CN111563477A - 一种合格手部照片获取方法、装置、设备及存储介质 - Google Patents
一种合格手部照片获取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111563477A CN111563477A CN202010437269.1A CN202010437269A CN111563477A CN 111563477 A CN111563477 A CN 111563477A CN 202010437269 A CN202010437269 A CN 202010437269A CN 111563477 A CN111563477 A CN 111563477A
- Authority
- CN
- China
- Prior art keywords
- hand
- qualified
- candidate
- contour
- photo
- 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
- G06V40/107—Static hand or arm
- G06V40/11—Hand-related biometrics; Hand pose recognition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种合格手部照片获取方法、装置、设备及存储介质,所述方法包括:根据拍摄的多张手部照片,获取各张手部照片对应的候选手部轮廓;根据所述候选手部轮廓及预设的合格手部轮廓确定规则,从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片。本发明的合格手部照片获取方法、装置、设备及存储介质,能准确获取需要的手部特征。
Description
技术领域
本发明涉及计算机视觉领域,具体涉及一种合格手部照片获取方法、装置、设备及存储介质。
背景技术
为了提高检测效率及检测准确度,很多幼儿园在幼儿的入园晨检环节均采用自动化晨检设备。自动化晨检设备包括多个检测项目,其中有一项需要获取手部特征。但是,目前的获取手部特征的准确度不是很高,因为幼儿园小朋友伸出的手部姿势往往不太正确。
发明内容
有鉴于此,本发明实施例期望提供一种合格手部照片获取方法、装置、设备及存储介质,能够准确获取手部特征。
为达到上述目的,本发明实施例的技术方案是这样实现的:
第一方面,本发明实施例提供了一种合格手部照片获取方法,所述方法包括:
根据拍摄的多张手部照片,获取各张手部照片对应的候选手部轮廓;
根据所述候选手部轮廓及预设的合格手部轮廓确定规则,从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片。
上述方案中,所述获取所述手部照片对应的候选手部轮廓,包括:
根据图像处理中各种颜色对应的数值及人体手部皮肤颜色的数值范围,获取所述手部照片对应的候选手部轮廓。
上述方案中,在所述根据图像处理中各种颜色对应的数值及人体手部皮肤颜色的数值范围,获取所述手部照片对应的候选手部轮廓之后,所述方法还包括:
根据所述候选手部轮廓,获取与所述候选手部轮廓对应的手部凸轮廓、凸点、凹点和候选手部轮廓矩形框。
上述方案中,所述方法还包括:
根据获取的候选手部轮廓、手部凸轮廓、凸点和凹点,计算如下参数的值:
A.候选手部轮廓面积;
B.手部凸轮廓面积与手部凸缺陷面积的比值;
C.候选手部轮廓周长;
D.候选手部轮廓周长与手部凸轮廓周长的比值;
E.凹点数量;
F.凹点到凸轮廓的最小距离;
上述参数计算的结果均符合所述合格手部轮廓确定规则,确定当前的手部照片包括合格手部轮廓。
上述方案中,在所述从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片之后,所述方法还包括:
根据至少三张所述第一合格手部照片的目标区域相互间的偏离程度,确定所述第一合格手部照片的清晰度,并获取具有合格清晰度的第二合格手部照片。
上述方案中,所述根据至少三张所述第一合格手部照片的目标区域相互间的偏离程度,确定所述第一合格手部照片的清晰度,包括:
获取三张第一合格手部照片;
获取所述第一合格手部照片内包含所述候选手部轮廓的矩形边框;
根据获取的所述矩形边框,获取所述矩形边框四个顶点在所述第一合格手部照片中的坐标;
根据获取的所述矩形边框四个顶点的坐标,确定三张所述第一合格手部照片中矩形边框相互间的偏离程度;
根据确定的三张所述第一合格手部照片中矩形边框相互间的偏离程度,确定所述第一合格手部照片的清晰度。
