CN111401242B - 证件照检测方法、装置、电子设备以及存储介质 - Google Patents

证件照检测方法、装置、电子设备以及存储介质 Download PDF

Info

Publication number
CN111401242B
CN111401242B CN202010183509.XA CN202010183509A CN111401242B CN 111401242 B CN111401242 B CN 111401242B CN 202010183509 A CN202010183509 A CN 202010183509A CN 111401242 B CN111401242 B CN 111401242B
Authority
CN
China
Prior art keywords
detected
shoulder
certificate
position information
credentials
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
CN202010183509.XA
Other languages
English (en)
Other versions
CN111401242A (zh
Inventor
侯允
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN202010183509.XA priority Critical patent/CN111401242B/zh
Publication of CN111401242A publication Critical patent/CN111401242A/zh
Priority to PCT/CN2021/073878 priority patent/WO2021184966A1/zh
Application granted granted Critical
Publication of CN111401242B publication Critical patent/CN111401242B/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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition
    • 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
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请公开了一种证件照检测方法、装置、电子设备以及存储介质,涉及电子设备技术领域。所述方法包括:获取待检测证件照,将待检测证件照输入已训练的人体特征点检测模型,并获取已训练的人体特征点检测模型输出的检测信息,其中,检测信息包括待检测证件照中的待检测部位的至少两个特征点的位置信息,基于待检测部位的至少两个特征点的位置信息,确定待检测部位在待检测证件照中是否水平。本申请实施例提供的证件照检测方法、装置、电子设备以及存储介质通过已训练的人体特征点检测模型对待检测证件照进行检测,并基于检测信息确定待检测部位是否水平,以提升证件照的检测准确性和检测效率。

