CN111091031A - 目标对象选取方法和人脸解锁方法 - Google Patents
目标对象选取方法和人脸解锁方法 Download PDFInfo
- Publication number
- CN111091031A CN111091031A CN201811248466.8A CN201811248466A CN111091031A CN 111091031 A CN111091031 A CN 111091031A CN 201811248466 A CN201811248466 A CN 201811248466A CN 111091031 A CN111091031 A CN 111091031A
- Authority
- CN
- China
- Prior art keywords
- preset
- face
- image
- preset graph
- area
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种目标对象选取方法和人脸解锁方法,涉及图像处理技术领域。本发明提供的目标对象选取方法和人脸解锁方法,在检测到待处理图像中包含多个可识别对象时,通过获取所述多个可识别对象对应的特征点,基于所述特征点得到与可识别对象对应的预设图形,根据各个预设图形的面积大小推测对应的可识别对象的面积大小,将面积最大的预设图形对应的可识别对象作为目标对象的方式,可以减少选择目标对象的错误率,提高利用目标对象进行后续操作的成功率,提高用户体验。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种目标对象选取方法和人脸解锁方法。
背景技术
在基于图像进行解锁操作、图像分割操作或其它操作的过程中,可能会出现需要从多个对象中选择期望的目标对象进行操作的情况。例如,在利用人脸识别解锁移动设备时,如果用户处于环境复杂的公共场合,如飞机场、火车站或报告厅等,移动设备的图像采集装置可能会捕获多张人脸,需要从多张人脸中选择一张正确的人脸才能解锁移动设备。现有的方式在从多张人脸中选择期望的人脸时,往往会因为人脸存在偏转角度而造成错误的选择。
发明内容
有鉴于此,本发明的目的在于提供一种目标对象选取方法和人脸解锁方法,可以减少选择目标对象的错误率。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种目标对象选取方法,包括:
如果检测到待处理图像中包含多个可识别对象,获取所述多个可识别对象对应的特征点,基于所述特征点得到与所述可识别对象对应的预设图形;
从所述多个预设图形中确定面积最大的预设图形;
将面积最大的预设图形对应的可识别对象作为目标对象。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述预设图形为规则图形;从所述多个预设图形中确定面积最大的预设图形的步骤,包括:
根据所述特征点在所述待处理图像中的坐标计算各个所述预设图形的面积;
比较各个所述预设图形的面积大小,确定出面积最大的预设图形。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述可识别对象为人脸;所述预设图形为梯形;所述特征点包括四个特征点,四个特征点分别为梯形的四个顶点;所述四个特征点分别为左眼外眼角、右眼外眼角、左侧嘴角和右侧嘴角,或者所述四个特征点分别为左眉毛外侧角、右眉毛外侧角、左侧嘴角和右侧嘴角;根据所述特征点在所述待处理图像中的坐标计算各个所述预设图形的面积的步骤,包括:
根据所述四个特征点在所述待处理图像中的坐标,结合梯形面积计算公式计算所述预设图形的面积。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述可识别对象为人脸;所述预设图形为三角形;所述特征点包括三个特征点,三个特征点分别为三角形的三个顶点;所述三个特征点分别为左眼外眼角、右眼外眼角和鼻尖,或者所述三个特征点分别为左眉毛外侧角、右眉毛外侧角和鼻尖,或者所述三个特征点分别为左眼外眼角、右眼外眼角和嘴巴中心点,或者所述三个特征点分别为左眉毛外侧角、右眉毛外侧角和嘴巴中心点;根据所述特征点在所述待处理图像中的坐标计算各个所述预设图形的面积的步骤,包括:
根据所述三个特征点在所述待处理图像中的坐标,结合三角形面积计算公式计算所述预设图形的面积。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,从所述多个预设图形中确定面积最大的预设图形的步骤,包括:
比较各个所述预设图形中包含的像素点的数量,将包含像素点数量最多的预设图形作为面积最大的预设图形。
第二方面,本发明实施例还提供一种人脸解锁方法,包括:
对待处理图像进行人脸检测;
如果检测到所述待处理图像中包含多张人脸,获取所述多张人脸对应的特征点,基于所述特征点得到与所述多张人脸对应的预设图形;
从所述多个预设图形中确定面积最大的预设图形;
基于面积最大的预设图形对应的人脸进行人脸解锁操作。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,所述基于面积最大的预设图形对应的人脸进行人脸解锁操作的步骤;包括:
将所述面积最大的预设图形对应的人脸作为目标人脸,判断所述目标人脸的面积是否大于或等于设定阈值;
如果是,基于所述目标人脸进行人脸解锁操作。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中,所述基于面积最大的预设图形对应的人脸进行人脸解锁操作的步骤;包括:
基于面积最大的预设图形对应的人脸进行人脸识别;和/或,基于面积最大的预设图形对应的人脸进行活体检测。