上述方案中,在获取具有合格清晰度的第二合格手部照片之后,所述方法还包括:
获取所述第二合格手部照片中的目标特征;
获取所述目标特征在所述第二合格手部照片中的位置;
将位置不在所述候选手部轮廓之内的目标特征去除。
第二方面,本发明实施例提供了一种合格手部照片获取装置,所述装置包括第一获取模块和第二获取模块;其中,
所述第一获取模块,用于根据拍摄的多张手部照片,获取各张手部照片对应的候选手部轮廓;
所述第二获取模块,用于根据所述候选手部轮廓及预设的合格手部轮廓确定规则,从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片。
第三方面,本发明实施例提供了一种智能设备,所述设备包括:存储器、通信总线和处理器,其中:
所述存储器,用于存储合格手部照片获取方法程序;
所述通信总线,用于实现所述存储器和所述处理器之间的连接通信;
所述处理器,用于执行存储器中存储的合格手部照片获取方法程序,以实现如上面所述的任意一种方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有可执行程序,所述可执行程序被处理器执行时实现如上面所述的任意一种方法的步骤。
本发明实施例的合格手部照片获取方法、装置、设备及存储介质,包括:根据拍摄的多张手部照片,获取各张手部照片对应的候选手部轮廓;根据所述候选手部轮廓及预设的合格手部轮廓确定规则,从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片;根据所述第一合格手部照片,获取所述第一合格手部照片对应的合格手部照片;可见,本发明实施例的合格手部照片获取方法、装置、设备及存储介质,通过获取的候选手部轮廓及预设的合格手部轮廓确定规则,获取包括合格手部轮廓的第一合格手部照片,进而准确获取对应的手部特征。
本发明实施例的其他有益效果将在具体实施方式中结合具体技术方案进一步说明。
附图说明
为了更清楚地说明本发明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要的说明。应当理解,下面描述的附图仅仅是本发明实施例的一部分附图,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它的附图。
图1为本发明实施例合格手部照片获取方法的流程示意图;
图2为本发明实施例合格手部照片获取方法中手部的示意图;
图3为本发明实施例合格手部照片获取方法中任意两张相邻的所述第一合格手部照片的矩形边框的示意图;
图4为本发明实施例合格手部照片获取方法中候选手部轮廓获取的流程示意图;
图5为本发明实施例合格手部照片获取装置的结构示意图;
图6为本发明实施例幼儿园晨检设备的结构示意图。
具体实施方式
本发明实施例提供了一种合格手部照片获取方法,所述方法包括:
根据拍摄的多张手部照片,获取各张手部照片对应的候选手部轮廓;
根据所述候选手部轮廓及预设的合格手部轮廓确定规则,从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片。
本发明实施例的合格手部照片获取方法、装置、设备及存储介质,通过获取的候选手部轮廓及预设的合格手部轮廓确定规则,获取包括合格手部轮廓的第一合格手部照片,进而准确获取对应的手部特征。
这里的多张手部照片,均是指同一个被检测者的手部照片,为了准确获得合格手部照片,需要拍摄多张照片进行筛选。
为更清楚的了解本发明,以下结合附图及具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。并且,下面描述的实施例,仅仅是本发明的一部分实施例,而不是全部的实施例。本技术领域的普通技术人员,根据这些实施例,在不付出创造性劳动的前提下获得的所有其它实施例,均属于本发明保护的范围。
实施例一
本实施例提供了一种合格手部照片获取方法,所述方法可以由智能设备实现,即执行主体可以是智能设备,具体的是智能设备中的计算机;如图1所示,所述方法包括:
步骤101:根据拍摄的多张手部照片,获取各张手部照片对应的候选手部轮廓;
具体地,所述获取所述手部照片对应的候选手部轮廓,包括:
根据图像处理中各种颜色对应的数值及人体手部皮肤颜色的数值范围,获取所述手部照片对应的候选手部轮廓。
