CN111814612A - 目标的脸部检测方法及其相关装置 - Google Patents

目标的脸部检测方法及其相关装置 Download PDF

Info

Publication number
CN111814612A
CN111814612A CN202010591879.7A CN202010591879A CN111814612A CN 111814612 A CN111814612 A CN 111814612A CN 202010591879 A CN202010591879 A CN 202010591879A CN 111814612 A CN111814612 A CN 111814612A
Authority
CN
China
Prior art keywords
face
frame
body frame
target
face frame
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
Application number
CN202010591879.7A
Other languages
English (en)
Inventor
李庆
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202010591879.7A priority Critical patent/CN111814612A/zh
Publication of CN111814612A publication Critical patent/CN111814612A/zh
Pending legal-status Critical Current

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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供目标的脸部检测方法及其相关装置。目标的脸部检测方法包括：检测待检测图像中目标的身体框和脸部框；将身体框和脸部框进行关联，使身体框与脸部框一一对应；基于所关联的身体框的检测信息，确定脸部框是否含有目标的脸部。本申请的方法可以降低目标的脸部的误检率。

Description

目标的脸部检测方法及其相关装置
技术领域
本申请涉及图像检测技术领域，特别是涉及目标的脸部检测方法及其相关装置。
背景技术
目标的脸部识别是基于目标的脸部特征信息进行身份认证的生物识别技术。随着人工智能技术的发展，目标的脸部识别技术识别准确率得到了提升，使得目标的脸部识别技术在安全防卫、金融支付等领域得到广泛应用。目标的脸部识别技术通常采用摄像机或相机等图像采集设备采集包含目标的脸部的视频流或图像，然后对视频或图像中的目标的脸部进行检测，在检测到目标的脸部后将目标的脸部在目标脸部库中进行匹配。在整个目标的脸部识别技术流中目标的脸部检测是第一步，只有准确的检测到目标的脸部在图像中的位置后，才能进行目标的脸部识别的后续步骤。当目标的脸部检测器检测到的目标的脸部是“虚脸”，既非目标的脸部时，整个后续计算过程是无效的，但是现有目标的脸部检测方法中常常会将非目标的脸部脸误检为目标的脸部。
发明内容
本申请提供目标的脸部检测方法及其相关装置，可以降低目标的脸部的误检率。
为解决技术问题，本申请提供一种目标的脸部检测方法，该方法包括：
检测待检测图像中目标的身体框和脸部框；
将身体框和脸部框进行关联，使身体框与脸部框一一对应；
基于所关联的身体框的检测信息，确定脸部框是否含有目标的脸部。
其中，将身体框和脸部框进行关联，包括：
确认身体框和脸部框的相对交并比；将脸部框和与其相对交并比最大的身体框关联。
其中，检测待检测图像中的身体框和脸部框，包括：获得身体框的中心点和长宽信息，获得脸部框的中心点和长宽信息；
确认身体框和脸部框的相对交并比，之前包括：基于身体框的中心点和长宽信息确定框选区域，将中心点落入到框选区域内的脸部框作为在身体框内的脸部框；或，
确认身体框和脸部框的相对交并比，之前包括：基于身体框的中心点和长宽信息确定身体框的框选区域，基于脸部框的中心点和长宽信息确定脸部框的选择区域，将选择区域落入到框选区域内的脸部框作为在身体框内的脸部框；
确认身体框和脸部框的相对交并比，包括：对于脸部框在身体框中的情况，确认身体框和脸部框的相对交并比。