结合第二方面,本发明实施例提供了第二方面的第三种可能的实施方式,其中,所述预设图形为规则图形;所述特征点为规则图形的顶点;所述从所述多个预设图形中确定面积最大的预设图形的步骤,包括:
根据所述特征点在所述待处理图像中的坐标计算各个所述预设图形的面积;
比较各个所述预设图形的面积大小,确定出面积最大的预设图形。
结合第二方面的第三种可能的实施方式,本发明实施例提供了第二方面的第四种可能的实施方式,其中,所述预设图形为梯形;所述特征点包括四个特征点,四个特征点分别为梯形的四个顶点;所述四个特征点分别为左眼外眼角、右眼外眼角、左侧嘴角和右侧嘴角,或者所述四个特征点分别为左眉毛外侧角、右眉毛外侧角、左侧嘴角和右侧嘴角;根据所述特征点在所述待处理图像中的坐标计算各个所述预设图形的面积的步骤,包括:
根据所述四个特征点在所述待处理图像中的坐标,结合梯形面积计算公式计算所述预设图形的面积。
结合第二方面的第三种可能的实施方式,本发明实施例提供了第二方面的第五种可能的实施方式,其中,所述预设图形为三角形;所述特征点包括三个特征点,三个特征点分别为三角形的三个顶点;所述三个特征点分别为左眼外眼角、右眼外眼角和鼻尖,或者所述三个特征点分别为左眉毛外侧角、右眉毛外侧角和鼻尖,或者所述三个特征点分别为左眼外眼角、右眼外眼角和嘴巴中心点,或者所述三个特征点分别为左眉毛外侧角、右眉毛外侧角和嘴巴中心点;根据所述特征点在所述待处理图像中的坐标计算各个所述预设图形的面积的步骤,包括:
根据所述三个特征点在所述待处理图像中的坐标,结合三角形面积计算公式计算所述预设图形的面积。
结合第二方面,本发明实施例提供了第二方面的第六种可能的实施方式,其中,所述从各个预设图形中确定面积最大的预设图形的步骤,包括:
比较各个所述预设图形中包含的像素点的数量,将包含像素点数量最多的预设图形作为面积最大的预设图形。
第三方面,本发明实施例提供了一种目标对象选取装置,包括:
图形建立模块,用于当检测到待处理图像中包含多个可识别对象时,获取所述多个可识别对象对应的特征点,基于所述特征点得到与所述可识别对象对应的预设图形;
目标对象选取模块,用于从所述多个预设图形中确定面积最大的预设图形;将面积最大的预设图形对应的可识别对象作为目标对象。
第四方面,本发明实施例提供了一种人脸解锁装置,包括:
人脸检测模块,用于对待处理图像进行人脸检测;
图形对比模块,用于当检测到所述待处理图像中包含多张人脸时,获取所述多张人脸对应的特征点,基于所述特征点得到与所述多张人脸对应的预设图形;从所述多个预设图形中确定面积最大的预设图形;
解锁模块,用于基于面积最大的预设图形对应的人脸进行人脸解锁操作。
第五方面,本发明实施例提供了一种电子设备,包括:处理器和存储装置;所述存储装置上存储有计算机程序,所述计算机程序在被所述处理器运行时执行第一方面中任一项或者第二方面中任一项所述的方法。
第六方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述第一方面中任一项或第二方面中任一项所述的方法的步骤。
本发明实施例提供的一种目标对象选取方法和人脸解锁方法,在检测到待处理图像中包含多个可识别对象时,通过获取所述多个可识别对象对应的特征点,基于所述特征点得到与可识别对象对应的预设图形,根据各个预设图形的面积大小推测对应的可识别对象的面积大小,将面积最大的预设图形对应的可识别对象作为目标对象的方式,可以减少选择目标对象的错误率,提高利用目标对象进行后续操作的成功率,提高用户体验。
本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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示出了本发明实施例所提供的一种电子设备的结构示意图;
图2示出了本发明实施例所提供的一种目标对象选取方法的流程图;
图3示出了本发明实施例所提供的一种目标对象选取装置的结构框图;
图4示出了本发明实施例所提供的一种人脸解锁方法的流程图;
图5示出了本发明实施例所提供的一种人脸解锁装置的结构框图;
图6示出了本发明实施例所提供的一种预设图形的结构示意图;
图7示出了本发明实施例所提供的另一种预设图形的结构示意图。
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,下面将结合附图对本发明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做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。
下文中所用的词语“示例性”的意思为“用作例子、实施例或说明性”。作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本发明,在下文的具体实施方式中给出了很多具体细节。本领域技术人员应当理解,没有某些具体细节,本发明同样可以实施。为了更加凸显本发明的主旨,在一些实施例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述。
由于现有技术在进行图像处理的过程中,当从多个可识别对象中选择目标对象时,往往因为可识别对象的偏转角度不同或其它因素的影响造成目标对象的选择错误。例如,在进行人脸解锁的过程中,如果待处理图像中包含多张人脸,在从多张人脸中选择目标人脸时,往往会因为人脸存在偏转角度而造成错误的选择。基于此,本发明实施例提供的一种目标对象选取方法和人脸解锁方法,可以减少选择目标对象的错误率。其中,目标对象选取方法可以应用于任何基于图像的操作过程中,上述操作包括但不限于人脸解锁操作、刷脸付款操作、图像分割操作等。
实施例一:
