CN111241887B - 目标对象关键点识别方法及装置、电子设备和存储介质 - Google Patents
目标对象关键点识别方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111241887B CN111241887B CN201811446151.4A CN201811446151A CN111241887B CN 111241887 B CN111241887 B CN 111241887B CN 201811446151 A CN201811446151 A CN 201811446151A CN 111241887 B CN111241887 B CN 111241887B
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- key points
- key point
- associated object
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 26
- 230000009466 transformation Effects 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 20
- 210000005252 bulbus oculi Anatomy 0.000 claims description 12
- 210000001508 eye Anatomy 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 8
- 230000001902 propagating effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000008921 facial expression Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种目标对象关键点识别方法及装置、电子设备和存储介质,所述方法包括:在待识别图像中截取目标对象的区域图像;将区域图像输入识别模型,得到关联对象的状态信息和区域图像中目标对象的关键点;在关联对象的状态信息为开启的情况下,识别模型输出区域图像中目标对象的关键点;根据区域图像中目标对象的关键点,在待识别图像中确定所述目标对象的关键点。本公开实施例在关联对象的状态为开启时输出目标对象的关键点,可以使得目标对象的关键点的识别结果更加准确,也使得关键点识别结果的适用范围更广。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种目标对象关键点识别方法及装置、电子设备和存储介质。
背景技术
在图像处理技术领域,进行目标对象关键点识别的应用越来越多。传统的目标对象关键点识别方法识别出的目标对象关键点不完整,导致目标对象关键点的应用也受到限制。例如,可以利用人脸识别进行安全防护等。在传统的面部识别技术领域,面部关键点缺少精细信息,不能展现面部的完整特征,导致面部识别的应用范围窄。
发明内容
本公开提出了一种目标对象关键点识别技术方案。
根据本公开的一方面,提供了一种目标对象关键点识别方法,在关联对象的状态为开启的情况下,目标对象可见,所述方法包括:
在待识别图像中截取目标对象的区域图像;
将所述区域图像输入识别模型,得到关联对象的状态信息和所述区域图像中目标对象的关键点;
在所述关联对象的状态信息为开启的情况下,所述识别模型输出所述区域图像中目标对象的关键点;
根据所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点。
在一种可能的实现方式中,所述在待识别图像中截取目标对象的区域图像,包括:
在待识别图像中根据所述关联对象的关键点截取目标对象的区域图像
在一种可能的实现方式中,所述方法还包括:
根据所述区域图像和所述待识别图像确定变换矩阵;
所述根据所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点,包括:
根据所述变换矩阵和所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点。
在一种可能的实现方式中,所述将所述区域图像输入识别模型,得到所述关联对象的状态信息和所述区域图像中目标对象的关键点,包括:
将所述区域图像输入所述识别模型进行状态判断,得到所述关联对象的状态信息,所述状态信息包括开启和闭合;
将所述区域图像输入所述识别模型进行关键点识别,得到所述区域图像中目标对象的关键点。
在一种可能的实现方式中,所述方法还包括:
在所述关联对象的状态信息为闭合的情况下,输出所述关联对象的状态信息。
在一种可能的实现方式中,在所述关联对象为眼睛的情况下,所述目标对象为眼球,或在所述关联对象为嘴部的情况下,所述目标对象为舌头
在一种可能的实现方式中,所述舌头关键点包括舌根关键点、舌尖关键点、舌侧关键点、舌头与嘴部交界点。
在一种可能的实现方式中,所述识别模型利用标记了关联对象的状态和目标对象的关键点的样本图像训练得到。
在一种可能的实现方式中,所述识别模型的训练方法包括:
在样本图像中根据关联对象的关键点截取所述目标对象的样本区域图像;
