CN111898552B - 一种判别人员关注目标物的方法、装置及计算机设备 - Google Patents

一种判别人员关注目标物的方法、装置及计算机设备 Download PDF

Info

Publication number
CN111898552B
CN111898552B CN202010762123.4A CN202010762123A CN111898552B CN 111898552 B CN111898552 B CN 111898552B CN 202010762123 A CN202010762123 A CN 202010762123A CN 111898552 B CN111898552 B CN 111898552B
Authority
CN
China
Prior art keywords
face
parameter value
size parameter
image
imaging size
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
CN202010762123.4A
Other languages
English (en)
Other versions
CN111898552A (zh
Inventor
董勇
杨青川
宁瑶
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.)
Chengdu Xinchao Media Group Co Ltd
Original Assignee
Chengdu Xinchao Media Group 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 Chengdu Xinchao Media Group Co Ltd filed Critical Chengdu Xinchao Media Group Co Ltd
Priority to CN202010762123.4A priority Critical patent/CN111898552B/zh
Publication of CN111898552A publication Critical patent/CN111898552A/zh
Application granted granted Critical
Publication of CN111898552B publication Critical patent/CN111898552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • 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
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及行为识别技术领域，公开了一种判别人员关注目标物的方法、装置及计算机设备。在所述判别人员关注目标物的方法中，不论目标物中心与相机坐标系原点是否重合，可以基于现场采集的人脸图像，依次提取出现场人员的当前人脸姿态角和当前人脸多维数据，并将所述当前人脸姿态角与根据人脸多维数据与人脸姿态角范围的对应关系确定出的且与所述当前人脸多维数据对应的当前人脸姿态角范围相比较，若所述当前人脸姿态角处于所述当前人脸姿态角范围内，则表明现场人员如用于采集所述人脸多维数据和所述人脸姿态角范围的测试人员一样，在现场关注所述目标物，进而可用较少的计算机资源，来判别人员是否关注目标物，实现远场景下关注点的估计。

Description

一种判别人员关注目标物的方法、装置及计算机设备
技术领域
本发明属于行为识别技术领域，具体地涉及一种判别人员关注目标物的方法、装置及计算机设备。
背景技术
在当下很多行业中，都需要及时感知观众的关注点，进而了解他们的兴趣点和评判，以便改进设计方案，促进行业发展。为了判别观众是否关注目标物，在近场景情况下，如头盔式场景等，通常采用眼球追踪技术来实现关注点估计；但是在0.5米以上的远场景，由于目前的技术很难追踪眼球特征，进而难以实现关注点估计，因此这种情况下通常采用头部姿态估计技术来实现。
前述头部姿态估计技术的方案为：先通过一幅人脸图像来获得头部的姿态角(在三维空间中，表示物体旋转姿态可以由如下三个欧拉角来表示：围绕直角坐标系X轴旋转的俯仰角pitch，围绕直角坐标系Y轴旋转的偏航角yaw和围绕直角坐标系Z轴旋转的滚转角roll，因此针对头部而言，通俗讲就是抬头角、摇头角和转头角，如图1所示)，然后根据头部姿态角来间接反映眼球的关注方向，若目标物位于该关注方向上，则将该目标物作为估计的关注点。目前通过一幅人脸图像来获得头部姿态角的算法步骤一般如下：(1)对人脸图像进行二维人脸关键点检测；(2)将检测到的二维人脸关键点与三维人脸模型中的对应人脸关键点进行匹配；(3)求解二维人脸关键点与对应三维人脸关键点的转换关系矩阵；(4)根据所述旋转关系矩阵求解头部相对于相机坐标系(该相机坐标系即为以拍摄所述人脸图像的相机的聚焦中心为原点且以光轴为Z轴建立的三维直角坐标系)的三个欧拉角。
目前适用于头部姿态估计技术的场景仅为当目标物中心与相机坐标系原点重合的情况，此时采用固定的偏航角yaw和俯仰角pitch即可判别人体头部是否关注目标物。但是当目标物中心与相机坐标系原点不重合时，由于相机处于第三视角，不能替代目标物视角，如果再次基于固定的偏航角yaw和俯仰角pitch来判别，势必会造成很大误差，甚至南辕北辙，因此亟需提供一种新的技术解决方案。
发明内容
为了解决在现有头部姿态估计技术中所存在的适用场景有限，不能适用于当目标物中心与相机坐标系原点不重合情况的问题，本发明目的在于提供一种判别人员关注目标物的方法、装置、计算机设备及计算机可读存储介质，不论目标物中心与相机坐标系原点是否重合，都可以基于现场采集的人脸图像且用较少的计算机资源，来判别人员是否关注目标物，实现远场景下关注点的估计。
第一方面，本发明提供了一种判别人员关注目标物的方法，包括：
获取人脸图像，其中，所述人脸图像包含有至少一个人员；
从所述人脸图像中，提取出所述人员的当前人脸姿态角和当前人脸多维数据；
根据人脸多维数据与人脸姿态角范围的对应关系，确定出与所述当前人脸多维数据对应的当前人脸姿态角范围，其中，所述人脸姿态角范围是指对应所述人脸多维数据能够关注到目标物的人脸姿态角区间；