首先,参照图1来描述用于实现本发明实施例的目标对象选取方法和人脸解锁方法的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)、图形处理单元(Graphics ProcessingUnit,GPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。
电子设备100上还设置有一个或多个补光灯,补光灯对应于图像采集装置设置,用于当环境光线不足,影响图像采集装置的图像采集效果时,为所述图像采集装置进行补光。补光灯可以采用红外补光灯,如近红外LED灯、激光红外灯等。红外补光灯发出不可见红外光,在暗光环境中为图像采集装置进行补光。
示例性地,用于实现根据本发明实施例的目标对象选取方法和人脸解锁方法的示例电子设备可以被实现在电子相机或身份验证设备(如打卡机、人证一体机等)上,也可以被实现在诸如智能手机、平板电脑等移动终端上。
实施例二:
针对现有技术中从多个可识别对象中选择目标对象容易出现选择错误的的问题,本实施例提供了一种目标对象选取方法,该方法可以从待处理图像中包含的多个可识别对象中选择出目标对象,用于进行后续的操作,可以减少选择目标对象的错误率。需要说明的是,附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。以下对本实施例进行详细介绍。
图2示出了本发明实施例所提供的一种目标对象选取方法的流程图,如图2所示,该方法包括如下步骤:
步骤S202,如果检测到待处理图像中包含多个可识别对象,获取多个可识别对象对应的特征点,基于所述特征点得到与可识别对象对应的预设图形。
其中,待处理图像可以是图片格式的图像,也可以是视频中的图像帧,本发明实施例不作限制。待处理图像可以是通过图像采集装置实时采集的图像,也可以是预先存储的图像。例如,电子设备在执行某些操作时,需要通过图像采集装置拍摄图像,上述操作包括但不限于人脸解锁操作、刷脸付款操作等。
对待处理图像进行检测,确定待处理图像中是否包含可识别对象。例如,可以采用训练好的神经网络模型对待处理图像进行检测,根据神经网络模型的训练目标不同,不同的神经网络模型可以针对不同的可识别对象对待处理图像进行检测。所述可识别对象包括但不限于人脸、行人、车辆、动物或植物等。可识别对象还可以是动物的一部分或植物的一部分。
采用训练好的神经网络模型,不仅可以检测待处理图像中是否包含可识别对象,还可以检测可识别对象的位置和可识别对象的关键特征点。示例性地,如果可识别对象为人脸,则可识别对象的关键特征点可以包括但不限于眉毛关键点,如左眉毛外侧角、右眉毛外侧角等;眼睛关键点,如左眼外眼角、右眼外眼角等;嘴巴关键点,如左侧嘴角和右侧嘴角等;以及脸庞关键点和鼻尖等。
如果检测到待处理图像中包含多个可识别对象,获取多个可识别对象对应的特征点,特征点为预先指定的,在每个可识别对象中,确定预先指定的特征点的位置。将同一可识别对象对应的特征点连接形成与可识别对象对应的预设图形。例如,对于一个可识别对象中的特征点,可以通过直线将选择的特征点连接成预设图形,也可以通过弧线将选择的特征点连接成预设图形。预设图形可以是规则图形,如圆形、多边形、正方形、平行四边形、梯形、三角形等,预设图形也可以是不规则形状的图形。每个可识别对象中均构建一个预设图形,不同的可识别对象中的预设图形的形状基本相同,但大小可以不同。
下面以可识别对象为人脸为例,说明构建预设图形的过程。在一种可选的实施例中,指定的特征点分别为左眼外眼角、右眼外眼角、左侧嘴角和右侧嘴角,通过直线将左眼外眼角、右眼外眼角、左侧嘴角和右侧嘴角连接可形成梯形,如图6所示,即预设图形为梯形。可以理解的是,特征点也可以设定为左眉毛外侧角、右眉毛外侧角、左侧嘴角和右侧嘴角,通过直线将左眉毛外侧角、右眉毛外侧角、左侧嘴角和右侧嘴角连接可形成梯形。在另一种可选的实施例中,指定的特征点分别为左眼外眼角、右眼外眼角和鼻尖,通过直线将左眼外眼角、右眼外眼角和鼻尖连接可形成三角形,如图7所示,即预设图形为三角形。可以理解的是,特征点也可以设定为左眉毛外侧角、右眉毛外侧角和鼻尖,通过直线将左眉毛外侧角、右眉毛外侧角和鼻尖连接形成三角形。特征点也可以是左眼外眼角、右眼外眼角和嘴巴中心点,通过直线将左眼外眼角、右眼外眼角和嘴巴中心点连接形成三角形。特征点也可以是左眉毛外侧角、右眉毛外侧角和嘴巴中心点,通过直线将左眼外眼角、右眼外眼角和嘴巴中心点连接形成三角形。
步骤S204,从多个预设图形中确定面积最大的预设图形。
示例性地,无论预设图形是规则图形还是不规则形状的图形,均可以统计各个预设图形中包含的像素点的数量,在同一幅图像中,一个预设图形中包含的像素点的数量越多,说明该预设图形的面积越大;一个预设图形中包含的像素点的数量越少,说明该预设图形的面积越小。在待处理图像中,比较各个预设图形中包含的像素点的数量,将包含像素点数量最多的预设图形作为面积最大的预设图形。
如果预设图形为规则图形,可以根据所述特征点在待处理图像中的坐标计算各个预设图形的面积;比较各个预设图形的面积大小,确定出面积最大的预设图形。
仍以可识别对象为人脸为例进行说明,示例性地,一种可实现的方式为:预设图形为图6所示的梯形,对于待处理图像中的一张人脸所在区域,设定的特征点包括四个,分别为左眼外眼角、右眼外眼角、左侧嘴角和右侧嘴角,四个特征点分别为梯形的四个顶点。左眼外眼角和右眼外眼角的连线构成梯形的第一底边;左侧嘴角和右侧嘴角的连线构成梯形的第二底边,所述第二底边与所述第一底边平行。由于神经网络模型可以确定人脸在待处理图像中的位置,也可以确定人脸的关键特征点在待处理图像中的位置,因此可以确定该人脸所在区域中的四个特征点在待处理图像中的坐标。设已确定出左眼外眼角的坐标为(x1,y1),右眼外眼角的坐标为(x2,y2),左侧嘴角的坐标为(x3,y3),右侧嘴角的坐标为(x4,y4),其中,y1=y2,y3=y4。则根据四个特征点在待处理图像中的坐标,可以计算得到梯形的第一底边的长度d1=x2-x1,梯形的第二底边的长度d2=x4-x3,梯形的高度h1=y1-y3,可以理解,d1、d2、h1均为正数值,如果计算结果为负数,可以取其绝对值。通过梯形面积计算公式S1=(d1+d2)*h1/2,可以计算得到该人脸所在区域中的预设图形的面积。同理,可以计算得到每一张人脸所在区域中的预设图形的面积。