将所述样本区域图像输入识别模型,得到所述关联对象的状态信息和所述目标对象的关键点识别结果;
在所述关联对象的状态信息为开启的情况下,所述识别模型输出所述目标对象的关键点识别结果;
根据所述目标对象的关键点识别结果、所述样本图像中目标对象的关键点标识和关联对象的状态标识,得到所述目标对象的识别结果的损失;
向所述识别模型反向传播所述识别损失的梯度,调整所述识别模型的参数。
在一种可能的实现方式中,所述方法还包括:
将原始图像进行旋转、平移、尺度变化中的至少一种处理,得到噪声图像;
根据所述原始图像和所述噪声图像得到所述样本图像。
根据本公开的一方面,提供了一种目标对象关键点识别装置,在关联对象的状态为开启的情况下,目标对象可见,所述装置包括:
区域图像截取模块,用于在待识别图像中截取目标对象的区域图像;
状态及关键点识别模块,用于将所述区域图像输入识别模型,得到关联对象的状态信息和所述区域图像中目标对象的关键点;
关键点输出模块,用于在所述关联对象的状态信息为开启的情况下,所述识别模型输出所述区域图像中目标对象的关键点;
关键点确定模块,用于根据所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点。
在一种可能的实现方式中,所述区域图像截取模块,包括:
关键点截取子模块,用于在待识别图像中根据所述关联对象的关键点截取目标对象的区域图像。
在一种可能的实现方式中,所述装置还包括:
变换矩阵确定模块,用于根据所述区域图像和所述待识别图像确定变换矩阵;
所述关键点确定模块,包括:
关键点确定子模块,用于根据所述变换矩阵和所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点。
在一种可能的实现方式中,所述状态及关键点识别模块,包括:
状态确定子模块,用于将所述区域图像输入所述识别模型进行状态判断,得到所述关联对象的状态信息,所述状态信息包括开启和闭合;
关键点确定子模块,用于将所述区域图像输入所述识别模型进行关键点识别,得到所述区域图像中目标对象的关键点。
在一种可能的实现方式中,所述装置还包括:
状态信息输出模块,用于在所述关联对象的状态信息为闭合的情况下,输出所述关联对象的状态信息。
在一种可能的实现方式中,在所述关联对象为眼睛的情况下,所述目标对象为眼球,或在所述关联对象为嘴部的情况下,所述目标对象为舌头。在一种可能的实现方式中,所述舌头关键点包括舌根关键点、舌尖关键点、舌侧关键点、舌头与嘴部交界点。
在一种可能的实现方式中,所述识别模型利用标记了关联对象的状态和目标对象的关键点的样本图像训练得到。
在一种可能的实现方式中,所述装置还包括训练模块,所述训练模块用于训练所述识别模型,所述训练模块包括:
样本区域图像截取子模块,用于在样本图像中根据关联对象的关键点截取所述目标对象的样本区域图像;
识别结果获取子模块,用于将所述样本区域图像输入识别模型,得到所述关联对象的状态信息和所述目标对象的关键点识别结果;
识别结果输出子模块,用于在所述关联对象的状态信息为开启的情况下,所述识别模型输出所述目标对象的关键点识别结果;
损失确定子模块,用于根据所述目标对象的关键点识别结果、所述样本图像中目标对象的关键点标识和关联对象的状态标识,得到所述目标对象的识别结果的损失;
反向传播子模块,用于向所述识别模型反向传播所述识别损失的梯度,调整所述识别模型的参数。
在一种可能的实现方式中,所述装置还包括:
噪声图像获取模块,用于将原始图像进行旋转、平移、尺度变化中的至少一种处理,得到噪声图像;
样本图像获取模块,用于根据所述原始图像和所述噪声图像得到所述样本图像。
根据本公开的一方面,提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行上述任意一项所述的方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述任意一项所述的方法。
在本公开实施例中,在待识别图像中截取目标对象的区域图像;将区域图像输入识别模型,得到关联对象的状态信息和区域图像中目标对象的关键点;在关联对象的状态信息为开启的情况下,识别模型输出区域图像中目标对象的关键点;根据区域图像中目标对象的关键点,在待识别图像中确定所述目标对象的关键点。在关联对象的状态为开启时输出目标对象的关键点,可以使得目标对象的关键点的识别结果更加准确,也使得关键点识别结果的适用范围更广。例如,当目标对象为眼球或舌头时,目标对象关键点的识别结果可以使得面部关键点更加丰富,可以适用于确定面部表情识别等更多的应用。
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,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的目标对象关键点识别方法的流程图;
图2示出根据本公开实施例的目标对象关键点识别方法的流程图;
图3示出根据本公开实施例的目标对象关键点识别方法中舌头关键点的示意图;
图4示出根据本公开实施例的目标对象关键点识别装置的框图;
图5是根据一示例性实施例示出的一种电子设备的框图;
图6是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“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。