由于人体肤色和其它背景颜色不同,因此通过皮肤颜色获取候选手部轮廓,处理更方便快捷,是更佳的实施方式。具体地,这里的候选手部轮廓可以认为是疑似手部轮廓。由于光线条件和每个人皮肤颜色的不同,为了能获取每个人的手部轮廓,皮肤颜色判断条件放的很宽,因此手部和手部附近的人体其它部位会作为疑似手部轮廓被获取,甚至脸部、红颜色衣服也可能包括在疑似手部轮廓中,被获取的疑似手部轮廓需要通过下面的合格手部轮廓确定规则才能去判断是不是合格手部轮廓。
还有,在图像处理中,会根据色彩模式将颜色转换为唯一的数值,例如,可以根据RGB色彩模式确定各种颜色的RGB值。这样,便于计算机处理,是更佳的实施方式。具体地,普通相机拍到的图像是BGR模式,计算机读取后会转换为RGB模式。
更具体地,在所述根据图像处理中各种颜色对应的数值及人体手部皮肤颜色的数值范围,获取所述手部照片对应的候选手部轮廓之后,所述方法还包括:
根据所述候选手部轮廓,获取与所述候选手部轮廓对应的手部凸轮廓、凸点、凹点和候选手部轮廓矩形框。
这样,能从多个方面判断所述候选手部轮廓是否是合格手部轮廓,即是否拍到被检测者的手部及被检测者的手部姿势是否正确,是更佳的实施方式。
具体地,手部凸轮廓为将候选手部轮廓的外部点连接得到;所述凸点和凹点根据候选手部轮廓和手部凸轮廓的相互位置确定或根据候选手部轮廓的极值点确定。
本实施例中,是将拍摄得到的RGB图像转YCrCb(优化彩色视频信号)图像、获取各种颜色的Cr分量,Cr分量为可通过计算机处理的唯一数值。然后根据人体手部皮肤颜色的Cr分量范围获取候选手部轮廓。
这里,人体手部皮肤颜色的Cr分量范围,可以通过现有的相关标准获得,也可以建立神经网络模型,并大量学习获得。
本实施例中,候选手部轮廓如图2所示,其中候选手部轮廓为AaBbCcDdEeFgh,手部凸轮廓为ABCDEFG,凸点为A、B、C、D、E、F、G,凹点为a、b、c、d、e、h,候选手部轮廓矩形框为将候选手部轮廓围住的最小矩形框。
步骤102:根据所述候选手部轮廓及预设的合格手部轮廓确定规则,从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片;
具体地,所述方法还包括:
根据获取的候选手部轮廓、手部凸轮廓、凸点、凹点和候选手部轮廓矩形框,计算如下参数的值:
A.候选手部轮廓面积;即AaBbCcDdEeFgh围成的面积,即图中实线围成的面积。
B.手部凸轮廓面积与手部凸缺陷面积的比值;手部凸缺陷面积为手部凸轮廓面积减去所述候选手部轮廓面积,即为AaB、BbC、CcD、DdE、EeF、GhA围成的面积之和。具体为:
S1=SABCDEFG (1)
S2=SAaB+SBbC+SCcD+SDdE+SEeF+SGhA (2)
B=S1/S2 (3)
C.候选手部轮廓周长。
D.候选手部轮廓周长与手部凸轮廓周长的比值。具体为:
C1=LAaBbCcDdEeFgh (4)
C2=LABCDEFG (5)
D=C1/C2 (6)
E.凹点数量。
F.凹点到手部凸轮廓的最小距离;即d到d1的直线距离。
上述参数计算的结果均符合所述合格手部轮廓确定规则时,确定当前的手部照片包括合格手部轮廓,否则,不包括合格手部轮廓。
通过计算6组参数的值,可以将手部照片内无手部、手指未分开、手部拍摄角度不正确、手指蜷缩、握拳等姿势去除,可以更准确的确定所述候选手部轮廓是否合格手部轮廓,是更佳的实施方式。
这里,所述预设的合格手部轮廓确定规则,可以通过对一定数量的候选手部轮廓进行测量统计得到,例如采集大量合格的手部图像,利用设计好的程序计算出每张手部图像的6组参数值,经过大量图像计算后,每组参数都获得大量数值,在最小值和最大值基础上放大一定冗余,可以得到了6组参数的合理范围值。也可以建立神经网络模型,并大量学习获得,不作详述。
进一步地,为了确定更准确,所述预设的合格手部轮廓确定规则,还可以增加如下参数:
G.手部凸轮廓面积与候选手部轮廓面积的比值;手部凸轮廓面积为ABCDEFG围成的面积,即图中虚线围成的面积。具体为:
S1=SABCDEFG (7)
S3=SAaBbCcDdEeFgh (8)
G=S1/S3 (9)
H.凸点数量;
I.候选手部轮廓矩形框面积;
J.候选手部轮廓矩形框周长;
K.候选手部轮廓矩形框宽与高的比值。
每个参数值的取得同上。这样,可以进一步的将手部照片内无手部、手指未分开、手部拍摄角度不正确、手指蜷缩、握拳等姿势去除,这是更佳的实施方式。
进一步地,在所述从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片之后,所述方法还包括:
根据至少三张所述第一合格手部照片的目标区域相互间的偏离程度,确定所述第一合格手部照片的清晰度,并获取具有合格清晰度的第二合格手部照片。