Description

证件照检测方法、装置、电子设备以及存储介质
技术领域
本申请涉及电子设备技术领域,更具体地,涉及一种证件照检测方法、装置、电子设备以及存储介质。
背景技术
随着科学技术的发展,电子设备的使用越来越广泛,功能越来越多,已经成为人们日常生活中的必备之一。其中,随着电子设备技术的发展,越来越多的电子设备可以支持证件照的生成功能,以及支持对证件照的合规检测功能,但是,目前的电子设备是通过传统的图像处理技术来进行证件照的合规检测,检测准确率较低,效果较差。
发明内容
鉴于上述问题,本申请提出了一种证件照检测方法、装置、电子设备以及存储介质,以解决上述问题。
第一方面,本申请实施例提供了一种证件照检测方法,所述方法包括:获取待检测证件照;将所述待检测证件照输入已训练的人体特征点检测模型,并获取所述已训练的人体特征点检测模型输出的检测信息,其中,所述检测信息包括所述待检测证件照中的待检测部位的至少两个特征点的位置信息;基于所述待检测部位的至少两个特征点的位置信息,确定所述待检测部位在所述待检测证件照中是否水平。
第二方面,本申请实施例提供了一种证件照检测装置,所述装置包括:证件照获取模块,用于获取待检测证件照;检测信息获取模块,用于将所述待检测证件照输入已训练的人体特征点检测模型,并获取所述已训练的人体特征点检测模型输出的检测信息,其中,所述检测信息包括所述待检测证件照中的待检测部位的至少两个特征点的位置信息;证件照检测模块,用于基于所述待检测部位的至少两个特征点的位置信息,确定所述待检测部位在所述待检测证件照中是否水平。
第三方面,本申请实施例提供了一种电子设备,包括存储器和处理器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时所述处理器执行上述方法。
第四方面,本申请实施例提供了一种计算机可读取存储介质,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行上述方法。
本申请实施例提供的证件照检测方法、装置、电子设备以及存储介质,获取待检测证件照,将待检测证件照输入已训练的人体特征点检测模型,并获取已训练的人体特征点检测模型输出的检测信息,其中,检测信息包括待检测证件照中的待检测部位的至少两个特征点的位置信息,基于待检测部位的至少两个特征点的位置信息,确定待检测部位在待检测证件照中是否水平,从而通过已训练的人体特征点检测模型对待检测证件照进行检测,并基于检测信息确定待检测部位是否水平,以提升证件照的检测准确性和检测效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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它的附图。
图1示出了本申请一个实施例提供的证件照检测方法的流程示意图;
图2示出了本申请又一个实施例提供的证件照检测方法的流程示意图;
图3示出了本申请再一个实施例提供的证件照检测方法的流程示意图;
图4示出了本申请另一个实施例提供的证件照检测方法的流程示意图;
图5示出了本申请实施例提供的证件照检测装置的模块框图;
图6示出了本申请实施例用于执行根据本申请实施例的证件照检测方法的电子设备的框图;
图7示出了本申请实施例的用于保存或者携带实现根据本申请实施例的证件照检测方法的程序代码的存储单元。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
目前,用户在很多场合都会用到证件照。其中,电子设备可以生成或者获取证件照,并对证件照是否合规进行检测判断,但是,目前电子设备对证件照进行合规检测的方法是通过传统的图像处理方式来完成,会面临识别准确率不高,误判情况严重的问题。
针对上述问题,发明人经过长期的研究发现,并提出了本申请实施例提供的证件照检测方法、装置、电子设备以及存储介质,通过已训练的人体特征点检测模型对待检测证件照进行检测,并基于检测信息确定待检测部位是否水平,以提升证件照的检测准确性和检测效率。其中,具体地证件照检测方法在后续的实施例中进行详细的说明。
请参阅图1,图1示出了本申请一个实施例提供的证件照检测方法的流程示意图。所述证件照检测方法用于通过已训练的人体特征点检测模型对待检测证件照进行检测,并基于检测信息确定待检测部位是否水平,以提升证件照的检测准确性和检测效率。在具体的实施例中,所述证件照检测方法应用于如图5所示的证件照检测装置200以及配置有证件照检测装置200的电子设备100(图6)。下面将以电子设备为例,说明本实施例的具体流程,当然,可以理解的,本实施例所应用的电子设备可以为智能手机、平板电脑、穿戴式电子设备等,在此不做限定。下面将针对图1所示的流程进行详细的阐述,所述证件照检测方法具体可以包括以下步骤:
步骤S110:获取待检测证件照。
在本实施例中,电子设备可以获取证件照作为待检测证件照。
在一些实施方式中,电子设备可以通过摄像头采集用户图像,并基于采集到的用户图像生成待检测证件照。作为一种方式,电子设备可以通过前置摄像头采集用户图像,并基于前置摄像头采集到的用户图像生成待检测证件照。作为又一种方式,电子设备可以通过后置摄像头采集用户图像,并基于后置摄像头采集到的用户图像生成待检测证件照。作为再一种方式,电子设备可以通过转动摄像头采集用户图像,并基于转动摄像头采集到的用户图像生成待检测证件照。作为另一种方式,电子设备可以通过滑动摄像头采集用户图像,并基于滑动摄像头采集到的用户图像生成待检测证件照。当然,上述方式仅为本实施例的列举,电子设备还可以通过其他方式采集用户图像,在此不做限定。
在一些实施方式中,电子设备可以从相册获取待检测证件照。其中,电子设备从相册获取的待检测证件照可以包括:预先通过摄像头采集后存储在本地相册的证件照,预先从网络下载后存储在本地相册的证件照等,在此不做限定。
在一些实施方式中,电子设备可以从网络下载待检测证件照。其中,电子设备从网络下载待检测证件照的方式可以包括:通过无线网络从服务器下载的证件照,通过数据网络从服务器下载的证件照,通过无线网络从其他电子设备获取的证件照,通过数据网络从其他电子设备获取的证件照等,在此不做限定。
步骤S120:将所述待检测证件照输入已训练的人体特征点检测模型,并获取所述已训练的人体特征点检测模型输出的检测信息,其中,所述检测信息包括所述待检测证件照中的待检测部位的至少两个特征点的位置信息。