本文中术语“和/或”,仅仅是一种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。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,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,以便于凸显本公开的主旨。
图1示出根据本公开实施例的目标对象关键点识别方法的流程图,在关联对象的状态为开启的情况下,目标对象可见,如图1所示,所述目标对象关键点识别方法包括:
步骤S10,在待识别图像中截取目标对象的区域图像。
在一种可能的实现方式中,待识别图像可以为利用各种类型的拍摄设备拍摄得到的图像。例如,可以利用单目摄像头、RGB摄像头、红外摄像头、近红外摄像头等各种视觉传感器拍摄待识别图像。待识别图像中可以包括人、动物、人形机器人等。
在一种可能的实现方式中,关联对象的状态与目标对象是否可见有关联。目标对象可以位于关联对象的内部或后方,当关联对象的状态为开启时,目标对象可见。当关联对象的状态为关闭时,目标对象不可见。
在一种可能的实现方式中,在待识别图像中,人、动物或人形机器人等可以包括面部。可以通过识别人、动物或人形机器人的面部,识别人、动物或人形机器人的名称、编号或属性等标识信息。关联对象和目标对象可以是人、动物或人形机器人的面部上的器官。
在一种可能的实现方式中,在所述关联对象为眼睛的情况下,所述目标对象为眼球,或在所述关联对象为嘴部的情况下,所述目标对象为舌头。
在一种可能的实现方式中,当关联对象为眼睛时,眼睛张开则眼球可见,眼睛闭合则眼球不可见。当关联对象为嘴部时,嘴部张开则舌头可见,嘴部闭合则舌头不可见。在利用人脸关键点进行面部识别时,眼球上的关键点,以及舌头上的关键点,都可以更加清楚的显示面部所属的对象的视线或舌头的动作,从而可以得到更加精确的面部表情识别结果。
在一种可能的实现方式中,步骤S10,包括:
在待识别图像中根据所述关联对象的关键点截取目标对象的区域图像。在一种可能的实现方式中,可以利用传统的关键点识别方法,确定待识别图像中关联对象的关键点。例如可以利用传统的面部关键点识别方法,确定待识别图像中的嘴部关键点或眼睛关键点。可以根据关联对象的关键点,在待识别图像中截取目标对象的区域图像。区域图像中包括关联对象的关键点,可以用于识别关联对象的状态。例如,可以根据嘴部的关键点在待识别图像中截取舌头的区域图像,区域图像中包括嘴部的关键点。也可以根据眼睛的关键点在待识别图像中截取眼球的区域图像,区域图像中包括眼睛的关键点。
在一种可能的实现方式中,当关联对象为嘴部时,目标对象为舌头。待识别图像中的舌头通常位于嘴部附件。可以在待识别图像中确定用于截取区域图像的嘴部的关键点。可以在识别模型的训练过程中预设嘴部的关键点的数量,根据训练好的识别模型,可以在待识别图像中确定预设数量的嘴部关键点。
在一种可能的实现方式中,嘴部关键点的数量可以不同,可以根据确定出的嘴部关键点得到嘴部,并利用嘴部的长度截取舌头的区域图像。可以根据嘴部的长度和截取长度权值确定截取长度,其中截取长度权值可以根据需求设定。可以以截取长度为边长截取矩形的舌头的区域图像,且在截取到的区域图像中,嘴部位于其中心位置。
步骤S20,将所述区域图像输入识别模型,得到所述关联对象的状态信息和所述区域图像中目标对象的关键点。
在一种可能的实现方式中,识别模型可以根据区域图像中关联对象的关键点确定关联对象的状态信息,确定关联对象的状态为开启还是闭合。识别模型也可以识别出区域图像中目标对象的关键点。
步骤S30,在所述关联对象的状态信息为开启的情况下,所述识别模型输出所述区域图像中目标对象的关键点。
在一种可能的实现方式中,在关联对象的状态为开启时,目标对象可见,目标对象关键点的识别结果准确,识别模型可以输出确定出的目标对象的关键点。在关联对象的状态为关闭时,目标对象不可见,目标对象关键点的识别结果不准确,识别模型可以不输出目标对象的关键点。
步骤S40,根据所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点。
在一种可能的实现方式中,在待识别图像中截取区域图像后,可以确定区域图像中各像素点的位置和待识别图像中与之对应的像素点的位置之间的对应关系。可以根据该对应关系和区域图像中目标对象的关键点的坐标值,在待识别图像中确定目标对象的关键点的坐标值,得到待识别图像中目标对象的关键点的位置,从而在待识别图像中确定目标对象的关键点。
在本实施例中,在待识别图像中截取目标对象的区域图像;将区域图像输入识别模型,得到关联对象的状态信息和区域图像中目标对象的关键点;在关联对象的状态信息为开启的情况下,识别模型输出区域图像中目标对象的关键点;根据区域图像中目标对象的关键点,在待识别图像中确定所述目标对象的关键点。在关联对象的状态为开启时输出目标对象的关键点,可以使得目标对象的关键点的识别结果更加准确,也使得关键点识别结果的适用范围更广。例如,当目标对象为眼球或舌头时,目标对象关键点的识别结果可以使得面部关键点更加丰富,可以适用于确定面部表情识别等更多的应用。
图2示出根据本公开实施例的目标对象关键点识别方法的流程图,如图2所示,所述方法还包括:
步骤S50,根据所述区域图像和所述待识别图像确定变换矩阵。
所述步骤S40,包括:
步骤S41,根据所述变换矩阵和所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点。
在一种可能的实现方式中,可以根据区域图像中的像素点和待识别图像中的像素点的映射关系,确定变换矩阵。可以根据变换矩阵,将区域图像中的关键点映射至待识别图像中,得到待识别图像中目标对象的关键点。例如,可以根据区域图像和所述待识别图像确定仿射变换矩阵。仿射变换是在几何上定义为两个向量空间之间的一个仿射变换,一个向量空间进行一次线性变换并接上一个平移,变换为另一个向量空间。可以根据仿射变换矩阵和区域图像中目标对象的关键点,在待识别图像中确定目标对象的关键点。
在本实施例中,根据区域图像和待识别图像确定变换矩阵,根据变换矩阵和区域图像中目标对象的关键点,在待识别图像中确定目标对象的关键点。变换矩阵可以方便地将区域图像中目标对象的关键点映射至待识别图像中,得到待识别图像中目标对象的关键点,使得待识别图像中目标对象的关键点的定位准确。
在一种可能的实现方式中,所述步骤S20,包括:
将所述区域图像输入所述识别模型进行状态判断,得到所述关联对象的状态信息,所述状态信息包括开启和闭合;
将所述区域图像输入所述识别模型进行关键点识别,得到所述区域图像中目标对象的关键点。
在一种可能的实现方式中,识别模型可以包括状态判断分支和关键点识别分支。其中,状态判断分支可以用于判断区域图像中的关联对象的状态,例如,状态判断分支可以判断区域图像中的嘴部的状态为开启还是闭合。状态判断分支可以包括卷积层、池化层及全连接层等。
在一种可能的实现方式中,关键点识别分支可以用于识别区域图像中目标对象的关键点。例如,关键点识别分支可以用于识别区域图像中的舌根关键点、舌尖关键点、舌侧关键点、舌头与嘴部交界点。关键点识别分支可以包括卷积层、池化层及全连接层等。本公开对状态判断分支和关键点识别分支的结构不做限定。
图3示出根据本公开实施例的目标对象关键点识别方法中舌头关键点的示意图,如图3所示,利用本公开实施例中的方法,识别模型中状态判断分支识别出嘴部的状态为开启,识别模型中关键点识别分支识别出的舌头关键点包括:1号点为舌尖关键点,2号点和3号点为舌头与嘴部交界点,4号点与5号点为舌根关键点,6号点为舌侧关键点中的舌头左边缘中点,7号点为舌侧关键点中的舌头右边缘中点。
在本实施例中,识别模型包括状态判断分支和关键点识别分支。状态判断分支的结果和关键点识别分支的结果配合使用,可以使得目标对象的关键点的输出结果更加准确。
在一种可能的实现方式中,所述方法还包括:
在所述关联对象的状态信息为闭合的情况下,输出所述关联对象的状态信息。
在一种可能的实现方式中,当状态判断分支确定出关联对象的状态为闭合时,目标对象不可见,关键点识别分支识别出的目标对象的关键点不准确。例如,状态判断分支确定出的嘴部的状态为闭合时,舌头不可见,关键点识别分支识别出的舌头关键点的识别结果不准确,不能被有效的用于后续处理,此时,可以输出关联对象的状态信息,即输出嘴部的状态为闭合。
在本实施例中,在关联对象的状态信息为闭合的情况下,输出关联对象的状态信息。可以使得本公开实施例目标对象的关键点识别方法的适用范围更广。
在一种可能的实现方式中,所述识别模型利用标记了关联对象的状态和目标对象的关键点的样本图像训练得到。
在一种可能的实现方式中,所述识别模型的训练方法包括:
在样本图像中根据关联对象的关键点截取所述目标对象的样本区域图像;
将所述样本区域图像输入识别模型,得到所述关联对象的状态识别信息和所述目标对象的关键点识别结果;
在所述关联对象的状态识别信息为开启的情况下,所述识别模型输出所述目标对象的关键点识别结果;
根据所述关联对象的状态识别信息、所述目标对象的关键点识别结果、所述样本图像中目标对象的关键点标识和关联对象的状态标识,得到所述目标对象的识别结果的损失;
向所述识别模型反向传播所述识别损失的梯度,调整所述识别模型的参数。
在一种可能的实现方式中,可以在样本图像中检测得到关联对象的关键点,根据关联对象的关键点截取目标对象的区域图像。例如可以在样本图像中检测得到嘴部的关键点。可以根据嘴部的关键点截取舌头的样本区域图像。
在一种可能的实现方式中,可以将区域图像输入识别模型中的状态判断分支,得到关联对象的状态识别信息。关联对象的状态识别信息包括开启和闭合。可以将区域图像输入识别模型中的关键点识别分支,得到目标对象的关键点识别结果。
在一种可能的实现方式中,可以根据关联对象的状态识别结果和样本图像中关联对象的状态标识、以及根据目标对象的关键点识别结果和样本区域图像中的目标对象的关键点标识,得到目标对象的识别结果的损失。
在一种可能的实现方式中,可以向识别模型反向传播目标对象的识别结果的损失的梯度,调整识别模型的参数。可以利用调整参数后的识别模型进行下一次训练,可以在达到预设的迭代次数,或识别模型满足设定的收敛条件时,停止训练,得到训练好的识别模型。
在本实施例中,可以根据关联对象的状态识别结果和样本图像中关联对象的状态标识、以及根据目标对象的关键点识别结果和样本区域图像中的目标对象的关键点标识,得到目标对象的识别结果的损。可以反向传播目标对象的识别结果的损失的梯度,调整识别模型的参数,以完成识别模型的训练。在识别模型中利用目标对象的识别结果的损失进行反向传播,可以使得训练后的识别模型的识别结果更加准确。