其中，检测待检测图像中的身体框和脸部框，包括：获得身体框的中心点和长宽信息，获得脸部框的中心点和长宽信息；
确认身体框和脸部框的相对交并比，包括：
基于身体框的中心点、长宽信息和脸部框的中心点、长宽信息确定身体框和脸部框的重叠面积；
基于脸部框的中心点、长宽信息计算脸部框的面积；
将重叠面积与脸部框的面积的比值作为相对并交比。
其中，检测待检测图像中的身体框和脸部框，包括：获得身体框的置信度；
基于所关联的身体框的检测信息，确定脸部框是否含有目标的脸部，包括：
基于所关联的身体框的置信度，确定脸部框是否含有目标的脸部。
其中，检测待检测图像中的身体框和脸部框，包括：获得身体框的置信度；
基于所关联的身体框的置信度，确定脸部框是否含有目标的脸部，包括：
在所关联的身体框的置信度小于第一阈值时，确定脸部框内不含有目标的脸部；
在所关联的身体框的置信度大于第一阈值时，确定脸部框的置信度是否超过第二阈值；
在脸部框的置信度超过第二阈值时，确定脸部框内含有目标的脸部；
其中，第一阈值为目标检测器检测目标身体召回率为第一值时的置信度阈值，第二阈值为目标检测器检测目标脸部召回率为第二值时的置信度阈值，第一值小于第二值。
其中，对于没有关联身体框的脸部框，脸部框的置信度超过第三阈值时，确定脸部框内含有目标的脸部；
其中，第三阈值为目标检测器检测目标脸部召回率为第三值时的置信度阈值，第二值大于第三值。
其中，利用目标检测器检测待检测图像中的身体框和脸部框，之前包括：
利用样本训练集对目标检测器进行训练，以让训练好的目标检测器能够检测图像中的身体框和脸部框。
为解决技术问题，本申请提供一种目标的脸部检测的装置，该目标的脸部检测的装置包括处理器和存储器；存储器中存储有计算机程序，处理器用于执行计算机程序以实现如上述方法的步骤。
为解决技术问题，本申请提供一种计算机存储介质，其中存储有计算机程序，计算机程序被执行时实现目标的脸部检测方法中的步骤。
本申请的方法是：在本实施例中，先利用目标检测器从待检测图像中检测出身体框和脸部框，然后将身体框和脸部框进行关联，进而对于关联有身体框的脸部框，通过所关联的身体框的检测信息，确认脸部框内是否含有目标的脸部，这样以检测到的身体框的检测信息作为辅助信息对脸部框是否含有目标的脸部进行判断，降低目标的脸部的误检率。
附图说明
为了更清楚地说明本申请实施方式中的技术方案，下面将对实施方式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方式，对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是本申请目标的脸部检测方法第一实施方式的流程示意图；
图2是本申请目标的脸部检测方法第二实施方式的流程示意图；
图3是本申请目标的脸部检测方法中代价矩阵的示意图；
图4是本申请目标的脸部检测方法中关联矩阵的示意图；
图5是本申请目标的脸部检测的装置一实施方式的结构示意图；
图6是本申请计算机存储介质一实施方式的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本申请的技术方案，下面结合附图和具体实施方式对本申请所提供的目标的脸部检测方法及其相关装置做进一步详细描述。
具体请参阅图1，图1是本申请目标的脸部检测方法第一实施方式的流程示意图。可以理解的是，目标可以是人或动物，即可以通过目标的脸部检测方法从待检测图像中检测出动物的脸或人脸。本实施方式目标的脸部检测方法包括以下步骤。
S101：检测待检测图像中目标的身体框和脸部框。
可以通过已经训练好的目标检测器在待检测图像上进行身体检测和脸部检测，确认能够框选到目标身体的身体框和能够框选到目标脸部的脸部框。身体框和脸部框可以为矩形等各种形状的框。
S102：将身体框和脸部框进行关联。
可以将步骤S102中检测到的身体框和脸部框关联，使已经关联的身体框与脸部框一一对应。
在一实现方式中，可以基于身体框和脸部框包括的关键点，将身体框和脸部框进行关联。例如可以将身体框内包括的目标的鼻子、眼睛和耳朵、嘴巴等关键点和脸部框内包括的目标的鼻子、眼睛和耳朵、嘴巴关键点进行匹配，若存在一身体框内包括的关键点与脸部框内包括的关键点匹配成功，则将匹配成功的身体框和脸部框关联。