当所述当前人脸姿态角位于所述当前人脸姿态角范围内时，判定所述人员在关注所述目标物。
基于上述发明内容，可提供一种不论目标物中心与相机坐标系原点是否重合都可以进行关注点估计的新方法，即可以基于现场采集的人脸图像，依次提取出现场人员的当前人脸姿态角和当前人脸多维数据，并将所述当前人脸姿态角与根据人脸多维数据与人脸姿态角范围的对应关系确定出的且与所述当前人脸多维数据对应的当前人脸姿态角范围相比较，若所述当前人脸姿态角处于所述当前人脸姿态角范围内，则表明现场人员如用于采集所述人脸多维数据和所述人脸姿态角范围的测试人员一样，在现场关注所述目标物，进而可用较少的计算机资源，来判别人员是否关注目标物，实现远场景下关注点的估计，便于实际应用和推广。
在一个可能的设计中，从所述人脸图像中，提取出所述人员的当前人脸多维数据，包括：
从所述人脸图像中，提取人脸二维坐标数据；
从所述人脸图像中，提取第一人脸成像尺寸参数值，其中，将所述人脸二维坐标数据和所述第一人脸成像尺寸参数值作为所述当前人脸多维数据。
通过上述可能设计，可以在图像采集设备为单目镜头相机时，利用人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性，实现远场景下关注点的估计。
在一个可能的设计中，从所述人脸图像中，提取出所述人员的当前人脸多维数据，包括：
从所述人脸图像中，提取人脸二维坐标数据；
从所述人脸图像中，提取第一人脸成像尺寸参数值；
根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，将所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为所述当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值。
通过上述可能设计，可以在图像采集设备为单目镜头相机时，利用主视角度下的人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性和后续关注判别结果的准确性，实现远场景下关注点的估计。
在一个可能的设计中，从所述人脸图像中，提取出所述人员的当前人脸多维数据，包括：
从所述人脸图像中，提取人脸二维坐标数据；
从所述人脸图像中，提取第一人脸成像尺寸参数值；
根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值；
根据所述人脸图像，识别出所述人员的年龄；
当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第二人脸成像尺寸参数值，得到第三人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第三人脸成像尺寸参数值作为所述当前人脸多维数据。
通过上述可能设计，可以在图像采集设备为单目镜头相机时，利用主视角度下的且经过年龄因素校正的人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性和后续关注判别结果的准确性，实现远场景下关注点的估计。
在一个可能的设计中，从所述人脸图像中，提取出当前人脸多维数据，包括：
根据所述人脸图像，识别出所述人员的年龄；
从所述人脸图像中，提取人脸二维坐标数据；
从所述人脸图像中，提取第一人脸成像尺寸参数值；
根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，将所述年龄、所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为所述当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值。
通过上述可能设计，可以在图像采集设备为单目镜头相机时，利用主视角度下的人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性，同时通过在所述当前人脸多维数据中增加一个维度——年龄，可以避免因现场人员与测试人员年龄差距较大而给最终的关注判别结果造成误差的问题，进一步提升判别准确性，实现远场景下关注点的估计。
在一个可能的设计中，根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，包括：
将所述当前人脸姿态角导入至用于反映将人脸旋转到平面上的三角函数中，得到旋转变换系数，其中，所述平面与所述图像采集设备的光轴垂直；
根据所述第一人脸成像尺寸参数值和所述旋转变换系数，计算得到所述第二人脸成像尺寸参数值。
通过上述可能设计，可以得到真实准确的人脸主视尺寸参数，确保后续判别的准确性。
在一个可能的设计中，从所述人脸图像中，提取出当前人脸多维数据，包括：
从所述人脸图像中，提取人脸二维坐标数据；
从所述人脸图像中，提取第一人脸成像尺寸参数值；
根据所述人脸图像，识别出所述人员的年龄；
当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第一人脸成像尺寸参数值，得到第四人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第四人脸成像尺寸参数值作为所述当前人脸多维数据。
在一个可能的设计中，从所述人脸图像中，提取出当前人脸多维数据，包括：
根据所述人脸图像，识别出所述人员的年龄；
从所述人脸图像中，提取人脸二维坐标数据；
从所述人脸图像中，提取第一人脸成像尺寸参数值，其中，将所述年龄、所述人脸二维坐标数据和所述第一人脸成像尺寸参数值作为所述当前人脸多维数据。
通过上述可能设计，可以在图像采集设备为单目镜头相机时，利用人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性，同时通过在所述当前人脸多维数据中增加一个维度——年龄，可以避免因现场人员与测试人员年龄差距较大而给最终的关注判别结果造成误差的问题，进一步提升判别准确性，实现远场景下关注点的估计。
通过上述可能设计，可以在图像采集设备为单目镜头相机时，利用经过年龄因素校正的人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性和后续关注判别结果的准确性，实现远场景下关注点的估计。
