CN111241928B - 人脸识别底库优化方法、系统、设备、可读存储介质 - Google Patents

人脸识别底库优化方法、系统、设备、可读存储介质 Download PDF

Info

Publication number
CN111241928B
CN111241928B CN201911387795.5A CN201911387795A CN111241928B CN 111241928 B CN111241928 B CN 111241928B CN 201911387795 A CN201911387795 A CN 201911387795A CN 111241928 B CN111241928 B CN 111241928B
Authority
CN
China
Prior art keywords
picture
pictures
similarity
credibility
threshold value
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
Application number
CN201911387795.5A
Other languages
English (en)
Other versions
CN111241928A (zh
Inventor
叶欣杰
翁美娜
何学智
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Newland Digital Technology Co ltd
Original Assignee
Newland Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Newland Digital Technology Co ltd filed Critical Newland Digital Technology Co ltd
Priority to CN201911387795.5A priority Critical patent/CN111241928B/zh
Publication of CN111241928A publication Critical patent/CN111241928A/zh
Application granted granted Critical
Publication of CN111241928B publication Critical patent/CN111241928B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174Facial expression recognition
    • G06V40/175Static expression
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种人脸识别底库优化方法、系统、设备及可读存储介质。构建底库时,对底库照片通过分类器将底库图片分类,并对底库图片进行可信度分级;采集新图片,将新图片与第一级可信度图片进行相似度检测,当其相似度大于阈值一时,则将新图片更新入底库中,并进行分类;当相似度小于阈值一时,将新图片与第二级可信度图片进行相似度检测,当其数值大于阈值二时则将新图片更新入底库中,并进行分类;当新图片与第二级可信度图片间相似度小于阈值二时则结束任务。本技术方案提高了人脸识别算法在应用中的准确率,与现有方法相比,无需重新训练模型,不需要使用特种摄像头,无需进行人工干预,就可以低成本地有效提升人脸识别准确度。