在本实施例中,在获取待检测证件照后,可以将待检测证件照输入已训练的人体特征点检测模型中,并获取该已训练的人体特征点检测模型输出的检测信息,其中,该已训练的人体特征点检测模型输出的检测信息可以包括:待检测证件照中的待检测部位的至少两个特征点的位置信息。其中,该已训练的人体特征点检测模型是通过机器学习获得的,具体地,首先采集训练数据集,其中,训练数据集中的一类数据的属性或特征区别于另一类数据,然后通过将采集的训练数据集按照预设的算法对神经网络进行训练建模,从而基于该训练数据集总结出规律,得到已训练的人体特征点检测模型。于本实施例中,该训练数据集例如可以是多个证件照以及每个证件照中的待检测部位的至少两个特征点的位置信息,该神经网络例如可以是openpose人体特征点模型等,在此不做限定。
在一些实施方式中,该已训练的人体特征点检测模型可以预先训练完成后存储在与电子设备通信连接的服务器。基于此,电子设备在获取到待检测证件照后,可以通过网络发送指令至存储在服务器的已训练的人体特征点检测模型,以指示该已训练的人体特征点检测模型通过网络读取电子设备获取的待检测证件照,或者电子设备可以通过网络将待检测证件照发送至存储在服务器的已训练的人体特征点检测模型,从而通过将已训练的人体特征点检测模型存储在服务器的方式,减少对电子设备的存储空间的占用,降低对电子设备正常运行的影响。其中,当已训练的人体特征点检测模型存储在服务器时,该已训练的人体特征点检测模型可以是基于以backbone网络作为模型结构的openpose人体特征点检测模型训练获得。
在一些实施方式中,该已训练的人体特征点检测模型可以预先训练完成后存储在电子设备本地。基于此,电子设备获取待检测证件照后,可以直接在本地调用该已训练的人体特征点检测模型,例如,可以直接发送指令至人体特征点检测模型,以指示该已训练的人体特征点检测模型在目标存储区域读取该待检测证件照,或者电子设备可以直接将该待检测证件照输入存储在本地的已训练的人体特征点检测模型,从而有效避免由于网络因素的影响降低待检测证件照输入已训练的人体特征点检测模型的速度,以提升已训练的人体特征点检测模型获取待检测证件照的速度,提升用户体验。其中,当已训练的人体特征点检测模型存储在电子设备时,该已训练的人体特征点检测模型可以是基于以mobilenetv2作为模型结构的openpose人体特征点检测模型训练获得。
在一些实施方式中,待检测部位可以是预先指定的可以在待检测证件照中呈现出来的用户的身体部位。例如,该待检测部位可以是预先指定的可以在待检测证件照中呈现出来的用户的肩膀、该待检测部位可以是预先指定的可以在待检测证件照中呈现出来的用户的眼睛、该待检测部位可以是预先指定的可以在待检测证件照中呈现出来的用户的眉毛、该待检测部位可以是预先指定的可以在待检测证件照中呈现出来的用户的耳朵等,在此不做限定。
在一些实施方式中,所获取的检测信息包括待检测部位的至少两个特征点的位置信息,即可以获取待检测部位的两个特征点的位置信息、三个特征点的位置信息、四个特征点的位置信息等。例如,当待检测部位为肩膀时,则检测信息可以包括肩膀的至少两个特征点,当待检测部位为眼睛时,则检测信息可以包括眼睛的至少两个特征点,当待检测部位为眉毛时,则检测信息可以包括眉毛的至少两个特征点,当待检测部位为耳朵时,则检测信息可以包括耳朵的至少两个特征点等,在此不做限定。
步骤S130:基于所述待检测部位的至少两个特征点的位置信息,确定所述待检测部位在所述待检测证件照中是否水平。
在本实施例中,在获得已训练的人体特征点检测模型输出的待检测部位的至少两个特征点的位置信息时,可以基于该待检测部位的至少两个特征点的位置信息,确定待检测部位在待检测证件照中是否水平。
在一些实施方式中,在获得已训练的人体特征点检测模型输出的待检测部位的至少两个特征点的位置信息,可以基于待检测部位的至少两个特征点的位置信息,计算获得待检测部位的至少两个特征点的位置关系,基于待检测部位的至少两个特征点的位置关系,确定待检测部位在待检测证件照中是否水平。例如,在获得已训练的人体特征点检测模型输出的肩膀的至少两个特征点的位置信息时,可以基于肩膀的至少两个特征点的位置信息,计算获得肩膀的至少两个特征点的位置关系,基于肩膀的至少两个特征点的位置关系,确定肩膀在证件照中是否水平。
本申请一个实施例提供的证件照检测方法,获取待检测证件照,将待检测证件照输入已训练的人体特征点检测模型,并获取已训练的人体特征点检测模型输出的检测信息,其中,检测信息包括待检测证件照中的待检测部位的至少两个特征点的位置信息,基于待检测部位的至少两个特征点的位置信息,确定待检测部位在待检测证件照中是否水平,从而通过已训练的人体特征点检测模型对待检测证件照进行检测,并基于检测信息确定待检测部位是否水平,以提升证件照的检测准确性和检测效率。
请参阅图2,图2示出了本申请又一个实施例提供的证件照检测方法的流程示意图。下面将针对图2所示的流程进行详细的阐述,所述证件照检测方法具体可以包括以下步骤:
步骤S210:获取待检测证件照。
其中,步骤S210的具体描述请参阅步骤S110,在此不再赘述。
步骤S220:将所述待检测证件照输入已训练的人体特征点检测模型,并获取所述已训练的人体特征点检测模型输出的检测信息,其中,所述检测信息包括所述待检测证件照中的肩膀中心的位置信息、肩膀第一侧的位置信息以及肩膀第二侧的位置信息。
在本实施例中,待检测部位包括肩膀,待检测部位的至少两个特征点的位置信息包括肩膀中心的位置信息、肩膀第一侧的位置信息以及肩膀第二侧的位置信息,因此,在本实施例中,在将待检测证件照输入已训练的人体特征点检测模型后,可以获取该已训练的人体特征点检测模型输出的肩膀中心的位置信息、肩膀第一侧的位置信息以及肩膀第二侧的位置信息。
在一些实施方式中,当待检测部位为肩膀时,该待检测部位的至少两个特征点的位置信息还可以包括:肩膀中心的位置信息和肩膀第一侧的位置信息、肩膀中心的位置信息和肩膀第二侧的位置信息、肩膀第一侧的位置信息和肩膀第二侧的位置信息等,在此不做限定。
步骤S230:基于所述肩膀中心的位置信息、所述肩膀第一侧的位置信息以及所述肩膀第二侧的位置信息,获取所述肩膀中心、所述肩膀第一侧以及所述肩膀第二侧的位置关系。