这里,目标区域相互间的偏离程度,实质是同一个被拍摄物体在不同的拍摄时间内的偏移,偏移的原因可能是被拍摄物体运动、相机脱焦、相机抖动等,无论哪一种,都对第一合格手部照片的清晰度产生影响,因此需要进行量化。这样,在避免被检测者姿势不正确之外,还能避免因为手部运动、相机脱焦、相机抖动等原因造成照片不清晰,是更佳的实施方式。
本实施例中,采集手部照片为非接触方式,即手部没有固定的摆放位置,只是随意的朝向相机或摄像头,拍摄过程中手部可能在运动,对被检测者来说是更方便,但对设备来说,处理难度更大,因此,获取手部照片的清晰度,能更准确的获取手部特征,是更佳的实施方式。
这里的目标区域,是包括被拍摄物体的一个区域,例如可以是包括所述候选手部轮廓的矩形边框。
具体地,所述根据至少三张所述第一合格手部照片的目标区域相互间的偏离程度,确定所述第一合格手部照片的清晰度,包括:
获取三张第一合格手部照片;
获取所述第一合格手部照片内包含所述候选手部轮廓的矩形边框;
根据获取的所述矩形边框,获取所述矩形边框四个顶点在所述第一合格手部照片中的坐标;
根据获取的所述矩形边框四个顶点的坐标,确定三张所述第一合格手部照片中矩形边框相互间的偏离程度;
根据确定的三张所述第一合格手部照片中矩形边框相互间的偏离程度,确定所述第一合格手部照片的清晰度。
根据矩形边框四个顶点的坐标,确定三张所述第一合格手部照片中矩形边框相互间的偏离程度,更容易处理,是更佳的实施方式。
更具体地,确定三张所述第一合格手部照片中矩形边框相互间的偏离程度,是通过如下步骤获取的:
将三张所述第一合格手部照片中任意两张相邻的所述第一合格手部照片的矩形边框的四个顶点的坐标,分别两两计算欧氏距离;
将计算出的四个欧氏距离,作为相邻的两张所述第一合格手部照片的四个偏离量。
通过计算相邻的所述第一合格手部照片的矩形边框的四个顶点的欧氏距离,既能准确反映两个矩形边框的偏离程度,实施也比较简便,是更佳的实施方式。
计算所述第一合格手部照片的矩形边框的四个顶点的欧氏距离,可以参见图3,两张相邻的所述手部照片的目标矩形框的四个顶点分别为:
第一张:(x1-1,y1-1)、(x1-2,y1-2)、(x1-3,y1-3)和(x1-4,y1-4);
第二张:(x2-1,y2-1)、(x2-2,y2-2)、(x2-3,y2-3)和(x2-4,y2-4)。
其中,(x1-2,y1-2)顶点被遮住,未在图中示出。
欧氏距离的计算按表达式(1):
其中,l1为两张手部照片中目标矩形框的第一个顶点的欧氏距离,以此类推,可以计算出其它三个顶点的欧氏距离,作为相邻的两张所述手部照片的四个偏离量。
实践中,连续三张第一合格手部照片的偏离量均小于100个像素点,即相邻两张所述手部照片的四个欧式距离均小于100个像素点,可以认为该第一合格手部照片是清晰的。
进一步地,在获取具有合格清晰度的第二合格手部照片之后,所述方法还包括:
获取所述第二合格手部照片中的目标特征;
获取所述目标特征在所述第二合格手部照片中的位置;
将位置不在所述候选手部轮廓之内的目标特征去除。
这里,由于确定清晰度之后,还是以整个照片,即具有合格清晰度的第二合格手部照片进入下一步,因此需要将候选手部轮廓之外的目标特征去除,避免获取不在候选手部轮廓的目标特征,可以减少处理工作量,是更佳的实施方式。
这里,所述目标特征可以作为疾病诊断的参考依据,例如手掌是否有疱疹、外伤、异常颜色等,并据此判断被检测者是否患病,例如如果手掌有疱疹,则表明被检测者可能患有手足口病,但本发明只保护获取目标特征的方法,并不保护如何诊断疾病。
这里,所述目标特征可以是手部特征的一部分,手部特征有很多,例如掌纹、指纹等,大多数是正常的生理特征,但是为了提高获取效率,在获取第二合格手部照片后,可以仅获取具有预设条件的目标特征,而无需从大量手部特征(其中可能大部分是正常的生理特征)中筛选,预设条件可以包括疱疹的形状、大小、颜色等。这些预设条件可以包括在获取目标特征的算法中,所述算法可以包括图形分析和识别的算法,不在本发明实施例的公开范围。
为了进一步了解本发明实施例的合格手部照片获取方法,下面详细介绍合格手部照片获取方法中候选手部轮廓获取的流程,如图4所示,所述流程包括:
步骤401:手部图像获取。将拍摄的照片中包括手部的区域截取出,获得手部图像,截取也就是通常说的抠图,如果没有拍摄到手部,会继续拍摄,直到拍摄到手部为止。
步骤402:图像转换。将手部图像的RGB格式转换为YCrCb格式。当然,之前相机拍摄的BGR格式已经转换为RGB格式了。
步骤403:获取手部图像的颜色数值。获取手部图像中所有颜色的Cr分量。