在一个可能的设计中，根据人脸多维数据与人脸姿态角范围的对应关系，确定出与所述当前人脸多维数据对应的当前人脸姿态角范围，包括：
将所述当前人脸多维数据导入至连续曲线拟合函数中，计算得到与所述当前人脸多维数据对应的当前人脸姿态角范围，其中，所述连续曲线拟合函数根据多组实测的人脸姿态角范围及人脸多维数据拟合得到。
通过上述可能设计，可以在获取有限组实测的人脸姿态角范围及人脸多维数据后，通过曲线函数拟合技术，精细化地获取到对应不同变量的当前人脸姿态角范围，进而可在减少实现采集工作的同时，确保后续判别的准确性。
第二方面，本发明提供了一种判别人员关注目标物的装置，包括有依次通信连接的图像获取单元、数据提取单元、范围确定单元和关注判别单元；
所述图像获取单元，用于获取人脸图像，其中，所述人脸图像包含有至少一个人员；
所述数据提取单元，用于从所述人脸图像中，提取出所述人员的当前人脸姿态角和当前人脸多维数据；
所述范围确定单元，用于根据人脸多维数据与人脸姿态角范围的对应关系，确定出与所述当前人脸多维数据对应的当前人脸姿态角范围，其中，所述人脸姿态角范围是指对应所述人脸多维数据能够关注到目标物的人脸姿态角区间；
所述关注判别单元，用于当所述当前人脸姿态角位于所述当前人脸姿态角范围内时，判定所述人员在关注所述目标物。
在一个可能的设计中，所述数据提取单元包括有人脸二维坐标提取子单元和第一尺寸参数提取子单元；
所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取人脸二维坐标数据；
所述第一尺寸参数提取子单元，通信连接所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取第一人脸成像尺寸参数值，其中，将所述人脸二维坐标数据和所述第一人脸成像尺寸参数值作为所述当前人脸多维数据。
在一个可能的设计中，所述数据提取单元包括有人脸二维坐标提取子单元、第一尺寸参数提取子单元和第二尺寸参数提取子单元；
所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取人脸二维坐标数据；
所述第一尺寸参数提取子单元，用于从所述人脸图像中，提取第一人脸成像尺寸参数值；
所述第二尺寸参数提取子单元，分别通信连接所述人脸二维坐标提取子单元和所述第一尺寸参数提取子单元，用于根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，将所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为所述当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值。
在一个可能的设计中，所述数据提取单元包括有人脸二维坐标提取子单元、第一尺寸参数提取子单元、第二尺寸参数提取子单元、年龄提取子单元和第三尺寸参数提取子单元；
所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取人脸二维坐标数据；
所述第一尺寸参数提取子单元，用于从所述人脸图像中，提取第一人脸成像尺寸参数值；
所述第二尺寸参数提取子单元，通信连接所述第一尺寸参数提取子单元，用于根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值；
所述年龄提取子单元，用于根据所述人脸图像，识别出所述人员的年龄；
所述第三尺寸参数提取子单元，分别通信连接所述人脸二维坐标提取子单元、所述第二尺寸参数提取子单元和所述年龄提取子单元，用于当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第二人脸成像尺寸参数值，得到第三人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第三人脸成像尺寸参数值作为所述当前人脸多维数据。
在一个可能的设计中，所述数据提取单元包括有年龄提取子单元、人脸二维坐标提取子单元、第一尺寸参数提取子单元和第二尺寸参数提取子单元；
所述年龄提取子单元，用于根据所述人脸图像，识别出所述人员的年龄；
所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取人脸二维坐标数据；
所述第一尺寸参数提取子单元，用于从所述人脸图像中，提取第一人脸成像尺寸参数值；
所述第二尺寸参数提取子单元，分别通信连接所述年龄提取子单元、所述人脸二维坐标提取子单元和所述第一尺寸参数提取子单元，用于根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，将所述年龄、所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为所述当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值。
在一个可能的设计中，所述第二尺寸参数提取子单元包括通信相连的系数获取孙单元和尺寸计算孙单元；
所述系数获取孙单元，用于将所述当前人脸姿态角导入至用于反映将人脸旋转到平面上的三角函数中，得到旋转变换系数，其中，所述平面与所述图像采集设备的光轴垂直；
所述尺寸计算孙单元，用于根据所述第一人脸成像尺寸参数值和所述旋转变换系数，计算得到所述第二人脸成像尺寸参数值。
在一个可能的设计中，所述数据提取单元包括有人脸二维坐标提取子单元、第一尺寸参数提取子单元、年龄提取子单元和第四尺寸参数提取子单元；
所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取人脸二维坐标数据；
所述第一尺寸参数提取子单元，用于从所述人脸图像中，提取第一人脸成像尺寸参数值；
所述年龄提取子单元，用于根据所述人脸图像，识别出所述人员的年龄；
所述第四尺寸参数提取子单元，分别通信连接所述人脸二维坐标提取子单元、所述第一尺寸参数提取子单元和所述年龄提取子单元，用于当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第一人脸成像尺寸参数值，得到第四人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第四人脸成像尺寸参数值作为所述当前人脸多维数据。
