CN111780673B - 一种测距方法、装置及设备 - Google Patents

一种测距方法、装置及设备 Download PDF

Info

Publication number
CN111780673B
CN111780673B CN202010556456.1A CN202010556456A CN111780673B CN 111780673 B CN111780673 B CN 111780673B CN 202010556456 A CN202010556456 A CN 202010556456A CN 111780673 B CN111780673 B CN 111780673B
Authority
CN
China
Prior art keywords
camera
key point
target
coordinates
point pairs
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
CN202010556456.1A
Other languages
English (en)
Other versions
CN111780673A (zh
Inventor
步青
梁桥
苏星
沈林杰
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision 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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN202010556456.1A priority Critical patent/CN111780673B/zh
Publication of CN111780673A publication Critical patent/CN111780673A/zh
Application granted granted Critical
Publication of CN111780673B publication Critical patent/CN111780673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/026—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring distance between sensor and object
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Measurement Of Optical Distance (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种测距方法、装置及设备，该方法包括：对目标相机系统获取到的图像进行人脸检测；当在所述目标相机系统获取到的图像中检测到目标对象的人脸时，提取人脸关键点特征信息并进行匹配，以得到关键点对的像素坐标；基于所述目标相机系统的相机标定参数，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；其中，所述相机标定参数包括相机内参和相机外参；基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离。通过本申请的技术方案，可以有效获知目标对象与通行控制设备之间的距离，得到较高精度的距离信息。

Description

一种测距方法、装置及设备
技术领域
本申请涉及图像处理技术领域，尤其是一种测距方法、装置及设备。
背景技术
通行控制设备(如门禁设备，闸机设备等)具有进出控制，授权，查询，统计和报警等功能，还可以实现人事管理和考勤管理，可以与机电设备及控制系统联动，既方便内部用户的自由出入，又杜绝外来用户的随意进出，提高安全防范能力。通行控制设备可以部署相机，并通过相机采集包括目标对象的图像，识别目标对象的人脸信息，决策是否允许目标对象通过通行控制设备。例如，目标对象靠近通行控制设备后，识别目标对象的人脸信息，由于识别过程需要耗费一段时间，因此，在目标对象靠近通行控制设备后，需要等待一段时间，才会允许目标对象通过通行控制设备，用户的体验比较差。
针对上述问题，在相关技术中，在目标对象靠近通行控制设备之前，就识别目标对象的人脸信息，目标对象靠近通行控制设备后，已经获知是否允许目标对象通过通行控制设备，避免目标对象的等待时间，提高用户体验。
在上述方式中，需要获知目标对象与通行控制设备之间的距离，基于该距离决策何时开始识别目标对象的人脸信息。但是，在相关技术中，无法有效获知目标对象与通行控制设备之间的距离，距离的准确性较低。
发明内容
第一方面，本申请提供一种测距方法，所述方法包括：
对目标相机系统获取到的图像进行人脸检测；其中，所述目标相机系统为包括至少两个镜头的单个相机，或者，所述目标相机系统为至少两个相机；
当在所述目标相机系统获取到的图像中检测到目标对象的人脸时，提取人脸关键点特征信息并进行匹配，以得到关键点对的像素坐标；
基于所述目标相机系统的相机标定参数，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；其中，所述相机标定参数包括相机内参和相机外参；
基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离。
第二方面，本申请提供一种测距装置，所述装置包括：
检测模块，用于对目标相机系统获取到的图像进行人脸检测；其中，所述目标相机系统为包括至少两个镜头的单个相机，或者，所述目标相机系统为至少两个相机；
获取模块，用于当在所述目标相机系统获取到的图像中检测到目标对象的人脸时，提取人脸关键点特征信息并进行匹配，以得到关键点对的像素坐标；
处理模块，用于基于所述目标相机系统的相机标定参数，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；其中，所述相机标定参数包括相机内参和相机外参；