在本实施例中,在获取肩膀中心的位置信息、肩膀第一侧的位置信息以及肩膀第二侧的位置信息后,可以基于肩膀中心的位置信息、肩膀第一侧的位置信息以及肩膀第二侧的位置信息,获取该肩膀中心、肩膀第一侧以及肩膀第二侧的位置关系。在一些实施方式中,可以基于肩膀中心的位置信息、肩膀第一侧的位置信息以及肩膀第二侧的位置信息,获取肩膀中心相对肩膀第一侧的相对偏移距离和相对偏移角度、肩膀中心相对肩膀第二侧的相对偏移距离和相对偏移角度、以及肩膀第一侧相对肩膀第二侧的相对偏移距离和相对偏移角度,逼格基于获取到的相对偏移距离和相对偏移角度,获取肩膀中心、肩膀第一侧以及肩膀第二侧的位置关系。
步骤S240:基于所述位置关系,确定所述肩膀在所述待检测证件照中是否水平。
在本实施例中,在获得肩膀中心、肩膀第一侧以及肩膀第二侧的位置关系后,可以基于该位置关系,确定肩膀在待检测证件照中是否水平。
在一些实施方式中,在获得肩膀中心、肩膀第一侧以及肩膀第二侧的位置关系后,可以基于该位置关系,确定肩膀中心、肩膀第一侧以及肩膀第二侧是否在一条水平线上,当确定肩膀中心、肩膀第一侧以及肩膀第二侧在一条水平线上时,可以确定肩膀在待检测证件照中水平,当确定肩膀中心、肩膀第一侧以及肩膀第二侧不在一条水平线上时,可以确定肩膀在待检测证件照中不水平。
在一些实施方式中,在获得肩膀中心、肩膀第一侧以及肩膀第二侧的位置关系后,可以基于该位置关系,确定肩膀中心、肩膀第一侧以及肩膀第二侧的连线是否与水平线平行或者接近于平行,当确定肩膀中心、肩膀第一侧以及肩膀第二侧的连线与水平线平行或者接近于平行时,可以确定肩膀在待检测证件照中水平,当肩膀中心、肩膀第一侧以及肩膀第二侧的连线不与水平线平行或者接近于平行时,可以确定肩膀在待检测证件照中不水平。
步骤S250:当确定所述待检测部位在所述待检测证件照中非水平时,确定所述待检测证件照不合规,并输出提示信息,其中,所述提示信息用于提示改变待检测部位的姿态。
其中,由于证件照一般要求是用户的处于标准拍准拍照姿势下采集的照片,即一般要求作为证件照的照片中的用户的肩膀水平、两只耳朵水平、两只眼睛水平、两条眉毛水平等。
因此,在本实施例中,在确定待检测部位在待检测证件照中非水平时,可以认为该待检测证件照不合规,并输出提示信息,以提醒用户基于该提示信息改变待检测部位的姿态以重新采集合规的证件照。例如,在确定肩膀在待检测证件照中非水平时,可以认为该待检测证件照不合规,并输出提示信息,以提醒用户基于该提示信息改变肩膀的姿态以重新采集合规的证件照。又例如,在确定两只耳朵在待检测证件照中非水平时,可以认为该待检测证件照不合规,并输出提示信息,以提醒用户基于该提示信息改变两只耳朵(头部)的姿态以重新采集合规的证件照。
在一些实施方式中,电子设备输出的提示信息可以包括语音提示信息、文字提示信息、图片提示信息、闪光灯提示信息等,在此不做限定。其中,电子设备输出的提示信息可以仅包括待检测证件照不合规的信息,也可以是包括待检测证件照不合规信息和指导改变待检测部位的姿态的信息,在此不做限定。
步骤S260:当确定所述待检测部位在所述待检测证件照中水平时,确定所述待检测证件照合规,并输出所述待检测证件照。
在本实施例中,在确定待检测部位在待检测证件照中水平时,可以认为该待检测证件照合规,并输出该待检测证件照,以供用户使用。例如,在确定肩膀在待检测证件照中水平时,可以认为该待检测证件照合规,并输出该待检测证件照。又例如,在确定两只耳朵在待检测证件照中水平时,可以认为该待检测证件照合规,并输出该待检测证件照。再例如,在确定肩膀和两只耳朵在证件照中均水平时,可以认为待检测证件照合规,并输出该待检测证件照,在确定肩膀和两只耳朵中的其中一个部位在证件照中非水平时,可以认为待检测证件照不合规,并输出提示信息。
本申请又一个实施例提供的证件照检测方法,获取待检测证件照,将待检测证件照输入已训练的人体特征点检测模型,并获取已训练的人体特征点检测模型输出的检测信息,其中,检测信息包括待检测证件照中的肩膀中心的位置信息、肩膀第一侧的位置信息以及肩膀第二侧的位置信息,基于肩膀中心的位置信息、肩膀第一侧的位置信息以及肩膀第二侧的位置信息,获取肩膀中心、肩膀第一侧以及肩膀第二侧的位置关系,基于该位置关系,确定肩膀在待检测证件照中是否水平,当确定待检测部位在待检测证件照中非水平时,确定待检测证件照不合规,并输出提示信息,其中,提示信息用于提示改变待检测部位的姿态,当确定待检测部位在待检测证件照中水平时,确定待检测证件照合规,并输出待检测证件照。相较于图1所示的证件照检测方法,本实施例还针对待检测证件照中的肩膀是否水平进行检测,以提升证件照合规效果。另外,本实施例还在待检测对象在待检测证件照中非水平时输出提示信息,以提醒用户及时改正姿态提升证件照的效果,以及在待检测对象在待检测证件照中水平时输出待检测证件照,以使用户获得合规的证件照。
请参阅图3,图3示出了本申请再一个实施例提供的证件照检测方法的流程示意图。下面将针对图3所示的流程进行详细的阐述,所述证件照检测方法具体可以包括以下步骤:
步骤S310:获取待检测证件照。
步骤S320:将所述待检测证件照输入已训练的人体特征点检测模型,并获取所述已训练的人体特征点检测模型输出的检测信息,其中,所述检测信息包括所述待检测证件照中的待检测部位的至少两个特征点的位置信息。
其中,步骤S310-步骤S320的具体描述请参阅步骤S110-步骤S120,在此不再赘述。
步骤S330:基于所述待检测部位的至少两个特征点的位置信息,获取所述待检测部位的至少两个特征点在所述待检测证件照中的坐标信息。
在本实施例中,在获得已训练的人体特征点检测模型输出的待检测部位的至少两个特征点的位置信息时,可以基于该待检测部位的至少两个特征点的位置信息,获取该待检测部位的至少两个特征点在待检测证件照的坐标信息。
在一些实施方式中,可以在待检测证件照上建立图像坐标系,其中,在待检测证件照上建立的图像坐标系的原点可以为待检测证件照的左下角、可以在待检测证件照的左上角、可以在待检测证件照的右下角、可以在待检测证件照的右上角,也可以在待检测证件照的中心等,在此不做限定。其中,在获取待检测部位的至少两个特征点的位置信息后,可以将待检测部位的至少两个特征点的位置信息对应至在待检测证件照上建立的图像坐标系,并获取该待检测部位的至少两个特征点在图像坐标系中的坐标信息,作为待检测部位的至少两个特征点在待检测证件照中的坐标信息。
步骤S340:基于所述待检测部位的至少两个特征点在所述待检测证件照中的坐标信息,确定所述待检测部位在所述待检测证件照中是否水平。
在本实施例中,在获取待检测部位的至少两个特征点在待检测证件照中的坐标信息后,可以基于该待检测部位的至少两个特征点在待检测证件照中的坐标信息,确定该待检测部位在待检测证件照中是否水平。