在一个可能的设计中，所述范围确定单元具体用于将所述当前人脸多维数据导入至连续曲线拟合函数中，计算得到与所述当前人脸多维数据对应的当前人脸姿态角范围，其中，所述连续曲线拟合函数根据多组实测的人脸姿态角范围及人脸多维数据拟合得到。
第三方面，本发明提供了一种计算机设备，包括通信相连的存储器和处理器，其中，所述存储器用于存储计算机程序，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意一种可能设计所述的判别人员关注目标物的方法。
第四方面，本发明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指令，当所述指令在计算机上运行时，执行如上第一方面或第一方面中任意一种可能设计的所述判别人员关注目标物的方法。
第五方面，本发明提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如上第一方面或第一方面中任意一种可能设计的所述判别人员关注目标物的方法。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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是现有技术中当头部进行抬头、摇头及转头时的头部姿态示例图。
图2是本发明提供的图像采集设备、目标物及人脸的位置关系示例图。
图3是本发明提供的判别人员关注目标物的方法流程示意图。
图4是本发明提供的判别人员关注目标物的装置结构示意图。
图5是本发明提供的计算机设备的结构示意图。
上述附图中：1-图像采集设备；2-目标物；3-人脸；4-成像视野；5-网格。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解，尽管本文可能使用术语第一、第二等等来描述各种单元，但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元，同时不脱离本发明的示例实施例的范围。
应当理解，对于本文中可能出现的术语“和/或”，其仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况；对于本文中可能出现的术语“/和”，其是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A，单独存在A和B两种情况；另外，对于本文中可能出现的字符“/”，一般表示前后关联对象是一种“或”关系。
应当理解，在本文中若将单元称作与另一个单元“连接”、“相连”或“耦合”时，它可以与另一个单元直相连接或耦合，或中间单元可以存在。相対地，在本文中若将单元称作与另一个单元“直接相连”或“直接耦合”时，表示不存在中间单元。另外，应当以类似方式来解释用于描述单元之间的关系的其他单词(例如，“在……之间”对“直接在……之间”,“相邻”对“直接相邻”等等)。
应当理解，本文使用的术语仅用于描述特定实施例，并不意在限制本发明的示例实施例。若本文所使用的，单数形式“一”、“一个”以及“该”意在包括复数形式，除非上下文明确指示相反意思。还应当理解，若术语“包括”、“包括了”、“包含”和/或“包含了”在本文中被使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
应当理解，还应当注意到在一些备选可能设计中，所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解，在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以非必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。
如图2～3所示，本实施例第一方面提供的所述判别人员关注目标物的方法，可以但不限于适用于在诸如商店、展览厅和电梯等场景下判别人员是否关注目标物(例如商品、画作或电梯广告等)，并且无论目标物中心与相机坐标系原点是否重合，都可以基于现场采集的人脸图像，实现远场景下关注点的估计。如图2所示，在室内画展厅空间中，图像采集设备1(其可以但不限于为双目镜头相机或单目镜头相机)的相机坐标系原点O与目标物2(其可以但不限于为画作)的中心就明显不重合，当人脸3处于空间任何位置时，从相机坐标系(即所述图像采集设备1的坐标系)来看，人脸姿态的偏航角yaw和俯仰角pitch都是不同的，表示人脸的朝向及眼球的关注方向也不相同，此时就需要采用本实施例第一方面所提供的技术方案来进行远场景下关注点的估计。所述判别人员关注目标物的方法，可以但不限于包括有如下步骤S101～S104。
S101.获取人脸图像，其中，所述人脸图像包含有至少一个人员。
在所述步骤S101中，所述人脸图像可以但不限于由如图2所示的图像采集设备1采集得到，当所述人员出现在所述图像采集设备1的成像视野4中，就可以采集得到所述人脸图像。
S102.从所述人脸图像中，提取出所述人员的当前人脸姿态角和当前人脸多维数据。
在所述步骤S102中，从所述人脸图像中提取出所述人员的当前人脸姿态角的具体方式为现有常规方式，可以但不限于包括有：(1)对所述人脸图像进行二维人脸关键点检测；(2)将检测到的二维人脸关键点与三维人脸模型中的对应人脸关键点进行匹配；(3)求解二维人脸关键点与对应三维人脸关键点的转换关系矩阵；(4)根据所述旋转关系矩阵求解人脸相对于所述相机坐标系的三个欧拉角(即所述当前人脸姿态角：俯仰角pitch，偏航角yaw和滚转角roll)。前述所需使用的二维人脸关键点检测是指给定人脸图像，定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴和脸部轮廓等。现有的人脸关键点检测方法大致分为三种：基于主动形状模型(Active Shape Model，ASM)和主动外观模型(Active Appearnce Model，AAM)、基于级联形状回归(Cascaded pose regression，CPR)和基于深度学习的方法，基于前述这三种现有方法中的任意一种即可检测到二维人脸标记框、二维人脸关键区域和/或二维人脸关键点等。此外，还可以通过几何学将人脸相对于所述相机坐标系的三个欧拉角转换为人脸相对于其它空间坐标系的三个欧拉角，进而得到所述当前人脸姿态角。