确定模块，用于基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离。
第三方面，本申请提供一种通行控制设备，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；
所述处理器用于执行机器可执行指令，以实现如下的步骤：
对目标相机系统获取到的图像进行人脸检测；其中，所述目标相机系统为包括至少两个镜头的单个相机，或者，所述目标相机系统为至少两个相机；
当在所述目标相机系统获取到的图像中检测到目标对象的人脸时，提取人脸关键点特征信息并进行匹配，以得到关键点对的像素坐标；
基于所述目标相机系统的相机标定参数，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；其中，所述相机标定参数包括相机内参和相机外参；
基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离；
其中，所述目标相机系统部署在所述通行控制设备上。
由以上技术方案可见，本申请实施例中，通过对目标相机系统获取到的图像进行人脸检测，当在目标相机系统获取到的图像中检测到人脸时，提取人脸关键点特征信息并进行配对，以得到关键点对，基于目标相机系统的相机标定参数将关键点对的像素坐标转换成关键点对在相机坐标系下的三维坐标，基于关键点对在相机坐标系下的三维坐标，确定目标对象与目标相机系统之间的距离，从而获知目标对象与目标相机系统之间的距离，距离准确性较高，得到较高精度的距离信息，无需部署专门的测距硬件模块，对硬件的要求很低。
附图说明
为了更加清楚地说明本申请实施例或者现有技术中的技术方案，下面将对本申请实施例或者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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据本申请实施例的这些附图获得其他的附图。
图1是本申请一种实施方式中的测距方法的流程图；
图2是本申请一种实施方式中的目标对象的三维坐标的确定流程图；
图3是本申请一种实施方式中的三角测量原理的示意图；
图4是本申请一种实施方式中的测距过程示意图；
图5是本申请一种实施方式中的测距装置的结构图；
图6是本申请一种实施方式中的通行控制设备的结构图。
具体实施方式
在本申请实施例使用的术语仅仅是出于描述特定实施例的目的，而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，此外，所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请实施例提出一种测距方法，可以应用于部署有目标相机系统的设备，如通行控制设备(如门禁设备，闸机设备等)，当然，通行控制设备只是示例，对此设备类型不做限制，只要部署有目标相机系统即可。目标相机系统可以为包括至少两个镜头的单个相机，或者，目标相机系统可以为至少两个相机。
参见图1所示，为测距方法的流程示意图，该方法可以应用于通行控制设备，且该通行控制设备部署有目标相机系统，该方法可以包括：
步骤101，对目标相机系统获取到的图像进行人脸检测。
示例性的，可以通过目标相机系统获取通行控制设备关联区域的图像，并对目标相机系统获取到的图像进行人脸检测。
步骤102，当在目标相机系统获取到的图像中检测到目标对象的人脸时，提取人脸关键点特征信息并进行匹配，以得到关键点对的像素坐标。
本申请实施例中，当目标相机系统为包括至少两个镜头的单个相机时，通行控制设备在目标相机系统获取到的图像中检测到目标对象的人脸时，则可以分别在目标相机系统的不同镜头的图像中进行人脸关键点特征信息提取，并对不同镜头的图像中的人脸关键点进行匹配。或者，当目标相机系统为至少两个相机时，通行控制设备在目标相机系统获取到的图像中检测到目标对象的人脸时，则可以分别在目标相机系统的不同相机的图像中进行人脸关键点特征信息提取，并对不同相机的图像中的人脸关键点进行匹配。
为了便于描述和理解，下文中以目标相机系统为两个相机为例，将这两个相机称为第一相机和第二相机，即，通行控制设备通过第一相机和第二相机分别进行图像获取，并对第一相机和第二相机获取到的图像进行人脸检测。
当检测到目标对象的人脸时，可以提取第一相机获取到的图像中的人脸关键点特征信息，并提取第二相机获取到的图像中的人脸关键点特征信息。
基于不同图像中的人脸关键点特征信息进行人脸关键点匹配，得到至少一个关键点对，每一个关键点对包括从第一相机获取到的图像中提取到的一个人脸关键点和从第二相机获取到的图像中提取到的一个人脸关键点。
需要说明的是，当目标相机系统为三个以上相机，或者目标相机系统为三目或以上的单个相机时，可以通过两两关键点匹配的方式进行人脸关键点配对。以三个相机，为例，对于任一人脸关键点，可以对应三组关键点对。
示例性的，进行人脸关键点提取以及匹配的图像，为目标相机系统的不同镜头在相同时刻(获取到图像的时间相同，或时间差在预设误差范围内)获取到的图像。或者，目标相机系统的不同相机在相同时刻获取到的图像。
在一种可能的实施方式中，目标相机系统为RGB-IR双目相机，用于输出RGB图像和IR图像。
在一种可能的实施方式中，在目标相机系统为至少两个相机时，所述至少两个相机可以包括RGB(Red Green Blue，红色绿色蓝色)相机和IR(Infrared Radiation，红外线)相机，本文以目标相机系统为第一相机和第二相机为例，则第一相机为RGB相机，第二相机为IR相机，或者，第一相机为IR相机，第二相机为RGB相机。示例性的，RGB相机采集到的图像可以为RGB图像，IR相机采集到的图像可以为IR图像。
在一种可能的实施方式中，由于RGB图像和IR图像均包括目标对象(即目标用户)，因此，可以从RGB图像中检测出目标对象的第一子区域，如人脸区域，并从IR图像中检测出目标对象的第二子区域，如人脸区域。
由于第一子区域和第二子区域是针对同一目标对象的子区域，因此，第一子区域的特征向量与第二子区域的特征向量之间的相似度大于预设阈值(可以根据经验配置)。第一子区域/第二子区域的特征向量可以是颜色特征，纹理特征，形状特征和空间关系特征等组成的特征向量，对此特征向量不做限制。