Description

人脸识别底库优化方法、系统、设备、可读存储介质
技术领域
本发明涉及图像识别技术领域,特别涉及一种人脸识别底库优化方法、系统、设备、可读存储介质。
背景技术
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。目前的人脸识别算法大多是采用将人脸图片转为特征向量后计算距离的方式进行人脸识别,即基于两张图片的相似度进行人脸比对。此方式在现实环境的应用中有一定的局限性,如同一个人,在不同光照、不同角度、不同时间采集的人脸图片会有一定的差异,在佩戴耳机、口罩等情况下因为人脸图像的遮挡等等也会导致算法的识别率和准确率下降。为解决上述问题,现有的解决方法有以下三种:
一种解决办法是针对场景重新训练模型,但是这种方法受限于特定场景的数据量,且模型本身对于一些质量较差图片的识别本身也是一个难点,即很难满足如侧脸、光照等条件下的识别,同时也很难做到实时更新。第二种解决办法是通过采集3D影像、或是使用结构光等技术提升采集图片的质量,但这种方法对于硬件的要求较高,通常需要专门的摄像头或是多个摄像头协同来实现。第三种解决办法是通过人工将底库图片进行更新或扩充,这种方法需要一定的人工成本,同时,在数据量大的情况下,也很难做到全面、及时的更新。
发明内容
本发明要解决的技术问题是如何提供一种成本低的优化人脸识别准确率的人脸识别底库优化方法、系统、设备、可读存储介质。
为了解决上述技术问题,本发明的技术方案为:
第一方面,本发明提出了一种人脸识别底库优化方法,包括步骤:
构建底库,导入初始图片,通过分类器将底库图片分类为:元图片、优质图片、侧脸图片及遮挡图片;
对底库图片进行可信度分级,第一级可信度包括所述元图片,第二级可信度包括所述优质图片;
采集新图片,将所述新图片与第一级可信度图片进行相似度检测,当其相似度大于阈值一时,则将所述新图片更新入底库中,并进行分类;
当与第一级可信度图片间的相似度小于阈值一时,将所述新图片与第二级可信度图片进行相似度检测,当相似度大于阈值二时则将所述新图片更新入底库中,并进行分类;
当所述新图片与第二级可信度图片间相似度小于阈值二时则结束任务。
优选地,将所述新图片与第一级可信度图片进行相似度检测,当相似度小于阈值一时,将相似度与阈值三进行比对,当相似度小于阈值三时结束任务,阈值三小于阈值一。
优选地,对于更新入底库中的新图片,定期统计预设时间内的与元图片之间的相似度值的平均值,如平均值高于阈值一,则不更新阈值一,如平均值低于阈值一,则将平均值与阈值一做平均运算后所获得的值作为新的阈值一。
优选地,在对底库图片进行可信度分级时,还包括第三级可信度;所述第三级可信度的图片包括:侧脸图片及遮挡图片中与元图片的相似度大于一预设值的图片、由元图片或优质图片通过图像数据增广算法生成的图片。
优选地,通过用姿态检测算法、模糊检测算法、光照检测算法、遮挡识别算法来对底库图片进行分类。
优选地,同一级的可信度的图片中,按照图片与所述元图片之间的相似度高低进行可信度排序,相似度高的图片的可信度高于相似度低的图片的可信度。
优选地,同一级的可信度的图片中,按照图片的获取时间先后进行可信度排序,在后获得的图片的可信度高于在先获得的图片的可信度。
优选地:所述元图片定期更新;且当获得更新反馈时,立即更新所述元图片。
第二方面,本发明还提出一种人脸识别底库优化系统,包括:
分类器:导入初始图片时,通过分类器将底库图片分类为:元图片、优质图片、侧脸图片及遮挡图片;
分级模块:对底库图片进行可信度分级,第一级可信度包括所述元图片,第二级可信度包括所述优质图片;
第一级比对模块:将采集的新图片与第一级可信度图片进行相似度检测,当其相似度大于阈值一时,则将所述新图片更新入底库中,并进行分类;
第二级比对模块:当与第一级可信度图片间的相似度小于阈值一时,将所述新图片与第二级可信度图片进行相似度检测,当相似度大于阈值二时则将所述新图片更新入底库中;当所述新图片与第二级可信度图片间相似度小于阈值二时则结束任务。
第三方面,本发明提出一种人脸识别底库优化设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的人脸识别底库优化方法的步骤。
第四方面,本发明提出一种人脸识别底库优化的可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时间实现上述的人脸识别底库优化方法的步骤。
采用上述技术方案,对底库图片进行分类、分级,获得初始的底库,再通过采集多张用户的新图片,将新图片先与可信度高的元图片进行比对,将通过的图片更新入底库中,将不通过的图片再与可信度次高的优质图片进行比对,将通过图片也更新入底库中,并进行分类,进而实现定时的底库图片优化更新。采用本方案,能一定程度上克服在不同光照、角度和时间采集图片的差异性,提升识别性能;不需要增加硬件成本、人工成本,性价比高;可适配任意场景,不需要针对场景做专门优化,迁移性强,自动化程度高。
附图说明
图1为本发明人脸识别底库优化方法一实施例的步骤流程图;
图2为本发明人脸识别底库优化系统一实施例的原理图;
图3为本发明人脸识别底库优化方法另一实施例的步骤流程图。
图中,10-分类器,20-分级模块,30-相似度模块,40-第一级比对模块,50-第二级比对模块,60-阈值更新模块。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是,对于这些实施方式的说明用于帮助理解本发明,但并不构成对本发明的限定。此外,下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
参照图1及图3,本发明提出了一种人脸识别底库优化方法,包括步骤:
S10:构建底库,导入初始图片,通过分类器将底库图片分类为:
元图片,在最开始人为添加的正脸清晰近期图片,后续通过人工验证添加的图片都在这个分类下;
