CN111539267A - 一种人体几何特征提取方法、装置、设备及系统 - Google Patents
一种人体几何特征提取方法、装置、设备及系统 Download PDFInfo
- Publication number
- CN111539267A CN111539267A CN202010258104.8A CN202010258104A CN111539267A CN 111539267 A CN111539267 A CN 111539267A CN 202010258104 A CN202010258104 A CN 202010258104A CN 111539267 A CN111539267 A CN 111539267A
- Authority
- CN
- China
- Prior art keywords
- human body
- image
- target area
- extracting
- geometric
- 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
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种人体几何特征提取方法、装置、设备及系统。该方法中,获取待处理图像;检测所述图像的目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征绘制人体几何特征图像,并输出所述几何特征图像。通过上述实施例,实现了自动提取图像中的人体几何特征,以方便后续对人体姿态的检测等,降低了人工检测、提取几何特征的工作量,有助于降低漏检的情况发生。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种人体几何特征提取方法、装置、设备及系统。
背景技术
随着图像处理技术的发展,已经广泛应用于各个领域中。例如,图像处理中的人脸识别技术,可以应用于安保领域(如火车站进站安检、出入境安检)、支付领域(如刷脸支付)等领域中;车牌识别技术可以应用在交通监管领域中。
目前,很多领域中需要基于监控系统采集到的视频数据对人物进行姿态、行为的分析。因此,需要提供一种能够对图像中人物的几何特征进行提取的方法,以便能够对认为进行姿态的分析。
发明内容
本申请提供一种人体几何特征提取方法、装置、设备及系统,以实现对自动提取图像中的人体几何特征。
第一方面,本申请实施例提供了一种人体几何特征提取方法,包括:
获取待处理图像;
检测所述图像的目标区域内是否存在人体;
若存在人体则提取所述目标区域内的人体部位关键点;
根据所述人体关键点提取人体几何特征;
根据所述人体几何特征绘制人体几何特征图像,并输出所述几何特征图像
在一种可能的实现方式中,所述检测所述图像的目标区域内是否存在人体,包括:
计算所述目标区域的前景像素占比;
若所述前景像素占比大于第一阈值,则根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率;
若所述差分比率大于第二阈值,则认为所述目标区域内存在人体。
在一种可能的实现方式中,所述根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率,包括:
将所述当前帧的目标区域图像和所述前一帧的目标区域图像转换为二值图像;
根据下述公式确定差分比率:
其中,DifferenceRatio表示差分比率,w、h分别表示所述二值图像的长和宽,I_front(i,j)表示所述前一帧目标区域二值图像在坐标(i,j)的像素值, I_now(i,j)表示所述当前帧目标区域二值图像在坐标(i,j)的像素值。
在一种可能的实现方式中,所述提取所述目标区域内的人体部位关键点,包括:
根据预设的人体关键点检测器对所述目标区域进行检测,并生成人体部位关键点坐标。
在一种可能的实现方式中,所述根据所述人体部位关键点提取人体几何特征,包括
计算所述人体部位关键点中每两个关键点之间的距离,并根据所述距离生成线特征;
根据所述人体部位关键点和所述线特征,生成角特征。
在一种可能的实现方式中,在根据所述距离生成线特征之后,该方法还包括:对所述线特征进行归一化。
在一种可能的实现方式中,在根据所述人体关键点提取人体几何特征之后,该方法还包括:根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。
第二方面,本申请实施例提供了一种人体几何特征提取装置,包括:
获取模块,用于获取待处理图像;
检测模块,用于检测所述图像的目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征绘制人体几何特征图像;
输出模块,用于输出所述几何特征图像。