在得到目标对象的第一子区域和第二子区域后，可以从第一子区域中获取出目标对象的目标位置的第一关键点，并从第二子区域中获取出目标对象的目标位置的第二关键点，而该第一关键点和该第二关键点就组成关键点对。
比如说，由于第一子区域和第二子区域均包括目标对象的大量位置，因此，可以将目标对象的一个或多个位置作为目标位置，对此目标位置不做限制，如左眼中心点，右眼中心点，鼻子中心点，嘴巴中心点等等，以左眼中心点为例，可以从第一子区域中获取出左眼中心点，将第一子区域中的左眼中心点作为第一关键点，并从第二子区域中获取出左眼中心点，将第二子区域中的左眼中心点作为第二关键点。至此，可以得到一个关键点对，该关键点对可以包括目标对象的同一个位置(即左眼中心点)的第一关键点和第二关键点。
当目标位置为多个时，可以得到多个关键点对，即每个目标位置对应一个关键点对，该关键点对包括该目标位置的第一关键点和第二关键点。
示例性的，通行控制设备可以采用深度学习算法获取关键点对，也可以采用其它算法获取关键点对，对此不做限制，只要能够得到关键点对即可。
示例性的，上述第一关键点可以是RGB图像中的一个像素坐标，为了区分方便，将该像素坐标称为第一关键点在RGB图像中的第一像素坐标，后续记为[ul，vl]。上述第二关键点可以是IR图像中的一个像素坐标，为了区分方便，将该像素坐标称为第二关键点在IR图像中的第二像素坐标，后续记为[ur，vr]。
综上所述，可得到关键点对的像素坐标，关键点对的像素坐标包括第一关键点在RGB图像中的第一像素坐标和第二关键点在IR图像中的第二像素坐标。
步骤103，基于目标相机系统的相机标定参数，将关键点对的像素坐标转换成关键点对在相机坐标系下的三维坐标，该三维坐标即三维空间坐标。
示例性的，相机标定参数可以包括相机内参和相机外参。
相机内参为与相机自身特性相关的参数，比如相机的焦距、像素大小等。相机外参为相机在世界坐标系中的参数，比如相机的位置、旋转方向等。对于多个镜头的相机，相机外参可以包括两个镜头间的位置关系，如旋转和平移；对于多个相机，相机外参可以包括多个相机间的位置关系，如旋转和平移。
示例性的，对于任一关键点对的像素坐标，可以包括关键点对中各关键点在所属图像中的像素坐标，例如，对于两个相机的情况，关键点对的像素坐标可以包括第一关键点的第一像素坐标和第二关键点的第二像素坐标。
通行控制设备可以基于关键点对的像素坐标，目标相机系统的相机标定参数，将关键点对的像素坐标转换成关键点对在相机坐标系下的三维坐标。
步骤104，基于关键点对在相机坐标系下的三维坐标，确定目标对象与目标相机系统之间的距离，即目标对象与通行控制设备之间的距离。
由以上技术方案可见，本申请实施例中，通过对目标相机系统获取到的图像进行人脸检测，当在目标相机系统获取到的图像中检测到人脸时，提取人脸关键点特征信息并进行配对，以得到关键点对，基于目标相机系统的相机标定参数将关键点对的像素坐标转换成关键点对在相机坐标系下的三维坐标，基于关键点对在相机坐标系下的三维坐标，确定目标对象与目标相机系统之间的距离，从而获知目标对象与目标相机系统之间的距离，距离准确性较高，得到较高精度的距离信息，无需部署专门的测距硬件模块，对硬件的要求很低。
作为一种可能的实施方式，步骤103中，基于目标相机系统的相机标定参数，将关键点对的像素坐标转换成关键点对在相机坐标系下的三维坐标，可以通过图2实现。当然，如下方式只是一个示例，对此实现方式不做限制。
步骤1031，基于关键点对的像素坐标确定关键点对的齐次坐标。
比如说，通过相机内参对关键点对的像素坐标进行畸变校正，得到畸变校正后的像素坐标，基于畸变校正后的像素坐标确定关键点对的齐次坐标。
示例性的，以关键点对的像素坐标包括第一关键点的第一像素坐标和第二关键点的第二像素坐标为例，可以通过第一相机的相机内参对第一像素坐标进行畸变校正，基于畸变校正后的像素坐标确定第一关键点的第一齐次坐标，并通过第二相机的相机内参对第二像素坐标进行畸变校正，基于畸变校正后的像素坐标确定第二关键点的第二齐次坐标。综上所述，关键点对的齐次坐标可以包括第一关键点的第一齐次坐标和第二关键点的第二齐次坐标。
齐次坐标是采用n+1维向量来表示n维向量，当n为2时，将2维坐标转换为3维坐标。基于此，可以将第一像素坐标转换为第一齐次坐标，在第一像素坐标为[ul，vl]时，可以将第一像素坐标转换为第一齐次坐标[ul，vl，m]，m可以为任意数值，对此m的取值不做限制，如m为1时，第一齐次坐标为[ul，vl，1]。
在得到第一关键点的第一像素坐标后，利用第一相机的相机内参对第一像素坐标进行畸变校正，并将畸变校正后的像素坐标转换为第一齐次坐标。
例如，由于透镜制造精度以及组装工艺偏差等原因，会导致第一相机采集的图像存在失真，即图像存在畸变，如径向畸变和切向畸变等。为了解决畸变问题，第一相机的相机内参包括畸变参数，如径向畸变参数k1，k2，k3，切向畸变参数p1，p2等。基于此，可以利用第一相机的畸变参数对第一关键点的第一像素坐标进行去畸变处理，得到去畸变处理后的像素坐标。
在得到去畸变处理后的像素坐标后，可以将去畸变处理后的像素坐标转换为第一齐次坐标。例如，假设第一像素坐标为[ul，vl]，去畸变处理后的像素坐标为[ul’，vl’]，则将像素坐标[ul’，vl′]转换为第一齐次坐标[ul’，vl’，m]，如[ul′，vl′，1]。
当然，上述只是基于第一像素坐标确定第一齐次坐标的示例，对此不做限制，为了方便描述，在后续实施例中，将第一齐次坐标记为[ul，vl，1]。
同理，在得到第二关键点的第二像素坐标后，利用第二相机的相机内参对第二像素坐标进行畸变校正，并将畸变校正后的像素坐标转换为第二齐次坐标。例如，假设第二像素坐标为[ur，vr]，去畸变处理后的像素坐标为[ur′，vr′]，则将像素坐标[ur′，vr’]转换为第二齐次坐标[ur’，vr′，m]，如[ur′，vr′，1]。
当然，上述只是基于第二像素坐标确定第二齐次坐标的示例，对此不做限制，为了方便描述，在后续实施例中，将第二齐次坐标记为[ur，vr，1]。
步骤1032，基于目标相机系统的相机标定参数(即相机内参和相机外参)，将关键点对的齐次坐标转换成关键点对在相机坐标系下的三维坐标。