在一些实施方式中,在获取待检测部位的至少两个特征点在待检测证件照中的坐标信息后,可以基于待检测部位的至少两个特征点在待检测证件照中的坐标信息,检测待检测部位的至少两个特征点在待检测证件照中的纵坐标是否相同,其中,当检测到待检测部位的至少两个特征点在待检测证件照中的纵坐标相同时,可以确定待检测部位在待检测证件照中水平,当检测到待检测部位的至少两个特征点在待检测证件照中的纵坐标不相同时,可以确定待检测部位在待检测证件照中非水平。
步骤S350:当确定所述待检测部位在所述待检测证件照中非水平时,确定所述待检测证件照不合规,并输出提示信息,其中,所述提示信息用于提示改变待检测部位的姿态。
步骤S360:当确定所述待检测部位在所述待检测证件照中水平时,确定所述待检测证件照合规,并输出所述待检测证件照。
其中,步骤S350-步骤S360的具体描述请参阅步骤S250-步骤S260,在此不再赘述。
本申请再一个实施例提供的证件照检测方法,获取待检测证件照,将待检测证件照输入已训练的人体特征点检测模型,并获取已训练的人体特征点检测模型输出的检测信息,其中,检测信息包括待检测证件照中的待检测部位的至少两个特征点的位置信息,基于待检测部位的至少两个特征点的位置信息,获取待检测部位的至少两个特征点在待检测证件照中的坐标信息,基于待检测部位的至少两个特征点在待检测证件照中的坐标信息,确定待检测部位在待检测证件照中是否水平,当确定待检测部位在待检测证件照中非水平时,确定待检测证件照不合规,并输出提示信息,其中,提示信息用于提示改变待检测部位的姿态,当确定待检测部位在待检测证件照中水平时,确定待检测证件照合规,并输出待检测证件照。相较于图1所示的证件照检测方法,本实施例还基于待检测部位的至少两个特征点的位置信息获取待检测部位的至少两个特征点在待检测证件照中的坐标信息,并基于坐标信息对待检测部位在待检测证件照中是否水平进行检测,以提升检测精度。另外,本实施例还在待检测对象在待检测证件照中非水平时输出提示信息,以提醒用户及时改正姿态提升证件照的效果,以及在待检测对象在待检测证件照中水平时输出待检测证件照,以使用户获得合规的证件照。
请参阅图4,图4示出了本申请另一个实施例提供的证件照检测方法的流程示意图。下面将针对图4所示的流程进行详细的阐述,所述证件照检测方法具体可以包括以下步骤:
步骤S410:获取训练数据集,所述训练数据集包括多个证件照,以及每个证件照中的待检测部位的至少两个特征点的位置信息。
针对前述实施例中已训练的人体特征点检测模型,本实施例中还包括对该人体特征点检测模型的训练方法,其中,对人体特征点检测模型的训练可以是根据获取的训练数据集预先进行的,后续在每次进行待检测证件照的检测时,则可以根据该人体特征点检测模型进行检测,而无需每次进行待检测证件照的检测时对人体特征点检测模型进行训练。
在一些实施方式中,可以获取训练数据集,该训练数据集包括多个证件照,以及多个证件照中的每个证件照中的待检测部位的至少两个特征点的位置信息。例如,该训练数据集可以包括多个证件照,以及在每个证件照中的肩膀中心、肩膀第一侧以及肩膀第二侧标注各自的位置信息。
步骤S420:基于所述训练数据集,将所述每个证件照作为输入数据,以及所述每个证件照中的待检测部位的至少两个特征点的位置信息作为输出数据,对openpose人体特征点模型进行训练,获得已训练的人体关键点检测模型。
在一些实施方式中,在获取训练数据集后,可以将训练数据集中的多个证件照以及每个证件照中的待检测部位的至少两个特征点的位置信息输入openpose人体特征点模型进行训练,以获得已训练的人体特征点检测模型。可以理解的,可以将一一对应的证件照和证件照中的待检测部位的至少两个特征点的位置信息成对输入openpose人体特征点模型,以进行openpose人体特征点模型的训练,从而获得已训练的人体特征点检测模型。
在一些实施方式中,在获得已训练的人体特征点检测模型后,还可以对该已训练的人体特征点检测模型的准确性进行验证,并判断该已训练的人体特征点检测模型基于输入数据的输出信息是否满足预设要求,当该已训练的人体特征点检测模型基于输入数据的输出信息不满足预设要求时,可以重新采集训练数据集对openpose人体特征点模型进行训练,或者再获取多个训练数据集对已训练的人体特征点检测模型进行校正,在此不做限定。
步骤S430:获取待检测证件照。
步骤S440:将所述待检测证件照输入已训练的人体特征点检测模型,并获取所述已训练的人体特征点检测模型输出的检测信息,其中,所述检测信息包括所述待检测证件照中的待检测部位的至少两个特征点的位置信息。
步骤S450:基于所述待检测部位的至少两个特征点的位置信息,确定所述待检测部位在所述待检测证件照中是否水平。
其中,步骤S430-步骤S450的具体描述请参阅步骤S110-步骤S130,在此不再赘述。
步骤S460:当确定所述待检测部位在所述待检测证件照中非水平时,确定所述待检测证件照不合规,并输出提示信息,其中,所述提示信息用于提示改变待检测部位的姿态。
步骤S470:当确定所述待检测部位在所述待检测证件照中水平时,确定所述待检测证件照合规,并输出所述待检测证件照。
其中,步骤S460-步骤S470的具体描述请参阅步骤S250-步骤S260,在此不再赘述。
本申请另一个实施例提供的证件照检测方法,获取训练数据集,训练数据集包括多个证件照,以及每个证件照中的待检测部位的至少两个特征点的位置信息,基于训练数据集,将每个证件照作为输入数据,以及每个证件照中的待检测部位的至少两个特征点的位置信息作为输出输,对openpose人体特征点模型进行训练,获得已训练的人体关键点检测模型。获取待检测证件照,将待检测证件照输入已训练的人体特征点检测模型,并获取已训练的人体特征点检测模型输出的检测信息,其中,检测信息包括待检测证件照中的待检测部位的至少两个特征点的位置信息,基于待检测部位的至少两个特征点的位置信息,确定待检测部位在待检测证件照中是否水平。当确定待检测部位在待检测证件照中非水平时,确定待检测证件照不合规,并输出提示信息,其中,提示信息用于提示改变待检测部位的姿态,当确定待检测部位在待检测证件照中水平时,确定待检测证件照合规,并输出待检测证件照。相较于图1所示的证件照检测方法,本实施例还通过获取训练数据集对openpose人体特征点模型进行训练,获得已训练的人体关键点检测模型,以提升对待检测图像中的待检测部位是否水平的判断准确度。另外,本实施例还在待检测对象在待检测证件照中非水平时输出提示信息,以提醒用户及时改正姿态提升证件照的效果,以及在待检测对象在待检测证件照中水平时输出待检测证件照,以使用户获得合规的证件照。