在另一实现方式中，可以基于身体框和脸部框之间的相对交并比，将身体框和脸部框进行关联。
在又一实现方式中，可以基于身体框和脸部框的粘合度，将身体框和脸部框进行关联。其中，身体框和脸部框的粘合度的计算公式如下所示：
Figure BDA0002555882300000051
其中，Eij为身体框i和脸部框j之间的粘合度；sij为脸部框i和身体框j之间的重合面积；xi为脸部框i中固定点的横坐标；yi为脸部框i的固定点的纵坐标；wi为脸部框i的宽度；hi为脸部框i的高度；Xj为身体框j的固定点的横坐标；Yj为身体框j的固定点的纵坐标；Wj为身体框j的宽度；Hj为身体框j的高度。可以理解的是，脸部框i的固定点可以是脸部框i的左上顶点、右上顶点等。相应地，身体框j的固定点也可以是身体框j的左上顶点、右上顶点等。
S103：基于所关联的身体框的检测信息，确定脸部框内是否含有目标的脸部。
在本实施例中，先利用目标检测器从待检测图像中检测出身体框和脸部框，然后将身体框和脸部框进行关联，进而对于关联有身体框的脸部框，通过所关联的身体框的检测信息，确认脸部框内是否含有目标的脸部，这样以检测到的身体框的检测信息作为辅助信息对脸部框是否含有目标的脸部进行判断，降低目标的脸部的误检率。
具体请参阅图2，图2是本申请目标的脸部检测方法第二实施方式的流程示意图。本实施方式目标的脸部检测方法包括以下步骤。
S201：检测待检测图像中目标的身体框和脸部框。
在一实现方式中，可以用滑动窗滑过待检测图像的不同区域，提取这些区域内的特征，确认这些区域内是否存在目标的身体和目标的脸部，以获得身体框和脸部框。
在另一实现方式中，可以利用卷积神经网络对待检测图像进行检测，获得待检测图像中的身体框和脸部框。
具体地，检测待检测图像中的身体框和脸部框，包括：获得身体框的中心点和长宽信息，获得脸部框的中心点和长宽信息。
进一步地，检测待检测图像中的身体框和脸部框，还可以包括：获得身体框的置信度和脸部框的置信度。
例如，目标检测器对A图像进行检测，得到身体框和脸部框分别为：
Figure BDA0002555882300000061
其中
Figure BDA0002555882300000062
x,y,w,h,c,s分别为目标框的中心点、长宽和类别，以及目标置信度。
在利用目标检测器对待检测图像进行检测之前，还可以利用样本训练集对目标检测器进行训练，以让训练好的目标检测器能够检测图像中的身体框和脸部框。其中，训练样本集包括大量包含目标脸部和目标身体的图像。
S202：将身体框和脸部框进行关联。
在本实施方式中，通过身体框和脸部框的相对交并比将身体框和脸部框进行关联。可选地，将脸部框和其对应的相对交并比最大的身体框关联。
其中，身体框和脸部框的相对交并比公式如下所示：
Figure BDA0002555882300000063
其中，f(Fi，Bj)表示身体框j和脸部框i之间的相对交并比，Fi∩Bj和Fi分别表示脸部框i与身体框j的相交的面积大小和脸部框i的面积大小。
具体地，将身体框和脸部框进行关联，可以包括：确认脸部框是否在身体框内；对于脸部框在身体框中的情况，确认身体框和脸部框的相对交并比；将脸部框和与其相对交并比最大的身体框关联。
在一实现方式中，确认脸部框是否在身体框内，可以包括：基于身体框的中心点和长宽信息确定框选区域，将中心点落入到框选区域内的脸部框作为在身体框内的脸部框。
在另一实现方式中，确认脸部框是否在身体框内，可以包括：基于身体框的中心点和长宽信息确定身体框的框选区域，基于脸部框的中心点和长宽信息确定脸部框的选择区域，将选择区域落入到框选区域内的脸部框作为在身体框内的脸部框。
进一步地，在实际操作过程中，可以利用代价矩阵和关联矩阵将身体框和脸部框进行关联。
首先，先通过脸部框和身体框之间的相对交并比计算出代价矩阵。具体地，对脸部框i在身体框j内的情况，采用相对交并比公式计算F中脸部框i与B中身体框j的相对交并比值；对于脸部框不在身体框内的情况，对应代价矩阵中的位置值设为-1或其他固定值，用以表明该脸部框与身体框关联无意义，从而得到如图3所示的代价矩阵。其中，代价矩阵的行数N对应从待检测图像检测到的脸部框的总数，代价矩阵的每一行对应于一脸部框；列数M对应从待检测图像检测到的身体框的总数，每一列对应于一身体框。