比如说，基于目标相机系统的相机标定参数，利用三角测量的方式将关键点对的齐次坐标转换成该关键点对在相机坐标系下的三维坐标。
以关键点对的像素坐标包括第一关键点的第一像素坐标和第二关键点的第二像素坐标为例，可以基于第一齐次坐标，第二齐次坐标，第一相机的相机内参，第二相机的相机内参，第二相机与第一相机之间的相机外参(表示第二相机与第一相机之间的位置关系)，确定关键点对在相机坐标系下的三维坐标。
示例性的，第一相机通常标定有相机内参，如(cx，cy，fx，fy)，(cx，cy)是第一相机的主点坐标，(fx，fy)是第一相机的摄像头焦距，(cx，cy)表示第一相机光轴在图像坐标系中的偏移量。第二相机也标定有相机内参，如(cx，cy，fx，fy)，(cx，cy)是第二相机的主点坐标，(fx，fy)是第二相机的摄像头焦距，(cx，cy)表示第二相机光轴在图像坐标系中的偏移量。
还可以标定第二相机与第一相机之间的相机外参，如(ω，δ，θ，Tx，Ty，Tz)等参数，(ω，δ，θ)是三个轴的旋转参数，(Tx，Ty，Tz)是三个轴的平移参数。例如，以第一相机为中心，标定第二相机与第一相机之间的相机外参，或者，以第二相机为中心，标定第二相机与第一相机之间的相机外参。
综上所述，由于已经标定有第一相机的相机内参，第二相机的相机内参，第二相机与第一相机之间的相机外参，因此，在得到第一齐次坐标和第二齐次坐标之后，可以直接基于第一齐次坐标，第二齐次坐标，第一相机的相机内参，第二相机的相机内参，第二相机与第一相机之间的相机外参，确定关键点对在相机坐标系下的三维坐标。比如说，基于三角测量的方式，可以根据第一齐次坐标，第二齐次坐标，第一相机的相机内参，第二相机的相机内参，第二相机与第一相机之间的相机外参，确定关键点对在相机坐标系下的三维坐标。
参见图3所示，为三角测量原理的示意图，OL为第一相机的位置，OR为第二相机的位置，基于第二相机与第一相机之间的相机外参，可以获知OL和OR的位置关系。针对三维空间中的物理点P，在第一相机的像平面的成像位置为pl，在第二相机的像平面的成像位置为pr。物理点P的坐标是目标对象的三维坐标(即关键点对在相机坐标系下的三维坐标)，将OL，OR，pl和pr转换到同一坐标系下，针对同一坐标系下的OL，OR，pl和pr，OL和pl之间存在一条直线a1，OR和pr之间存在一条直线a2，若直线a1与直线a2存在交点，则直线a1与直线a2的交点是物理点P。若直线a1与直线a2不存在交点，则物理点P是与直线a1和直线a2最近的点。基于上述应用场景，可以采用三角测量方法获得物理点P的三维空间坐标，而物理点P的三维空间坐标可以是目标对象的三维坐标。
在一种可能的实施方式中，可以根据第一齐次坐标，第二齐次坐标，第一相机的相机内参，第二相机的相机内参，第二相机与第一相机之间的相机外参，确定目标对象(如关键点对)在目标坐标系(即相机坐标系)下的深度信息，然后，可以根据该深度信息确定目标对象在目标坐标系下的三维坐标。
以下结合具体方式，对目标对象的三维坐标的确定过程进行说明。
方式一，以第一相机为原点(即第一相机光心)建立目标坐标系。
参见图3所示，可以根据第一齐次坐标确定pl的坐标，如pl＝[ul，vl，1]T，T可以表示转置，[ul，vl，1]可以表示第一齐次坐标。可以根据第二齐次坐标确定pr的坐标，如pr＝[ur，vr，1]T，|ur，vr，1]可以表示第二齐次坐标。
在以第一相机的坐标系OL为参考坐标系时，参见图3所示，针对OL，pl，OR，pr和P之间的物理位置关系，可以满足公式(1)所示：
Figure BDA0002544477940000101
sl表示物理点P在第一相机的坐标系OL下的深度信息，即z坐标值，Kl表示第一相机的相机内参(即内参矩阵)，P表示物理点P的三维空间坐标，sr表示物理点P在第二相机的坐标系OR下的深度信息，即z坐标值，Kr表示第二相机的相机内参，R和t表示第二相机与第一相机之间的相机外参(即外参矩阵)。
假设xl＝Kl -1pl，xr＝Kr -1pr，则可以将公式(1)转换为公式(2)：
Figure BDA0002544477940000102
然后，对公式(2)的两侧左乘一个xr的反对称矩阵xr^，得到公式(3)：
srxr^xr＝slxr^Rxl+xr^t→slxr^Rxl+xr^t＝0 (3)
从公式(3)可以看出，可以基于xr，R，xl，t确定出sl，而xr由Kr和pr确定，xl由Kl和pl确定。综上所述，可以根据第一齐次坐标pl，第二齐次坐标pr，第一相机的相机内参Kl，第二相机的相机内参Kr，第二相机与第一相机之间的相机外参R和t，确定目标对象在目标坐标系下的深度信息sl，即物理点P在第一相机的坐标系OL下的深度信息。在得到深度信息sl后，通过公式(4)确定目标对象在目标坐标系下的三维坐标。
Figure BDA0002544477940000116
表示物理点P在目标坐标系下的三维坐标。
Figure BDA0002544477940000119
综上可以看出，可以根据深度信息sl，第一相机的相机内参Kl，第一齐次坐标pl，确定物理点P在目标坐标系下的三维坐标。
示例性的，在得到深度信息sl后，还可以根据公式(2)得到深度信息sr，即物理点P在第二相机的坐标系OR下的深度信息，并通过公式(5)确定目标对象(即物理点P)在第二相机的坐标系OR下的三维坐标
Figure BDA0002544477940000117
Figure BDA0002544477940000118
示例性的，
Figure BDA0002544477940000113
和
Figure BDA0002544477940000114
的关系可以为：
Figure BDA0002544477940000115
在上述实施例中，R表示旋转矩阵，由相机外参中的旋转参数(ω，δ，θ)确定，t表示平移矩阵，由相机外参中的平移参数(Tx，Ty，Tz)确定。
方式二，以第二相机为原点(即第二相机光心)建立目标坐标系。
参见图3所示，可以根据第一齐次坐标确定pl的坐标，如pl＝[ul，vl，1]T，并根据第二齐次坐标确定pr的坐标，如pr＝[ur，vr，1]T。在以第二相机的坐标系OR为参考坐标系时，满足公式(6)，公式(7)和公式(8)的关系。