在所述步骤S102中，当所述图像采集设备1为双目镜头相机时，可以利用双目测距原理得到人脸3至相机坐标系原点O的距离(即人脸在相机坐标系统中Z轴坐标)，同时由于所述人脸图像是垂直于所述图像采集设备1的光轴(即相机坐标系统中Z轴)，可以直接基于人脸3在所述人脸图像中的坐标位置得到人脸在相机坐标系统中的X轴坐标和Y轴坐标，如图2所示，当将所述图像采集设备的成像平面划分为若干个网格5，每一个网格5即表示在XY平面中的一个具体坐标位置，如此被所述人脸3占据的网格位置即为X轴坐标和Y轴坐标，进而可以将人脸3在相机坐标系统中的X轴坐标、Y轴坐标和Z轴坐标作为所述当前人脸多维数据。
S103.根据人脸多维数据与人脸姿态角范围的对应关系，确定出与所述当前人脸多维数据对应的当前人脸姿态角范围，其中，所述人脸姿态角范围是指对应所述人脸多维数据能够关注到目标物的人脸姿态角区间。
在所述步骤S103中，所述人脸姿态角区间包含有一对人脸姿态角上限值和人脸姿态角下限值，用于在此区间内确认所述人员在对应所述人脸多维数据时正在关注所述目标物。所述人脸多维数据、所述人脸姿态角上限值和所述人脸姿态角下限值，可在测试人员现场关注所述目标物时，采用与前述步骤S102相同的方式提前采集得到。如图2所示，在室内画展厅空间中，XYZ坐标系即为相机坐标系，在以图像采集设备1的聚焦中心为顶点且以光轴为中心线的四棱锥形体中，该四棱锥形体的底面即为成像视野4，此时在XY平面可划分有4×5个网格，并在Z轴维度上可进一步划分为若干个四棱锥形台空间，每个四棱锥形台空间的XYZ坐标即作为所述人脸多维数据，需针对每个四棱锥形台空间的XYZ坐标，分别采集对应的人脸姿态角上限值和人脸姿态角下限值，以便当人脸3占据某个四棱锥形台空间时，能够根据获取的当前XYZ坐标(即当前人脸多维数据)找到对应的人脸姿态角上限值和人脸姿态角下限值来作为所述当前人脸姿态角范围。
S104.当所述当前人脸姿态角位于所述当前人脸姿态角范围内时，判定所述人员在关注所述目标物。
在所述步骤S104中，当所述人员的所述当前人脸姿态角位于所述当前人脸姿态角范围内时，表明所述人员如测试人员一样在现场关注所述目标物，进而可判定所述人员在关注所述目标物。反之，当所述当前人脸姿态角位于所述当前人脸姿态角范围外时，可判定所述人员未关注目标物。
由此通过上述步骤S101～S104所详细描述的判别技术方案，可提供一种不论目标物中心与相机坐标系原点是否重合都可以进行关注点估计的新方法，即可以基于现场采集的人脸图像，依次提取出现场人员的当前人脸姿态角和当前人脸多维数据，并将所述当前人脸姿态角与根据人脸多维数据与人脸姿态角范围的对应关系确定出的且与所述当前人脸多维数据对应的当前人脸姿态角范围相比较，若所述当前人脸姿态角处于所述当前人脸姿态角范围内，则表明现场人员如用于采集所述人脸多维数据和所述人脸姿态角范围的测试人员一样，在现场关注所述目标物，进而可用较少的计算机资源，来判别人员是否关注目标物，实现远场景下关注点的估计，便于实际应用和推广。
本实施例在前述第一方面的技术方案基础上，还具体提出了一种当图像采集设备为单目镜头相机时提取当前人脸多维数据的可能设计一，即从所述人脸图像中，提取出所述人员的当前人脸多维数据，包括但不限于有如下步骤S211～S212。
S211.从所述人脸图像中，提取人脸二维坐标数据。
在所述步骤S211中，由于所述人脸图像是垂直于所述图像采集设备1的光轴(即相机坐标系统中Z轴)，可以直接基于人脸3在所述人脸图像中的坐标位置得到人脸在相机坐标系统中的X轴坐标和Y轴坐标，如图2所示，当将所述图像采集设备的成像平面划分为若干个网格5，每一个网格5即表示在XY平面中的一个具体坐标位置，如此被所述人脸3占据的网格位置即为X轴坐标和Y轴坐标，进而可以将人脸3当前对应的X轴坐标和Y轴坐标作为所述人脸二维坐标数据。
S212.从所述人脸图像中，提取第一人脸成像尺寸参数值，其中，将所述人脸二维坐标数据和所述第一人脸成像尺寸参数值作为所述当前人脸多维数据。
在所述步骤S212中，所述第一人脸成像尺寸参数值即为人脸3在所述人脸图像中的人脸成像尺寸大小，可以直接基于采集照片的尺寸大小对照得到。考虑单目镜头相机的成像结果是无法测距的，因此可采用所述第一人脸成像尺寸参数值来替代前述第一方面中所述当前人脸多维数据的Z轴坐标，即通过人脸成像尺寸大小来反映人脸3至相机坐标系原点O的远近程度。具体的，所述第一人脸成像尺寸参数值可以但不限于包含有人脸图像标记框的面积值、任意人脸关键区域的面积值和/或任意两个人脸关键点之间的距离值等，其中，所述人脸关键区域和所述人脸关键点均从所述人脸图像中检测得到(基于现有的人脸关键点检测方法)。举例的，所述人脸关键区域可以但不限于为脸部区域、眼睛区域、鼻子区域或嘴巴区域等，所述两个人脸关键点之间的距离参数可以但不限于为瞳距值等。
由此通过上述步骤S211～S212所描述的可能设计一，可以在图像采集设备为单目镜头相机时，利用人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性，实现远场景下关注点的估计。
本实施例在前述第一方面的技术方案基础上，还具体提出了另一种当图像采集设备为单目镜头相机时提取当前人脸多维数据的可能设计二，即从所述人脸图像中，提取出所述人员的当前人脸多维数据，包括但不限于有如下步骤S221～S224。
S221.从所述人脸图像中，提取人脸二维坐标数据。
S222.从所述人脸图像中，提取第一人脸成像尺寸参数值。
S223.根据所述人脸图像，识别出所述人员的年龄。
S224.当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第一人脸成像尺寸参数值，得到第四人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第四人脸成像尺寸参数值作为所述当前人脸多维数据。
在前述步骤S221～S222中，所述人脸二维坐标数据和所述第一人脸成像尺寸参数值可参见前述可能设计一。在所述步骤223中，识别出所述人员的年龄的方式可以但不限于具体为将所述人脸图像导入已完成深度学习训练的人脸识别模型，得到所述人员的年龄。所述人脸识别模型为通过深度学习训练，能够根据人脸图像进行年龄等识别的现有常规模型，可以基于所述人脸图像识别出所述人员的年龄等。在所述步骤S224中，考虑成年人的且诸如头部、脸部或瞳距等人脸尺寸参数相对差别不大，可以作为基本判别依据，但是针对现场人员与测试人员互为成年人与儿童时，将会给最终的关注判别结果造成误差，因此需要根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第一人脸成像尺寸参数值(即当现场人员为成年人且测试人员为儿童时，缩小尺寸参数；而当现场人员为儿童且测试人员为成年人时，放大尺寸参数)，得到第四人脸成像尺寸参数值，进而采用所述第四人脸成像尺寸参数值来替代前述可能设计一中所述当前人脸多维数据的第一人脸成像尺寸参数值，可以使所述人员的当前人脸多维数据与测试人员的人脸多维数据保持一致性，避免给后续的关注判别结果造成误差，进一步提升判别准确性。