在一种可能的实现方式中,所述方法还包括:
将原始图像进行旋转、平移、尺度变化中的至少一种处理,得到噪声图像;
根据所述原始图像和所述噪声图像得到所述样本图像。
在一种可能的实现方式中,可以将原始图像进行极小角度的旋转,极小距离的平移、尺度放大、尺度缩小等操作后,在样本图像中引入噪声得到噪声图像。可以根据噪声图像和原始图像得到样本图像,噪声图像可以扩大样本图像的数据集。
在本实施例中,根据原始图像得到噪声图像,再根据原始图像和噪声图像组成样本图像对神经网络的训练过程,可以使得训练好的识别模型提取到的特征的稳定性强,能够适应复杂场景的应用,得到的识别结果也更加准确。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
图4示出根据本公开实施例的目标对象关键点识别装置的框图,在关联对象的状态为开启的情况下,目标对象可见,如图4所示,所述目标对象关键点识别装置,包括:
区域图像截取模块10,用于在待识别图像中截取目标对象的区域图像;
状态及关键点识别模块20,用于将所述区域图像输入识别模型,得到关联对象的状态信息和所述区域图像中目标对象的关键点;
关键点输出模块30,用于在所述关联对象的状态信息为开启的情况下,所述识别模型输出所述区域图像中目标对象的关键点;
关键点确定模块40,用于根据所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点。
在一种可能的实现方式中,所述区域图像截取模块,包括:
关键点截取子模块,用于在待识别图像中根据所述关联对象的关键点截取目标对象的区域图像。
在一种可能的实现方式中,所述装置还包括:
变换矩阵确定模块,用于根据所述区域图像和所述待识别图像确定变换矩阵;
所述关键点确定模块,包括:
关键点确定子模块,用于根据所述变换矩阵和所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点。
在一种可能的实现方式中,所述状态及关键点识别模块,包括:
状态确定子模块,用于将所述区域图像输入所述识别模型进行状态判断,得到所述关联对象的状态信息,所述状态信息包括开启和闭合;
关键点确定子模块,用于将所述区域图像输入所述识别模型进行关键点识别,得到所述区域图像中目标对象的关键点。
在一种可能的实现方式中,所述装置还包括:
状态信息输出模块,用于在所述关联对象的状态信息为闭合的情况下,输出所述关联对象的状态信息。
在一种可能的实现方式中,在所述关联对象为眼睛的情况下,所述目标对象为眼球,或在所述关联对象为嘴部的情况下,所述目标对象为舌头。在一种可能的实现方式中,所述舌头关键点包括舌根关键点、舌尖关键点、舌侧关键点、舌头与嘴部交界点。
在一种可能的实现方式中,所述识别模型利用标记了关联对象的状态和目标对象的关键点的样本图像训练得到。
在一种可能的实现方式中,所述装置还包括训练模块,所述训练模块用于训练所述识别模型,所述训练模块包括:
样本区域图像截取子模块,用于在样本图像中根据关联对象的关键点截取所述目标对象的样本区域图像;
识别结果获取子模块,用于将所述样本区域图像输入识别模型,得到所述关联对象的状态信息和所述目标对象的关键点识别结果;
识别结果输出子模块,用于在所述关联对象的状态信息为开启的情况下,所述识别模型输出所述目标对象的关键点识别结果;
损失确定子模块,用于根据所述目标对象的关键点识别结果、所述样本图像中目标对象的关键点标识和关联对象的状态标识,得到所述目标对象的识别结果的损失;
反向传播子模块,用于向所述识别模型反向传播所述识别损失的梯度,调整所述识别模型的参数。
在一种可能的实现方式中,所述装置还包括:
噪声图像获取模块,用于将原始图像进行旋转、平移、尺度变化中的至少一种处理,得到噪声图像;
样本图像获取模块,用于根据所述原始图像和所述噪声图像得到所述样本图像。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5是根据一示例性实施例示出的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图5,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图6是根据一示例性实施例示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图6,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (16)
1.一种目标对象关键点识别方法,其特征在于,在关联对象的状态为开启的情况下,目标对象可见,在所述关联对象为眼睛的情况下,所述目标对象为眼球,或在所述关联对象为嘴部的情况下,所述目标对象为舌头,所述方法包括:
在待识别图像中截取目标对象的区域图像;
将所述区域图像输入识别模型,得到关联对象的状态信息和所述区域图像中目标对象的关键点,所述识别模型利用标记了关联对象的状态和目标对象的关键点的样本图像训练得到;
在所述关联对象的状态信息为开启的情况下,所述识别模型输出所述区域图像中目标对象的关键点;