另一种可实现的方式为:预设图形为图7所示的三角形,对于待处理图像中的一张人脸所在区域,设定的特征点包括三个,分别为左眼外眼角、右眼外眼角和鼻尖,三个特征点分别为三角形的三个顶点。左眼外眼角和右眼外眼角的连线构成三角形的底边。可以确定该人脸所在区域中的三个特征点在待处理图像中的坐标。设已确定出左眼外眼角的坐标为(x5,y5),右眼外眼角的坐标为(x6,y6),鼻尖的坐标为(x7,y7),其中,y5=y6。则根据三个特征点在待处理图像中的坐标,可以计算得到三角形的底边的长度d3=x6-x5,三角形的高度h2=y5-y7。可以理解,d3、h2均为正数值,如果计算结果为负数,可以取其绝对值。通过三角形面积计算公式S2=d3*h2/2,可以计算得到该人脸所在区域中的预设图形的面积。同理,可以计算得到每一张人脸所在区域中的预设图形的面积。得到各个可识别对象中的预设图形的面积之后,比较各个预设图形的面积大小,确定出面积最大的预设图形。
步骤S206,将面积最大的预设图形对应的可识别对象作为目标对象。
将面积最大的预设图形对应的可识别对象作为目标对象输出,用于进行人脸解锁操作、图像分割操作或刷脸付款操作等后续操作。
需要说明的是,在本发明实施例中,面积最大的预设图形并不限定为一个预设图形。根据后续操作的需要,所述面积最大的预设图形可以包括多个预设图形,相应地,面积最大的预设图形对应的可识别对象也可以是多个。例如,后续操作中需要两个可识别对象作为目标对象,则可以选择出面积最大的前两个预设图形分别对应的可识别对象作为目标对象。
本发明实施例提供的目标对象选取方法,在检测到待处理图像中包含多个可识别对象时,通过在各个可识别对象中,分别选择设定的特征点连接形成预设图形,根据各个预设图形的面积大小推测对应的可识别对象的面积大小,将面积最大的预设图形对应的可识别对象作为目标对象的方式,可以减少选择目标对象的错误率,提高利用目标对象进行后续操作的成功率,提高用户体验。
实施例三:
与上述实施例二提供的目标对象选取方法相对应地,本实施例提供了一种目标对象选取装置,参见图3所示的一种目标对象选取装置的结构示意图,该装置包括:
图形建立模块31,用于当检测到待处理图像中包含多个可识别对象时,获取所述多个可识别对象对应的特征点,基于所述特征点得到与所述可识别对象对应的预设图形;
目标对象选取模块32,用于从所述多个预设图形中确定面积最大的预设图形;将面积最大的预设图形对应的可识别对象作为目标对象。
如果所述预设图形为规则图形,上述目标对象选取模块32还可以用于:根据特征点在待处理图像中的坐标计算各个预设图形的面积;比较各个预设图形的面积大小,确定出面积最大的预设图形。
进一步地,如果所述可识别对象为人脸;所述预设图形为梯形;所述特征点包括四个特征点,四个特征点分别为梯形的四个顶点;所述四个特征点分别为左眼外眼角、右眼外眼角、左侧嘴角和右侧嘴角,或者所述四个特征点分别为左眉毛外侧角、右眉毛外侧角、左侧嘴角和右侧嘴角;目标对象选取模块32还可以用于:根据所述四个特征点在所述待处理图像中的坐标,结合梯形面积计算公式计算所述预设图形的面积。如果所述可识别对象为人脸;所述预设图形为三角形;所述特征点包括三个特征点,三个特征点分别为三角形的三个顶点;所述三个特征点分别为左眼外眼角、右眼外眼角和鼻尖,或者所述三个特征点分别为左眉毛外侧角、右眉毛外侧角和鼻尖,或者所述三个特征点分别为左眼外眼角、右眼外眼角和嘴巴中心点,或者所述三个特征点分别为左眉毛外侧角、右眉毛外侧角和嘴巴中心点;目标对象选取模块32还可以用于:根据所述三个特征点在所述待处理图像中的坐标,结合三角形面积计算公式计算所述预设图形的面积。
可选地,目标对象选取模块32还可以用于:比较各个所述预设图形中包含的像素点的数量,将包含像素点数量最多的预设图形作为面积最大的预设图形。
本发明实施例提供的目标对象选取装置,在检测到待处理图像中包含多个可识别对象时,通过获取多个可识别对象对应的特征点,基于所述特征点得到与可识别对象对应的预设图形,根据各个预设图形的面积大小推测对应的可识别对象的面积大小,将面积最大的预设图形对应的可识别对象作为目标对象的方式,可以减少选择目标对象的错误率,提高利用目标对象进行后续操作的成功率,提高用户体验。
本实施例所提供的目标对象选取装置,其实现原理及产生的技术效果和前述实施例二的目标对象选取方法相同,为简要描述,装置实施例部分未提及之处,可参考前述实施例二中相应内容。
实施例四:
本实施例在上述实施例二的基础上,提供了一种人脸解锁方法。如图4所示,本实施例提供的人脸解锁方法包括如下步骤:
步骤S402,对待处理图像进行人脸检测。
所述待处理图像可以是通过图像采集装置采集的图片或视频中的图像帧。例如,对电子设备进行人脸解锁时,电子设备先通过图像采集装置采集位于摄像头视野范围内的图像,作为待处理图像。
对待处理图像进行人脸检测可能会出现三种结果,第一种结果为:未检测到待处理图像中包含人脸,则发出提示消息,重新采集图像。第二种结果为:检测到待处理图像中包含且仅包含一张人脸,则基于检测到的人脸进行人脸解锁操作。第三种结果为:检测到待处理图像中包含多张人脸,则按照下述步骤S404执行。例如,如果在机场、火车站等环境复杂的公共场合,则图像采集装置采集的待处理图像中可能包含多张人脸。