由此通过上述步骤S221～S224所描述的可能设计二，可以在图像采集设备为单目镜头相机时，利用经过年龄因素校正的人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性和后续关注判别结果的准确性，实现远场景下关注点的估计。此外，还可以基于性别因素来矫正所述第一人脸成像尺寸参数值，即根据所述人脸图像，识别出所述人员的性别，并在矫正时，所述儿童人脸尺寸标准参数与所述年龄和所述性别对应，所述成年人脸尺寸标准参数与所述性别对应。
本实施例在前述第一方面的技术方案基础上，还具体提出了另一种当图像采集设备为单目镜头相机时提取当前人脸多维数据的可能设计三，即从所述人脸图像中，提取出所述人员的当前人脸多维数据，包括但不限于有如下步骤S231～S233。
S231.从所述人脸图像中，提取人脸二维坐标数据。
S232.从所述人脸图像中，提取第一人脸成像尺寸参数值。
S233.根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，将所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为所述当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值。
在前述步骤S231和S232中，所述人脸二维坐标数据和所述第一人脸成像尺寸参数值可参见前述可能设计一。在所述步骤S233中，考虑所述第一人脸成像尺寸参数值是在图像采集设备的斜视角度下获取的，会给最终的关注判别结果造成误差，因此需要根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值进行几何空间旋转变换，得到主视角度下的第二人脸成像尺寸参数值，进而采用所述第二人脸成像尺寸参数值来替代前述可能设计一中所述当前人脸多维数据的第一人脸成像尺寸参数值，可以避免给后续的关注判别结果造成误差，进一步提升判别准确性。
由此通过上述步骤S231～S233所描述的可能设计三，可以在图像采集设备为单目镜头相机时，利用主视角度下的人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性和后续关注判别结果的准确性，实现远场景下关注点的估计。
本实施例在前述第一方面的技术方案基础上，还具体提出了另一种当图像采集设备为单目镜头相机时提取当前人脸多维数据的可能设计四，即从所述人脸图像中，提取出所述人员的当前人脸多维数据，包括但不限于有如下步骤S241～S245。
S241.从所述人脸图像中，提取人脸二维坐标数据。
S242.从所述人脸图像中，提取第一人脸成像尺寸参数值。
S243.根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值。
S244.根据所述人脸图像，识别出所述人员的年龄。
S245.当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第二人脸成像尺寸参数值，得到第三人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第三人脸成像尺寸参数值作为所述当前人脸多维数据。
在前述步骤S241～S243中，所述人脸二维坐标数据和所述第一人脸成像尺寸参数值可参见前述可能设计一，所述第二人脸成像尺寸参数值可参见前述可能设计三。在所述步骤S244中，识别出所述人员的年龄的方式可以但不限于具体为将所述人脸图像导入已完成深度学习训练的人脸识别模型，得到所述人员的年龄。所述人脸识别模型为通过深度学习训练，能够根据人脸图像进行年龄等识别的现有常规模型，可以基于所述人脸图像识别出所述人员的年龄等。在所述步骤S245中，考虑成年人的且诸如头部、脸部或瞳距等人脸主视尺寸参数相对差别不大，可以作为基本判别依据，但是针对现场人员与测试人员互为成年人与儿童时，将会给最终的关注判别结果造成误差，因此需要根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第二人脸成像尺寸参数值(即当现场人员为成年人且测试人员为儿童时，缩小尺寸参数；而当现场人员为儿童且测试人员为成年人时，放大尺寸参数)，得到第三人脸成像尺寸参数值，进而采用所述第三人脸成像尺寸参数值来替代前述可能设计二中所述当前人脸多维数据的第二人脸成像尺寸参数值，可以使所述人员的当前人脸多维数据与测试人员的人脸多维数据保持一致性，避免给后续的关注判别结果造成误差，进一步提升判别准确性。
由此通过上述步骤S241～S245所描述的可能设计四，可以在图像采集设备为单目镜头相机时，利用主视角度下的且经过年龄因素校正的人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性和后续关注判别结果的准确性，实现远场景下关注点的估计。此外，还可以基于性别因素(例如，成年男性的瞳距值在60毫米～73毫米之间,成年女性的瞳距值在55毫米～68毫米，不同性别的人脸成像尺寸参数值也会存在差异)来矫正所述第二人脸成像尺寸参数值，即根据所述人脸图像，识别出所述人员的性别，并在矫正时，所述儿童人脸尺寸标准参数与所述年龄和所述性别对应，所述成年人脸尺寸标准参数与所述性别对应。
本实施例在前述第一方面的技术方案基础上，还具体提出了另一种当图像采集设备为单目镜头相机时提取当前人脸多维数据的可能设计五，即从所述人脸图像中，提取出所述人员的当前人脸多维数据，包括但不限于有如下步骤S251～S254。
S251.根据所述人脸图像，识别出所述人员的年龄。
S252.从所述人脸图像中，提取人脸二维坐标数据。
S253.从所述人脸图像中，提取第一人脸成像尺寸参数值。