步骤404:高斯滤波和二值化。得到手部图像中所有颜色的Cr分量后,需要对Cr分量进行超阈值零值处理、高斯滤波和二值化阈值处理,目的是去除噪声干扰。
步骤405:确定候选手部轮廓区域。根据手部图像中所有颜色的Cr分量及手部皮肤颜色的Cr分量范围,确定候选手部轮廓区域,即疑似手部轮廓。
步骤406:确定手部凸轮廓区域。根据候选手部轮廓区域,确定手部凸轮廓区域,即将候选手部轮廓的外部点连接起来。
步骤407:确定手部凸缺陷区域、凹点和凸点。根据候选手部轮廓区域和手部凸轮廓区域,确定手部凸缺陷区域、凹点和凸点。
实施例二
本实施例提供了一种合格手部照片获取装置500,如图5所示,所述装置包括第一获取模块501和第二获取模块502;其中,
所述第一获取模块501,用于根据拍摄的多张手部照片,获取各张手部照片对应的候选手部轮廓;
所述第二获取模块502,用于根据所述候选手部轮廓及预设的合格手部轮廓确定规则,从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片。
为了说明的更清楚,下面将分别对各个模块作详细说明:
具体地,所述第一获取模块501用于:
根据图像处理中各种颜色对应的数值及人体手部皮肤颜色的数值范围,获取所述手部照片对应的候选手部轮廓。
更具体地,所述第一获取模块501,用于:
根据图像处理中颜色对应的数值及人体手部皮肤颜色的数值范围,获取所述手部照片对应的候选手部轮廓、手部凸轮廓。
具体地,所示第二获取模块502用于:
根据获取的候选手部轮廓、手部凸轮廓、凸点、凹点和候选手部轮廓矩形框,计算如下参数的值:
A.候选手部轮廓面积;即AaBbCcDdEeFgh围成的面积,即图中实线围成的面积。
B.手部凸轮廓面积与手部凸缺陷面积的比值;手部凸缺陷面积为手部凸轮廓面积减去所述候选手部轮廓面积,即为AaB、BbC、CcD、DdE、EeF、GhA围成的面积之和。具体为:
S1=SABCDEFG (1)
S2=SAaB+SBbC+SCcD+SDdE+SEeF+SGhA (2)
B=S1/S2 (3)
C.候选手部轮廓周长。
D.候选手部轮廓周长与手部凸轮廓周长的比值。具体为:
C1=LAaBbCcDdEeFgh (4)
C2=LABCDEFG (5)
D=C1/C2 (6)
E.凹点数量。
F.凹点到手部凸轮廓的最小距离;即d到d1的直线距离。
上述参数计算的结果均符合所述合格手部轮廓确定规则时,确定当前的手部照片包括合格手部轮廓,否则,不包括合格手部轮廓。
进一步地,所述第二获取模块502还用于:
根据至少三张所述第一合格手部照片的目标区域相互间的偏离程度,确定所述第一合格手部照片的清晰度,并获取具有合格清晰度的第二合格手部照片。
具体地,所述第二获取模块502用于:
获取三张第一合格手部照片;
获取所述第一合格手部照片内包含所述手部轮廓的矩形边框;
根据获取的所述矩形边框,获取所述矩形边框四个顶点在所述第一合格手部照片中的坐标;
根据获取的所述矩形边框四个顶点的坐标,确定三张所述第一合格手部照片中矩形边框相互间的偏离程度;
根据确定的三张所述第一合格手部照片中矩形边框相互间的偏离程度,确定所述第一合格手部照片的清晰度。
进一步地,所述第二获取模块502还用于:
获取所述第二合格手部照片中的目标特征;
获取所述目标特征在所述第二合格手部照片中的位置;
将位置不在所述候选手部轮廓之内的目标特征去除。
本发明实施例中的装置可以为设置在智能设备中的装置,也可以为与智能设备连接且通信的独立装置。
在一些实施例中,本发明实施例的装置可以用于执行上述实施例中所描述的合格手部照片获取方法,当然也可以包括用于执行上述实施例所描述的合格手部照片获取方法中的任意流程和/或步骤的模块,为了简洁,不再赘述。
以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明装置实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
本发明实施例所包括的各模块,可以通过智能设备中的处理器来实现;当然也可通过智能设备中的逻辑电路实现;在实施的过程中,处理器可以为中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)等。
实施例三
本实施例提供了一种智能设备,在具体实施时,所述智能设备可以是幼儿园晨检设备,能够理解,所述智能设备也可以用于其它学校和其它需要检测的场所,如医院、工厂、商场等。
如图6所示,所述设备600包括:存储器601、通信总线602和处理器603,其中:
所述存储器601,用于存储合格手部照片获取方法程序;