可选地,可以采用训练好的人脸检测模型对待处理图像进行人脸检测,确定待处理图像中是否包含人脸。如果待处理图像中包含人脸,人脸检测模型可以检测出人脸在待处理图像中的位置以及人脸的关键特征点,如眉毛关键点、眼睛关键点、嘴巴关键点、脸庞关键点和鼻尖等。
步骤S404,如果检测到待处理图像中包含多张人脸,获取多张人脸对应的特征点,基于所述特征点得到与多张人脸对应的预设图形。
在待处理图像的每张人脸中,获取多张人脸对应的特征点,特征点为预先指定的。将同一人脸对应的特征点连接形成预设图形。。对于一张人脸中的特征点,可以通过直线将选择的特征点连接成预设图形,也可以通过弧线将选择的特征点连接成预设图形。预设图形可以是规则图形,也可以是不规则形状的图形。
步骤S406,从所述多个预设图形中确定面积最大的预设图形。
步骤S404和步骤S406可以参照上述实施例二中记载的各种方式实现,在此不再赘述。
步骤S408,基于面积最大的预设图形对应的人脸进行人脸解锁操作。
考虑到用户在通过人脸解锁方式解锁电子设备时,相对于待处理图像中出现的其它人,用户应该是离电子设备最近的,用户的脸部在待处理图像中所占的面积最大,即使用户头部存在小幅度偏转或抬头低头时,投射在待处理图像中的人脸的面积仍旧最大,因此可以基于面积最大的预设图形对应的人脸进行人脸解锁操作。
在一些实施例中,将面积最大的预设图形对应的人脸作为目标人脸,判断目标人脸的面积是否大于或等于设定阈值。此处的设定阈值为人脸大小满足人脸解锁操作要求的基本大小阈值,是根据经验设定的阈值。只有目标人脸的满足该设定阈值,才可以对该目标人脸进行识别,否则无法进行识别。因此,如果目标人脸的面积大于或等于设定阈值,则基于目标人脸进行人脸解锁操作。如果目标人脸的面积小于设定阈值,则提示目标人脸太小,无法进行识别。
在另一些实施例中,可以将面积最大的预设图形对应的人脸作为目标人脸,无需判断目标人脸的面积是否满足设定阈值,直接基于目标人脸进行人脸解锁操作。
在一种可选的实施例中,人脸解锁操作可以包括人脸识别,应用目标人脸进行人脸识别,判断目标人脸包含的人脸特征与预存的人脸特征是否匹配,进而进行身份验证,如果验证通过,则执行解锁操作;如果验证未通过,则不执行解锁操作。在另一种可选的实施例中,人脸解锁操作可以包括活体检测,应用目标人脸进行活体检测,由于活体图像中人脸不同部位的光线的明暗变化与照片图像中光线的明暗变化不同,因此,可以通过目标人脸中的光线的明暗变化进行活体检测。在第三种可选的实施例中,人脸解锁操作可以包括人脸识别和活体检测,如果目标人脸中包含的人脸特征与预存的人脸特征匹配,并且活体检测通过,则执行解锁操作,如果人脸识别或活体检测中任一项没有通过,则不执行解锁操作。
本发明实施例提供的人脸解锁方法,在检测到待处理图像中包含多张人脸时,通过获取所述多张人脸对应的特征点,基于所述特征点得到与所述多张人脸对应的预设图形,根据各个预设图形的面积大小推测对应的人脸的面积大小的方式,基于面积最大的预设图形对应的人脸进行人脸解锁操作,该方法在比较人脸的面积大小时,所构建的预设图形为二维图形,综合考虑了横向长度和纵向长度的影响,即使在用户头部存在小幅度偏转或抬头低头时,也不会造成选择的错误,因此可以减少人脸选择的错误率,提高人脸解锁的成功率,提高用户体验。
实施例五:
与上述实施例四提供的人脸解锁方法相对应地,本实施例提供了一种人脸解锁装置,参见图5所示的一种人脸解锁装置的结构示意图,该装置包括:
人脸检测模块51,用于对待处理图像进行人脸检测;
图形对比模块52,用于当检测到所述待处理图像中包含多张人脸时,获取所述多张人脸对应的特征点,基于所述特征点得到与所述多张人脸对应的预设图形;从所述多个预设图形中确定面积最大的预设图形;
解锁模块53,用于基于面积最大的预设图形对应的人脸进行人脸解锁操作。
其中,解锁模块53还可以用于:将所述面积最大的预设图形对应的人脸作为目标人脸,判断所述目标人脸的面积是否大于或等于设定阈值;如果是,基于所述目标人脸进行人脸解锁操作。
解锁模块53还可以用于:所述基于面积最大的预设图形对应的人脸进行人脸解锁操作的步骤;包括:基于面积最大的预设图形对应的人脸进行人脸识别;和/或,基于面积最大的预设图形对应的人脸进行活体检测。
如果所述预设图形为规则图形,上述图形对比模块52还可以用于:根据特征点在待处理图像中的坐标计算各个预设图形的面积;比较各个预设图形的面积大小,确定出面积最大的预设图形。
进一步地,如果所述预设图形为梯形;所述特征点包括四个特征点,四个特征点分别为梯形的四个顶点;所述四个特征点分别为左眼外眼角、右眼外眼角、左侧嘴角和右侧嘴角,或者所述四个特征点分别为左眉毛外侧角、右眉毛外侧角、左侧嘴角和右侧嘴角;图形对比模块52还可以用于:根据所述四个特征点在所述待处理图像中的坐标,结合梯形面积计算公式计算所述预设图形的面积。如果所述预设图形为三角形;所述特征点包括三个特征点,三个特征点分别为三角形的三个顶点;所述三个特征点分别为左眼外眼角、右眼外眼角和鼻尖,或者所述三个特征点分别为左眉毛外侧角、右眉毛外侧角和鼻尖,或者所述三个特征点分别为左眼外眼角、右眼外眼角和嘴巴中心点,或者所述三个特征点分别为左眉毛外侧角、右眉毛外侧角和嘴巴中心点;图形对比模块52还可以用于:根据所述三个特征点在所述待处理图像中的坐标,结合三角形面积计算公式计算所述预设图形的面积。
可选地,图形对比模块52还可以用于:比较各个所述预设图形中包含的像素点的数量,将包含像素点数量最多的预设图形作为面积最大的预设图形。
本发明实施例提供的人脸解锁装置,在检测到待处理图像中包含多张人脸时,通过获取所述多张人脸对应的特征点,基于所述特征点得到与所述多张人脸对应的预设图形,根据各个预设图形的面积大小推测对应的人脸的面积大小的方式,基于面积最大的预设图形对应的人脸进行人脸解锁操作,该方法在比较人脸的面积大小时,所构建的预设图形为二维图形,综合考虑了横向长度和纵向长度的影响,即使在用户头部存在小幅度偏转或抬头低头时,也不会造成选择的错误,因此可以减少人脸选择的错误率,提高人脸解锁的成功率,提高用户体验。