Figure BDA0002544477940000111
Figure BDA0002544477940000112
slxl^xl＝srxl^Rxr+xl^t→srxl^Rxr+xl^t＝0 (8)
从公式(8)可以看出，可以基于xl，R，xr，t确定出sr，而xr可以由Kr和pr确定，xl可以由Kl和pl确定。综上所述，可以根据第一齐次坐标pl，第二齐次坐标pr，第一相机的相机内参Kl，第二相机的相机内参Kr，第二相机与第一相机之间的相机外参R和t，确定目标对象在目标坐标系下的深度信息sr，即物理点P在第二相机的坐标系OR下的深度信息。在得到深度信息sr后，通过公式(5)确定目标对象在目标坐标系下的三维坐标。综上可以看出，根据深度信息sr，第二相机的相机内参Kr，第二齐次坐标pr，确定物理点P在目标坐标系下的三维坐标。
示例性的，在得到深度信息sr后，还可以根据公式(2)得到深度信息sl，并通过公式(4)确定目标对象在第一相机的坐标系OL下的三维坐标。
综上所述，可以得到目标对象在目标坐标系(即相机坐标系，如第一相机的坐标系或者第二相机的坐标系)下的三维坐标(物理点P的三维坐标)，即关键点对在相机坐标系下的三维坐标，基于关键点对在相机坐标系下的三维坐标，可以确定目标对象与目标相机系统之间的距离(即目标对象与通行控制设备之间的距离)。比如说，由于通行控制设备部署有第一相机和第二相机，因此，可以将目标对象与第一相机的距离，作为目标对象与通行控制设备的距离，或者，将目标对象与第二相机的距离，作为目标对象与通行控制设备的距离。
在一种可能的实施方式中，将目标对象与第一相机的距离，作为目标对象与通行控制设备的距离，基于此，若以第一相机为原点建立目标坐标系，则目标对象在目标坐标系下的三维坐标，表示目标对象与第一相机的距离，基于目标对象在目标坐标系下的三维坐标，确定目标对象与第一相机的距离。
若以第二相机为原点建立目标坐标系，则目标对象在目标坐标系下的三维坐标，表示目标对象与第二相机的距离，基于目标对象在目标坐标系下的三维坐标，确定目标对象与第二相机的距离。然后，可以基于目标对象与第二相机的距离，第一相机与第二相机之间的相机外参，确定目标对象与第一相机的距离。例如，目标对象与第二相机的距离
Figure BDA0002544477940000121
目标对象与第一相机的距离
Figure BDA0002544477940000122
之间的关系可以参见公式(10)所示，R和t为相机外参。
Figure BDA0002544477940000123
在另一可能的实施方式中，将目标对象与第二相机的距离，作为目标对象与通行控制设备的距离，基于此，若以第二相机为原点建立目标坐标系，则目标对象在目标坐标系下的三维坐标，表示目标对象与第二相机的距离，基于目标对象在目标坐标系下的三维坐标，确定目标对象与第二相机的距离。
若以第一相机为原点建立目标坐标系，则目标对象在目标坐标系下的三维坐标，表示目标对象与第一相机的距离，基于目标对象在目标坐标系下的三维坐标，确定目标对象与第一相机的距离。基于目标对象与第一相机的距离，第一相机与第二相机之间的相机外参，确定目标对象与第二相机的距离。例如，通过公式(10)确定目标对象与第二相机的距离，在此不再赘述。
在一种可能的实施方式中，通行控制设备可以为闸机设备，即目标相机系统部署在闸机设备，在确定目标对象与目标相机系统之间的距离之后，还可以基于目标对象与目标相机系统之间的距离，以及闸机设备的通道位置，确定目标对象所归属的闸机通道。基于此，当目标对象满足通行条件时，可以控制该闸机通道的闸门开启，以使目标对象通行。示例性的，通行控制设备基于目标对象是否满足通行条件，控制该闸机通道的闸门开启或者关闭。
示例性的，在确定目标对象与目标相机系统之间的距离之后，可以基于目标对象与目标相机系统之间的距离，确定目标对象与闸机通道的闸机通道区域的中线的距离，当该距离小于预设距离阈值时，确定目标对象归属于该闸机通道，并在目标对象满足通行条件时，控制该闸机通道的闸门开启。
示例性的，可以通过白名单或/和黑名单的形式，实现通行控制。举例来说，可以预先配置允许通行的人员的人脸信息(即白名单)，当确定目标对象归属于该闸机通道时，可以比较目标对象的人脸信息与白名单中的人脸信息，若存在匹配的人脸信息，则确定目标对象满足通行条件，控制该闸机通道的闸门开启。又举例来说，可以预先配置禁止通行的人员的人脸信息(即黑名单)，当确定目标对象归属于该闸机通道时，可以比较目标对象的人脸信息与黑名单中的人脸信息，若不存在匹配的人脸信息，则确定目标对象满足通行条件，控制该闸机通道的闸门开启；否则，拒绝该闸机通道的闸门开启。
由以上技术方案可见，本申请实施例提供的测距方法，无需增加额外的测距硬件模块(如结构光、TOF)，且无需增加严格的标定(如极线对齐)，而仅需进行普通的双相机内外参标定，便可直接复用当前RGB-IR存量设备，成本低、可推广性强。与基于单相机人脸框位置和大小实现测距方案相比，本申请实施例提供的测距方法更加精确，且对于侧脸、远距离等情形下的鲁棒性更高。
在一种可能的实施方式中，假设第一相机为RGB相机，第二相机为IR相机，参见图4所示，可以基于RGB图像得到目标对象的第一关键点，并基于IR图像得到目标对象的第二关键点。基于第一关键点在RGB图像中的第一像素坐标确定第一齐次坐标，基于第二关键点在IR图像中的第二像素坐标确定第二齐次坐标。基于第一齐次坐标，第二齐次坐标，标定参数(第一相机的相机内参，第二相机的相机内参，第二相机与第一相机之间的相机外参)，确定目标对象的三维坐标，基于该三维坐标确定目标对象与通行控制设备的距离。
在一种可能的实施方式中，若基于一个关键点对执行上述流程，则得到目标对象与通行控制设备的一个距离。若基于多个关键点对(每个关键点对包括第一关键点和第二关键点)执行上述流程，则得到目标对象与通行控制设备的多个距离。然后，可以对多个距离进行滤波处理，如取多个距离的最大值，或者取多个距离的最小值，或者取多个距离的平均值等，对此滤波处理方式不做限制，并将滤波处理后的距离，作为目标对象与通行控制设备的距离。