其次，通过代价矩阵得到关联矩阵，以得到身体框和脸部框之间的关联关系。具体地，按行取代价矩阵中每行最大值所在位置为1，其余值为0，得到关联矩阵L。与代价矩阵一样，其大小也为N×M。例如将图3所示的代价矩阵进行处理后，得到图4所示的关联矩阵。可以理解的是，如果代价矩阵中存在一行的所有数值均为-1等固定值，即将这一行的所有数值均改为0，即这一行对应的脸部框不存在与之关联的身体框。
S203：确认脸部框是否有关联的身体框。
将身体框和脸部框关联之后，按照是否关联有身体框的情况，可以将脸部框分为关联有身体框的脸部框和没有关联身体框的脸部框。因此，为准确判断脸部框内是否含有目标的脸部，可先确定脸部框是否有关联的身体框。
对于关联有身体框的脸部框，可进入步骤S204；对于没有关联身体框的脸部框，可进入步骤S206。
S204：确认所关联的身体框的置信度是否大于第一阈值。
对于关联有身体框的脸部框，判断所关联的身体框的置信度是否超过第一阈值。如表1所示，第一阈值可以是目标检测器检测目标身体的召回率为第一值时的置信度阈值。可选地，第一值可以是95％、80％、85％、97％等。
表1目标类别、召回率和置信度阈值的对应表
目标类别 召回率 置信度阈值
身体目标框 第一值 第一阈值
关联身体框的脸部框 第二值 第二阈值
与身体无关联的脸部框 第三值 第三阈值
在所关联的身体框的置信度超过第一阈值时，进入步骤S205；在所关联的身体框的置信度不超过第一阈值时，进入步骤S208。
S205：确认脸部框的置信度是否大于第二阈值。
在所关联的身体框的置信度大于第一阈值时，确定脸部框的置信度是否超过第二阈值。第二阈值可以是目标检测器检测目标脸部的召回率为第二值时的置信度阈值。可选地，第二值可以是95％、80％、85％、97％等。其中，第一值小于第二值。相应地，第一阈值大于第二阈值，目标身体相对于目标脸部更容易检测，因此只要判定检测到目标身体，设定一个相对目标身体偏小的置信度阈值即可判定目标脸部是否虚检测，可以让更多真正的目标脸部被检测出来。
在脸部框的置信度超过第二阈值时，进入步骤S207；在脸部框的置信度不超过第二阈值时，进入步骤S208。
S206：确认脸部框的置信度是否超过第三阈值。
对于没有关联身体框的脸部框，判断脸部框的置信度是否超过第三阈值。第三阈值可以是目标检测器检测目标脸部的召回率为第三值时的置信度阈值。可选地，第三值可以是95％、80％、85％、97％等。并且，第二值大于第三值。相应地，第三阈值大于第二阈值，即与关联有身体框的脸部框相比，无身体框关联的脸部框需要更大的置信度阈值，降低虚检，提高目标脸部检测的可靠性。
对于没有关联身体框的脸部框，在脸部框的置信度超过第三阈值时，进入步骤S207；在脸部框的置信度不超过第三阈值时，进入步骤S208。
S207：确认脸部框内含有目标的脸部。
S208：确认脸部框内不含有目标的脸部。
上述目标的脸部检测方法一般由目标的脸部检测的装置实现，因而本申请还提出一种目标的脸部检测的装置。请参阅图5，图5是本申请目标的脸部检测的装置一实施方式的结构示意图。本申请中目标的脸部检测的装置10包括处理器12和存储器11；存储器11中存储有计算机程序，处理器12用于执行计算机程序以实现如上述目标的脸部检测方法中的步骤。
上述目标的脸部检测方法的逻辑过程以计算机程序呈现，在计算机程序方面，若其作为独立的软件产品销售或使用时，其可存储在计算机存储介质中，因而本申请提出一种计算机存储介质。请参阅图6，图6是本申请计算机存储介质一实施方式的结构示意图，本实施方式计算机存储介质20中存储有计算机程序21，计算机程序被处理器执行时实现上述目标的脸部检测方法中的步骤。
该计算机存储介质20具体可以为U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory，)、磁碟或者光盘等可以存储计算机程序的介质，或者也可以为存储有该计算机程序的服务器，该服务器可将存储的计算机程序发送给其他设备运行，或者也可以自运行该存储的计算机程序。该计算机存储介质20从物理实体上来看，可以为多个实体的组合，例如多个服务器、服务器加存储器、或存储器加移动硬盘等多种组合方式。
以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种目标的脸部检测方法，其特征在于，所述方法包括：
检测待检测图像中目标的身体框和脸部框；
将所述身体框和所述脸部框进行关联，使所述身体框与所述脸部框一一对应；
