CN111598021B - 面部遮挡物的佩戴检测方法、装置、电子设备及存储介质 - Google Patents

面部遮挡物的佩戴检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111598021B
CN111598021B CN202010427418.6A CN202010427418A CN111598021B CN 111598021 B CN111598021 B CN 111598021B CN 202010427418 A CN202010427418 A CN 202010427418A CN 111598021 B CN111598021 B CN 111598021B
Authority
CN
China
Prior art keywords
face
preset
facial
image
detection
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
CN202010427418.6A
Other languages
English (en)
Other versions
CN111598021A (zh
Inventor
刘睿
张修宝
沈海峰
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.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development 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 Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202010427418.6A priority Critical patent/CN111598021B/zh
Publication of CN111598021A publication Critical patent/CN111598021A/zh
Application granted granted Critical
Publication of CN111598021B publication Critical patent/CN111598021B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V40/168Feature extraction; Face representation
    • G06V40/171Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G06V40/172Classification, e.g. identification

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

本申请提供了一种面部遮挡物的佩戴检测方法、装置、电子设备及存储介质,涉及计算机视觉技术领域。该方法可包括:从待识别图像中剪裁人脸图像;对人脸图像进行预设面部特征的检测,得到预设面部特征的检测结果,其中,预设面部特征为面部遮挡物的预设遮挡面部特征;根据预设面部特征的检测结果,确定面部遮挡物的佩戴状态。本申请的方法可基于人脸图像中预设面部特征部位的检测结果,确定面部遮挡物的佩戴状态,将人脸图像的分类检测转化为预设面部特征的检测,可以有效提高面部遮挡物佩戴状态的检测效率和检测结果准确性。

Description

面部遮挡物的佩戴检测方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机视觉技术领域,具体而言,涉及一种面部遮挡物的佩戴检测方法、装置、电子设备及存储介质。
背景技术
在疫情、流感、环境污染等一些特殊情况下,规范佩戴面部遮挡物对保障个人安全及社会安全而言至关重要。规范佩戴面部遮挡物是指使面部遮挡物能够全面严实地覆盖人脸的预设部位,但实际生活中,部分人群无法做到始终规范地佩戴,亟需监督。
现有技术中,主要依靠图像检测分类的技术,对人脸图像直接进行图像检测,并根据检测结果进行分类的方法,将图像分为面部遮挡物佩戴规范和面部遮挡物佩戴不规范两种类别,通过把人脸图像输入到分类器中,从而判断面部遮挡物佩戴的类型。
但是,通过直接对整个人脸图像进行检测,人脸图像中多个部位的特征之间会造成影响,导致对预设部位的检测效果较差,从而根据检测结果确定面部遮挡物的佩戴状态的效果较差。
发明内容
有鉴于此,本申请实施例的目的在于提供一种面部遮挡物的佩戴检测方法、装置、电子设备及存储介质,以解决现有技术中存在的面部遮挡物佩戴检测效率低,效果差的问题。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供了一种面部遮挡物的佩戴检测方法,包括:
从待识别图像中识别并提取人脸图像;
对所述人脸图像进行预设面部特征的检测,得到所述预设面部特征的检测结果,其中,所述预设面部特征为所述面部遮挡物的预设遮挡面部特征;所述预设面部特征包括至少一个部位特征;所述预设面部特征的检测结果为结果列表,所述结果列表包括:所述人脸图像中检测到的面部特征的检测信息;
根据所述预设面部特征的检测结果,确定所述面部遮挡物的佩戴状态。
在一些可实现的方式中,所述从待识别图像中识别并提取人脸图像,包括:
对所述待识别图像进行人脸检测;
若检测到人脸,确定所述待识别图像中人脸框的位置;
根据所述人脸框的位置,从所述待识别图像中提取所述人脸框的区域作为所述人脸图像。
在一些可实现的方式中,所述对所述人脸图像进行预设面部特征的检测,得到所述预设面部特征的检测结果,包括:
采用预设的所述预设面部特征的检测器,对所述人脸图像进行所述预设面部特征的检测,得到所述预设面部特征的检测结果。
在一些可实现的方式中,所述检测信息包括:所述检测到的面部特征的标签,及所述检测到的面部特征对应的检测框的位置。
在一些可实现的方式中,所述根据所述预设面部特征的检测结果,确定所述面部遮挡物的佩戴状态,包括:
根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物。
在一些可实现的方式中,所述根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物,包括:
若所述结果列表的长度为0,则确定所述人脸图像的面部已佩戴所述面部遮挡物,且,满足预设佩戴要求。