所述通信总线602,用于实现所述存储器和所述处理器之间的连接通信;
所述处理器603,用于执行存储器中存储的合格手部照片获取方法程序,以实现如实施例一所述的合格手部照片获取方法的步骤。
具体地,所述处理器可以是基于精简指令集计算机(RISC,Reduced InstructionSet Computer)架构的多核处理器;所述存储器可以是高容量的磁性存储器。
具体地,所述设备600还包括:外部通信接口604、拍摄部件605、显示屏606和语音提示部件607,其中:
所述外部通信接口604,可以用于与外部的终端通信,外部的终端包括服务器或客户端,所述外部通信接口604可以包括有线接口和无线接口;
所述拍摄部件605,可以用于拍摄手部照片;
所述显示屏606,可以用于实时显示脸部照片、口部图像或提示信息;
所述语音提示部件607,可以用于提示被检测者,例如可以提示被检测者站立位置不对。
以上设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本实施例的智能设备中未披露的技术细节,请参照本发明中方法实施例的描述而理解。
实施例四
本实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有可执行程序,所述可执行程序被处理器执行时实现如实施例一所述的合格手部照片获取方法的步骤。
所述计算机可读存储介质可以是高容量的磁性存储器。
以上计算机可读存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本实施例的计算机可读存储介质中未披露的技术细节,请参照本发明中方法实施例的描述而理解。
在本发明实施例记载中,除非另有说明和限定,术语“连接”应做广义理解,例如,可以是电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明实施例中如有涉及的术语“第一\第二\第三”,仅是区别类似的物体,不代表针对物体的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。
应理解,说明书通篇中提到的“一实施例”或“一些实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一实施例中”或“在一些实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多张实施例中。应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种合格手部照片获取方法,其特征在于,所述方法包括:
根据拍摄的多张手部照片,获取各张手部照片对应的候选手部轮廓;
根据所述候选手部轮廓及预设的合格手部轮廓确定规则,从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片。
2.根据权利要求1所述的方法,其特征在于,所述获取所述手部照片对应的候选手部轮廓,包括:
根据图像处理中各种颜色对应的数值及人体手部皮肤颜色的数值范围,获取所述手部照片对应的候选手部轮廓。
3.根据权利要求2所述的方法,其特征在于,在所述根据图像处理中各种颜色对应的数值及人体手部皮肤颜色的数值范围,获取所述手部照片对应的候选手部轮廓之后,所述方法还包括:
根据所述候选手部轮廓,获取与所述候选手部轮廓对应的手部凸轮廓、凸点、凹点和候选手部轮廓矩形框。
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:
根据获取的候选手部轮廓、手部凸轮廓、凸点和凹点,计算如下参数的值:
A.候选手部轮廓面积;
B.手部凸轮廓面积与手部凸缺陷面积的比值;
C.候选手部轮廓周长;
D.候选手部轮廓周长与手部凸轮廓周长的比值;
E.凹点数量;
F.凹点到凸轮廓的最小距离;
上述参数计算的结果均符合所述合格手部轮廓确定规则,确定当前的手部照片包括合格手部轮廓。
5.根据权利要求4所述的方法,其特征在于,在所述从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片之后,所述方法还包括:
根据至少三张所述第一合格手部照片的目标区域相互间的偏离程度,确定所述第一合格手部照片的清晰度,并获取具有合格清晰度的第二合格手部照片。
6.根据权利要求5所述的方法,其特征在于,所述根据至少三张所述第一合格手部照片的目标区域相互间的偏离程度,确定所述第一合格手部照片的清晰度,包括:
获取三张第一合格手部照片;