优质图片,与元图片相似度高,无模糊、良好光照、角度接近正脸的图片,本实施例中采用2-3张;
侧脸图片,与元图片或优质图片比对在一定阈值范围内的非正脸各个角度的图片,通常为实际采集的图片,少部分为算法依据元图片或优质图片自动生成的图片,本实施例中为3-4张;
遮挡图片,与元图片或优质图片比对在一定阈值范围内的存在遮挡的图片,通常为实际采集的图片,少部分为算法依据元图片或优质图片自动生成的图片,本实施例中采用3张以内。
本方法中,通过用姿态检测算法、模糊检测算法、光照检测算法、遮挡识别算法来对底库图片进行检测,进而进行分类。
S20:对底库图片进行可信度分级,第一级可信度包括元图片,第二级可信度包括优质图片;
具体地,所述元图片定期更新;且当获得更新反馈时,立即更新所述元图片。
需要说明的是,为了保障元图片的有效性和及时性,元图片的置信度随时间下降,当到达预定的时间间隔时,将元图片更新为新图片。此外,当系统获得元图片不准确的反馈时,立即对元图片进行更新,以去除错误的图片,保障人脸识别的准确性。
在对底库图片进行可信度分级时,还包括第三级可信度;第三级可信度的图片包括:侧脸图片及遮挡图片中与元图片的相似度大于一预设值的图片、由元图片或优质图片通过图像数据增广算法生成的图片。
需要说明的是,本发明实施例中,同一级的可信度的图片中,按照图片与元图片之间的相似度高低进行可信度排序,相似度高的图片的可信度高于相似度低的图片的可信度。
对于相近相似度(以范围为0-1为例,相差范围在0.01之内的我们认为是相近相似度)的图片,按照图片的获取时间先后进行可信度排序,在后获得的图片的可信度高于在先获得的图片的可信度。
S30:采集新图片,在需要进行人脸比对或是查找时,通过终端设备采集目标图片,对图片通过人脸检测、对齐算法进行初步处理,将裁切转正后的人脸图片通过相同的特征提取算法提取出特征向量,同时采集目标的前后三秒共60帧图片。将新图片与元图片进行相似度检测,当其相似度大于阈值一时,则将新图片更新入底库中,并进行分类,并将底库中该类图片的最差或是最老的备选删除;当相似度小于阈值一时,将相似度与阈值三进行比对,当相似度小于阈值三时结束任务,需要说明的是,阈值三的值小于阈值一的值。
需要说明的是,为了避免阈值一偏离过大,更新后的阈值一不低于预设的阈值四,在本发明实施例中,更新后的阈值一不应低于初始阈值的百分之九十。
需要说明的是,本发明实施例中,阈值一的初始值为0.4,而阈值三的初始值为阈值一的0.9倍,本实施例中为0.36。
S40:当与元图片间的相似度小于阈值一时,将新图片与优质图片进行相似度检测,当相似度大于阈值二时则将新图片更新入底库中,并进行分类;
S50:当新图片与优质图片间相似度小于阈值二时则结束任务。
在系统运行初期,做底库目标的统计,对频繁出现的在阈值左右徘徊的识别目标,采用上述更新策略。其次,对于采集的图片,只有在识别出目标之后做图片上传或本地处理,其余情形直接进行删除。更新时机为服务器请求较少、带宽占用不高的时机。
本方法中还包括定期的阈值更新方法:对于更新入底库中的新图片,定期统计预设时间内的与元图片之间的相似度值的平均值,如平均值高于阈值一,则不更新阈值一,如平均值低于阈值一,则将平均值与阈值一做平均运算后所获得的值作为新的阈值一。
采用上述技术方案,对底库图片进行分类、分级,获得初始的底库,再通过采集多张用户的新图片,将新图片先与可信度高的元图片进行比对,将通过的图片更新入底库中,将不通过的图片在与可信度次高的优质图片进行比对,将通过图片也更新入底库中并进行分类。进而实现定时的底库图片优化更新。采用本方案,能一定程度上克服在不同光照、角度和时间采集图片的差异性,提升识别性能;不需要增加硬件成本、人工成本,性价比高;可适配任意场景,不需要针对场景做专门优化,迁移性强、自动化程度高。
参照图2,第二方面,本发明还提出一种人脸识别底库优化系统,包括:
分类器10:导入初始图片时,通过分类器10将底库图片分类为:元图片、优质图片、侧脸图片及遮挡图片;
图片更新模块:对元图片定期更新;且当获得更新反馈时,立即更新所述元图片。
分级模块20:对底库图片进行可信度分级,第一级可信度包括元图片,第二级可信度包括优质图片;
相似度模块30:用于将新图片与图库的图片进行相似度计算。
第一级比对模块40:将采集的新图片与元图片进行相似度检测,当其相似度大于阈值一时,则将新图片更新入底库中,并进行分类;
第二级比对模块50:当与元图片间的相似度小于阈值一时,将新图片与优质图片进行相似度检测,当相似度大于阈值二时则将新图片更新入底库中;当新图片与优质图片间相似度小于阈值二时则结束任务。
阈值更新模块60:对于更新入底库中的新图片,定期统计预设时间内的与元图片之间的相似度值的平均值,如平均值高于阈值一,则不更新阈值一,如平均值低于阈值一,则将平均值与阈值一做平均运算后所获得的值作为新的阈值一。需要说明的是,为了避免阈值一偏离过大,更新后的阈值一不低于预设的阈值四,在本发明实施例中,更新后的阈值一不应低于初始阈值的百分之九十。
第三方面,本发明提出一种人脸识别底库优化设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述的人脸识别底库优化方法的步骤。
第四方面,本发明提出一种人脸识别底库优化的可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时间实现上述的人脸识别底库优化方法的步骤。
本发明提供了一种提升人脸识别系统性能的应用优化方法,提高了人脸识别算法在应用中的准确率。本方法与现有方法相比,不需要重新训练模型,不需要使用特种摄像头,不需要人工干预,就可以低成本地有效提升人脸识别准确度。
以上结合附图对本发明的实施方式作了详细说明,但本发明不限于所描述的实施方式。对于本领域的技术人员而言,在不脱离本发明原理和精神的情况下,对这些实施方式进行多种变化、修改、替换和变型,仍落入本发明的保护范围内。