在一些可实现的方式中,若所述预设面部特征包括:多个部位特征;所述根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物,还包括:
若所述结果列表的长度大于0,根据所述结果列表中所述检测到的面部特征的检测信息,确定所述检测到的面部特征为所述预设面部特征中的所有部位特征,还是部分部位特征;
若所述检测到的面部特征为所述所有部位特征,确定所述人脸图像的面部未佩戴所述面部遮挡物。
在一些可实现的方式中,所述根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物,还包括:
若所述检测到的面部特征为所述部分部位特征,确定所述人脸图像的面部佩戴所述面部遮挡物,但不满足所述预设佩戴要求。
在一些可实现的方式中,若所述结果列表的长度大于0,所述方法还包括:
输出佩戴指示信息,以指示所述面部遮挡物未遮挡所述检测到的面部特征。
在一些可实现的方式中,若所述预设面部特征包括:一个部位特征;所述根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物,还包括:
若所述结果列表的长度大于0,则确定所述人脸图像的面部未佩戴所述面部遮挡物。
第二方面,本申请实施例提供了一种面部遮挡物的佩戴检测装置,包括:剪裁模块、检测模块、确定模块;
所述提取模块,用于从待识别图像中识别并提取人脸图像;
所述检测模块,用于对所述人脸图像进行预设面部特征的检测,得到所述预设面部特征的检测结果,其中,所述预设面部特征为所述面部遮挡物的预设遮挡面部特征;所述预设面部特征包括至少一个部位特征;所述预设面部特征的检测结果为结果列表,所述结果列表包括:所述人脸图像中检测到的面部特征的检测信息;
所述确定模块,用于根据所述预设面部特征的检测结果,确定所述面部遮挡物的佩戴状态。
在一些可实现的方式中,所述提取模块,具体用于对所述待识别图像进行人脸检测;若检测到人脸,确定所述待识别图像中人脸框的位置;根据所述人脸框的位置,从所述待识别图像中提取所述人脸框的区域作为所述人脸图像。
在一些可实现的方式中,所述检测模块,具体用于采用预设的所述预设面部特征的检测器,对所述人脸图像进行所述预设面部特征的检测,得到所述预设面部特征的检测结果。
在一些可实现的方式中,所述预设面部特征包括至少一个部位特征;所述预设面部特征的检测结果为结果列表,所述结果列表包括:所述人脸图像中检测到的面部特征的检测信息。
在一些可实现的方式中,所述检测信息包括:所述检测到的面部特征的标签,及所述检测到的面部特征对应的检测框的位置。
在一些可实现的方式中,所述确定模块,具体用于根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物。
所述确定模块,具体用于若所述结果列表的长度为0,则确定所述人脸图像的面部已佩戴所述面部遮挡物,且,满足预设佩戴要求。
在一些可实现的方式中,若所述预设面部特征包括:多个部位特征;
所述确定模块,具体用于若所述结果列表的长度大于0,根据所述结果列表中所述检测到的面部特征的检测信息,确定所述检测到的面部特征为所述预设面部特征中的所有部位特征,还是部分部位特征;若所述检测到的面部特征为所述所有部位特征,确定所述人脸图像的面部未佩戴所述面部遮挡物。
所述确定模块,具体用于若所述检测到的面部特征为所述部分部位特征,确定所述人脸图像的面部佩戴所述面部遮挡物,但不满足所述预设佩戴要求。
在一些可实现的方式中,若所述结果列表的长度大于0,所述装置还包括:输出模块;
所述输出模块,用于输出佩戴指示信息,以指示所述面部遮挡物未遮挡所述检测到的面部特征。
在一些可实现的方式中,若所述预设面部特征包括:一个部位特征;所述确定模块,具体用于若所述结果列表的长度大于0,则确定所述人脸图像的面部未佩戴所述面部遮挡物。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如上述第一方面所述的面部遮挡物的佩戴检测方法的步骤。
第四方面,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上存储有计算机程序,该计算机程序被处理器运行时执行如上述第一方面所述的面部遮挡物的佩戴检测方法的步骤。
本申请的有益效果:
本申请提供一种面部遮挡物的佩戴检测方法、装置、电子设备及存储介质,该方法可包括:从待识别图像中剪裁人脸图像;对人脸图像进行预设面部特征的检测,得到预设面部特征的检测结果,其中,预设面部特征为面部遮挡物的预设遮挡面部特征;根据预设面部特征的检测结果,确定面部遮挡物的佩戴状态。本申请的方法可基于人脸图像中预设面部特征部位的检测结果,确定面部遮挡物的佩戴状态,将人脸图像全局检测问题转化为局部特定部位的特征检测,如预设面部特征部位的检测,可以有效提高面部遮挡物佩戴状态的检测效率和检测结果准确性。
其次,通过对预设面部特征部位的检测能够获得比人脸图像分类更细粒度的图像信息,从而更准确地理解图像内容,使决策信息更加充分,从而提高检测结果的准确率。
另外,根据检测结果,发送指示信息以提示用户进行规范佩戴,可便于提高用户的佩戴调整效率,同时提高用户的体验度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种面部遮挡物的佩戴检测系统的框图;
图2为本申请实施例提供的电子设备的示例性硬件和软件组件的示意图;
图3为本申请实施例提供的一种面部遮挡物的佩戴检测方法的流程示意图;
图4为本申请实施例提供的另一种面部遮挡物的佩戴检测方法的流程示意图;
图5为本申请实施例提供的另一种面部遮挡物的佩戴检测方法的流程示意图;
图6为本申请实施例提供的一种面部遮挡物的佩戴检测装置的示意图;
图7为本申请实施例提供的另一种面部遮挡物的佩戴检测装置的示意图;
图8为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例提供的一种面部遮挡物的佩戴检测系统的框图。例如,面部遮挡物的佩戴检测系统100可以是用于诸如出租车、代驾服务、快车、拼车、公共汽车服务、驾驶员租赁、或班车服务之类的运输服务、或其任意组合的在线运输服务平台。也可以是用于诸如小区、学校、商场之类的人员流动量较大的场合中,可应用于该类似场合的门禁系统中。面部遮挡物的佩戴检测系统100可以包括服务器110、网络120、终端设备130、和数据库140中的一种或多种,服务器110中可以包括执行指令操作的处理器。
