注文本T以键值对的形式表示。
人脸指纹P构建方法如图2所示:将人脸图像缩小到8x8的尺寸,总共64个像素。这一步的作用是去除图像的细节,只保留结构、明暗等基本信息,摒弃不同尺寸、比例带来的图像差异。将缩小后的图像,转为灰度图像。计算所有64个像素的灰度平均值。将每个像素的灰度,与灰度平均值进行比较,当该像素的灰度值大于或等于灰度平均值时,记为1;当该像素的灰度值小于灰度平均值时,记为0。将每个像素的比较结果组合在一起,构成一个64位的二进制编码,即为这张图像的人脸指纹。
如图3所示,将人脸指纹P与人脸图像的标注文本T组成键值对添加到人脸样本库。
2、人脸比对
本实施方式涉及到人脸比对的过程如图4所示,主要包含以下子流程:
针对待标注的照片图像,使用人脸检测算法,检测人脸是按照从上往下,从左往右的顺序依次进行检测,使用f(x,y,w,h)标记检测到的人脸图像区域,则第i个人脸图像区域记作f(xi,yi,wi,hi),其中,xi,yi为检测到的第i个人脸的坐标,wi,hi分别为第i个人脸的宽度和高度。在总共检测到n个人脸的情况下,该照片的n个人脸区域分别为:f(x1,y1,w1,h1),f(x2,y2,w2,h2),……,f(xn,yn,wn,hn)。
使用汉明距离算法将待标注的人脸指纹,与样本库中的每个人脸样本的指纹逐一进行比对,从而得到待标注人脸指纹与样本指纹的不同数位个数,以此识别待标注人脸与人脸样本是否相似。
当发现待标注人脸指纹与人脸样本指纹不同数位个数低于一定阈值时,则认为是同一人。本实施方式规定阈值位数为5,即如果不同数位个数低于5,则说明待标注人脸和人脸样本相似,比对结果为同一人。
3、自动标注
当识别出相似人脸时,本实施方式自动智能计算标注文本的合理位置,避免标注文本遮挡人脸或者标注文本相互遮挡的情况。
针对照片档案人物排列呈现多样性的特点,本实施方式依据照片中检测出的人脸区域的排列特征,将标注位置与人脸位置居中对齐,并标到人脸正上方。然后判断标注与其他区域是否有遮挡,通过左右移动、上移、移动到照片整体上方或者下方进行标注,有效避免了标注遮挡的问题,实现有效标注。
在自动标注时,标注区域优先选择人脸上方区域,具体标注过程如图5所示:
(1)计算标注默认尺寸和位置
1)设定该标注文本区域T(xt,yt,wt,ht),获取待标注人脸图像区域f(x,y,w,h),相似人脸样本的标注文本T;
2)设置标注默认字体和字号,根据标注文本T的文字个数和文字默认大小计算标注文本所占区域大小,计算标注文本区域T(xt,yt,wt,ht)的值wt和ht,当标注文本区域的宽度wt比人脸图像区域的宽度w大的时候,缩小标注文本T的字体大小,保证标注文本T的宽度与人脸图像区域的宽度一致。标注文本区域T(xt,yt,wt,ht)默认位置是对应人脸图像区域f(x,y,w,h)居中对齐,并向上平移ht个像素值,作为标注区域的初始位置,如图6所示,得出标注文本区域T(xt,yt,wt,ht)四个顶点的坐标分别为:p1(xt,yt);p2(xt+wt,yt);p3(xt,yt+ht);p4(xt+wt,yt+ht)。
(2)判断标注有无遮挡
判断当前待标注人脸的标注文本区域四个顶点是否与其他人脸及标注区域重叠,即p1,p2,p3,p4四个顶点是否落在该照片的其他人脸或者标注区域,如果没有,则直接绘制标注文本即可;如果有,则继续下述步骤进行平移以避免重合。
(3)判断标注能否移动
1)移动总体规则:判断能否向左、向右、向上移动,每个方向可以移动一次;
2)判断是否能够向右移动,判断标准是:标注文本区域的右边线的xt+wt比右侧人脸图像区域的x的值小,并且标注文本区域的左边线的xt比目标人脸图像区域的x+w/2值小;
3)判断是否能够向左移动,判断标准是:标注文本区域的左边线的xt均比左侧人脸图像区域和左侧标注文本区域的x+w的值大,并且标注文本区域的右边线的xt+wt比目标人脸图像区域的x+w/2值大;
4)判断能否向上移动,判断标准是:标注文本区域的上边线yt大于上方人脸图像区域的y+h的值。
(4)横竖移动
通过移动标注文本以避免遮挡,标注文本移动之后,还是要再次验证是否与其他人脸以及标注区域是否有遮挡。
1)如图7所示,向右平移:
假设p1(xt,yt)落在f(xi,yi,wi,hi)区域中。
确定移动距离d=xi+wi-xt,判断xt+wt+d是否比右侧人脸区域x小,并且xt+d比目标人脸图像区域x+w/2值小,如果验证通过,则标注文本区域向右平移距离d以避免遮挡;否则无法通过向右平移避免遮挡。