本实施例所提供的人脸解锁装置,其实现原理及产生的技术效果和前述实施例四的人脸解锁方法相同,为简要描述,装置实施例部分未提及之处,可参考前述实施例四中相应内容。
此外,本发明实施例提供了一种电子设备,包括处理器和存储装置;所述存储装置上存储有计算机程序,所述处理器执行存储装置上的一种计算机程序时,可以实现前述实施例二提供的方法的步骤:如果检测到待处理图像中包含多个可识别对象,获取多个可识别对象对应的特征点,基于所述特征点得到与可识别对象对应的预设图形;从各个预设图形中确定面积最大的预设图形;将面积最大的预设图形对应的可识别对象作为目标对象;可以减少选择目标对象的错误率,提高利用目标对象进行后续操作的成功率,提高用户体验。
所述处理器执行存储装置上的另一种计算机程序时,可以实现前述实施例四提供的方法的步骤:对待处理图像进行人脸检测;如果检测到所述待处理图像中包含多张人脸,在获取多张人脸对应的特征点,基于所述特征点得到与所述多张人脸对应的预设图形;从各个预设图形中确定面积最大的预设图形;基于面积最大的预设图形对应的人脸进行人脸解锁操作;可以减少人脸选择的错误率,提高人脸解锁的成功率,提高用户体验。
进一步,本实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述前述实施例二或实施例四所提供的方法的步骤。
本发明实施例所提供的目标对象选取方法及装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面实施例二中所述的方法,具体实现可参见方法实施例,在此不再赘述。
本发明实施例所提供的人脸解锁方法及装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面实施例四中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种目标对象选取方法,其特征在于,包括:
如果检测到待处理图像中包含多个可识别对象,获取所述多个可识别对象对应的特征点,基于所述特征点得到与所述可识别对象对应的预设图形;
从所述多个预设图形中确定面积最大的预设图形;
将面积最大的预设图形对应的可识别对象作为目标对象。
2.根据权利要求1所述的目标对象选取方法,其特征在于,所述预设图形为规则图形;从所述多个预设图形中确定面积最大的预设图形的步骤,包括:
根据所述特征点在所述待处理图像中的坐标计算各个所述预设图形的面积;
比较各个所述预设图形的面积大小,确定出面积最大的预设图形。
3.根据权利要求2所述的目标对象选取方法,其特征在于,所述可识别对象为人脸;所述预设图形为梯形;所述特征点包括四个特征点,四个特征点分别为梯形的四个顶点;所述四个特征点分别为左眼外眼角、右眼外眼角、左侧嘴角和右侧嘴角,或者所述四个特征点分别为左眉毛外侧角、右眉毛外侧角、左侧嘴角和右侧嘴角;根据所述特征点在所述待处理图像中的坐标计算各个所述预设图形的面积的步骤,包括:
根据所述四个特征点在所述待处理图像中的坐标,结合梯形面积计算公式计算所述预设图形的面积。
4.根据权利要求2所述的目标对象选取方法,其特征在于,所述可识别对象为人脸;所述预设图形为三角形;所述特征点包括三个特征点,三个特征点分别为三角形的三个顶点;所述三个特征点分别为左眼外眼角、右眼外眼角和鼻尖,或者所述三个特征点分别为左眉毛外侧角、右眉毛外侧角和鼻尖,或者所述三个特征点分别为左眼外眼角、右眼外眼角和嘴巴中心点,或者所述三个特征点分别为左眉毛外侧角、右眉毛外侧角和嘴巴中心点;根据所述特征点在所述待处理图像中的坐标计算各个所述预设图形的面积的步骤,包括:
根据所述三个特征点在所述待处理图像中的坐标,结合三角形面积计算公式计算所述预设图形的面积。
5.根据权利要求1所述的目标对象选取方法,其特征在于,从所述多个预设图形中确定面积最大的预设图形的步骤,包括:
比较各个所述预设图形中包含的像素点的数量,将包含像素点数量最多的预设图形作为面积最大的预设图形。
6.一种人脸解锁方法,其特征在于,包括:
对待处理图像进行人脸检测;
如果检测到所述待处理图像中包含多张人脸,获取所述多张人脸对应的特征点,基于所述特征点得到与所述多张人脸对应的预设图形;
从所述多个预设图形中确定面积最大的预设图形;
基于面积最大的预设图形对应的人脸进行人脸解锁操作。
7.根据权利要求6所述的人脸解锁方法,其特征在于,所述基于面积最大的预设图形对应的人脸进行人脸解锁操作的步骤;包括:
将所述面积最大的预设图形对应的人脸作为目标人脸,判断所述目标人脸的面积是否大于或等于设定阈值;
如果是,基于所述目标人脸进行人脸解锁操作。
8.根据权利要求6所述的人脸解锁方法,其特征在于,所述基于面积最大的预设图形对应的人脸进行人脸解锁操作的步骤;包括:
基于面积最大的预设图形对应的人脸进行人脸识别;和/或,基于面积最大的预设图形对应的人脸进行活体检测。
9.一种目标对象选取装置,其特征在于,包括:
图形建立模块,用于当检测到待处理图像中包含多个可识别对象时,获取所述多个可识别对象对应的特征点,基于所述特征点得到与所述可识别对象对应的预设图形
目标对象选取模块,用于从所述多个预设图形中确定面积最大的预设图形;将面积最大的预设图形对应的可识别对象作为目标对象。
10.一种人脸解锁装置,其特征在于,包括:
人脸检测模块,用于对待处理图像进行人脸检测;
图形对比模块,用于当检测到所述待处理图像中包含多张人脸时,获取所述多张人脸对应的特征点,基于所述特征点得到与所述多张人脸对应的预设图形从所述多个预设图形中确定面积最大的预设图形;
解锁模块,用于基于面积最大的预设图形对应的人脸进行人脸解锁操作。
11.一种电子设备,其特征在于,包括:处理器和存储装置;所述存储装置上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至5中任一项或者权利要求6至8中任一项所述的方法。
12.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行上述权利要求1至5中任一项或者权利要求6至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811248466.8A CN111091031A (zh) | 2018-10-24 | 2018-10-24 | 目标对象选取方法和人脸解锁方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811248466.8A CN111091031A (zh) | 2018-10-24 | 2018-10-24 | 目标对象选取方法和人脸解锁方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111091031A true CN111091031A (zh) | 2020-05-01 |
Family
ID=70392220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811248466.8A Pending CN111091031A (zh) | 2018-10-24 | 2018-10-24 | 目标对象选取方法和人脸解锁方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111091031A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070013A (zh) * | 2020-09-08 | 2020-12-11 | 安徽兰臣信息科技有限公司 | 一种儿童人脸特征点的检测方法、装置及储存介质 |
CN112464192A (zh) * | 2020-10-26 | 2021-03-09 | 国网安徽省电力有限公司信息通信分公司 | 一种基于大数据的电网数据资产管理系统 |
CN113434851A (zh) * | 2021-06-28 | 2021-09-24 | 国网山东省电力公司电力科学研究院 | 一种基于数据采集的密匙管理方法及系统 |
CN113705280A (zh) * | 2020-05-21 | 2021-11-26 | 北京聚匠艺传媒有限公司 | 一种基于面部特征的人机交互方法及装置 |
CN113705280B (zh) * | 2020-05-21 | 2024-05-10 | 北京聚匠艺传媒有限公司 | 一种基于面部特征的人机交互方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101523412B (zh) * | 2006-10-11 | 2013-01-02 | 惠普开发有限公司 | 基于人脸的图像聚类 |
CN105242888A (zh) * | 2014-07-10 | 2016-01-13 | 联想(北京)有限公司 | 一种系统控制方法及电子设备 |
CN106339673A (zh) * | 2016-08-19 | 2017-01-18 | 中山大学 | 一种基于人脸识别的atm机身份验证方法 |
CN107358219A (zh) * | 2017-07-24 | 2017-11-17 | 艾普柯微电子(上海)有限公司 | 人脸识别方法及装置 |
WO2018001092A1 (zh) * | 2016-06-29 | 2018-01-04 | 中兴通讯股份有限公司 | 一种人脸识别方法及装置 |
CN107944247A (zh) * | 2017-12-13 | 2018-04-20 | 联想(北京)有限公司 | 解锁控制方法、装置及电子设备 |
CN108388781A (zh) * | 2018-01-31 | 2018-08-10 | 广东欧珀移动通信有限公司 | 移动终端、图像数据获取方法及相关产品 |
CN108537138A (zh) * | 2018-03-20 | 2018-09-14 | 浙江工业大学 | 一种基于机器视觉的眼睛闭合度计算方法 |
CN108596061A (zh) * | 2018-04-12 | 2018-09-28 | Oppo广东移动通信有限公司 | 人脸识别方法、装置及移动终端、存储介质 |
CN108629298A (zh) * | 2018-04-23 | 2018-10-09 | Oppo广东移动通信有限公司 | 人脸识别方法、电子装置和非易失性计算机可读存储介质 |
-
2018
- 2018-10-24 CN CN201811248466.8A patent/CN111091031A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101523412B (zh) * | 2006-10-11 | 2013-01-02 | 惠普开发有限公司 | 基于人脸的图像聚类 |
CN105242888A (zh) * | 2014-07-10 | 2016-01-13 | 联想(北京)有限公司 | 一种系统控制方法及电子设备 |
WO2018001092A1 (zh) * | 2016-06-29 | 2018-01-04 | 中兴通讯股份有限公司 | 一种人脸识别方法及装置 |
CN106339673A (zh) * | 2016-08-19 | 2017-01-18 | 中山大学 | 一种基于人脸识别的atm机身份验证方法 |
CN107358219A (zh) * | 2017-07-24 | 2017-11-17 | 艾普柯微电子(上海)有限公司 | 人脸识别方法及装置 |
CN107944247A (zh) * | 2017-12-13 | 2018-04-20 | 联想(北京)有限公司 | 解锁控制方法、装置及电子设备 |
CN108388781A (zh) * | 2018-01-31 | 2018-08-10 | 广东欧珀移动通信有限公司 | 移动终端、图像数据获取方法及相关产品 |
CN108537138A (zh) * | 2018-03-20 | 2018-09-14 | 浙江工业大学 | 一种基于机器视觉的眼睛闭合度计算方法 |
CN108596061A (zh) * | 2018-04-12 | 2018-09-28 | Oppo广东移动通信有限公司 | 人脸识别方法、装置及移动终端、存储介质 |
CN108629298A (zh) * | 2018-04-23 | 2018-10-09 | Oppo广东移动通信有限公司 | 人脸识别方法、电子装置和非易失性计算机可读存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705280A (zh) * | 2020-05-21 | 2021-11-26 | 北京聚匠艺传媒有限公司 | 一种基于面部特征的人机交互方法及装置 |
CN113705280B (zh) * | 2020-05-21 | 2024-05-10 | 北京聚匠艺传媒有限公司 | 一种基于面部特征的人机交互方法及装置 |
CN112070013A (zh) * | 2020-09-08 | 2020-12-11 | 安徽兰臣信息科技有限公司 | 一种儿童人脸特征点的检测方法、装置及储存介质 |
CN112464192A (zh) * | 2020-10-26 | 2021-03-09 | 国网安徽省电力有限公司信息通信分公司 | 一种基于大数据的电网数据资产管理系统 |
CN113434851A (zh) * | 2021-06-28 | 2021-09-24 | 国网山东省电力公司电力科学研究院 | 一种基于数据采集的密匙管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10339402B2 (en) | Method and apparatus for liveness detection | |
US9985963B2 (en) | Method and system for authenticating liveness face, and computer program product thereof | |
US10621454B2 (en) | Living body detection method, living body detection system, and computer program product | |
WO2018107910A1 (zh) | 一种全景视频融合方法及装置 | |
TWI754887B (zh) | 活體檢測方法和裝置、電子設備及儲存介質 | |
CN104246793A (zh) | 移动设备的三维脸部识别 | |
CN107944420B (zh) | 人脸图像的光照处理方法和装置 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN111091031A (zh) | 目标对象选取方法和人脸解锁方法 | |
EP3241151A1 (en) | An image face processing method and apparatus | |
KR20150039252A (ko) | 행동 인식 기반의 응용 서비스 제공 장치 및 그 방법 | |
JP2009245338A (ja) | 顔画像照合装置 | |
CN108875556B (zh) | 用于人证核验的方法、装置、系统及计算机存储介质 | |
CN110945537A (zh) | 训练装置、识别装置、训练方法、识别方法和程序 | |
JP6773493B2 (ja) | 検出装置、検出方法、および検出プログラム | |
CN108389053B (zh) | 支付方法、装置、电子设备及可读存储介质 | |
JP2015197708A (ja) | オブジェクト識別装置、オブジェクト識別方法及びプログラム | |
WO2017000217A1 (zh) | 活体检测方法及设备、计算机程序产品 | |
CN110598571A (zh) | 活体检测方法、装置及计算机可读存储介质 | |
CN109726613B (zh) | 一种用于检测的方法和装置 | |
CN108921080A (zh) | 图像识别方法、装置及电子设备 | |
JP5694471B2 (ja) | 眼探索方法及び該方法を使用した眼状態検出装置と眼探索装置 | |
CN112132110A (zh) | 一种智能判断人体姿态的方法及看护设备 | |
EP3699865B1 (en) | Three-dimensional face shape derivation device, three-dimensional face shape deriving method, and non-transitory computer readable medium | |
JP6920949B2 (ja) | 物体分布推定装置 |
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 |