服务器110可以是单个服务器,也可以是服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式系统)。在一些实施例中,服务器110相对于终端,可以是本地的、也可以是远程的。例如,服务器110可以经由网络120访问终端设备130、或数据库140、或其任意组合中的信息和/或数据。作为另一示例,服务器110可以直接连接到终端设备130、和数据库140中至少一个,以访问存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。在一些实施例中,服务器110可以在具有本申请中图2所示的一个或多个组件的电子设备200上实现。
在一些实施例中,服务器110可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据,以执行本申请中描述的一个或多个功能。例如,处理器可以基于终端设备130获得的图像信息来确定人脸图像。在一些实施例中,处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、专用指令集处理器(Application Specific Instruction-setProcessor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field Programmable GateArray,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元或微处理器等,或其任意组合。
网络120可以用于信息和/或数据的交换。在一些实施例中,面部遮挡物的佩戴检测系统100中的一个或多个组件(例如,服务器110,终端设备130,和数据库140)可以向其他组件发送信息和/或数据。例如,服务器110可以经由网络120从服务请求方终端设备130获取服务请求。在一些实施例中,网络120可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络120可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(Wireless Local Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、公共电话交换网(Public Switched TelephoneNetwork,PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication,NFC)网络等,或其任意组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或网络交换节点,面部遮挡物的佩戴检测系统100的一个或多个组件可以通过该接入点连接到网络120以交换数据和/或信息。
在一些实施例中,终端设备130可以包括移动设备、平板计算机、膝上型计算机、门禁设备或机动车辆中的内置设备等,或其任意组合。在一些实施例中,移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机、或对讲机等,或其任意组合。在一些实施例中,可穿戴设备可包括智能手环、智能头盔、智能手表、智能服装、智能背包、智能配件等、或其任何组合。在一些实施例中,智能移动设备可以包括智能手机、个人数字助理(Personal DigitalAssistant,PDA)、游戏设备、导航设备、或销售点(point of sale,POS)设备等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。在一些实施例中,机动车辆中的内置设备可以包括车载计算机、车载电视等。
在一些实施例中,数据库140可以存储数据和/或指令。在一些实施例中,数据库140可以存储从终端设备130获得的数据。在一些实施例中,数据库140可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中,数据库140可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory,ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random Access Memory,RAM);RAM可以包括动态RAM(Dynamic Random Access Memory,DRAM),双倍数据速率同步动态RAM(Double Date-Rate Synchronous RAM,DDR SDRAM);静态RAM(Static Random-Access Memory,SRAM),晶闸管RAM(Thyristor-Based RandomAccess Memory,T-RAM)和零电容器RAM(Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-Only Memory,MROM)、可编程ROM(Programmable Read-Only Memory,PROM)、可擦除可编程ROM(Programmable Erasable Read-only Memory,PEROM)、电可擦除可编程ROM(Electrically Erasable Programmable read only memory,EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。在一些实施例中,数据库140可以在云平台上实现。仅作为示例,云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等,或其任意组合。
在一些实施例中,数据库140可以连接到网络120以与面部遮挡物的佩戴检测系统100(例如,服务器110,终端设备130等)中的一个或多个组件通信。面部遮挡物的佩戴检测系统100中的一个或多个组件可以经由网络120访问存储在数据库140中的数据或指令。在一些实施例中,数据库140可以直接连接到面部遮挡物的佩戴检测系统100中的一个或多个组件(例如,服务器110,终端设备130等);或者,在一些实施例中,数据库140也可以是服务器110的一部分。
图2为本申请的一些实施例的可以实现本申请思想的服务器110、终端设备130的电子设备200的示例性硬件和软件组件的示意图。例如,处理器220可以用于电子设备200上,并且用于执行本申请中的功能。
电子设备200可以是通用计算机或特殊用途的计算机,两者都可以用于实现本申请的面部遮挡物的佩戴检测方法。本申请尽管仅示出了一个计算机,但是为了方便起见,可以在多个类似平台上以分布式方式实现本申请描述的功能,以均衡处理负载。