第三方面,本申请实施例提供了一种人体几何特征提取设备,包括:处理器,以及与所述处理器连接的存储器、显示器;所述处理器,用于读取所述存储器中预先存储的计算机程序执行:获取待处理图像;检测所述图像的目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征绘制人体几何特征图像;所述显示器,用于显示所述几何特征图像。
第四方面,本申请实施例提供了一种人体几何特征提取系统,包括:中心设备和至少一个摄像设备;
所述至少一个摄像设备用于拍摄监控视频数据;
所述检测中心设备,用于获取监控视频数据,针对所述监控视频数据中的待处理图像,检测所述图像的目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征绘制人体几何特征图像,并输出所述几何特征图像。
第五方面,本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机指令,当所述指令在计算机上运行时,使得计算机执行如第一方面中任一项所述方法。
通过上述实施例,实现了自动提取图像中的人体几何特征,以方便后续对人体姿态的检测等,降低了人工检测、提取几何特征的工作量,有助于降低漏检的情况发生。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请的一些实施例,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为本申请实施例提供的人体几何特征提取方法的流程示意图;
图2为本申请实施例提供的目标区域示意图;
图3为本申请实施例提供的人体几何特征图;
图4为本申请实施例提供的人体几何特征提取的流程示意图;
图5为本申请实施例提供的人体几何特征提取装置的结构示意图;
图6为本申请实施例提供的人体几何特征提取设备的结构示意图;
图7为本申请实施例提供的人体几何特征提取系统的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将对本申请的技术方案进行详细的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本申请所保护的范围。
在日常生活中,经常通过视频监控系统寻找处于特定姿态的目标人物,例如,可以通过观察监控视频发现正在行窃的人,还可以通过观察监控视频发现在办公场所睡觉的人。然而,面对上述情况时,通常需要监控人员时刻观察监控视频,尤其是在监控设备较多的情况下,人员监控的方式将消耗监控人员大量精力,且容易遗漏。
而实现基于监控视频自动检测人物姿态的关键是,实现人体几何特征的自动提取,从而才能进一步确定人物的姿态。
为了实现自动提取人体几何特征,本申请实施例提供了一种人体几何特征提取方法。
参见图1,为本申请实施例提供的人体几何特征提取方法的流程示意图,如图所示,该方法可以包括以下步骤:
步骤101、获取待处理图像。
获取的待处理图像可以来自监控系统拍摄的监控视频,在获取到监控视频数据后,对视频中的每帧图像应用本申请实施例提供的方法进行人体几何特征提取。具体的,摄像头拍摄到的监控视频数据可以通过有线传输或无线传输的方式发送至用于执行该方法的特征提取设备中,或者,摄像头拍摄到的监控视频数据也可以先传输至存储设备进行存储,特征提取设备从存储设备中读取监控视频数据,从而执行本申请实施例的方法。
步骤102、检测目标区域内是否存在人体。
在监控系统中,摄像头的位置、拍摄角度通常是固定的,因此,其拍摄范围通常是固定的,即,拍摄到的场景是固定的或者变化较小的,其中有些区域检测到人体的可能较小,如,摆放有柜子的地方检测到人体的可能性较小,有柱子的地方检测到人体的可能性较小。因此,可以设置一个目标区域,即较大可能出现目标的区域,在针对每帧图像进行处理时,可以根据预先设置的目标区域的位置信息,在当前待处理的图像中提取目标区域图像,并检测该目标区域图像中是否存在人体,有助于减低计算量即运算时间。
例如,在检测是否有员工在办公场所睡觉的应用中,由于员工睡觉的情况多为员工爬在桌子上睡觉,因此,可以将办公桌,或者办公桌及周围设置为目标区域,如图2所示。
具体的,可以预先根据公式(1)针对目标区域计算人体行动检测自适应阈值(以下简称第一阈值)。
其中,adaptiveThreshold表示第一阈值,h表示目标区域的高,w表示目标区域的宽,α、β、γ为常数。
然后针对当前待处理图像中的目标区域图像,计算前景像素占比,并将计算得到的前景像素占比与上述第一阈值进行比较。例如,前景像素占比可以通过ViBe算法进行前景像素检测,并生成二值图像,通过统计二值图像内像素值大于0的像素个数确定前景像素占比。若前景像素占比小于第一阈值,则认为目标区域图像中不包含人物,则继续检测下一帧图像,即,针对下一帧图像从步骤101开始处理。若前景像素占比大于第一阈值,则根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率,并将确定出的差分比率与差分比率阈值(以下简称第二阈值)进行比较,若确定出的差分比率大于第二阈值,则认为当前帧的目标区域图像中可能包含有人体,否则,认为不包含人体,对下一帧图像从步骤101开始处理。