基于所关联的身体框的检测信息，确定所述脸部框是否含有所述目标的脸部。
2.根据权利要求1所述的检测方法，其特征在于，
所述将所述身体框和所述脸部框进行关联，包括：
确认所述身体框和所述脸部框的相对交并比；将所述脸部框和与其相对交并比最大的身体框关联。
3.根据权利要求2所述的检测方法，其特征在于，所述检测所述待检测图像中的身体框和脸部框，包括：获得所述身体框的中心点和长宽信息，获得所述脸部框的中心点和长宽信息；
所述确认所述身体框和所述脸部框的相对交并比，之前包括：基于所述身体框的中心点和长宽信息确定框选区域，将中心点落入到所述框选区域内的脸部框作为在所述身体框内的脸部框；或，
所述确认所述身体框和所述脸部框的相对交并比，之前包括：基于所述身体框的中心点和长宽信息确定所述身体框的框选区域，基于所述脸部框的中心点和长宽信息确定所述脸部框的选择区域，将所述选择区域落入到所述框选区域内的脸部框作为在所述身体框内的脸部框；
所述确认所述身体框和所述脸部框的相对交并比，包括：对于脸部框在身体框中的情况，确认所述身体框和脸部框的相对交并比。
4.根据权利要求2所述的检测方法，其特征在于，所述检测所述待检测图像中的身体框和脸部框，包括：获得所述身体框的中心点和长宽信息，获得所述脸部框的中心点和长宽信息；
所述确认所述身体框和所述脸部框的相对交并比，包括：
基于所述身体框的中心点、长宽信息和所述脸部框的中心点、长宽信息确定所述身体框和所述脸部框的重叠面积；
基于所述脸部框的中心点、长宽信息计算所述脸部框的面积；
将所述重叠面积与所述脸部框的面积的比值作为所述相对并交比。
5.根据权利要求1所述的检测方法，其特征在于，所述检测所述待检测图像中的身体框和脸部框，包括：获得所述身体框的置信度；
所述基于所关联的身体框的检测信息，确定所述脸部框是否含有目标的脸部，包括：
基于所关联的身体框的置信度，确定所述脸部框是否含有目标的脸部。
6.根据权利要求5所述的检测方法，其特征在于，所述检测所述待检测图像中的身体框和脸部框，还包括：获得所述脸部框的置信度；
所述基于所关联的身体框的置信度，确定所述脸部框是否含有目标的脸部，包括：
在所关联的身体框的置信度小于第一阈值时，确定所述脸部框内不含有目标的脸部；
在所关联的身体框的置信度大于第一阈值时，确定所述脸部框的置信度是否超过第二阈值；
在所述脸部框的置信度超过第二阈值时，确定所述脸部框内含有目标的脸部；
其中，所述第一阈值为所述目标检测器检测目标身体召回率为第一值时的置信度阈值，所述第二阈值为所述目标检测器检测目标脸部召回率为第二值时的置信度阈值，第一值小于第二值。
7.根据权利要求6所述的检测方法，其特征在于，所述方法还包括：
对于没有关联身体框的脸部框，所述脸部框的置信度超过第三阈值时，确定所述脸部框内含有目标的脸部；
其中，所述第三阈值为所述目标检测器检测目标脸部召回率为第三值时的置信度阈值，第二值大于第三值。
8.根据权利要求1所述的检测方法，其特征在于，所述检测待检测图像中目标的身体框和脸部框，之前包括：
利用样本训练集对目标检测器进行训练，以让训练好的目标检测器能够检测图像中的身体框和脸部框。
9.一种目标的脸部检测装置，其特征在于，所述目标的脸部检测装置包括存储器和处理器；所述存储器中存储有计算机程序，所述处理器用于执行所述计算机程序以实现如权利要求1-8中任一项所述目标的脸部检测方法的步骤。
10.一种具有存储功能的装置，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8中任一项所述目标的脸部检测方法的步骤。
CN202010591879.7A 2020-06-24 2020-06-24 目标的脸部检测方法及其相关装置 Pending CN111814612A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010591879.7A CN111814612A (zh) 2020-06-24 2020-06-24 目标的脸部检测方法及其相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010591879.7A CN111814612A (zh) 2020-06-24 2020-06-24 目标的脸部检测方法及其相关装置