例如,电子设备200可以包括连接到网络的网络端口210、用于执行程序指令的一个或多个处理器220、通信总线230、和不同形式的存储介质240,例如,磁盘、ROM、或RAM,或其任意组合。示例性地,计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。电子设备200还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output,I/O)接口250。
为了便于说明,在电子设备200中仅描述了一个处理器。然而,应当注意,本申请中的电子设备200还可以包括多个处理器,因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若电子设备200的处理器执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B。
本申请的方案可以应用于例如:门禁系统、人脸识别系统等需要进行人脸面部识别,且检测人脸面部遮挡物的佩戴状态的系统。
其中,本申请中,面部遮挡物主要指代的是面部遮挡物,在疫情、流感、环境污染等特殊时期,规范佩戴面部遮挡物对保障个人安全及社会安全而言至关重要。
例如:司乘服务中,通过安装在车辆中控台中的人脸扫描设备,扫描获取司机或者乘客的图像,并提取图像中的人脸部分,进行面部遮挡物佩戴状态的检测。或者,在面对当前传染性极高的疫情,无论去任何地方,都需要对用户是否佩戴面部遮挡物进行检测,在这种场景下,可以通过设置于各个地方出入口处的人脸扫描设备,获取人脸图像,并采用本申请所提供的面部遮挡物佩戴检测方法,对用户面部遮挡物佩戴状态进行检测。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
在本申请提出申请之前,目前主流的解决方案普遍基于图像分类技术。首先将样本图像分为佩戴规范和佩戴不规范两个类别,通过把检测到的人脸图像输入到分类器中,从而判断面部遮挡物佩戴的类型;将图像分为面部遮挡物佩戴规范和面部遮挡物佩戴不规范两种类别。图像分类是计算机视觉领域中相对成熟的技术,目前主流的图像分类算法包括基于SVM、深度学习等,无论在学术领域还是工业领域都取得了不俗的成果。
其所导致的技术问题为:
第一:面部遮挡物佩戴不规范的样本数量占比较少。要得到足够的佩戴不规范的样本,则需要大量的人工对图像进行过滤。而且得到的不规范样本数量往往规模较小,因此在训练过程中通常存在样本不均衡的情况从而影响模型效果。
第二:分类算法对多业务场景中的人脸信息判断效果较差。样本因受到光照、人脸角度、成像角度、面部遮挡物类型等多种因素的影响,不同类别下样本间的差异性复杂多样。这些客观因素增大了模型训练的难度,在小样本容量的情况下,简单的分类模型的特征学习效果不佳。
第三:利用整体图像分类的方法,只能检测出整体佩戴不规范,难以具体到什么部位不规范,是面部遮挡物没有覆盖嘴巴、还是没有覆盖鼻子。无法给佩戴不规范者具体的提示。
为了解决上述技术问题,本发明实施例提供一种面部遮挡物的佩戴检测方法。其核心改进点在于:采用面部特征检测技术,对人脸图像中面部遮挡物对应的预设遮挡部位特征进行检测,根据输出的检测结果列表的长度,确定面部遮挡物的不同佩戴状态。下面通过可能的实现方式对本发明的技术方案进行说明。
如下结合多个具体的实施例,对本申请所提供的面部遮挡物的佩戴检测方法进行详细说明。
图3为本申请实施例提供的一种面部遮挡物的佩戴检测方法的流程示意图,可选地,该方法的执行主体可以是终端设备、计算机、服务器等具备人脸图像检测功能的设备。该方法可包括:
S301、从待识别图像中识别并提取人脸图像。
本申请的方法用于对面部遮挡物的佩戴进行检测,那么,其对应的检测图像则为人脸图像,当待识别的图像为其他类型图像,例如:建筑物图像、风景图像等时,对其进行检测是没有意义的。故,可先从待识别图像中识别人脸图像,并将识别到的人脸图像提取出来。
可选地,当待识别图像中有人脸图像时,识别并提取人脸图像;当待识别图像中无人脸图像时,则直接输出检测结果:未包含人脸图像。对于未包含人脸图像的待识别图像,可不采取本申请的方法进行面部遮挡物的佩戴检测。对于可识别到人脸图像的,可将人脸图像从待识别图像中提取出来,过滤掉其他与人脸无关的背景图像,避免背景图像对检测结果造成干扰,从而提高检测结果的精确性。并进一步地,根据提取的人脸图像,采用下述的方法,进行面部遮挡物的佩戴检测。
可以理解的是,从待识别图像中识别并提取人脸图像,类似于图像处理中的抠图技术,也即将所关注的目标部分,从整个待识别图像中提取出来。这对于图像检测技术来说,可以很大程度上降低检测过程的复杂度,检测的目标性更强,检测结果也会更加准确。
S302、对人脸图像进行预设面部特征的检测,得到预设面部特征的检测结果,其中,预设面部特征为面部遮挡物的预设遮挡面部特征。
其中,该预设面部特征包括至少一个部位特征;预设面部特征的检测结果为结果列表,结果列表包括:人脸图像中检测到的面部特征的检测信息。
本实施例中,人脸图像对应的预设面部特征包括至少一个部位特征,无论预设面部特征包括一个还是多个部位特征,均可采用预设的面部特征检测器进行检测。其中,该预设面部特征检测器为根据样本数据,对该至少一个部位特征进行检测训练得到的。当预设面部特征为一个部位特征时,可根据样本数据,对该至少一个部位特征进行检测训练;而当预设面部特征为多个部位特征时,可根据样本数据,对该多个部位特征进行检测训练。
可选地,当预设面部特征包括一个部位特征时,该部位特征可以为嘴巴部位或者鼻子部位。而对于面部遮挡物佩戴的检测,预设面部特征可包括两个部位特征:嘴巴部位和鼻子部位。可以对该提取的人脸图像进行检测,检测人脸图像中至少一个部位的特征,得到检测结果。
S303、根据预设面部特征的检测结果,确定面部遮挡物的佩戴状态。
本申请中的面部遮挡物指的为面部防护罩,也可称面罩。通常不同的人佩戴面部遮挡物的状态是不同的,面部遮挡物的佩戴状态一般分为三种:未佩戴面部遮挡物、规范佩戴面部遮挡物和不规范佩戴面部遮挡物。
其中,规范佩戴面部遮挡物指的是该预设面部特征均被面部遮挡物所遮挡;不规范佩戴面部遮挡物指的是,该预设面部特征中部分特征未被面部遮挡物所遮挡。
以预设面部特征为嘴巴和鼻子为例,那么,规范佩戴面部遮挡物可以指:面部遮挡物将嘴巴和鼻子完全遮盖;不规范佩戴面部遮挡物则可以指佩戴了面部遮挡物,但是面部遮挡物未能覆盖鼻子,面部遮挡物上缘佩戴至嘴唇上方;或者面部遮挡物未能覆盖嘴巴,面部遮挡物下缘佩戴至嘴唇上方;又或者是面部遮挡物仅戴于下颌处,未能覆盖鼻子嘴唇。