在一种可能的实施方式中，当存在三个以上镜头或相机时，对于任一人脸关键点，可以基于该人脸关键点在任意两个镜头或相机的图像中的人脸关键点，利用三角测量的方式，确定该人脸关键点在相机坐标系下的三维坐标，这样共可得到该人脸关键点的三个三维坐标，进而，基于该人脸关键点的三个三维坐标，确定该人脸关键点在相机坐标系下的最终三维坐标，提高定位精度。
基于与上述方法同样的申请构思，本申请实施例中还提出一种测距装置，如图5所示，为所述测距装置的结构图，所述装置包括：
检测模块51，用于对目标相机系统获取到的图像进行人脸检测；其中，所述目标相机系统为包括至少两个镜头的单个相机，或者，所述目标相机系统为至少两个相机；
获取模块52，用于当在所述目标相机系统获取到的图像中检测到目标对象的人脸时，提取人脸关键点特征信息并进行匹配，以得到关键点对的像素坐标；
处理模块53，用于基于所述目标相机系统的相机标定参数，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；其中，所述相机标定参数包括相机内参和相机外参；
确定模块54，用于基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离。
所述处理模块53具体用于：基于所述关键点对的像素坐标确定所述关键点对的齐次坐标；基于所述目标相机系统的相机标定参数，将所述关键点对的齐次坐标转换成所述关键点对在相机坐标系下的三维坐标。
所述处理模块53基于所述关键点对的像素坐标确定所述关键点对的齐次坐标时具体用于：通过所述相机内参对所述关键点对的像素坐标进行畸变校正，得到畸变校正后的像素坐标，基于畸变校正后的像素坐标确定所述关键点对的齐次坐标。
所述处理模块53基于所述目标相机系统的相机标定参数，将所述关键点对的齐次坐标转换成所述关键点对在相机坐标系下的三维坐标时具体用于：
基于所述目标相机系统的相机标定参数，利用三角测量的方式将所述关键点对的齐次坐标转换成所述关键点对在相机坐标系下的三维坐标。
所述目标相机系统部署在闸机设备，所述确定模块54还用于：在基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离之后，基于所述目标对象与所述目标相机系统之间的距离，以及所述闸机设备的通道位置，确定所述目标对象所归属的闸机通道。
所述确定模块54还用于：在基于所述目标对象与所述目标相机系统之间的距离，以及所述闸机设备的通道位置，确定所述目标对象所归属的闸机通道之后，当所述目标对象满足通行条件时，控制所述闸机通道的闸门开启，以使所述目标对象通行。
基于与上述方法同样的申请构思，本申请实施例中还提出一种通行控制设备，本申请实施例提供的通行控制设备，从硬件层面而言，硬件架构示意图可以参见图6所示。通行控制设备可以包括：处理器61和机器可读存储介质62，所述机器可读存储介质62存储有能够被所述处理器61执行的机器可执行指令；所述处理器61用于执行机器可执行指令，以实现本申请上述示例公开的方法。例如，处理器61用于执行机器可执行指令，以实现如下步骤：
对目标相机系统获取到的图像进行人脸检测；其中，所述目标相机系统为包括至少两个镜头的单个相机，或者，所述目标相机系统为至少两个相机；
当在所述目标相机系统获取到的图像中检测到目标对象的人脸时，提取人脸关键点特征信息并进行匹配，以得到关键点对的像素坐标；
基于所述目标相机系统的相机标定参数，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；其中，所述相机标定参数包括相机内参和相机外参；
基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离；
其中，所述目标相机系统部署在所述通行控制设备上。
基于与上述方法同样的申请构思，本申请实施例还提供一种机器可读存储介质，其中，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被处理器执行时，能够实现本申请上述示例公开的方法。
例如，所述计算机指令被处理器执行时，实现如下步骤：
对目标相机系统获取到的图像进行人脸检测；其中，所述目标相机系统为包括至少两个镜头的单个相机，或者，所述目标相机系统为至少两个相机；
当在所述目标相机系统获取到的图像中检测到目标对象的人脸时，提取人脸关键点特征信息并进行匹配，以得到关键点对的像素坐标；
基于所述目标相机系统的相机标定参数，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；其中，所述相机标定参数包括相机内参和相机外参；
基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离；
其中，所述目标相机系统部署在所述通行控制设备上。
示例性的，上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
而且，这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种测距方法，其特征在于，所述方法包括：
对目标相机系统获取到的图像进行人脸检测；其中，所述目标相机系统为包括至少两个镜头的单个相机，或者，所述目标相机系统为至少两个相机；
当在所述目标相机系统获取到的图像中检测到目标对象的人脸时，提取人脸关键点特征信息并进行匹配，以得到关键点对的像素坐标；
基于所述目标相机系统的相机标定参数，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；其中，所述相机标定参数包括相机内参和相机外参；其中，基于三角测量的方式，根据所述关键点对的像素坐标对应的齐次坐标、所述相机内参和所述相机外参，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；
基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离。
2.根据权利要求1所述的方法，其特征在于，
所述基于所述目标相机系统的相机标定参数，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标，包括：
基于所述关键点对的像素坐标确定所述关键点对的齐次坐标；