可选的,可以先将当前帧的目标区域图像和前一帧的目标区域图像转换为二值图像,然后根据公式(2)计算差分比率。
其中,DifferenceRatio表示差分比率,h表示目标区域的高,w表示目标区域的宽,I_front(i,j)表示所述前一帧目标区域二值图像在坐标(i,j)的像素值, I_now(i,j)表示所述当前帧目标区域二值图像在坐标(i,j)的像素值。
步骤103、若存在人体则提取目标区域内的人体部位关键点。
在确定目标区域内包含有人物时,则进一步提取人体部位的关键点。可选的,可以根据预设的人体关键点检测器对当前帧的目标区域图像进行检测,并生成人体部位关键点坐标。人体部位关键点可以包括头部关键点Phead、颈部关键点Pneck、左肩关键点Pleftshoulder、右肩关键点Prightshoulder、左手腕关键点Pleftwrist、右手腕关键点Prightwrist等等。进一步的,在根据人体关键点检测器提取关键点之前,还可以先根据人体关键点检测器对当前帧目标区域图像进行阈值筛选,进一步确定当前帧是否包含有人体,若包含人体,则进一步提取关键点,否则对下一帧图像从步骤101开始处理。在进行阈值筛选时,可以先在目标区域图像中确定检测的人体的检测框大小,然后判断该人体检测框的大小是否大于经验阈值,若该检测框的大小大于经验阈值,则认为在目标区域中检测到人体,否则,认为检测框过小,为人体的可能性较小,即,判断没有人体。
具体的,预设的人体关键点检测器,可以是根据一定数量的包含有人体的图像训练得到的,该人体关键点检测器中包含有提取各个人体部位关键点的模型,根据各个关键点的模型提取相应的关键点并确定每个关键点的坐标。
步骤104、根据提取到的人体关键点提取人体几何特征。
可选的,人体几何特征可以包括线特征和角特征,即,该步骤中根据提取到的人体关键点提取线特征和角特征。
其中,在提取线特征时,可以先根据提取到的关键点,计算每两个关键点之间的距离,然后根据计算出的距离生成线特征。例如,头部关键点Phead(x1, y1)和颈部关键点Pneck(x2,y2)之间的距离为:参照上述示例针对每两个关键点分别计算距离,得到dis2、dis3、dis4、…、dism,则线特征可以表示为LineFeature=(dis1,dis2,dis3,...,dism)。
在提取角特征时,可以先根据提取到的关键点以及计算出的线特征,计算 所需的角度并生成角特征AngleFeature=(angle1,angle2,angle3,…,anglen), 该角特征具有旋转不变性。具体的,可以根据公式(3)进行计算:
例如,若所需的角度为头部关键点Phead、左肩关键点Pleftshoulder所在直线,与左肩关键点Pleftshoulder、右肩关键点Prightshoulder所在直线的夹角,在可以根据上述距离公式确定a(头部关键点Phead与右肩关键点Prightshoulder之间的距离)、b (头部关键点Phead与左肩部关键点Pleftshoulder之间的距离)和c(左肩关键点 Pleftshoulder与右肩关键点Prightshoulder之间的距离),然后将计算得到的a、b、c带入上述公式(3),以得到所需角度α。
在得到角特征后,可以对线特征和角特征进行拼接,即得到几何特征GeometryFeature=(dis1,dis2,dis3,...,dism,angle1,angle2,angles,..., anglen)。
可选的,还可以对上述线特征进行归一化处理,以使线特征具有尺度不变性。具体的,可以根据公式(4)对上述线特征中的每个距离进行归一化处理。
在对每个距离进行归一化处理后,即可得到经过归一化处理后的线特征LineFeature′=(dis1′,dis2′,dis3′,...,dism′)。则拼接的几何特征可以为GeometryFeature= (dis1,dis2,dis3,...,dism,angle1,angle2,angle3,...,anglen)。
步骤105、根据人体几何特征绘制人体几何特征图像,并输出所述几何特征图像。
例如,可以在当前帧的原始图像中,针对每个提取到的关键点,根据线特征、角特征进行标记,如图3所示。
可选的,在步骤105之后,还可以根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。能够识别的姿态种类,取决于该姿态分类器模型所包含的姿态种类模型,例如,若预设的姿态分类器模型中包括站姿模型,则可以检测图像中是否包含有站立的人,若预设的姿态分类器模型包括睡觉姿态模型,则可以检测图像中是否包含与睡觉的人。