由此,本实施例中,人脸图像的预设面部特征可以包括:嘴巴和鼻子,通过对人脸图像进行嘴巴部位和鼻子部位的特征点进行检测,根据结果,确定嘴巴部位或鼻子部位是否被面部遮挡物所遮挡,继而确定面部遮挡物的佩戴状态。
本方法把对人脸佩戴面部遮挡物规范性全局图像分类问题转化为对嘴巴和鼻子部位的检测问题,通过预先训练人脸图像检测模型,可以通过不戴面部遮挡物的人脸图像学习嘴巴和鼻子部位的检测能力,而无需获取大量面部遮挡物佩戴不规范的样本图像。节省了收集样本图像的人工成本和时间成本,并且极大地缩短了产品从开发到实际应用的时间。
另外,本方法直接检测人脸图像中的预设面部特征部位,在光照、角度、面部遮挡物佩戴情况存在差异的人脸图像中,仍然能够通过预设面部特征部位的检测结果判断面部遮挡物是否佩戴规范。此外,通过对预设面部特征部位的检测能够获得比人脸图像分类更细粒度的图像信息,从而更准确地理解图像内容,使决策信息更加充分,从而提高检测结果的准确率。
综上,本实施例提供的面部遮挡物的佩戴检测方法,包括:从待识别图像中剪裁人脸图像;对人脸图像进行预设面部特征的检测,得到预设面部特征的检测结果,其中,预设面部特征为面部遮挡物的预设遮挡面部特征;根据预设面部特征的检测结果,确定面部遮挡物的佩戴状态。本申请的方法可基于人脸图像中预设面部特征部位的检测结果,确定面部遮挡物的佩戴状态,将人脸图像全局检测问题转化为局部特定部位的图像检测,可以有效提高面部遮挡物佩戴状态的检测效率和检测结果准确性。
图4为本申请实施例提供的另一种面部遮挡物的佩戴检测方法的流程示意图,在一些可实现的方式中,如图4所示,上述步骤S301中,从待识别图像中识别并提取人脸图像,可包括:
S401、对待识别图像进行人脸检测。
可选地,可采用预先训练得到的人脸检测器对输入的待识别图像进行检测。其中,在训练得到人脸检测器时,可采集不同光照角度下的人脸图像作为训练样本,训练得到检测器,以使得训练得到的人脸检测器可以适用于对任何情况下的人脸图像均可检测到。
S402、若检测到人脸,确定待识别图像中人脸框的位置。
通常,人脸图像中会包括多个指示人脸的特征点,例如:鼻子、眼睛、嘴巴、眉毛等。当检测器检测到所有特征点中预设多个特征点时,可以根据该多个特征点的位置,确定人脸框的位置。例如:在一些情况下,当可检测到眼睛和额头等特征点时,可确定当前检测到的为人脸,从而可根据确定的额头和眼睛的位置,以及人脸五官之间的比例,确定整个人脸框的位置。
可选地,可以设置人脸检测阈值,当检测器检测到待识别图像中的特征点个数满足人脸检测阈值时,可确定人脸对应的人脸框,从而得到人脸框的位置(人脸框的尺寸)。
而在一些情况下,待识别图像中可能仅包括半张人脸,从而在利用人脸检测器对待识别图像进行检测时,检测得到的特征点个数不满足上述检测阈值,那么,可认为未检测到人脸,或者是检测的人脸不符合条件。
S403、根据人脸框的位置,从待识别图像中提取人脸框的区域作为人脸图像。
通常,人脸框的位置可根据人脸框的左上角坐标及右下角坐标确定。故,可以根据人脸框左上角坐标和右下角坐标,对待识别图像进行剪裁,提取人脸框区域的图像作为人脸图像。
需要说明的是,人脸框的坐标为相对坐标,也即是基于整个待识别图像的坐标确定的,以保证人脸框位置的准确性。
在一些可实现的方式中,上述步骤S303中,对人脸图像进行预设面部特征的检测,得到预设面部特征的检测结果,可包括:采用预设的预设面部特征的检测器,对人脸图像进行预设面部特征的检测,得到预设面部特征的检测结果。
可选地,预设面部特征检测器同样是预先训练得到的,可以采集大量的未佩戴面部遮挡物的样本图像,通过未佩戴面部遮挡物的人脸学习预设面部特征的检测能力,而无需采集大量的面部遮挡物佩戴不规范的样本图像。
可选地,采用上述训练得到的预设面部特征检测器,对上述剪裁得到的人脸图像进行检测,确定人脸图像中预设面部特征信息,得到检查结果。
在一些可实现的方式中,上述检测信息可包括:检测到的面部特征的标签,及检测到的面部特征对应的检测框的位置。
需要说明的是,结果列表可包括列表元素,每个列表元素代表一个检信息,是一个二元组(y,coodbbox),其中y为该检测框中物体的标签(鼻子或嘴巴),coodbbox是检测框的位置,检测框的位置为一个四元组(xmin,ymin,w,h),(xmin,ymin)为检测框左上角点坐标,(w,h)为检测框的宽高。
对于可检测到的至少一个面部特征,可以对应产生一个列表元素,同时,列表元素中记录该面部特征的信息。例如,检测到嘴巴部位,则对应得到列表元素中:(嘴巴,嘴巴框位置)。而若未检测到嘴巴和鼻子,也即未检测到任何预设面部特征,则不输出列表元素。
在一些可实现的方式中,上述步骤S303中,根据预设面部特征的检测结果,确定面部遮挡物的佩戴状态,可包括:根据结果列表的长度,确定人脸图像的面部是否佩戴面部遮挡物。
可选地,当对人脸图像进行检测,检测到任一预设面部特征时,则对应输出该面部特征对应的检测信息,同时,在结果列表中记录该信息,也即产生一个列表元素,而当未检测到任何预设面部特征时,则不输出任何元素,也即,结果列表中不记录任何信息,列表为空。从而可以根据结果列表的长度(结果列表中包含的元素个数),确定面部遮挡物的佩戴状态。
假设该预设面部特征为一个面部特征时(为鼻子或者嘴巴),可以根据该一个面部特征的检测结果,进行初步面部遮挡物的佩戴状态的初步判断。
例如:该一个面部特征为鼻子,那么,若检测得到的结果列表的长度为0,则说明未检测到鼻子,也即,鼻子部位被面部遮挡物遮挡,那么,可排除未佩戴的状态。可以确定面部遮挡物的佩戴状态的初步判断结果为:规范佩带(嘴巴部位也佩戴)或者不规范佩戴(嘴巴部位未佩戴)。而若检测得到的结果列表的长度为1,则说明检测到了鼻子,也即,鼻子部位未被面部遮挡物遮挡,鼻子部位处于暴漏状态,那么,可排除规范佩戴状态。可以确定面部遮挡物的佩戴状态的初步判断结果为:未佩戴(嘴巴部位未佩戴)或者不规范佩戴(嘴巴部位佩戴)。
同样的,若该一个面部特征为嘴巴,对应的分析过程与上述类似,此处不再一一赘述。
如下,对预设面部特征包括两个面部特征,即同时包括嘴巴和鼻子的情况进行分析说明。
第一种情况,上述步骤S303中,根据结果列表的长度,确定人脸图像的面部是否佩戴面部遮挡物,可包括:若结果列表的长度为0,则确定人脸图像的面部已佩戴面部遮挡物,且,满足预设佩戴要求。
其中,该满足预设佩戴要求,指的是,该预设面部特征中的所有部位特征均被该面部遮挡物所遮挡。