Publications (1)

Publication Number Publication Date
CN111814612A true CN111814612A (zh) 2020-10-23

Family

ID=72855046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010591879.7A Pending CN111814612A (zh) 2020-06-24 2020-06-24 目标的脸部检测方法及其相关装置

Country Status (1)

Country Link
CN (1) CN111814612A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070074A (zh) * 2020-11-12 2020-12-11 中电科新型智慧城市研究院有限公司 物体检测方法、装置、终端设备和存储介质
CN112836682A (zh) * 2021-03-04 2021-05-25 广东建邦计算机软件股份有限公司 视频中对象的识别方法、装置、计算机设备和存储介质
CN112949526A (zh) * 2021-03-12 2021-06-11 深圳海翼智新科技有限公司 人脸检测方法和装置
WO2022160616A1 (zh) * 2021-01-28 2022-08-04 深圳市商汤科技有限公司 通行检测方法及装置、电子设备和计算机可读存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101149462A (zh) * 2006-09-22 2008-03-26 索尼株式会社 成像设备、成像设备的控制方法和计算机程序
CN107886074A (zh) * 2017-11-13 2018-04-06 苏州科达科技股份有限公司 一种人脸检测方法以及人脸检测系统
CN110163889A (zh) * 2018-10-15 2019-08-23 腾讯科技（深圳）有限公司 目标跟踪方法、目标跟踪装置、目标跟踪设备
CN110427908A (zh) * 2019-08-08 2019-11-08 北京百度网讯科技有限公司 一种人物检测的方法、装置及计算机可读存储介质
CN110532985A (zh) * 2019-09-02 2019-12-03 北京迈格威科技有限公司 目标检测方法、装置及系统
CN110688994A (zh) * 2019-12-10 2020-01-14 南京甄视智能科技有限公司 基于交并比的多模型融合的人脸检测方法、装置与计算机可读取存储介质
CN111145215A (zh) * 2019-12-25 2020-05-12 北京迈格威科技有限公司 一种目标跟踪方法及装置
CN111178126A (zh) * 2019-11-20 2020-05-19 北京迈格威科技有限公司 目标检测方法、装置、计算机设备和存储介质
CN111275002A (zh) * 2020-02-18 2020-06-12 上海商汤临港智能科技有限公司 一种图像处理方法、装置及电子设备
CN111310710A (zh) * 2020-03-03 2020-06-19 平安科技（深圳）有限公司 人脸检测方法与系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101149462A (zh) * 2006-09-22 2008-03-26 索尼株式会社 成像设备、成像设备的控制方法和计算机程序
CN107886074A (zh) * 2017-11-13 2018-04-06 苏州科达科技股份有限公司 一种人脸检测方法以及人脸检测系统
CN110163889A (zh) * 2018-10-15 2019-08-23 腾讯科技（深圳）有限公司 目标跟踪方法、目标跟踪装置、目标跟踪设备
CN110427908A (zh) * 2019-08-08 2019-11-08 北京百度网讯科技有限公司 一种人物检测的方法、装置及计算机可读存储介质
CN110532985A (zh) * 2019-09-02 2019-12-03 北京迈格威科技有限公司 目标检测方法、装置及系统
CN111178126A (zh) * 2019-11-20 2020-05-19 北京迈格威科技有限公司 目标检测方法、装置、计算机设备和存储介质
CN110688994A (zh) * 2019-12-10 2020-01-14 南京甄视智能科技有限公司 基于交并比的多模型融合的人脸检测方法、装置与计算机可读取存储介质
CN111145215A (zh) * 2019-12-25 2020-05-12 北京迈格威科技有限公司 一种目标跟踪方法及装置
CN111275002A (zh) * 2020-02-18 2020-06-12 上海商汤临港智能科技有限公司 一种图像处理方法、装置及电子设备
CN111310710A (zh) * 2020-03-03 2020-06-19 平安科技（深圳）有限公司 人脸检测方法与系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070074A (zh) * 2020-11-12 2020-12-11 中电科新型智慧城市研究院有限公司 物体检测方法、装置、终端设备和存储介质
CN112070074B (zh) * 2020-11-12 2021-02-05 中电科新型智慧城市研究院有限公司 物体检测方法、装置、终端设备和存储介质
WO2022160616A1 (zh) * 2021-01-28 2022-08-04 深圳市商汤科技有限公司 通行检测方法及装置、电子设备和计算机可读存储介质
CN112836682A (zh) * 2021-03-04 2021-05-25 广东建邦计算机软件股份有限公司 视频中对象的识别方法、装置、计算机设备和存储介质
CN112836682B (zh) * 2021-03-04 2024-05-28 广东建邦计算机软件股份有限公司 视频中对象的识别方法、装置、计算机设备和存储介质
CN112949526A (zh) * 2021-03-12 2021-06-11 深圳海翼智新科技有限公司 人脸检测方法和装置
CN112949526B (zh) * 2021-03-12 2024-03-29 深圳海翼智新科技有限公司 人脸检测方法和装置