Claims (3)

1.一种人脸识别底库优化方法,其特征在于,
包括步骤:
构建底库,导入初始图片,通过分类器将底库图片分类为:元图片、优质图片、侧脸图片及遮挡图片;
元图片为在开始人为添加的正脸清晰图片,以及后续通过人工验证添加的图片;优质图片为与元图片相似度高,无模糊,良好光照,角度接近正脸的图片;侧脸图片为与元图片比对非正脸各个角度的图片;遮挡图片为与元图片比对存在遮挡的图片;
对底库图片进行可信度分级,第一级可信度包括所述元图片,第二级可信度包括所述优质图片;
采集新图片,将所述新图片与第一级可信度图片进行相似度检测,当其相似度大于阈值一时,则将所述新图片更新入底库中,并进行分类;当与第一级可信度图片间的相似度小于阈值一时,将所述新图片与第二级可信度图片进行相似度检测,当相似度大于阈值二时则将所述新图片更新入底库中,并进行分类;
当所述新图片与第二级可信度图片间相似度小于阈值二时,则结束任务;
对于更新入底库中的新图片,定期统计预设时间内的与元图片之间的相似度值的平均值,如平均值高于阈值一,则不更新阈值一,如平均值低于阈值一,则将平均值与阈值一做平均运算后所获得的值作为新的阈值一;
在对底库图片进行可信度分级时,还包括第三级可信度;所述第三级可信度的图片包括:侧脸图片及遮挡图片中与元图片的相似度大于一预设值的图片;
其中,通过姿态检测算法、模糊检测算法、光照检测算法和遮挡识别算法来对底库图片进行分类;
同一级的可信度的图片中,按照图片与所述元图片之间的相似度高低进行可信度排序,相似度高的图片的可信度高于相似度低的图片的可信度;
所述元图片定期更新;且当获得更新反馈时,立即更新所述元图片。
2.一种人脸识别底库优化设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于:
所述处理器执行所述程序时实现权利要求1所述的人脸识别底库优化方法的步骤。
3.一种人脸识别底库优化的可读存储介质,其上存储有计算机程序,其特征在于:
该计算机程序被处理器执行时间实现权利要求1所述的人脸识别底库优化方法的步骤。
CN201911387795.5A 2019-12-30 2019-12-30 人脸识别底库优化方法、系统、设备、可读存储介质 Active CN111241928B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911387795.5A CN111241928B (zh) 2019-12-30 2019-12-30 人脸识别底库优化方法、系统、设备、可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911387795.5A CN111241928B (zh) 2019-12-30 2019-12-30 人脸识别底库优化方法、系统、设备、可读存储介质

Publications (2)

Publication Number Publication Date
CN111241928A CN111241928A (zh) 2020-06-05
CN111241928B true CN111241928B (zh) 2024-02-06

Family

ID=70868490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911387795.5A Active CN111241928B (zh) 2019-12-30 2019-12-30 人脸识别底库优化方法、系统、设备、可读存储介质

Country Status (1)