当采用预设的面部特征检测器对剪裁得到的人脸图像进行特征检测时,若嘴巴和鼻子均未被检测到,则输出的检测结果为0,也即结果列表中不包含任何元素,结果列表的长度为0。由于未检测到鼻子和嘴巴是因为鼻子和嘴巴被面部遮挡物遮挡,检测器无法检测到鼻子和嘴巴对应的特征点,故检测不到嘴巴和鼻子,那么,可以确定人脸图像的面部已佩带面部遮挡物。
第二种情况,图5为本申请实施例提供的另一种面部遮挡物的佩戴检测方法的流程示意图,如图5所示,上述步骤S303中,根据结果列表的长度,确定人脸图像的面部是否佩戴面部遮挡物,还可包括:
S501、若结果列表的长度大于0,根据结果列表中检测到的面部特征的检测信息,确定检测到的面部特征为预设面部特征中的所有部位特征,还是部分部位特征。
S502、若检测到的面部特征为所有部位特征,确定人脸图像的面部未佩戴面部遮挡物。
在一些实施例中,结果列表长度大于0可包括两种:结果列表长度为1或者结果列表长度为2,而结果列表长度为1或者为2,分别对应不同的佩戴状态。
其中,结果列表长度为2,表示检测到了预设面部特征中的所有部位特征,也即嘴巴和鼻子均被检测到,那么可确定鼻子和嘴巴均未被面部遮挡物遮挡,从而确定人脸图像的面部未佩戴面部遮挡物。
在一些可实现的方式中,上述步骤S303中,根据结果列表的长度,确定人脸图像的面部是否佩戴面部遮挡物,还可包括:
S503、若检测到的面部特征为部分部位特征,确定人脸图像的面部佩戴面部遮挡物,但不满足预设佩戴要求。
其中,该不满足预设佩戴要求,指的是,虽佩戴面部遮挡物,但未遮挡该部分部位特征。
示例地,当结果列表长度为1时,可包括两种情况:嘴巴被检测到,鼻子未被检测到;或者鼻子被检测到,嘴巴未被检测到,也即,预设的面部特征中只有部分部位特征被检测到,那么可以确定人脸图像的面部佩戴了面部遮挡物,但是佩戴不规范,有部分部位漏出。
在一些可实现的方式中,若结果列表的长度大于0,本申请的方法还包括:输出佩戴指示信息,以指示面部遮挡物未遮挡检测到的面部特征。
当上述检测得到的结果列表长度大于0时,面部遮挡物的佩戴状态为:未佩戴或者是未规范佩带,那么,可以通过发送或者展示佩戴提示信息,提示用户佩戴有误,且具体提示用户哪个部位佩戴有误,从而可以帮助用户迅速调整佩戴状态,保证规范佩带。
其中,佩戴指示信息不限于通过语音播报或者是在检测人脸的终端显示界面中显示的方式发送给用户,也可以是通过指示灯闪烁配合语音播报的方式等。其中,语音播报的内容可如:您当前佩戴方式未遮住嘴巴,为未规范佩戴状态,请用面部遮挡物遮住您的嘴巴谢谢。同时,还可以在终端显示屏中显示正确佩戴的图片或者视频,以帮助用户正确佩戴。根据每个用户佩戴情况的不同,人性化的发送具有针对性的提示信息以提醒用户规范佩戴,可以较好的提高用户的体验度。
在一些可实现的方式中,若预设面部特征包括:一个部位特征;根据结果列表的长度,确定人脸图像的面部是否佩戴面部遮挡物,还包括:若结果列表的长度大于0,则确定人脸图像的面部未佩戴面部遮挡物。
当预设的面部特征只有一个部位特征时,结果列表的长度可包括0或者1,当为1时,也即该一个部位被检测到,该部位未佩戴面部遮挡物,因预设面部遮挡物只有一个,那么,在确定该一个部位未佩戴面部遮挡物时,即可确定人脸图像的面部未佩戴面部遮挡物。
可选地,本申请的方法主要应用于面部遮挡物的佩戴检测,但在实际应用中,也可以应用到人体的任何部位遮挡物的佩戴检测。例如:应用于医场景时,医生在做手术时需要佩戴手套,以保证病人或者自身不被感染,那么,可应用本申请方案的原理,对手套的佩戴状态进行检测。又或者,应用于电焊场景时,电焊师傅需要佩戴专用眼镜,以防止眼睛被刺伤,同样,也可以应用本申请方案的原理,对眼镜的佩戴状态进行检测。当然,上述仅示例性的列举了几种应用场景,并不限于上述几种场景,还可以为其他类似场景,本申请不做具体限制。
综上所述,本申请实施例提供的面部遮挡物的佩戴检测方法,包括:从待识别图像中剪裁人脸图像;对人脸图像进行预设面部特征的检测,得到预设面部特征的检测结果,其中,预设面部特征为面部遮挡物的预设遮挡面部特征;根据预设面部特征的检测结果,确定面部遮挡物的佩戴状态。本申请的方法可基于人脸图像中预设面部特征部位的检测结果,确定面部遮挡物的佩戴状态,将人脸图像全局检测问题转化为局部特定部位的图像检测,可以有效提高面部遮挡物佩戴状态的检测效率和检测结果准确性。
其次,通过对预设面部特征部位的检测能够获得比人脸图像分类更细粒度的图像信息,从而更准确地理解图像内容,使决策信息更加充分,从而提高检测结果的准确率。
另外,根据检测结果,发送指示信息以提示用户进行规范佩戴,可便于提高用户的佩戴调整效率,同时提高用户的体验度。
下述对用以执行本申请所提供的面部遮挡物的佩戴检测方法的装置、设备及存储介质等进行说明,其具体的实现过程以及技术效果参见上述,下述不再赘述。
图6为本申请实施例提供的一种面部遮挡物的佩戴检测装置的示意图。可选地,如图6所示,该装置可包括:提取模块601、检测模块602、确定模块603;
提取模块601,用于从待识别图像中识别并提取人脸图像;
检测模块602,用于对人脸图像进行预设面部特征的检测,得到预设面部特征的检测结果,其中,预设面部特征为面部遮挡物的预设遮挡面部特征;预设面部特征包括至少一个部位特征;预设面部特征的检测结果为结果列表,结果列表包括:人脸图像中检测到的面部特征的检测信息;
确定模块603,用于根据预设面部特征的检测结果,确定面部遮挡物的佩戴状态。
在一些可实现的方式中,提取模块601,具体用于对待识别图像进行人脸检测;若检测到人脸,确定待识别图像中人脸框的位置;根据人脸框的位置,从待识别图像中提取人脸框的区域作为人脸图像。
在一些可实现的方式中,检测模块602,具体用于采用预设的预设面部特征的检测器,对人脸图像进行预设面部特征的检测,得到预设面部特征的检测结果。
在一些可实现的方式中,检测信息包括:检测到的面部特征的标签,及检测到的面部特征对应的检测框的位置。
在一些可实现的方式中,确定模块603,具体用于根据结果列表的长度,确定人脸图像的面部是否佩戴面部遮挡物。
确定模块603,具体用于若结果列表的长度为0,则确定人脸图像的面部已佩戴面部遮挡物,且,满足预设佩戴要求。
在一些可实现的方式中,若预设面部特征包括:多个部位特征;
确定模块603,具体用于若结果列表的长度大于0,根据结果列表中检测到的面部特征的检测信息,确定检测到的面部特征为预设面部特征中的所有部位特征,还是部分部位特征;若检测到的面部特征为所有部位特征,确定人脸图像的面部未佩戴面部遮挡物。
确定模块603,具体用于若检测到的面部特征为部分部位特征,确定人脸图像的面部佩戴面部遮挡物,但不满足预设佩戴要求。
在一些可实现的方式中,如图7所示,若结果列表的长度大于0,本申请的装置还包括:输出模块604;