基于所述目标相机系统的相机标定参数，将所述关键点对的齐次坐标转换成所述关键点对在相机坐标系下的三维坐标。
3.根据权利要求2所述的方法，其特征在于，
所述基于所述关键点对的像素坐标确定所述关键点对的齐次坐标，包括：
通过所述相机内参对所述关键点对的像素坐标进行畸变校正，得到畸变校正后的像素坐标，基于畸变校正后的像素坐标确定所述关键点对的齐次坐标。
4.根据权利要求2所述的方法，其特征在于，
所述基于所述目标相机系统的相机标定参数，将所述关键点对的齐次坐标转换成所述关键点对在相机坐标系下的三维坐标，包括：
基于所述目标相机系统的相机标定参数，利用三角测量的方式将所述关键点对的齐次坐标转换成所述关键点对在相机坐标系下的三维坐标。
5.根据权利要求1所述的方法，其特征在于，所述目标相机系统部署在闸机设备，所述基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离之后，所述方法还包括：
基于所述目标对象与所述目标相机系统之间的距离，以及所述闸机设备的通道位置，确定所述目标对象所归属的闸机通道。
6.根据权利要求5所述的方法，其特征在于，
所述基于所述目标对象与所述目标相机系统之间的距离，以及所述闸机设备的通道位置，确定所述目标对象所归属的闸机通道之后，所述方法还包括：
当所述目标对象满足通行条件时，控制所述闸机通道的闸门开启，以使所述目标对象通行。
7.根据权利要求1所述的方法，其特征在于，
所述目标相机系统为RGB-IR双目相机。
8.一种测距装置，其特征在于，所述装置包括：
检测模块，用于对目标相机系统获取到的图像进行人脸检测；其中，所述目标相机系统为包括至少两个镜头的单个相机，或者，所述目标相机系统为至少两个相机；
获取模块，用于当在所述目标相机系统获取到的图像中检测到目标对象的人脸时，提取人脸关键点特征信息并进行匹配，以得到关键点对的像素坐标；
处理模块，用于基于所述目标相机系统的相机标定参数，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；其中，所述相机标定参数包括相机内参和相机外参；其中，基于三角测量的方式，根据所述关键点对的像素坐标对应的齐次坐标、所述相机内参和所述相机外参，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；
确定模块，用于基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离。
9.根据权利要求8所述的装置，其特征在于，
所述处理模块具体用于：基于所述关键点对的像素坐标确定所述关键点对的齐次坐标；基于所述目标相机系统的相机标定参数，将所述关键点对的齐次坐标转换成所述关键点对在相机坐标系下的三维坐标。
10.一种通行控制设备，其特征在于，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；
所述处理器用于执行机器可执行指令，以实现如下的步骤：
对目标相机系统获取到的图像进行人脸检测；其中，所述目标相机系统为包括至少两个镜头的单个相机，或者，所述目标相机系统为至少两个相机；
当在所述目标相机系统获取到的图像中检测到目标对象的人脸时，提取人脸关键点特征信息并进行匹配，以得到关键点对的像素坐标；
基于所述目标相机系统的相机标定参数，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；其中，所述相机标定参数包括相机内参和相机外参；其中，基于三角测量的方式，根据所述关键点对的像素坐标对应的齐次坐标、所述相机内参和所述相机外参，将所述关键点对的像素坐标转换成所述关键点对在相机坐标系下的三维坐标；
基于所述关键点对在相机坐标系下的三维坐标，确定所述目标对象与所述目标相机系统之间的距离；
其中，所述目标相机系统部署在所述通行控制设备上。
CN202010556456.1A 2020-06-17 2020-06-17 一种测距方法、装置及设备 Active CN111780673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010556456.1A CN111780673B (zh) 2020-06-17 2020-06-17 一种测距方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010556456.1A CN111780673B (zh) 2020-06-17 2020-06-17 一种测距方法、装置及设备

Publications (2)

Publication Number Publication Date
CN111780673A CN111780673A (zh) 2020-10-16
CN111780673B true CN111780673B (zh) 2022-05-31

Family

ID=72756903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010556456.1A Active CN111780673B (zh) 2020-06-17 2020-06-17 一种测距方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111780673B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11232315B2 (en) 2020-04-28 2022-01-25 NextVPU (Shanghai) Co., Ltd. Image depth determining method and living body identification method, circuit, device, and medium
CN111563924B (zh) * 2020-04-28 2023-11-10 上海肇观电子科技有限公司 图像深度确定方法及活体识别方法、电路、设备和介质
CN112802125A (zh) * 2021-02-20 2021-05-14 上海电机学院 一种基于视觉检测的多视角空间定位方法