获取所述第一合格手部照片内包含所述候选手部轮廓的矩形边框;
根据获取的所述矩形边框,获取所述矩形边框四个顶点在所述第一合格手部照片中的坐标;
根据获取的所述矩形边框四个顶点的坐标,确定三张所述第一合格手部照片中矩形边框相互间的偏离程度;
根据确定的三张所述第一合格手部照片中矩形边框相互间的偏离程度,确定所述第一合格手部照片的清晰度。
7.根据权利要求6所述的方法,其特征在于,在获取具有合格清晰度的第二合格手部照片之后,所述方法还包括:
获取所述第二合格手部照片中的目标特征;
获取所述目标特征在所述第二合格手部照片中的位置;
将位置不在所述候选手部轮廓之内的目标特征去除。
8.一种合格手部照片获取装置,其特征在于,所述装置包括第一获取模块和第二获取模块;其中,
所述第一获取模块,用于根据拍摄的多张手部照片,获取各张手部照片对应的候选手部轮廓;
所述第二获取模块,用于根据所述候选手部轮廓及预设的合格手部轮廓确定规则,从多张所述手部照片中获取包括合格手部轮廓的第一合格手部照片。
9.一种智能设备,其特征在于,所述设备包括:存储器、通信总线和处理器,其中:
所述存储器,用于存储合格手部照片获取方法程序;
所述通信总线,用于实现所述存储器和所述处理器之间的连接通信;
所述处理器,用于执行存储器中存储的合格手部照片获取方法程序,以实现如权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有可执行程序,所述可执行程序被处理器执行时实现如权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010437269.1A CN111563477A (zh) | 2020-05-21 | 2020-05-21 | 一种合格手部照片获取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010437269.1A CN111563477A (zh) | 2020-05-21 | 2020-05-21 | 一种合格手部照片获取方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111563477A true CN111563477A (zh) | 2020-08-21 |
Family
ID=72069630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010437269.1A Pending CN111563477A (zh) | 2020-05-21 | 2020-05-21 | 一种合格手部照片获取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111563477A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101536032A (zh) * | 2006-11-02 | 2009-09-16 | 皇家飞利浦电子股份有限公司 | 图像识别的装置及方法 |
CN104102347A (zh) * | 2014-07-09 | 2014-10-15 | 东莞万士达液晶显示器有限公司 | 指尖定位方法及指尖定位终端 |
CN106210495A (zh) * | 2015-05-06 | 2016-12-07 | 小米科技有限责任公司 | 图像拍摄方法和装置 |
CN109271931A (zh) * | 2018-09-14 | 2019-01-25 | 辽宁奇辉电子系统工程有限公司 | 一种基于轮廓分析的剑指手势实时识别系统 |
CN109684959A (zh) * | 2018-12-14 | 2019-04-26 | 武汉大学 | 基于肤色检测和深度学习的视频手势的识别方法及装置 |
CN110287771A (zh) * | 2019-05-10 | 2019-09-27 | 平安科技(深圳)有限公司 | 图像手掌区域提取方法及装置 |
CN110705465A (zh) * | 2019-09-30 | 2020-01-17 | 哈尔滨理工大学 | 一种基于图像处理的手型分类方法 |
-
2020
- 2020-05-21 CN CN202010437269.1A patent/CN111563477A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101536032A (zh) * | 2006-11-02 | 2009-09-16 | 皇家飞利浦电子股份有限公司 | 图像识别的装置及方法 |