S254.根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，将所述年龄、所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为所述当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值。
在前述步骤S251～S254中，所述年龄可参见前述可能设计四，所述人脸二维坐标数据和所述第一人脸成像尺寸参数值可参见前述可能设计一，所述第二人脸成像尺寸参数值可参见前述可能设计三。通过在所述当前人脸多维数据中增加一个维度——年龄，可以避免因现场人员与测试人员年龄差距较大而给最终的关注判别结果造成误差的问题，进一步提升判别准确性。
由此通过上述步骤S251～S254所描述的可能设计五，可以在图像采集设备为单目镜头相机时，利用主视角度下的人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性，同时通过在所述当前人脸多维数据中增加一个维度——年龄，可以避免因现场人员与测试人员年龄差距较大而给最终的关注判别结果造成误差的问题，进一步提升判别准确性，实现远场景下关注点的估计。此外，在所述当前人脸多维数据中还可再增加一个维度——性别，即根据所述人脸图像，识别出所述人员的性别，然后将所述年龄、所述性别、所述人脸二维坐标数据和所述第一人脸成像尺寸参数值作为所述当前人脸多维数据。
出于上述相似目的，还可以将所述年龄、所述人脸二维坐标数据和所述第一人脸成像尺寸参数值作为所述当前人脸多维数据，即：从所述人脸图像中，提取出当前人脸多维数据，包括：根据所述人脸图像，识别出所述人员的年龄；从所述人脸图像中，提取人脸二维坐标数据；从所述人脸图像中，提取第一人脸成像尺寸参数值，其中，将所述年龄、所述人脸二维坐标数据和所述第一人脸成像尺寸参数值作为所述当前人脸多维数据。由此既可以在图像采集设备为单目镜头相机时，利用人脸成像尺寸大小来反映人脸至相机坐标系原点的远近程度，从而在无法测距的情况可替代Z轴坐标，确保所述当前人脸多维数据的可提取性，还可通过在所述当前人脸多维数据中增加一个维度——年龄，来避免因现场人员与测试人员年龄差距较大而给最终的关注判别结果造成误差的问题，进一步提升判别准确性，实现远场景下关注点的估计。
本实施例在前述可能设计三至五中任意一种的技术方案基础上，还具体提出了一种如何计算第二人脸成像尺寸参数值的可能设计六，即根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，包括但不限于有如下步骤S301～S302。
S301.将所述当前人脸姿态角导入至用于反映将人脸旋转到平面上的三角函数中，得到旋转变换系数，其中，所述平面与所述图像采集设备的光轴垂直。
在所述步骤S301中，将人脸旋转到平面即是指将人脸3旋转正对所述图像采集设备1的镜头，所述三角函数可根据常规的几何分析得到。在实际计算过程中，考虑人脸姿态旋转前后的变化幅度不大，可以忽略俯仰角和滚转角对人脸尺寸参数的影响，进而可按照如下公式计算得到所述旋转变换系数：
η＝sec(θyaw)
式中，η表示所述旋转变换系数，θyaw表示所述当前人脸姿态角中的偏航角，sec()表示正割函数。
S302.根据所述第一人脸成像尺寸参数值和所述旋转变换系数，计算得到所述第二人脸成像尺寸参数值。
在所述步骤S302中，可具体将所述第一人脸成像尺寸参数值与所述旋转变换系数的相乘结果作为所述第二人脸成像尺寸参数值，例如瞳距值与所述旋转变换系数相乘。
由此通过上述步骤S301～S302所描述的可能设计六，可以得到真实准确的人脸主视尺寸参数，确保后续判别的准确性。
本实施例在前述第一方面及可能设计一至六任意一项的技术方案基础上，还具体提出了一种如何精确获取当前人脸姿态角范围的可能设计七，即根据人脸多维数据与人脸姿态角范围的对应关系，确定出与所述当前人脸多维数据对应的当前人脸姿态角范围，包括：将所述当前人脸多维数据导入至连续曲线拟合函数中，计算得到与所述当前人脸多维数据对应的当前人脸姿态角范围，其中，所述连续曲线拟合函数根据多组实测的人脸姿态角范围及人脸多维数据拟合得到。
由此通过上述所描述的可能设计七，可以在获取有限组实测的人脸姿态角范围及人脸多维数据后，通过曲线函数拟合技术，精细化地获取到对应不同变量的当前人脸姿态角范围，进而可在减少实现采集工作的同时，确保后续判别的准确性。
如图4所示，本实施例第二方面提供了一种实现第一方面或第一方面中任意一种可能设计的所述判别人员关注目标物的方法的虚拟装置，包括有依次通信连接的图像获取单元、数据提取单元、范围确定单元和关注判别单元；
所述图像获取单元，用于获取人脸图像，其中，所述人脸图像包含有至少一个人员；
所述数据提取单元，用于从所述人脸图像中，提取出所述人员的当前人脸姿态角和当前人脸多维数据；
所述范围确定单元，用于根据人脸多维数据与人脸姿态角范围的对应关系，确定出与所述当前人脸多维数据对应的当前人脸姿态角范围，其中，所述人脸姿态角范围是指对应所述人脸多维数据能够关注到目标物的人脸姿态角区间；
所述关注判别单元，用于当所述当前人脸姿态角位于所述当前人脸姿态角范围内时，判定所述人员在关注所述目标物。
在一个可能的设计中，所述数据提取单元包括有人脸二维坐标提取子单元和第一尺寸参数提取子单元；
所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取人脸二维坐标数据；
所述第一尺寸参数提取子单元，通信连接所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取第一人脸成像尺寸参数值，其中，将所述人脸二维坐标数据和所述第一人脸成像尺寸参数值作为所述当前人脸多维数据。
在一个可能的设计中，所述数据提取单元包括有人脸二维坐标提取子单元、第一尺寸参数提取子单元和第二尺寸参数提取子单元；
所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取人脸二维坐标数据；
所述第一尺寸参数提取子单元，用于从所述人脸图像中，提取第一人脸成像尺寸参数值；
所述第二尺寸参数提取子单元，分别通信连接所述人脸二维坐标提取子单元和所述第一尺寸参数提取子单元，用于根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，将所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为所述当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值。