根据所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点;
其中,所述在待识别图像中截取目标对象的区域图像,包括:
确定待识别图像中所述关联对象的关键点;
在待识别图像中根据所述关联对象的关键点截取目标对象的区域图像。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述区域图像和所述待识别图像确定变换矩阵;
所述根据所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点,包括:
根据所述变换矩阵和所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点。
3.根据权利要求1或2所述的方法,其特征在于,所述将所述区域图像输入识别模型,得到所述关联对象的状态信息和所述区域图像中目标对象的关键点,包括:
将所述区域图像输入所述识别模型进行状态判断,得到所述关联对象的状态信息,所述状态信息包括开启和闭合;
将所述区域图像输入所述识别模型进行关键点识别,得到所述区域图像中目标对象的关键点。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在所述关联对象的状态信息为闭合的情况下,输出所述关联对象的状态信息。
5.根据权利要求1所述的方法,其特征在于,舌头关键点包括舌根关键点、舌尖关键点、舌侧关键点、舌头与嘴部交界点。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述识别模型的训练方法包括:
在样本图像中根据关联对象的关键点截取所述目标对象的样本区域图像;
将所述样本区域图像输入识别模型,得到所述关联对象的状态信息和所述目标对象的关键点识别结果;
在所述关联对象的状态信息为开启的情况下,所述识别模型输出所述目标对象的关键点识别结果;
根据所述目标对象的关键点识别结果、所述样本图像中目标对象的关键点标识和关联对象的状态标识,得到所述目标对象的识别结果的损失;
向所述识别模型反向传播识别损失的梯度,调整所述识别模型的参数。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
将原始图像进行旋转、平移、尺度变化中的至少一种处理,得到噪声图像;
根据所述原始图像和所述噪声图像得到所述样本图像。
8.一种目标对象关键点识别装置,其特征在于,在关联对象的状态为开启的情况下,目标对象可见,在所述关联对象为眼睛的情况下,所述目标对象为眼球,或在所述关联对象为嘴部的情况下,所述目标对象为舌头,所述装置包括:
区域图像截取模块,用于在待识别图像中截取目标对象的区域图像;
状态及关键点识别模块,用于将所述区域图像输入识别模型,得到关联对象的状态信息和所述区域图像中目标对象的关键点,所述识别模型利用标记了关联对象的状态和目标对象的关键点的样本图像训练得到;
关键点输出模块,用于在所述关联对象的状态信息为开启的情况下,所述识别模型输出所述区域图像中目标对象的关键点;
关键点确定模块,用于根据所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点;
其中,所述区域图像截取模块,包括:
关键点截取子模块,用于确定待识别图像中所述关联对象的关键点;在待识别图像中根据所述关联对象的关键点截取目标对象的区域图像。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
变换矩阵确定模块,用于根据所述区域图像和所述待识别图像确定变换矩阵;
所述关键点确定模块,包括:
关键点确定子模块,用于根据所述变换矩阵和所述区域图像中目标对象的关键点,在所述待识别图像中确定所述目标对象的关键点。
10.根据权利要求8或9所述的装置,其特征在于,所述状态及关键点识别模块,包括:
状态确定子模块,用于将所述区域图像输入所述识别模型进行状态判断,得到所述关联对象的状态信息,所述状态信息包括开启和闭合;
关键点确定子模块,用于将所述区域图像输入所述识别模型进行关键点识别,得到所述区域图像中目标对象的关键点。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
状态信息输出模块,用于在所述关联对象的状态信息为闭合的情况下,输出所述关联对象的状态信息。
12.根据权利要求8所述的装置,其特征在于,舌头关键点包括舌根关键点、舌尖关键点、舌侧关键点、舌头与嘴部交界点。
13.根据权利要求8至12中任一项所述的装置,其特征在于,所述装置还包括训练模块,所述训练模块用于训练所述识别模型,所述训练模块包括:
样本区域图像截取子模块,用于在样本图像中根据关联对象的关键点截取所述目标对象的样本区域图像;
识别结果获取子模块,用于将所述样本区域图像输入识别模型,得到所述关联对象的状态信息和所述目标对象的关键点识别结果;
识别结果输出子模块,用于在所述关联对象的状态信息为开启的情况下,所述识别模型输出所述目标对象的关键点识别结果;
损失确定子模块,用于根据所述目标对象的关键点识别结果、所述样本图像中目标对象的关键点标识和关联对象的状态标识,得到所述目标对象的识别结果的损失;
反向传播子模块,用于向所述识别模型反向传播识别损失的梯度,调整所述识别模型的参数。