CN104102347A (zh) * | 2014-07-09 | 2014-10-15 | 东莞万士达液晶显示器有限公司 | 指尖定位方法及指尖定位终端 |
CN106210495A (zh) * | 2015-05-06 | 2016-12-07 | 小米科技有限责任公司 | 图像拍摄方法和装置 |
CN109271931A (zh) * | 2018-09-14 | 2019-01-25 | 辽宁奇辉电子系统工程有限公司 | 一种基于轮廓分析的剑指手势实时识别系统 |
CN109684959A (zh) * | 2018-12-14 | 2019-04-26 | 武汉大学 | 基于肤色检测和深度学习的视频手势的识别方法及装置 |
CN110287771A (zh) * | 2019-05-10 | 2019-09-27 | 平安科技(深圳)有限公司 | 图像手掌区域提取方法及装置 |
CN110705465A (zh) * | 2019-09-30 | 2020-01-17 | 哈尔滨理工大学 | 一种基于图像处理的手型分类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7094702B2 (ja) | 画像処理装置及びその方法、プログラム | |
WO2018176938A1 (zh) | 红外光斑中心点提取方法、装置和电子设备 | |
US8059870B2 (en) | Time-of-flight sensor-assisted iris capture system and method | |
JP4772839B2 (ja) | 画像識別方法および撮像装置 | |
Huang et al. | Real-time classification of green coffee beans by using a convolutional neural network | |
CN108428224B (zh) | 基于卷积神经网的动物体表温度检测方法及装置 | |
CN108416291B (zh) | 人脸检测识别方法、装置和系统 | |
CN105975926A (zh) | 基于光场相机的人脸活体检测方法 | |
JP6191943B2 (ja) | 視線方向推定装置、視線方向推定装置および視線方向推定プログラム | |
CN109272513B (zh) | 基于深度相机的手与物体交互分割方法及装置 | |
CN112614085A (zh) | 一种物体检测方法、装置及终端设备 | |
TWI721786B (zh) | 人臉校驗方法、裝置、伺服器及可讀儲存媒介 | |
CN111046825A (zh) | 人体姿态识别方法、装置、系统及计算机可读存储介质 | |
Wang et al. | Automatic fundus images mosaic based on SIFT feature | |
WO2020014913A1 (zh) | 物体体积测量方法、相关装置及计算机可读存储介质 | |
CN109815823A (zh) | 数据处理方法及相关产品 | |
Hahne et al. | PlenoptiCam v1. 0: A light-field imaging framework | |
Panetta et al. | Unrolling post-mortem 3D fingerprints using mosaicking pressure simulation technique | |
CN111563895A (zh) | 一种图片清晰度确定方法、装置、设备及存储介质 | |
JP6444331B2 (ja) | 対象識別装置 | |
CN116823694A (zh) | 基于多聚焦信息整合的红外与可见光图像融合方法及系统 | |
CN115423804B (zh) | 影像标定方法及装置、影像处理方法 | |
CN111563477A (zh) | 一种合格手部照片获取方法、装置、设备及存储介质 | |
CN111881841A (zh) | 一种基于双目视觉的人脸检测识别方法 | |
CN114998571B (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 |
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 |