Country Link
CN (1) CN111241928B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814570B (zh) * 2020-06-12 2024-04-30 深圳禾思众成科技有限公司 一种基于动态阈值的人脸识别方法、系统及存储介质
CN112307234A (zh) * 2020-11-03 2021-02-02 厦门兆慧网络科技有限公司 一种人脸底库合成方法、系统和、设备及存储介质
TWI802161B (zh) * 2021-12-21 2023-05-11 建國科技大學 利用aiot架構設計轉移學習之人工智慧辨識系統
CN114140696A (zh) * 2022-01-27 2022-03-04 深圳市慧为智能科技股份有限公司 商品识别系统优化方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108197250A (zh) * 2017-12-29 2018-06-22 深圳云天励飞技术有限公司 图片检索方法、电子设备及存储介质
CN108875452A (zh) * 2017-05-11 2018-11-23 北京旷视科技有限公司 人脸识别方法、装置、系统和计算机可读介质
CN109872406A (zh) * 2019-01-23 2019-06-11 北京影谱科技股份有限公司 一种渐进式的判断更新方法、装置和人脸打卡系统
CN110298243A (zh) * 2019-05-22 2019-10-01 深圳壹账通智能科技有限公司 人证核实方法、装置、计算机设备及计算机可读存储介质
CN110334688A (zh) * 2019-07-16 2019-10-15 重庆紫光华山智安科技有限公司 基于人脸照片库的图像识别方法、装置和计算机可读存储介质
CN110363150A (zh) * 2019-07-16 2019-10-22 深圳市商汤科技有限公司 数据更新方法及装置、电子设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106126617B (zh) * 2016-06-22 2018-11-23 腾讯科技(深圳)有限公司 一种视频检测方法及服务器

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875452A (zh) * 2017-05-11 2018-11-23 北京旷视科技有限公司 人脸识别方法、装置、系统和计算机可读介质
CN108197250A (zh) * 2017-12-29 2018-06-22 深圳云天励飞技术有限公司 图片检索方法、电子设备及存储介质
CN109872406A (zh) * 2019-01-23 2019-06-11 北京影谱科技股份有限公司 一种渐进式的判断更新方法、装置和人脸打卡系统
CN110298243A (zh) * 2019-05-22 2019-10-01 深圳壹账通智能科技有限公司 人证核实方法、装置、计算机设备及计算机可读存储介质
CN110334688A (zh) * 2019-07-16 2019-10-15 重庆紫光华山智安科技有限公司 基于人脸照片库的图像识别方法、装置和计算机可读存储介质
CN110363150A (zh) * 2019-07-16 2019-10-22 深圳市商汤科技有限公司 数据更新方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN111241928A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN111241928B (zh) 人脸识别底库优化方法、系统、设备、可读存储介质
CN104346811B (zh) 基于视频图像的目标实时追踪方法及其装置
US8989442B2 (en) Robust feature fusion for multi-view object tracking
US10474921B2 (en) Tracker assisted image capture
CN107886048A (zh) 目标跟踪方法及系统、存储介质及电子终端
CN109145771B (zh) 一种人脸抓拍方法及装置
US20110243381A1 (en) Methods for tracking objects using random projections, distance learning and a hybrid template library and apparatuses thereof
CN111723773B (zh) 遗留物检测方法、装置、电子设备及可读存储介质
JP6565600B2 (ja) アテンション検出装置及びアテンション検出方法
CN104966304A (zh) 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法
CN111275040B (zh) 定位方法及装置、电子设备、计算机可读存储介质
CN112509003B (zh) 解决目标跟踪框漂移的方法及系统
CN111079613B (zh) 姿势识别方法和装置、电子设备及存储介质
CN116091781B (zh) 一种用于图像识别的数据处理方法及装置
CN113537107A (zh) 一种基于深度学习的人脸识别及追踪方法、装置及设备
CN113378658A (zh) 车辆数据聚类方法以及车辆轨迹还原方法
CN113989721A (zh) 目标检测方法和目标检测模型的训练方法、装置
CN113129332A (zh) 执行目标对象跟踪的方法和装置
JP5848665B2 (ja) 移動物体上動きベクトル検出装置、移動物体上動きベクトル検出方法、およびプログラム
GB2553105B (en) Method and system for determining a relationship between two regions of a scene
CN112801890A (zh) 一种视频处理方法、装置及设备
CN112927258A (zh) 一种目标跟踪方法及装置
CN112257666B (zh) 目标图像内容的聚合方法、装置、设备及可读存储介质
CN107154052B (zh) 对象状态估计的方法及装置
CN111062294B (zh) 一种客流排队时间的检测方法、装置及系统

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
GR01 Patent grant
GR01 Patent grant