请参阅图5,图5示出了本申请实施例提供的证件照检测装置200的模块框图。下面将针对图5所示的框图进行阐述,所述证件照检测装置200包括:证件照获取模块210、检测信息获取模块220以及证件照检测模块230,其中:
证件照获取模块210,用于获取待检测证件照。
检测信息获取模块220,用于将所述待检测证件照输入已训练的人体特征点检测模型,并获取所述已训练的人体特征点检测模型输出的检测信息,其中,所述检测信息包括所述待检测证件照中的待检测部位的至少两个特征点的位置信息。
证件照检测模块230,用于基于所述待检测部位的至少两个特征点的位置信息,确定所述待检测部位在所述待检测证件照中是否水平。
进一步地,所述待检测部位包括肩膀,所述待检测部位的至少两个特征点的位置信息包括肩膀中心的位置信息、肩膀第一侧的位置信息以及肩膀第二侧的位置信息,所述证件照检测模块230包括:位置关系获取子模块和第一证件照检测子模块,其中:
位置关系获取子模块,用于基于所述肩膀中心的位置信息、所述肩膀第一侧的位置信息以及所述肩膀第二侧的位置信息,获取所述肩膀中心、所述肩膀第一侧以及所述肩膀第二侧的位置关系。
第一证件照检测子模块,用于基于所述位置关系,确定所述肩膀在所述待检测证件照中是否水平。
进一步地,所述证件照检测模块230包括:坐标信息获取子模块和第二证件照检测子模块,其中:
坐标信息获取子模块,用于基于所述待检测部位的至少两个特征点的位置信息,获取所述待检测部位的至少两个特征点在所述待检测证件照中的坐标信息。
第二证件照检测子模块,用于基于所述待检测部位的至少两个特征点在所述待检测证件照中的坐标信息,确定所述待检测部位在所述待检测证件照中是否水平。
进一步地,所述证件照检测装置200还包括:提示信息输出模块,其中:
提示信息输出模块,用于当确定所述待检测部位在所述待检测证件照中非水平时,确定所述待检测证件照不合规,并输出提示信息,其中,所述提示信息用于提示改变待检测部位的姿态。
进一步地,所述证件照检测装置200还包括:待检测证件照输出模块,其中:
待检测证件照输出模块,用于当确定所述待检测部位在所述待检测证件照中水平时,确定所述待检测证件照合规,并输出所述待检测证件照。
进一步地,所述证件照检测装置200还包括:训练数据集获取模块和模型训练模块,其中:
训练数据集获取模块,用于获取训练数据集,所述训练数据集包括多个证件照,以及每个证件照中的待检测部位的至少两个特征点的位置信息。
模型训练模块,用于基于所述训练数据集,将所述每个证件照作为输入数据,以及所述每个证件照中的待检测部位的至少两个特征点的位置信息作为输出数据,对openpose人体特征点模型进行训练,获得已训练的人体关键点检测模型。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,模块相互之间的耦合可以是电性,机械或其它形式的耦合。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
请参阅图6,其示出了本申请实施例提供的一种电子设备100的结构框图。该电子设备100可以是智能手机、平板电脑、电子书等能够运行应用程序的电子设备。本申请中的电子设备100可以包括一个或多个如下部件:处理器110、存储器120以及一个或多个应用程序,其中一个或多个应用程序可以被存储在存储器120中并被配置为由一个或多个处理器110执行,一个或多个程序配置用于执行如前述方法实施例所描述的方法。
其中,处理器110可以包括一个或者多个处理核。处理器110利用各种接口和线路连接整个电子设备100内的各个部分,通过运行或执行存储在存储器120内的指令、程序、代码集或指令集,以及调用存储在存储器120内的数据,执行电子设备100的各种功能和处理数据。可选地,处理器110可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(ProgrammableLogic Array,PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(CentralProcessing Unit,CPU)、图形处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责待显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器110中,单独通过一块通信芯片进行实现。
存储器120可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
请参阅图7,其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质300中存储有程序代码,所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质300可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质300包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质300具有执行上述方法中的任何方法步骤的程序代码310的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码310可以例如以适当形式进行压缩。
综上所述,本申请实施例提供的证件照检测方法、装置、电子设备以及存储介质,获取待检测证件照,将待检测证件照输入已训练的人体特征点检测模型,并获取已训练的人体特征点检测模型输出的检测信息,其中,检测信息包括待检测证件照中的待检测部位的至少两个特征点的位置信息,基于待检测部位的至少两个特征点的位置信息,确定待检测部位在待检测证件照中是否水平,从而通过已训练的人体特征点检测模型对待检测证件照进行检测,并基于检测信息确定待检测部位是否水平,以提升证件照的检测准确性和检测效率。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (9)