Similar Documents

Publication Publication Date Title
US10635890B2 (en) Facial recognition method and apparatus, electronic device, and storage medium
CN111814612A (zh) 目标的脸部检测方法及其相关装置
WO2019120115A1 (zh) 人脸识别的方法、装置及计算机装置
CN110866466B (zh) 一种人脸识别方法、装置、存储介质和服务器
CN110532851B (zh) 指静脉识别方法、装置、计算机设备和存储介质
CN111767783A (zh) 行为检测、模型训练方法、装置、电子设备及存储介质
WO2019033575A1 (zh) 电子装置、人脸追踪的方法、系统及存储介质
CN111104925A (zh) 图像处理方法、装置、存储介质和电子设备
CN112287918B (zh) 一种人脸识别方法、装置及电子设备
CN109635625B (zh) 智能身份核验方法、设备、存储介质及装置
CN115223022A (zh) 一种图像处理方法、装置、存储介质及设备
CN113591921A (zh) 图像识别方法及装置、电子设备、存储介质
CN111382606A (zh) 摔倒检测方法、摔倒检测装置和电子设备
CN111931617B (zh) 基于图像处理的人眼图像识别方法、装置及自助终端
CN106980818B (zh) 一种用于人脸图像的个性化预处理方法、系统及其终端
CN113128427A (zh) 人脸识别方法、装置、计算机可读存储介质及终端设备
CN111178228A (zh) 一种基于深度学习的人脸识别方法
CN116258881A (zh) 一种图像聚类方法、装置、终端及计算机可读存储介质
CN115019152A (zh) 一种图像拍摄完整度判定方法及装置
CN110781473B (zh) 一种人脸图片识别预处理的方法
CN112818728B (zh) 年龄识别的方法及相关产品
CN114663930A (zh) 一种活体检测方法、装置、终端设备及存储介质
CN113591916B (zh) 基于二分类模型的数据处理方法及装置
CN111191484A (zh) 视频图像中人物说话的识别方法和装置
CN111428679B (zh) 影像识别方法、装置和设备

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