CN113819890B (zh) * 2021-06-04 2023-04-14 腾讯科技（深圳）有限公司 测距方法、装置、电子设备及存储介质
CN113345000A (zh) * 2021-06-28 2021-09-03 北京市商汤科技开发有限公司 深度检测方法及装置、电子设备和存储介质
CN113627355A (zh) * 2021-08-13 2021-11-09 合众新能源汽车有限公司 用于偏航旋转的人脸的测距方法、设备和计算机可读介质
CN113610051B (zh) * 2021-08-26 2023-11-17 合众新能源汽车股份有限公司 基于人脸注册的人脸测距方法、设备和计算机可读介质
CN114519888B (zh) * 2022-02-22 2024-07-12 平安科技（深圳）有限公司 基于双目摄像头的人脸框获取方法、系统、装置及介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700414B (zh) * 2015-03-23 2017-10-03 华中科技大学 一种基于车载双目相机的前方道路行人快速测距方法
CN105868733A (zh) * 2016-04-21 2016-08-17 腾讯科技（深圳）有限公司 一种人脸活体验证方法及装置
CN106618450B (zh) * 2016-11-21 2018-08-07 电子科技大学 一种三目立体内窥镜自标定的方法
CN107169405B (zh) * 2017-03-17 2020-07-03 上海云从企业发展有限公司 基于双目摄像机活体识别的方法及装置
CN109523597B (zh) * 2017-09-18 2022-06-03 百度在线网络技术（北京）有限公司 相机外参的标定方法和装置
CN108564041B (zh) * 2018-04-17 2020-07-24 云从科技集团股份有限公司 一种基于rgbd相机的人脸检测和修复方法
CN109118545B (zh) * 2018-07-26 2021-04-16 深圳市易尚展示股份有限公司 基于旋转轴和双目摄像头的三维成像系统标定方法及系统
CN109671190B (zh) * 2018-11-27 2021-04-13 杭州天翼智慧城市科技有限公司 一种基于人脸识别的多通道闸机管理方法及系统
CN110956066B (zh) * 2019-05-11 2022-06-14 魔门塔(苏州)科技有限公司 一种人脸部位测距方法、装置及车载终端
CN110379050A (zh) * 2019-06-06 2019-10-25 上海学印教育科技有限公司 一种闸机控制方法、装置及系统
CN110751767A (zh) * 2019-10-31 2020-02-04 中国联合网络通信集团有限公司 一种图像处理方法和装置
CN110889829B (zh) * 2019-11-09 2023-11-03 东华大学 一种基于鱼眼镜头的单目测距方法

Also Published As

Publication number Publication date
CN111780673A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN111780673B (zh) 一种测距方法、装置及设备
JP6844038B2 (ja) 生体検出方法及び装置、電子機器並びに記憶媒体
CN111784885B (zh) 通行控制方法、装置、闸机设备及多闸机系统
CN111160178B (zh) 图像处理方法及装置、处理器、电子设备及存储介质
KR101874494B1 (ko) 특징점의 삼차원 위치 계산 장치 및 방법
KR101831973B1 (ko) 홍채 이미지 형성 장치 및 홍채 이미지 형성 장치의 구성 방법
JP4650386B2 (ja) 個人認証システム及び個人認証方法
US10019624B2 (en) Face recognition system and face recognition method
US9626553B2 (en) Object identification apparatus and object identification method
WO2019056988A1 (zh) 人脸识别方法及装置、计算机设备
EP3761222B1 (en) Living body detection method and apparatus, electronic device, storage medium and related system using living body detection method
TW202121251A (zh) 活體檢測方法及裝置、儲存介質
CN105740778B (zh) 一种改进的三维人脸活体检测方法及其装置
CN110956114A (zh) 人脸活体检测方法、装置、检测系统及存储介质
JP7157303B2 (ja) 認証装置
JP2013522754A (ja) 複数の虹彩テンプレートを用いた虹彩認識装置及び方法
CN109948439B (zh) 一种活体检测方法、系统及终端设备
CN111563924B (zh) 图像深度确定方法及活体识别方法、电路、设备和介质
CN111598065B (zh) 深度图像获取方法及活体识别方法、设备、电路和介质
KR102137060B1 (ko) 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법
WO2021204267A1 (zh) 身份识别
CN107194231A (zh) 基于虹膜的解锁方法、装置以及移动终端
CN111767879A (zh) 一种活体检测方法
CN106991376B (zh) 结合深度信息的侧脸验证方法及装置与电子装置
CN111383256A (zh) 图像处理方法、电子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