标注文本区域向右平移距离d之后,得到标注文本区域四个顶点新的坐标如下:p1(xt+d,yt);p2(xt+wt+d,yt);p3(xt+d,yt+ht);p4(xt+wt+d,yt+ht)。
2)向左平移
假设p2(xt+wt,yt)落在f(xi,yi,wi,hi)区域中。
确定移动距离d=xt+wt-xi,判断xt-d是否均比左侧人脸区域和左侧标注区域x+w大,并且xt+wt-d比目标人脸图像区域x+w/2值大,如果验证通过,则标注文本区域向左平移距离d以避免遮挡;否则无法通过向左平移避免遮挡。
标注文本区域向左平移d之后,得到标注文本区域四个顶点新的坐标如下:p1(xt-d,yt);p2(xt+wt-d,yt);p3(xt-d,yt+ht);p4(xt+wt-d,yt+ht)。
3)如图8所示,向上平移
假设p3(xt,yt+ht)落在f(xi,yi,wi,hi)区域中。
确定移动距离d=yt+ht-yi,判断yt-d是否大于上部人脸区域的y+h值,如果判断通过,则标注文本区域向上移动距离d以避免遮挡;否则无法通过向上移动避免遮挡;
标注文本区域向上移动距离d之后,得到标注文本区域四个顶点新的坐标如下:p1(xt,yt-d);p2(xt+wt,yt-d);p3(xt,yt+ht-d);p4(xt+wt,yt+ht-d)。
(5)绘制标注文本
当标注与其他人脸区域和标注区域没有遮挡时,可以直接将标注本文绘制到标注文本区域中。
(6)空白区域引线标注
如图9所示,当无法通过移动以避免遮挡,则将标注区域沿y轴向上或者向下移动到照片空白区域中,将标注文本绘制到标注区域中并增加指引线。
4、人工确认及完善样本库
当自动标注完成后,由人工进一步确认,比如对标注文本位置进行调整。人工继续手工标注新的人脸。标注新的人脸时候,将新的人脸图像指纹和标注文本添加到人脸样本库中,这样待下一张照片档案进行识别时,就可以使用更加完善的样本库进行对比。
不难发现,本发明利用人脸检测技术、人脸相似度比对算法和标注智能推荐算法,解决不同照片重复人物自动标注问题,能够有效降低工作量,提高工作效率。
Claims (7)
1.一种照片档案人物自动标注方法,其特征在于,包括以下步骤:
(1)建立人脸样本库,其中,人脸样本库中的每个人脸样本包括用于人脸比对的人脸指纹和用于标注的标注文本;
(2)对待标注的照片图像使用人脸检测算法检测出人脸图像区域,获取检测出人脸图像区域的人脸指纹,并将人脸图像区域的人脸指纹与人脸样本库中的每个人脸指纹进行比对,识别出待标注照片图像的人脸图像区域与人脸样本库中的人脸的相似值,并判断是否为同一人;
(3)当判断为同一人时,将人脸样本的标注文本自动标注到所述待标注的照片图像上。
2.根据权利要求1所述的照片档案人物自动标注方法,其特征在于,所述步骤(1)中的人脸指纹是将人脸图像缩小到N×N的尺寸,总共有N×N个像素,并计算N×N个像素的灰度平均值,将人脸图像中每个像素的灰度与灰度平均值进行比较,比较结果为大于或等于时记为1,比较结果为小于时记为0,将所有比较结果组成一个N×N位的二进制编码。
3.根据权利要求1所述的照片档案人物自动标注方法,其特征在于,所述步骤(1)中每个人脸样本的人脸指纹和标注文本以键值对的形式表示。
4.根据权利要求1所述的照片档案人物自动标注方法,其特征在于,所述步骤(2)中对待标注的照片图像使用人脸检测算法检测出人脸图像区域时,按照从上往下,从左往右的顺序依次进行检测,使用f(x,y,w,h)标记检测到的人脸图像区域,则第i个人脸图像区域记作f(xi,yi,wi,hi),其中,xi,yi为检测到的第i个人脸的坐标,wi,hi分别为第i个人脸的宽度和高度。
6.根据权利要求1所述的照片档案人物自动标注方法,其特征在于,所述步骤(3)中将人脸样本的标注文本自动标注到所述待标注的照片图像上包括以下子步骤:
(31)依据所述待标注的照片图像中检测出的人脸图像区域的排列特征,将标注位置与人脸位置居中对齐,并将标注文本标到人脸正上方,并计算标注文本的默认尺寸和位置;
(32)判断标注文本是否存在遮挡人脸图像区域和其他标注文本的情况,如果存在则进入步骤(33),否则直接绘制标注文本;
(33)判断标注文本是否能够移动,如果能够移动,则对标注文本进行移动后返回步骤(32),否则采用在空白位置使用引线标注的方式绘制标注文本。