输出模块604,用于输出佩戴指示信息,以指示面部遮挡物未遮挡检测到的面部特征。
在一些可实现的方式中,若预设面部特征包括:一个部位特征;确定模块603,具体用于若结果列表的长度大于0,则确定人脸图像的面部未佩戴面部遮挡物。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
上述模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等,或其任意组合。无线连接可以包括通过LAN、WAN、蓝牙、ZigBee、或NFC等形式的连接,或其任意组合。两个或更多个模块可以组合为单个模块,并且任何一个模块可以分成两个或更多个单元。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,上述描述的系统和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
需要说明的是,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(Digital Singnal Processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(System-on-a-chip,简称SOC)的形式实现。
图8为本申请实施例提供的电子设备的结构示意图,该电子设备可以是终端设备或者集成于终端设备中的芯片,该终端设备可以是具备人脸图像检测功能的设备。可选地,如图8所示,该电子设备可包括:处理器801和存储器802,其中:
存储器802用于存储程序,处理器801调用存储器802存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本发明还提供一种程序产品,例如计算机可读存储介质,包括程序,该程序在被处理器执行时用于执行上述方法实施例。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。

Claims (12)

1.一种面部遮挡物的佩戴检测方法,其特征在于,包括:
从待识别图像中识别并提取人脸图像;
对所述人脸图像进行预设面部特征的检测,得到所述预设面部特征的检测结果,其中,所述预设面部特征为所述面部遮挡物的预设遮挡面部特征;所述预设面部特征包括至少一个部位特征;所述预设面部特征的检测结果为结果列表,所述结果列表包括:所述人脸图像中检测到的面部特征的检测信息;
根据所述预设面部特征的检测结果,确定所述面部遮挡物的佩戴状态;
其中,所述根据所述预设面部特征的检测结果,确定所述面部遮挡物的佩戴状态,包括:
根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物。
2.根据权利要求1所述的方法,其特征在于,所述从待识别图像中识别并提取人脸图像,包括:
对所述待识别图像进行人脸检测;
若检测到人脸,确定所述待识别图像中人脸框的位置;
根据所述人脸框的位置,从所述待识别图像中提取所述人脸框的区域作为所述人脸图像。
3.根据权利要求1所述的方法,其特征在于,所述对所述人脸图像进行预设面部特征的检测,得到所述预设面部特征的检测结果,包括:
采用预设的所述预设面部特征的检测器,对所述人脸图像进行所述预设面部特征的检测,得到所述预设面部特征的检测结果。
4.根据权利要求1所述的方法,其特征在于,所述检测信息包括:所述检测到的面部特征的标签,及所述检测到的面部特征对应的检测框的位置。
5.根据权利要求1所述的方法,其特征在于,所述根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物,包括:
若所述结果列表的长度为0,则确定所述人脸图像的面部已佩戴所述面部遮挡物,且,满足预设佩戴要求。
6.根据权利要求5所述的方法,其特征在于,若所述预设面部特征包括:多个部位特征;所述根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物,还包括:
若所述结果列表的长度大于0,根据所述结果列表中所述检测到的面部特征的检测信息,确定所述检测到的面部特征为所述预设面部特征中的所有部位特征,还是部分部位特征;
若所述检测到的面部特征为所述所有部位特征,确定所述人脸图像的面部未佩戴所述面部遮挡物。
7.根据权利要求6所述的方法,其特征在于,所述根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物,还包括:
若所述检测到的面部特征为所述部分部位特征,确定所述人脸图像的面部佩戴所述面部遮挡物,但不满足所述预设佩戴要求。
8.根据权利要求7所述的方法,其特征在于,若所述结果列表的长度大于0,所述方法还包括:
输出佩戴指示信息,以指示所述面部遮挡物未遮挡所述检测到的面部特征。
9.根据权利要求5所述的方法,其特征在于,若所述预设面部特征包括:一个部位特征;所述根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物,还包括:
若所述结果列表的长度大于0,则确定所述人脸图像的面部未佩戴所述面部遮挡物。
10.一种面部遮挡物的佩戴检测装置,其特征在于,包括:提取模块、检测模块、确定模块;
所述提取模块,用于从待识别图像中识别并提取人脸图像;
所述检测模块,用于对所述人脸图像进行预设面部特征的检测,得到所述预设面部特征的检测结果,其中,所述预设面部特征为所述面部遮挡物的预设遮挡面部特征;所述预设面部特征包括至少一个部位特征;所述预设面部特征的检测结果为结果列表,所述结果列表包括:所述人脸图像中检测到的面部特征的检测信息;
所述确定模块,用于根据所述预设面部特征的检测结果,确定所述面部遮挡物的佩戴状态;
其中,所述确定模块,具体用于根据所述结果列表的长度,确定所述人脸图像的面部是否佩戴所述面部遮挡物。
11.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1至9任一所述的面部遮挡物的佩戴检测方法的步骤。
12.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至9任一所述的面部遮挡物的佩戴检测方法的步骤。