1.一种证件照检测方法,其特征在于,所述方法包括:
获取待检测证件照;
将所述待检测证件照输入已训练的人体特征点检测模型,并获取所述已训练的人体特征点检测模型输出的检测信息,其中,所述检测信息包括所述待检测证件照中的待检测部位的至少两个特征点的位置信息,其中,所述待检测部位包括肩膀,所述待检测部位的至少两个特征点的位置信息包括肩膀中心的位置信息、肩膀第一侧的位置信息以及肩膀第二侧的位置信息;
基于所述肩膀中心的位置信息、所述肩膀第一侧的位置信息以及所述肩膀第二侧的位置信息,获取所述肩膀中心相对所述肩膀第一侧的相对偏移距离和相对偏移角度、所述肩膀中心相对所述肩膀第二侧的相对偏移距离和相对偏移角度以及所述肩膀第一侧相对所述肩膀第二侧的相对偏移距离和相对偏移角度,并基于所述肩膀中心相对所述肩膀第一侧的相对偏移距离和相对偏移角度、所述肩膀中心相对所述肩膀第二侧的相对偏移距离和相对偏移角度以及所述肩膀第一侧相对所述肩膀第二侧的相对偏移距离和相对偏移角度,获取所述肩膀中心、所述肩膀第一侧以及所述肩膀第二侧的位置关系;以及基于所述位置关系,确定所述待检测部位在所述待检测证件照中是否水平。
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:
基于所述待检测部位的至少两个特征点的位置信息,获取所述待检测部位的至少两个特征点在所述待检测证件照中的坐标信息;
基于所述待检测部位的至少两个特征点在所述待检测证件照中的坐标信息,确定所述待检测部位在所述待检测证件照中是否水平。
3.根据权利要求1所述的方法,其特征在于,所述已训练的人体特征点检测模型存储在电子设备中,且所述已训练的人体特征点检测模型是基于以mobilenetv2作为模型结构的openpose人体特征点模型训练获得。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述确定所述待检测部位在所述待检测证件照中是否水平之后,还包括:
当确定所述待检测部位在所述待检测证件照中非水平时,确定所述待检测证件照不合规,并输出提示信息,其中,所述提示信息用于提示改变待检测部位的姿态。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述确定所述待检测部位在所述待检测证件照中是否水平之后,还包括:
当确定所述待检测部位在所述待检测证件照中水平时,确定所述待检测证件照合规,并输出所述待检测证件照。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述获取待检测证件照之前,还包括:
获取训练数据集,所述训练数据集包括多个证件照,以及每个证件照中的待检测部位的至少两个特征点的位置信息;
基于所述训练数据集,将所述每个证件照作为输入数据,以及所述每个证件照中的待检测部位的至少两个特征点的位置信息作为输出数据,对openpose人体特征点模型进行训练,获得已训练的人体关键点检测模型。
7.一种证件照检测装置,其特征在于,所述装置包括:
证件照获取模块,用于获取待检测证件照;
检测信息获取模块,用于将所述待检测证件照输入已训练的人体特征点检测模型,并获取所述已训练的人体特征点检测模型输出的检测信息,其中,所述检测信息包括所述待检测证件照中的待检测部位的至少两个特征点的位置信息,所述待检测部位包括肩膀,所述待检测部位的至少两个特征点的位置信息包括肩膀中心的位置信息、肩膀第一侧的位置信息以及肩膀第二侧的位置信息;
证件照检测模块,用于基于所述肩膀中心的位置信息、所述肩膀第一侧的位置信息以及所述肩膀第二侧的位置信息,获取所述肩膀中心相对所述肩膀第一侧的相对偏移距离和相对偏移角度、所述肩膀中心相对所述肩膀第二侧的相对偏移距离和相对偏移角度以及所述肩膀第一侧相对所述肩膀第二侧的相对偏移距离和相对偏移角度,并基于所述肩膀中心相对所述肩膀第一侧的相对偏移距离和相对偏移角度、所述肩膀中心相对所述肩膀第二侧的相对偏移距离和相对偏移角度以及所述肩膀第一侧相对所述肩膀第二侧的相对偏移距离和相对偏移角度,获取所述肩膀中心、所述肩膀第一侧以及所述肩膀第二侧的位置关系;以及基于所述位置关系,确定所述待检测部位在所述待检测证件照中是否水平。
8.一种电子设备,其特征在于,包括存储器和处理器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时所述处理器执行如权利要求1-6任一项所述的方法。
9.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-6任一项所述的方法。
CN202010183509.XA 2020-03-16 2020-03-16 证件照检测方法、装置、电子设备以及存储介质 Active CN111401242B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010183509.XA CN111401242B (zh) 2020-03-16 2020-03-16 证件照检测方法、装置、电子设备以及存储介质
PCT/CN2021/073878 WO2021184966A1 (zh) 2020-03-16 2021-01-27 证件照检测方法、装置、电子设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010183509.XA CN111401242B (zh) 2020-03-16 2020-03-16 证件照检测方法、装置、电子设备以及存储介质