14.根据权利要求13所述的装置,其特征在于,所述装置还包括:
噪声图像获取模块,用于将原始图像进行旋转、平移、尺度变化中的至少一种处理,得到噪声图像;
样本图像获取模块,用于根据所述原始图像和所述噪声图像得到所述样本图像。
15.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1至7中任意一项所述的方法。
16.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811446151.4A CN111241887B (zh) | 2018-11-29 | 2018-11-29 | 目标对象关键点识别方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811446151.4A CN111241887B (zh) | 2018-11-29 | 2018-11-29 | 目标对象关键点识别方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111241887A CN111241887A (zh) | 2020-06-05 |
CN111241887B true CN111241887B (zh) | 2024-04-16 |
Family
ID=70872555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811446151.4A Active CN111241887B (zh) | 2018-11-29 | 2018-11-29 | 目标对象关键点识别方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111241887B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798551B (zh) * | 2020-07-20 | 2024-06-04 | 网易(杭州)网络有限公司 | 虚拟表情生成方法及装置 |
CN111860388A (zh) * | 2020-07-27 | 2020-10-30 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN112785850A (zh) * | 2020-12-29 | 2021-05-11 | 上海眼控科技股份有限公司 | 车辆变道未打灯的识别方法及装置 |
CN112613466A (zh) * | 2020-12-30 | 2021-04-06 | 深兰盛视科技(苏州)有限公司 | 基于同一传感器的身份识别方法、装置、设备及存储介质 |
CN113470103B (zh) * | 2021-06-29 | 2023-11-24 | 阿波罗智联(北京)科技有限公司 | 车路协同中相机作用距离确定方法、装置和路侧设备 |
CN113449718A (zh) * | 2021-06-30 | 2021-09-28 | 平安科技(深圳)有限公司 | 关键点定位模型的训练方法、装置和计算机设备 |
CN115661142B (zh) * | 2022-12-14 | 2023-03-28 | 广东工业大学 | 一种基于关键点检测的舌诊图像处理方法、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799868A (zh) * | 2012-07-10 | 2012-11-28 | 吉林禹硕动漫游戏科技股份有限公司 | 人脸面部关键表情识别方法 |
CN106339680A (zh) * | 2016-08-25 | 2017-01-18 | 北京小米移动软件有限公司 | 人脸关键点定位方法及装置 |
CN108171244A (zh) * | 2016-12-07 | 2018-06-15 | 北京深鉴科技有限公司 | 对象识别方法和系统 |
CN108205655A (zh) * | 2017-11-07 | 2018-06-26 | 北京市商汤科技开发有限公司 | 一种关键点预测方法、装置、电子设备及存储介质 |
CN108229305A (zh) * | 2017-11-21 | 2018-06-29 | 北京市商汤科技开发有限公司 | 用于确定目标对象的外接框的方法、装置和电子设备 |
CN108307108A (zh) * | 2018-01-16 | 2018-07-20 | 维沃移动通信有限公司 | 一种拍照控制方法及移动终端 |
CN108537160A (zh) * | 2018-03-30 | 2018-09-14 | 平安科技(深圳)有限公司 | 基于微表情的风险识别方法、装置、设备及介质 |
CN108876858A (zh) * | 2018-07-06 | 2018-11-23 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170032172A1 (en) * | 2015-07-29 | 2017-02-02 | Hon Hai Precision Industry Co., Ltd. | Electronic device and method for splicing images of electronic device |