7.根据权利要求6所述的照片档案人物自动标注方法,其特征在于,所述步骤(33)中判断标注文本是否能够移动的总体规则是判断标注文本能否向左、向右或向上移动一次;设标注文本区域为T(xt,yt,wt,ht),人脸图像区域为f(x,y,w,h),其中,xt,yt为标注文本区域的左上角的坐标,wt,ht分别为标注文本区域的宽度和高度,x,y为人脸图像区域的左上角的坐标,w,h分别为人脸图像区域的宽度和高度;标注文本能够向右移动的判断标准是:标注文本的右边线的xt+wt比右侧人脸图像区域的x的值小,并且标注左边线的xt比目标人脸图像区域的x+w/2值小;标注文本能够向左移动的判断标准是:标注文本的左边线的xt值比左侧人脸图像区域x+w值和左侧标注文本区域的xt+wt值大,并且标注文本的右边线的xt+wt比目标人脸图像区域的x+w/2值大;标注文本能否向上移动的判断标准是:标注文本的上边线yt大于上方人脸图像区域的y+h的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911231493.9A CN111046770B (zh) | 2019-12-05 | 2019-12-05 | 一种照片档案人物自动标注方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911231493.9A CN111046770B (zh) | 2019-12-05 | 2019-12-05 | 一种照片档案人物自动标注方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111046770A true CN111046770A (zh) | 2020-04-21 |
CN111046770B CN111046770B (zh) | 2023-08-01 |
Family
ID=70234671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911231493.9A Active CN111046770B (zh) | 2019-12-05 | 2019-12-05 | 一种照片档案人物自动标注方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111046770B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112906817A (zh) * | 2021-03-16 | 2021-06-04 | 中科海拓(无锡)科技有限公司 | 一种智能图像标注方法 |
CN114171167A (zh) * | 2022-02-11 | 2022-03-11 | 广州安必平医药科技股份有限公司 | 图像显示方法、装置、终端及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016110005A1 (zh) * | 2015-01-07 | 2016-07-14 | 深圳市唯特视科技有限公司 | 基于灰度和深度信息的多层融合的多模态人脸识别装置及方法 |
WO2019056988A1 (zh) * | 2017-09-25 | 2019-03-28 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
CN110363047A (zh) * | 2018-03-26 | 2019-10-22 | 普天信息技术有限公司 | 人脸识别的方法、装置、电子设备和存储介质 |
-
2019
- 2019-12-05 CN CN201911231493.9A patent/CN111046770B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016110005A1 (zh) * | 2015-01-07 | 2016-07-14 | 深圳市唯特视科技有限公司 | 基于灰度和深度信息的多层融合的多模态人脸识别装置及方法 |
WO2019056988A1 (zh) * | 2017-09-25 | 2019-03-28 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
CN110363047A (zh) * | 2018-03-26 | 2019-10-22 | 普天信息技术有限公司 | 人脸识别的方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