CN202010427418.6A 2020-05-19 2020-05-19 面部遮挡物的佩戴检测方法、装置、电子设备及存储介质 Active CN111598021B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010427418.6A CN111598021B (zh) 2020-05-19 2020-05-19 面部遮挡物的佩戴检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010427418.6A CN111598021B (zh) 2020-05-19 2020-05-19 面部遮挡物的佩戴检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111598021A CN111598021A (zh) 2020-08-28
CN111598021B true CN111598021B (zh) 2021-05-28

Family

ID=72185874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010427418.6A Active CN111598021B (zh) 2020-05-19 2020-05-19 面部遮挡物的佩戴检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111598021B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112488647B (zh) * 2020-11-25 2024-09-06 京东方科技集团股份有限公司 考勤系统及方法、存储介质及电子设备
US20240161626A1 (en) * 2021-03-26 2024-05-16 Nec Corporation Passenger information collection system, passenger information collection method and program recording medium
CN113674737A (zh) * 2021-08-09 2021-11-19 维沃移动通信(杭州)有限公司 语音数据处理方法、装置、电子设备及存储介质
CN113947795B (zh) * 2021-10-22 2022-07-26 苏州魔视智能科技有限公司 口罩佩戴检测方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107633204A (zh) * 2017-08-17 2018-01-26 平安科技(深圳)有限公司 人脸遮挡检测方法、装置及存储介质
CN108062542A (zh) * 2018-01-12 2018-05-22 杭州智诺科技股份有限公司 被遮挡的人脸的检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011176748A (ja) * 2010-02-25 2011-09-08 Sony Corp 画像処理装置および方法、並びにプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107633204A (zh) * 2017-08-17 2018-01-26 平安科技(深圳)有限公司 人脸遮挡检测方法、装置及存储介质
CN108062542A (zh) * 2018-01-12 2018-05-22 杭州智诺科技股份有限公司 被遮挡的人脸的检测方法

Also Published As

Publication number Publication date
CN111598021A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
CN111598021B (zh) 面部遮挡物的佩戴检测方法、装置、电子设备及存储介质
CN111523480B (zh) 一种面部遮挡物的检测方法、装置、电子设备及存储介质
CN112085010B (zh) 一种基于图像识别的口罩检测和部署系统及方法
CN106372662B (zh) 安全帽佩戴的检测方法和装置、摄像头、服务器
CN111860566B (zh) 遮挡物识别模型训练方法、识别方法、装置及存储介质
US8284991B2 (en) Apparatus and method for counting number of objects
KR101715001B1 (ko) 웨어러블 기기를 이용한 건설현장의 안전평가 표시 시스템 및 그 방법
JP5657113B2 (ja) 映像内のオブジェクトの意味解析
JP6779410B2 (ja) 映像解析装置、映像解析方法、及びプログラム
CN109002786B (zh) 人脸检测方法、设备及计算机可读存储介质
CN108062542B (zh) 被遮挡的人脸的检测方法
CN106778453B (zh) 人脸图像中检测眼镜佩戴的方法及装置
CN111563396A (zh) 在线识别异常行为的方法、装置、电子设备及可读存储介质
CN112818901B (zh) 一种基于眼部注意力机制的戴口罩人脸识别方法
CN111597910A (zh) 一种人脸识别方法、装置、终端设备及介质
CN112241696A (zh) 图像处理方法及装置、电子设备及存储介质
US20210117649A1 (en) Systems and methods for privacy-preserving facemask-compliance-level measurement
JP2019029747A (ja) 画像監視システム
CN113870205A (zh) 一种安全带佩戴检测方法、装置、电子设备及存储介质
CN111811667A (zh) 温度检测方法、装置、电子设备及可读存储介质
CN116959028A (zh) 监管高空作业安全的方法和巡检设备及计算设备
KR20210092914A (ko) 인공지능 기반의 탈모 자가 진단 방법 및 시스템
CN116229502A (zh) 基于图像的摔倒行为识别方法及设备
EP4120184A1 (en) Information processing device, information processing method, and program
CN113989886A (zh) 基于人脸识别的船员身份验证方法

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
GR01 Patent grant
GR01 Patent grant