进一步的,在判断检测到的人体姿态时,可能还需要考虑人体维持该姿态的时间,因为人体姿态可能是不断变换的,在变换过程中可能检测到多种姿态,而变换过程中的姿态往往不是检测的重点,通常检测的目标姿态人体维持一端时间不变或变化不大的姿态。因此,可以预先设置帧数阈值N,N为大于1的整数,即,若连续N帧图像中的人物均为目标姿态,则判定检测到的人物处于目标姿态。或者,还可以预先设置一个时间阈值,表示若检测到人物在预设时间阈值内一直保持目标姿态,则输出该人物处于目标姿态。假设该时间阈值为 1分钟、当前摄像头拍摄视频的帧率为25帧每秒,则确定帧数阈值 N=60*25=1500;若时间阈值不变,对摄像头的帧率进行了调整,则相应调整帧数阈值N。
为了更清楚理解本申请上述实施例,下面结合图4进行举例说明。将上述方法实施例应用在公共场所的监控系统中,基于监控视频提取人体几何特征的过程可以如图4所示,该过程包括以下步骤:
S01、获取一帧监控视频图像。
S02、针对当前帧图像技术目标区域的前景像素占比。
S03、判断前景像素占比是否大于第一阈值,若大于,则进入S03,否则,进入S09。
S04、根据当前帧的目标区域二值图像和前一帧的目标区域二值图像计算差分比率。
S05、将差分比率与第二阈值,若大于第二阈值,则进入S06;若小于第二阈值,进入S09。
S06、针对当前帧的目标区域,根据人体关键点检测器提取人体部位关键点。
s07、根据人体部位关键点提取人体几何特征。
S08、输出提取到的人体几何特征。
S09、令X=0,将当前帧目标区域图像标作为前一帧目标图像。
基于相同的技术构思,本申请实施例还提供了一种人体几何特征提取装置,如图5所示,该装置可以包括:
获取模块501,用于获取监控视频数据;
提取模块502,用于检测所述图像的目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征绘制人体几何特征图像;
输出模块503,用于输出所述几何特征图像。
在一种可能的实现方式中,所述提取模块502,在检测所述图像的目标区域内是否存在人体时,具体用于:计算所述目标区域的前景像素占比;若所述前景像素占比大于第一阈值,则根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率;若所述差分比率大于第二阈值,则认为所述目标区域内存在人体。
在一种可能的实现方式中,所述提取模块502,在根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率时,具体用于:将所述当前帧的目标区域图像和所述前一帧的目标区域图像转换为二值图像;根据上述公式(2) 确定差分比率。
在一种可能的实现方式中,所述提取模块502,在提取所述目标区域内的人体部位关键点时,具体用于:根据预设的人体关键点检测器对所述目标区域进行检测,并生成人体部位关键点坐标。
在一种可能的实现方式中,所述提取模块502,在根据所述人体部位关键点提取人体几何特征时,具体用于:计算所述人体部位关键点中每两个关键点之间的距离,并根据所述距离生成线特征;根据所述人体部位关键点和所述线特征,生成角特征。
在一种可能的实现方式中,所述提取模块502,在根据所述距离生成线特征之后,还用于:对所述线特征进行归一化。
在一种可能的实现方式中,所述提取模块502,在根据所述人体关键点提取人体几何特征之后,还用于:根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。
基于相同的技术构思,本申请实施例还提供了一种基于人体几何特征提取设备,如图6所述,该设备可以包括:处理器601,以及与所述处理器601连接的存储器602、显示器603。
所述处理器601,用于读取所述存储器602中预先存储的计算机程序执行:获取待处理图像;检测所述图像的目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征绘制人体几何特征图像。
所述显示器603,用于显示所述几何特征图像。
进一步的,该设备还可以包括通信接口,可以用于从外部设备获取监控视频数据。
基于相同的技术构思,本申请实施例还提供了一种人体几何特征提取系统,如图7所述,该系统可以包括:中心设备701和至少一个摄像设备702;
所述至少一个摄像设备702用于拍摄监控视频数据;
所述中心设备701,用于获取监控视频数据;针对所述监控视频数据中的待处理图像,检测所述图像的目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征绘制人体几何特征图像,并输出所述几何特征图像。
可选的,该中心设备701可以根据前述姿态检测方法中的任一实施例进行人体姿态的检测。
基于相同的技术构思,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机指令,当所述指令在计算机上运行时,使得计算机执行上述方法实施例。