郑士鹏;刘海云;孙福明;孙见文;王智民;: "基于家庭数字相册的人脸检测与标注" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112906817A (zh) * | 2021-03-16 | 2021-06-04 | 中科海拓(无锡)科技有限公司 | 一种智能图像标注方法 |
CN114171167A (zh) * | 2022-02-11 | 2022-03-11 | 广州安必平医药科技股份有限公司 | 图像显示方法、装置、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111046770B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902622B (zh) | 一种用于登机牌信息验证的文字检测识别方法 | |
CN111325203B (zh) | 一种基于图像校正的美式车牌识别方法及系统 | |
CN106156761B (zh) | 面向移动终端拍摄的图像表格检测与识别方法 | |
CN110956171A (zh) | 铭牌自动识别方法、装置、计算机设备和存储介质 | |
CN107665351B (zh) | 基于难样本挖掘的机场检测方法 | |
US8587685B2 (en) | Method and apparatus for retrieving label | |
CN111860525B (zh) | 一种适用于端子排的自底向上光学字符识别方法 | |
CN1099500A (zh) | 手写体识别中基线,行距和字高的估算 | |
CN109784342A (zh) | 一种基于深度学习模型的ocr识别方法及终端 | |
CN105550641B (zh) | 基于多尺度线性差分纹理特征的年龄估计方法和系统 | |
CN111091124B (zh) | 一种书脊文字识别方法 | |
CN113762269B (zh) | 基于神经网络的中文字符ocr识别方法、系统及介质 | |
CN110443184A (zh) | 身份证信息提取方法、装置及计算机存储介质 | |
CN111046770B (zh) | 一种照片档案人物自动标注方法 | |
CN111105443A (zh) | 一种基于特征关联的视频群体人物运动轨迹跟踪方法 | |
CN111626145B (zh) | 一种简捷有效的残缺表格识别及跨页拼接方法 | |
CN105590112B (zh) | 一种图像识别中倾斜文字判断方法 | |
CN108052936B (zh) | 一种盲文图像自动倾斜校正方法及系统 | |
CN114241492A (zh) | 一种识别作文稿纸的手写文本识别并复现文本结构的方法 | |
JP5027201B2 (ja) | テロップ文字領域検出方法,テロップ文字領域検出装置およびテロップ文字領域検出プログラム | |
CN110766001B (zh) | 基于cnn和rnn的银行卡卡号定位与端到端识别方法 | |
CN111612802A (zh) | 一种基于现有图像语义分割模型的再优化训练方法及应用 | |
CN108062548B (zh) | 一种盲文方自适应定位方法及系统 | |
CN106648171B (zh) | 一种基于书写笔的交互系统及方法 | |
CN115953744A (zh) | 一种基于深度学习的车辆识别追踪方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 200040, room 710, 302 Changping Road, Shanghai, Jingan District Applicant after: Shanghai Xinlian Information Development Co.,Ltd. Address before: 200040, room 710, 302 Changping Road, Shanghai, Jingan District Applicant before: SHANGHAI ZHONGXIN INFORMATION DEVELOPMENT Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |