CN111222425A - 一种人脸五官定位的方法及装置 - Google Patents
一种人脸五官定位的方法及装置 Download PDFInfo
- Publication number
- CN111222425A CN111222425A CN201911369524.7A CN201911369524A CN111222425A CN 111222425 A CN111222425 A CN 111222425A CN 201911369524 A CN201911369524 A CN 201911369524A CN 111222425 A CN111222425 A CN 111222425A
- Authority
- CN
- China
- Prior art keywords
- infrared image
- color space
- facial
- positioning
- sense organs
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人脸五官定位的方法,包括:采集人脸的热红外图像;将所述热红外图像从RGB颜色空间转换为HSV颜色空间;将所述HSV颜色空间的热红外图像进行掩模处理,获取所述红外图像的面部轮廓;使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位,解决现有技术中,人脸五官定位准确性低的问题。
Description
技术领域
本申请涉及人工智能领域,具体涉及一种人脸五官定位的方法,同时涉及一种人脸五官定位的装置。
背景技术
中医是我们中华民族的瑰宝,是经过数千年很多代人不断完善的智慧结晶。随着时代的发展和社会的进步,以及中医治未病理念的深入人心,中医和现代科技相结合,产生了一系列的现代化成果。除了中药的现代化提取与制作,中医的诊断方法也在向着自动化、数字化的方向发展。正如《古今医统》所说:“望闻问切四字,诚为医之纲领。”即望闻问切组成了中医诊断的四诊。《灵枢·本脏篇》:“视其外应,以知其内脏,则知所病矣。”可知望诊具有非常重要的作用。望诊可以分为面诊和舌诊。《辨舌指南》:“辨舌质可辨脏腑的虚实,视舌苔可察六淫之浅深。”舌为心之苗,脾之外候,苔由胃气所生。脏腑通过经脉与舌相联,脏腑病变,可在舌质和舌苔上反映出来。舌诊主要诊断舌质和舌苔的形态、色泽等,以此判断疾病的性质、病势的浅深、气血的盛衰及脏腑的虚实等。
近几年,随着图像处理技术的逐步发展,机器学习和深度学习等人工智能技术的不断成熟,这些技术开始应用到中医诊断之中,并产生了多种方法。但是,现有技术中,面部定位大多借助于人工测量和后期处理,即使使用自动化技术,定位和分区的效果也欠佳,直接影响了后续诊断客观化的可行性与准确性。
发明内容
本申请提供一种人脸五官定位的方法,解决现有技术中,人脸五官定位准确性低的问题。
本申请提供一种人脸五官定位的方法,包括:
采集人脸的热红外图像;
将所述热红外图像从RGB颜色空间转换为HSV颜色空间;
将所述HSV颜色空间的热红外图像进行掩模处理,获取所述红外图像的面部轮廓;
使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位。
优选的,还包括:
使用面部黄金比例的关系对所述红外图像的面部轮廓的五官进行定位。
优选的,使用面部黄金比例的关系对所述红外图像的面部轮廓的五官进行定位,包括:
将额头高度的1/2作为头顶高度,进而按照面部黄金比例的关系,对所述红外图像的面部轮廓的五官进行定位。
优选的,将所述热红外图像从RGB颜色空间转换为HSV颜色空间,具体的包括:
将所述热红外图像使用opencv库的cvtColor函数从RGB颜色空间转换为HSV颜色空间。
优选的,将所述HSV颜色空间的热红外图像进行掩模处理,获取所述红外图像的面部轮廓,具体的包括:
将所述HSV颜色空间的热红外图像使用opencv库的inRange函数进行掩模处理,获取所述红外图像的面部轮廓。
优选的,使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位,包括:
将所述红外图像划分为多个网格,将所述多个网格的坐标作为BP神经网络的输入;
BP神经网络输出识别的五官的中心坐标,完成对所述红外图像的面部轮廓的五官进行定位。
本申请同时提供一种人脸五官定位的装置,包括:
采集单元,用于采集人脸的热红外图像;
转换单元,用于将所述热红外图像从RGB颜色空间转换为HSV颜色空间;
掩模处理单元,用于将所述HSV颜色空间的热红外图像进行掩模处理,获取所述红外图像的面部轮廓;
定位单元,用于使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位。
优选的,还包括:
定位单元,用于使用面部黄金比例的关系对所述红外图像的面部轮廓的五官进行定位。
优选的,转换单元,包括:
转换子单元,用于将所述热红外图像使用opencv库的cvtColor函数从RGB颜色空间转换为HSV颜色空间。
优选的,定位单元,包括:
划分子单元,用于将所述红外图像划分为多个网格,将所述多个网格的坐标作为BP神经网络的输入;
定位子单元,用于BP神经网络输出识别的五官的中心坐标,完成对所述红外图像的面部轮廓的五官进行定位,
本申请提供一种人脸五官定位的方法,通过将人脸的热红外图像从RGB颜色空间转换为HSV颜色空间,再将HSV颜色空间的热红外图像进行掩模处理,获取所述红外图像的面部轮廓,使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位,解决现有技术中,人脸五官定位准确性低的问题。
附图说明
图1是本申请提供的一种人脸五官定位的方法的流程示意图;
图2是本申请涉及的RGB颜色空间的热红外图像;
图3是本申请涉及的红外图像的面部轮廓图;
图4是本申请涉及的神经元的通用模型;
图5是本申请涉及的神经网络结构示意图;
图6是本申请涉及的面部黄金比例的关系图;
图7是本申请涉及的中医面诊分区图;
图8是本申请提供的一种人脸五官定位的装置示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
图1为本申请提供的一种人脸五官定位的方法的流程示意图,下面结合图1对本申请提供的方法进行详细说明。
步骤S101,采集人脸的热红外图像。
可以由专业人员使用红外热成像设备(红外热成像设备可同时拍摄可见光图像和热红外图像),正对被采集人面部,同时拍摄可见光图像(1440×1080)和拍摄热红外图像(1440×1080);热红外图像与温度数据相对应,由于温度数据分辨率比较低(160×120),即热红外图像中的一个区域(9×9)对应一个温度值,取值范围是-20℃至60℃。
本申请可以在只有一个红外摄像头的情况下工作,节省一个可见光摄像头的成本,直接从热红外图像上确定五官位置。
步骤S102,将所述热红外图像从RGB颜色空间转换为HSV颜色空间。
采集的热红外图像为RGB颜色空间的图像,如图2所示,RGB颜色空间是最熟悉的颜色空间,即三基色空间,任何一种颜色都可以由该三种颜色混合而成。然而一般对颜色空间的图像进行有效处理都是在HSV空间进行的,HSV(色调Hue,饱和度Saturation,亮度Value)是根据颜色的直观特性创建的一种颜色空间,也称六角锥体模型。所以,本申请将所述热红外图像从RGB颜色空间转换为HSV颜色空间,具体的,将所述热红外图像使用opencv库的cvtColor函数从RGB颜色空间转换为HSV颜色空间。
步骤S103,将所述HSV颜色空间的热红外图像进行掩模处理,获取所述红外图像的面部轮廓。
所述掩模处理,用选定的图像、图形或物体,对待处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。在本申请中,通过设置HSV图像亮度V的取值范围,获得掩模,然后调用opencv库的inRange函数进行掩模处理,获取所述红外图像的面部轮廓,如图3所示。
步骤S104,使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位。
BP神经网络是一种多层的前馈神经网络,其主要的特点是:信号是前向传播的,而误差是反向传播的。具体来说,对于只含一个隐层的神经网络模型。BP神经网络的过程主要分为两个阶段,第一阶段是信号的前向传播,从输入层经过隐含层,最后到达输出层;第二阶段是误差的反向传播,从输出层到隐含层,最后到输入层,依次调节隐含层到输出层的权重和偏置,输入层到隐含层的权重和偏置。
神经网络的基本组成单元是神经元。神经元的通用模型如图4所示,其中常用的激活函数有阈值函数、sigmoid函数和双曲正切函数。
神经元的输出为:
神经元输出
神经网络是将多个神经元按一定规则联结在一起而形成的网络,如图5所示。
从图5中可以看出,一个神经网络包括输入层、隐含层(中间层)和输出层。输入层神经元个数与输入数据的维数相同,输出层神经元个数与需要拟合的数据个数相同,隐含层神经元个数与层数就需要设计者自己根据一些规则和目标来设定。在深度学习出现之前,隐含层的层数通常为一层,即通常使用的神经网络是3层网络。
BP网络采用的传递函数是非线性变换函数——Sigmoid函数(又称S函数)。其特点是函数本身及其导数都是连续的,因而在处理上十分方便。
本申请使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位,包括:将所述红外图像划分为多个网格,将所述多个网格的坐标作为BP神经网络的输入;BP神经网络输出识别的五官的中心坐标,完成对所述红外图像的面部轮廓的五官进行定位。
构建BP神经网络需要先对大量人脸进行测量,采用99x100网格法(因为面部基本是左右对称的,所以采用奇数99,面部中线位于第50个纵格中),即把所有人脸的高度都归一化到100个方格高度;每个人脸的宽度可能会不同,记录下人脸左右边缘在每一行的位置,这100x2个数字作为BP神经网络的输入。同时,记录下双眼,鼻头,两个嘴角的位置,包括横纵坐标,这5x2个数字作为BP神经网络的输出。可以通过BP神经网络建立10个数学模型。即本环节的目的是用面部轮廓推测五官位置。
下面用左眼横坐标为例,详细叙述本申请的通过BP神经网络识别左眼位置的过程。
本申请采用单隐含层即s=1,隐含层节点个数为n1=20。输出层节点个数m=49,因为左眼只可能在左侧,所以取(99-1)/2=49。输出y1,y2,...,y49,当yi,1≤i≤49被激活时,表示左眼中心位于第i个纵格中,即横坐标为i。
上述10个神经网络的输入均相同,只有输出的取值范围略不相同:鼻子取横坐标中间三分之一,左眼和左嘴角取横坐标左侧二分之一,右眼和右嘴角取横坐标右侧二分之一,眼睛取纵坐标上部二分之一,鼻子取中间二分之一,嘴角取下部三分之一。
在获取红外图像的面部轮廓后,本申请还可以使用面部黄金比例的关系对所述红外图像的面部轮廓的五官进行定位,但是此方法受脸型的限制,只适用于面部黄金比例理想的脸型,所以具有局限性。而本申请提供的BP神经网络就不会受到脸型的限制。
使用面部黄金比例的关系,即按照“三庭五眼”的比例关系对所述红外图像的面部轮廓的五官进行定位。如图6所示。因为从热红外图像获得的头部区域会包含头顶部分(头发),把额头高度的1/2作为头顶高度,可以推算出五官的具体位置。
通过本申请提供的一种人脸五官定位的方法,完成对面部轮廓的五官定位之后,还可以根据定位出的五官按照一定关系可以计算出脏腑在面部的映射区,然后统计映射区的温度,结合中医红外面诊的经验知识,可以基本判断相应脏腑是热证或者寒证,从而为检测人体的健康状况提供依据。还可能参考中医面诊分区,实现更加准确的面诊分区算法。图7为中医面诊分区图,以及相关的文字描述。
本申请同时提供一种人脸五官定位的装置800,如图8所示,包括:
采集单元810,用于采集人脸的热红外图像;
转换单元820,用于将所述热红外图像从RGB颜色空间转换为HSV颜色空间;
掩模处理单元830,用于将所述HSV颜色空间的热红外图像进行掩模处理,获取所述红外图像的面部轮廓;
定位单元840,用于使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位。
优选的,还包括:
定位单元,用于使用面部黄金比例的关系对所述红外图像的面部轮廓的五官进行定位。
优选的,转换单元,包括:
转换子单元,用于将所述热红外图像使用opencv库的cvtColor函数从RGB颜色空间转换为HSV颜色空间。
优选的,定位单元,包括:
划分子单元,用于将所述红外图像划分为多个网格,将所述多个网格的坐标作为BP神经网络的输入;
定位子单元,用于BP神经网络输出识别的五官的中心坐标,完成对所述红外图像的面部轮廓的五官进行定位,
本申请提供一种人脸五官定位的方法,通过将人脸的热红外图像从RGB颜色空间转换为HSV颜色空间,再将HSV颜色空间的热红外图像进行掩模处理,获取所述红外图像的面部轮廓,使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位,解决现有技术中,人脸五官定位准确性低的问题。
最后应该说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种人脸五官定位的方法,其特征在于,包括:
采集人脸的热红外图像;
将所述热红外图像从RGB颜色空间转换为HSV颜色空间;
将所述HSV颜色空间的热红外图像进行掩模处理,获取所述红外图像的面部轮廓;
使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位。
2.根据权利要求1所述的方法,其特征在于,还包括:
使用面部黄金比例的关系对所述红外图像的面部轮廓的五官进行定位。
3.根据权利要求2所述的方法,其特征在于,使用面部黄金比例的关系对所述红外图像的面部轮廓的五官进行定位,包括:
将额头高度的1/2作为头顶高度,进而按照面部黄金比例的关系,对所述红外图像的面部轮廓的五官进行定位。
4.根据权利要求1所述的方法,其特征在于,将所述热红外图像从RGB颜色空间转换为HSV颜色空间,具体的包括:
将所述热红外图像使用opencv库的cvtColor函数从RGB颜色空间转换为HSV颜色空间。
5.根据权利要求1所述的方法,其特征在于,将所述HSV颜色空间的热红外图像进行掩模处理,获取所述红外图像的面部轮廓,具体的包括:
将所述HSV颜色空间的热红外图像使用opencv库的inRange函数进行掩模处理,获取所述红外图像的面部轮廓。
6.根据权利要求1所述的方法,其特征在于,使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位,包括:
将所述红外图像划分为多个网格,将所述多个网格的坐标作为BP神经网络的输入;
BP神经网络输出识别的五官的中心坐标,完成对所述红外图像的面部轮廓的五官进行定位。
7.一种人脸五官定位的装置,其特征在于,包括:
采集单元,用于采集人脸的热红外图像;
转换单元,用于将所述热红外图像从RGB颜色空间转换为HSV颜色空间;
掩模处理单元,用于将所述HSV颜色空间的热红外图像进行掩模处理,获取所述红外图像的面部轮廓;
定位单元,用于使用预先构建的BP神经网络对所述红外图像的面部轮廓的五官进行定位。
8.根据权利要求7所述的装置,其特征在于,还包括:
定位单元,用于使用面部黄金比例的关系对所述红外图像的面部轮廓的五官进行定位。
9.根据权利要求7所述的装置,其特征在于,转换单元,包括:
转换子单元,用于将所述热红外图像使用opencv库的cvtColor函数从RGB颜色空间转换为HSV颜色空间。
10.根据权利要求7所述的装置,其特征在于,定位单元,包括:
划分子单元,用于将所述红外图像划分为多个网格,将所述多个网格的坐标作为BP神经网络的输入;
定位子单元,用于BP神经网络输出识别的五官的中心坐标,完成对所述红外图像的面部轮廓的五官进行定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911369524.7A CN111222425A (zh) | 2019-12-26 | 2019-12-26 | 一种人脸五官定位的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911369524.7A CN111222425A (zh) | 2019-12-26 | 2019-12-26 | 一种人脸五官定位的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111222425A true CN111222425A (zh) | 2020-06-02 |
Family
ID=70830875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911369524.7A Pending CN111222425A (zh) | 2019-12-26 | 2019-12-26 | 一种人脸五官定位的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222425A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985374A (zh) * | 2020-08-12 | 2020-11-24 | 汉王科技股份有限公司 | 人脸定位方法、装置、电子设备及存储介质 |
CN112381065A (zh) * | 2020-12-07 | 2021-02-19 | 福建天创信息科技有限公司 | 一种人脸定位的方法及终端 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101793562A (zh) * | 2010-01-29 | 2010-08-04 | 中山大学 | 一种红外热图像序列的人脸检测与跟踪的算法 |
US20100328307A1 (en) * | 2009-06-25 | 2010-12-30 | Samsung Electronics Co., Ltd. | Image processing apparatus and method |
US20160295196A1 (en) * | 2015-04-03 | 2016-10-06 | Otis Elevator Company | Auto commissioning system and method |
CN106960202A (zh) * | 2017-04-11 | 2017-07-18 | 广西师范大学 | 一种基于可见光与红外图像融合的笑脸识别方法 |
CN108764071A (zh) * | 2018-05-11 | 2018-11-06 | 四川大学 | 一种基于红外和可见光图像的真实人脸检测方法及装置 |
CN109565576A (zh) * | 2016-08-15 | 2019-04-02 | 株式会社木村技研 | 安全管理系统 |
CN109783987A (zh) * | 2019-02-28 | 2019-05-21 | 华中科技大学 | 一种基于神经网络模型的机床误差数据拟合与预测方法 |
CN109784275A (zh) * | 2019-01-15 | 2019-05-21 | 安徽杰锐达智能科技有限公司 | 多点位人脸识别智能化辨识方法 |
CN110163078A (zh) * | 2019-03-21 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置及应用活体检测方法的服务系统 |
CN110298285A (zh) * | 2019-06-24 | 2019-10-01 | 北京史河科技有限公司 | 一种仪表识别方法、装置及计算机存储介质 |
-
2019
- 2019-12-26 CN CN201911369524.7A patent/CN111222425A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100328307A1 (en) * | 2009-06-25 | 2010-12-30 | Samsung Electronics Co., Ltd. | Image processing apparatus and method |
CN101793562A (zh) * | 2010-01-29 | 2010-08-04 | 中山大学 | 一种红外热图像序列的人脸检测与跟踪的算法 |
US20160295196A1 (en) * | 2015-04-03 | 2016-10-06 | Otis Elevator Company | Auto commissioning system and method |
CN109565576A (zh) * | 2016-08-15 | 2019-04-02 | 株式会社木村技研 | 安全管理系统 |
CN106960202A (zh) * | 2017-04-11 | 2017-07-18 | 广西师范大学 | 一种基于可见光与红外图像融合的笑脸识别方法 |
CN108764071A (zh) * | 2018-05-11 | 2018-11-06 | 四川大学 | 一种基于红外和可见光图像的真实人脸检测方法及装置 |
CN109784275A (zh) * | 2019-01-15 | 2019-05-21 | 安徽杰锐达智能科技有限公司 | 多点位人脸识别智能化辨识方法 |
CN109783987A (zh) * | 2019-02-28 | 2019-05-21 | 华中科技大学 | 一种基于神经网络模型的机床误差数据拟合与预测方法 |
CN110163078A (zh) * | 2019-03-21 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置及应用活体检测方法的服务系统 |
CN110298285A (zh) * | 2019-06-24 | 2019-10-01 | 北京史河科技有限公司 | 一种仪表识别方法、装置及计算机存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985374A (zh) * | 2020-08-12 | 2020-11-24 | 汉王科技股份有限公司 | 人脸定位方法、装置、电子设备及存储介质 |
CN111985374B (zh) * | 2020-08-12 | 2022-11-15 | 汉王科技股份有限公司 | 人脸定位方法、装置、电子设备及存储介质 |
CN112381065A (zh) * | 2020-12-07 | 2021-02-19 | 福建天创信息科技有限公司 | 一种人脸定位的方法及终端 |
CN112381065B (zh) * | 2020-12-07 | 2024-04-05 | 福建天创信息科技有限公司 | 一种人脸定位的方法及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109044322A (zh) | 一种非接触式心率变异性测量方法 | |
CN111222425A (zh) | 一种人脸五官定位的方法及装置 | |
CN109829880A (zh) | 一种基于深度学习的ct图像检测方法、装置和控制设备 | |
CN104688184B (zh) | 可见光皮肤图像的静脉显像方法 | |
EP4108164A1 (en) | Blood pressure prediction method and device | |
Wu et al. | Detecting dynamic behavior of brain fatigue through 3-d-CNN-LSTM | |
CN109637660B (zh) | 一种基于深度卷积神经网络的舌诊分析方法及系统 | |
CN109961436B (zh) | 一种基于人工神经网络模型的正中矢状平面构建方法 | |
CN109325938B (zh) | 一种基于光密度空间的中心化图像通道差的色素分离方法 | |
CN108154503A (zh) | 一种基于图像处理的白癜风病情诊断系统 | |
CN109859139B (zh) | 彩色眼底图像的血管增强方法 | |
CN112001122A (zh) | 基于端到端生成对抗网络的非接触式生理信号测量方法 | |
CN113470820A (zh) | 一种艾灸机器人智能控制方法 | |
CN112259240A (zh) | 一种舌诊寒热虚实数学模型 | |
CN111402243A (zh) | 黄斑中心凹识别方法及终端 | |
CN105030200A (zh) | 一种基于绿色单色光源的中医舌质舌苔分离方法 | |
CN112168180A (zh) | 一种基于两阶段空间映射的组织血氧成像检测方法 | |
Oiwa et al. | Feature extraction of blood pressure from facial skin temperature distribution using deep learning | |
CN109636864A (zh) | 一种基于颜色校正与深度卷积神经网络的舌分割方法及系统 | |
WO2016167459A1 (ko) | 심장박동에 따른 동공크기변화를 이용한 가상-아바타의 사회적 실재감 표현 방법 및 이를 적용하는 시스템 | |
CN103985113B (zh) | 舌像分割方法 | |
Nikolaiev et al. | Non-contact video-based remote photoplethysmography for human stress detection | |
CN109199334A (zh) | 一种基于深度神经网络的舌象体质辨别方法及设备 | |
CN107169399B (zh) | 一种人脸生物特征获取装置及方法 | |
CN112419246A (zh) | 量化食管粘膜IPCLs血管形态分布的深度检测网络 |
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 |