通过上述实施例,实现了自动提取图像中的人体几何特征,以方便后续对人体姿态的检测等,降低了人工检测、提取几何特征的工作量,有助于降低漏检的情况发生。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种人体几何特征提取方法,其特征在于,包括:
获取待处理图像;
检测所述图像的目标区域内是否存在人体;
若存在人体则提取所述目标区域内的人体部位关键点;
根据所述人体关键点提取人体几何特征;
根据所述人体几何特征绘制人体几何特征图像,并输出所述几何特征图像。
2.根据权利要求1所述的方法,其特征在于,所述检测所述图像的目标区域内是否存在人体,包括:
计算所述目标区域的前景像素占比;
若所述前景像素占比大于第一阈值,则根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率;
若所述差分比率大于第二阈值,则认为所述目标区域内存在人体。
4.根据权利要求1所述的方法,其特征在于,所述提取所述目标区域内的人体部位关键点,包括:
根据预设的人体关键点检测器对所述目标区域进行检测,并生成人体部位关键点坐标。
5.根据权利要求1所述的方法,其特征在于,所述根据所述人体部位关键点提取人体几何特征,包括:
计算所述人体部位关键点中每两个关键点之间的距离,并根据所述距离生成线特征;
根据所述人体部位关键点和所述线特征,生成角特征。
6.根据权利要求5所述的方法,其特征在于,在根据所述距离生成线特征之后,还包括:
对所述线特征进行归一化。
7.根据权利要求1所述的方法,其特征在于,在根据所述人体关键点提取人体几何特征之后,还包括:
根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。
8.一种人体几何特征提取装置,其特征在于,包括:
获取模块,用于获取待处理图像;
提取模块,用于检测所述图像的目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征绘制人体几何特征图像;
输出模块,用于输出所述几何特征图像。
9.一种人体几何特征提取设备,其特征在于,包括:处理器,以及与所述处理器连接的存储器、显示器;
所述处理器,用于读取所述存储器中预先存储的计算机程序执行:获取待处理图像;检测所述图像的目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征绘制人体几何特征图像;
所述显示器,用于显示所述几何特征图像。
10.一种人体几何特征提取系统,其特征在于,包括:中心设备和至少一个摄像设备;
所述至少一个摄像设备用于拍摄监控视频数据;
所述中心设备,用于获取监控视频数据,针对所述监控视频数据中的待处理图像,检测所述图像的目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征绘制人体几何特征图像,并输出所述几何特征图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258104.8A CN111539267A (zh) | 2020-04-03 | 2020-04-03 | 一种人体几何特征提取方法、装置、设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258104.8A CN111539267A (zh) | 2020-04-03 | 2020-04-03 | 一种人体几何特征提取方法、装置、设备及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111539267A true CN111539267A (zh) | 2020-08-14 |
Family
ID=71952305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010258104.8A Pending CN111539267A (zh) | 2020-04-03 | 2020-04-03 | 一种人体几何特征提取方法、装置、设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539267A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252991A (zh) * | 2023-10-25 | 2023-12-19 | 北京华科软科技有限公司 | 一种体素构造与边界表示的融合方法及三维图形引擎 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799928A (zh) * | 2010-03-30 | 2010-08-11 | 深圳市融创天下科技发展有限公司 | 一种应用于图像处理的高效低复杂度运动侦测方法 |
CN110287923A (zh) * | 2019-06-29 | 2019-09-27 | 腾讯科技(深圳)有限公司 | 人体姿态获取方法、装置、计算机设备及存储介质 |