-
2018
- 2018-11-29 CN CN201811446151.4A patent/CN111241887B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799868A (zh) * | 2012-07-10 | 2012-11-28 | 吉林禹硕动漫游戏科技股份有限公司 | 人脸面部关键表情识别方法 |
CN106339680A (zh) * | 2016-08-25 | 2017-01-18 | 北京小米移动软件有限公司 | 人脸关键点定位方法及装置 |
CN108171244A (zh) * | 2016-12-07 | 2018-06-15 | 北京深鉴科技有限公司 | 对象识别方法和系统 |
CN108205655A (zh) * | 2017-11-07 | 2018-06-26 | 北京市商汤科技开发有限公司 | 一种关键点预测方法、装置、电子设备及存储介质 |
CN108229305A (zh) * | 2017-11-21 | 2018-06-29 | 北京市商汤科技开发有限公司 | 用于确定目标对象的外接框的方法、装置和电子设备 |
CN108307108A (zh) * | 2018-01-16 | 2018-07-20 | 维沃移动通信有限公司 | 一种拍照控制方法及移动终端 |
CN108537160A (zh) * | 2018-03-30 | 2018-09-14 | 平安科技(深圳)有限公司 | 基于微表情的风险识别方法、装置、设备及介质 |
CN108876858A (zh) * | 2018-07-06 | 2018-11-23 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法和装置 |
Non-Patent Citations (1)
Title |
---|
动画制作中面部关键点的表情捕捉技术;郑立国;孙亦南;;吉林大学学报(工学版)(S1);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111241887A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111241887B (zh) | 目标对象关键点识别方法及装置、电子设备和存储介质 | |
CN110674719B (zh) | 目标对象匹配方法及装置、电子设备和存储介质 | |
CN108764069B (zh) | 活体检测方法及装置 | |
CN109816764B (zh) | 图像生成方法及装置、电子设备和存储介质 | |
CN107692997B (zh) | 心率检测方法及装置 | |
CN111553864B (zh) | 图像修复方法及装置、电子设备和存储介质 | |
CN109934275B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110991327A (zh) | 交互方法及装置、电子设备和存储介质 | |
CN107944447B (zh) | 图像分类方法及装置 | |
CN110287671B (zh) | 验证方法及装置、电子设备和存储介质 | |
CN110928627B (zh) | 界面展示方法及装置、电子设备和存储介质 | |
CN112991553B (zh) | 信息展示方法及装置、电子设备和存储介质 | |
CN111243011A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN110889382A (zh) | 虚拟形象渲染方法及装置、电子设备和存储介质 | |
CN110532957B (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
CN109543536B (zh) | 图像标识方法及装置、电子设备和存储介质 | |
CN110532956B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112597944B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN112270288A (zh) | 活体识别、门禁设备控制方法和装置、电子设备 | |
CN112184787A (zh) | 图像配准方法及装置、电子设备和存储介质 | |
CN110909203A (zh) | 视频分析方法及装置、电子设备和存储介质 | |
CN114581525A (zh) | 姿态确定方法及装置、电子设备和存储介质 | |
CN111553865B (zh) | 图像修复方法及装置、电子设备和存储介质 | |
CN112613447A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN111507131B (zh) | 活体检测方法及装置、电子设备和存储介质 |
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 |