Publications (2)

Publication Number Publication Date
CN111401242A CN111401242A (zh) 2020-07-10
CN111401242B true CN111401242B (zh) 2023-07-25

Family

ID=71431046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010183509.XA Active CN111401242B (zh) 2020-03-16 2020-03-16 证件照检测方法、装置、电子设备以及存储介质

Country Status (2)

Country Link
CN (1) CN111401242B (zh)
WO (1) WO2021184966A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111401242B (zh) * 2020-03-16 2023-07-25 Oppo广东移动通信有限公司 证件照检测方法、装置、电子设备以及存储介质
CN114494673A (zh) * 2022-01-21 2022-05-13 南昌大学 一种基于数字图像处理和深度学习的标准证件照采集方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216881B (zh) * 2007-12-28 2011-07-06 北京中星微电子有限公司 一种图像自动获取方法和装置
CN101216884B (zh) * 2007-12-29 2012-04-18 北京中星微电子有限公司 一种人脸认证的方法及系统
JP2010140100A (ja) * 2008-12-09 2010-06-24 Yurakusha:Kk 顔パターン分析システム
US8824808B2 (en) * 2011-08-19 2014-09-02 Adobe Systems Incorporated Methods and apparatus for automated facial feature localization
CN103914676B (zh) * 2012-12-30 2017-08-25 杭州朗和科技有限公司 一种在人脸识别中使用的方法和装置
CN105046246B (zh) * 2015-08-31 2018-10-09 广州市幸福网络技术有限公司 可进行人像姿势拍摄提示的证照相机及人像姿势检测方法
CN106887091A (zh) * 2017-04-27 2017-06-23 石家庄瀚申网络科技有限公司 一种出国、出境证件自助办理的方法及其系统和装置
CN109740513B (zh) * 2018-12-29 2020-11-27 青岛小鸟看看科技有限公司 一种动作行为分析方法和装置
CN110852150B (zh) * 2019-09-25 2022-12-20 珠海格力电器股份有限公司 一种人脸验证方法、系统、设备及计算机可读存储介质
CN111401242B (zh) * 2020-03-16 2023-07-25 Oppo广东移动通信有限公司 证件照检测方法、装置、电子设备以及存储介质

Also Published As

Publication number Publication date
CN111401242A (zh) 2020-07-10
WO2021184966A1 (zh) 2021-09-23

Similar Documents

Publication Publication Date Title
CN109508688B (zh) 基于骨架的行为检测方法、终端设备及计算机存储介质
WO2017185630A1 (zh) 基于情绪识别的信息推荐方法、装置和电子设备
US20150149925A1 (en) Emoticon generation using user images and gestures
CN109670444B (zh) 姿态检测模型的生成、姿态检测方法、装置、设备及介质
WO2014180095A1 (en) Systems and methods for real human face recognition
ES2974080T3 (es) Procedimiento y aparato para fotografiar imágenes
CN111008935B (zh) 一种人脸图像增强方法、装置、系统及存储介质
CN111709414A (zh) Ar设备及其文字识别方法、装置和计算机可读存储介质
CN111401242B (zh) 证件照检测方法、装置、电子设备以及存储介质
WO2021179856A1 (zh) 内容识别方法、装置、电子设备及存储介质
CN110033388B (zh) 社交关系的建立方法、装置及服务器
WO2023005813A1 (zh) 图像方向调整方法、装置、存储介质及电子设备
CN112136140A (zh) 用于图像识别的方法和装置
CN112949689A (zh) 图像识别方法、装置、电子设备及存储介质
CN113160231A (zh) 一种样本生成方法、样本生成装置及电子设备
JP2019517079A (ja) 形状検知
CN107291238B (zh) 一种数据处理方法与装置
CN117593493A (zh) 三维脸部拟合方法、装置、电子设备及存储介质
CN108288024A (zh) 人脸识别方法及装置
KR102170416B1 (ko) 컴퓨터와 크라우드 소싱을 이용한 비디오 사전 처리 방법
CN111010526A (zh) 一种视频通讯中的互动方法及装置
CN114154467B (zh) 结构图片还原方法、装置、电子设备、介质及程序产品
CN108875467B (zh) 活体检测的方法、装置及计算机存储介质
CN113392820B (zh) 动态手势识别方法、装置、电子设备及可读存储介质
CN111461971B (zh) 图像处理方法、装置、设备及计算机可读存储介质

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