-
2020
- 2020-04-03 CN CN202010258104.8A patent/CN111539267A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799928A (zh) * | 2010-03-30 | 2010-08-11 | 深圳市融创天下科技发展有限公司 | 一种应用于图像处理的高效低复杂度运动侦测方法 |
CN110287923A (zh) * | 2019-06-29 | 2019-09-27 | 腾讯科技(深圳)有限公司 | 人体姿态获取方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
申时凯等: "物联网的技术开发与应用研究", 东北师范大学出版社, pages: 70 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252991A (zh) * | 2023-10-25 | 2023-12-19 | 北京华科软科技有限公司 | 一种体素构造与边界表示的融合方法及三维图形引擎 |
CN117252991B (zh) * | 2023-10-25 | 2024-03-29 | 北京华科软科技有限公司 | 一种体素构造与边界表示的融合方法及三维图形引擎 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11074436B1 (en) | Method and apparatus for face recognition | |
US20190333241A1 (en) | People flow analysis apparatus, people flow analysis system, people flow analysis method, and non-transitory computer readable medium | |
JP5390322B2 (ja) | 画像処理装置、及び画像処理方法 | |
US8750573B2 (en) | Hand gesture detection | |
CN111597879A (zh) | 一种基于监控视频的姿态检测方法、装置及系统 | |
US8792722B2 (en) | Hand gesture detection | |
JP4479478B2 (ja) | パターン認識方法および装置 | |
EP2336949B1 (en) | Apparatus and method for registering plurality of facial images for face recognition | |
KR101781358B1 (ko) | 디지털 영상 내의 얼굴 인식을 통한 개인 식별 시스템 및 방법 | |
US20210271865A1 (en) | State determination device, state determination method, and recording medium | |
US20160127657A1 (en) | Imaging system | |
JP6351243B2 (ja) | 画像処理装置、画像処理方法 | |
JP6410450B2 (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 | |
US20110280442A1 (en) | Object monitoring system and method | |
US20120038602A1 (en) | Advertisement display system and method | |
CN114140745A (zh) | 施工现场人员属性检测方法、系统、装置及介质 | |
JP7354767B2 (ja) | 物体追跡装置および物体追跡方法 | |
CN109858464B (zh) | 底库数据处理方法、人脸识别方法、装置和电子设备 | |
CN105554340A (zh) | 基于执法记录仪的图像处理方法及装置 | |
CN111539267A (zh) | 一种人体几何特征提取方法、装置、设备及系统 | |
JP6991045B2 (ja) | 画像処理装置、画像処理装置の制御方法 | |
WO2022077139A1 (zh) | 人脸识别方法、装置及可读存储介质 | |
CN109785439A (zh) | 人脸素描图像生成方法及相关产品 | |
CN113243015B (zh) | 视频监控系统 | |
CN111144260A (zh) | 一种翻越闸机的检测方法、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 |