在一个可能的设计中，所述数据提取单元包括有人脸二维坐标提取子单元、第一尺寸参数提取子单元、第二尺寸参数提取子单元、年龄提取子单元和第三尺寸参数提取子单元；
所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取人脸二维坐标数据；
所述第一尺寸参数提取子单元，用于从所述人脸图像中，提取第一人脸成像尺寸参数值；
所述第二尺寸参数提取子单元，通信连接所述第一尺寸参数提取子单元，用于根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值；
所述年龄提取子单元，用于根据所述人脸图像，识别出所述人员的年龄；
所述第三尺寸参数提取子单元，分别通信连接所述人脸二维坐标提取子单元、所述第二尺寸参数提取子单元和所述年龄提取子单元，用于当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第二人脸成像尺寸参数值，得到第三人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第三人脸成像尺寸参数值作为所述当前人脸多维数据。
在一个可能的设计中，所述数据提取单元包括有年龄提取子单元、人脸二维坐标提取子单元、第一尺寸参数提取子单元和第二尺寸参数提取子单元；
所述年龄提取子单元，用于根据所述人脸图像，识别出所述人员的年龄；
所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取人脸二维坐标数据；
所述第一尺寸参数提取子单元，用于从所述人脸图像中，提取第一人脸成像尺寸参数值；
所述第二尺寸参数提取子单元，分别通信连接所述年龄提取子单元、所述人脸二维坐标提取子单元和所述第一尺寸参数提取子单元，用于根据所述当前人脸姿态角和所述第一人脸成像尺寸参数值，计算得到第二人脸成像尺寸参数值，其中，将所述年龄、所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为所述当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值。
在一个可能的设计中，所述第二尺寸参数提取子单元包括通信相连的系数获取孙单元和尺寸计算孙单元；
所述系数获取孙单元，用于将所述当前人脸姿态角导入至用于反映将人脸旋转到平面上的三角函数中，得到旋转变换系数，其中，所述平面与所述图像采集设备的光轴垂直；
所述尺寸计算孙单元，用于根据所述第一人脸成像尺寸参数值和所述旋转变换系数，计算得到所述第二人脸成像尺寸参数值。
在一个可能的设计中，所述数据提取单元包括有人脸二维坐标提取子单元、第一尺寸参数提取子单元、年龄提取子单元和第四尺寸参数提取子单元；
所述人脸二维坐标提取子单元，用于从所述人脸图像中，提取人脸二维坐标数据；
所述第一尺寸参数提取子单元，用于从所述人脸图像中，提取第一人脸成像尺寸参数值；
所述年龄提取子单元，用于根据所述人脸图像，识别出所述人员的年龄；
所述第四尺寸参数提取子单元，分别通信连接所述人脸二维坐标提取子单元、所述第一尺寸参数提取子单元和所述年龄提取子单元，用于当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第一人脸成像尺寸参数值，得到第四人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第四人脸成像尺寸参数值作为所述当前人脸多维数据。
在一个可能的设计中，所述范围确定单元具体用于将所述当前人脸多维数据导入至连续曲线拟合函数中，计算得到与所述当前人脸多维数据对应的当前人脸姿态角范围，其中，所述连续曲线拟合函数根据多组实测的人脸姿态角范围及人脸多维数据拟合得到。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果，可以参见第一方面或第一方面中任意一种可能设计所述的判别人员关注目标物的方法，于此不再赘述。
如图5所示，本实施例第三方面提供了一种执行第一方面或第一方面中任意一种可能设计的所述判别人员关注目标物的方法的计算机设备，包括通信相连的存储器和处理器，其中，所述存储器用于存储计算机程序，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意一种可能设计所述的判别人员关注目标物的方法。具体举例的，所述存储器可以但不限于包括随机存取存储器(Random-Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、闪存(Flash Memory)、先进先出存储器(First InputFirst Output，FIFO)和/或先进后出存储器(First Input Last Output，FILO)等等；所述处理器可以不限于采用型号采用STM32F105系列的微处理器。此外，所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果，可以参见第一方面或第一方面中任意一种可能设计所述的判别人员关注目标物的方法，于此不再赘述。
本实施例第四方面提供了一种存储包含第一方面或第一方面中任意一种可能设计的所述判别人员关注目标物的方法的指令的计算机可读存储介质，即所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意一种可能设计所述的判别人员关注目标物的方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(MemoryStick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第四方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果，可以参见第一方面或第一方面中任意一种可能设计所述的判别人员关注目标物的方法，于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面或第一方面中任意一种可能设计所述的判别人员关注目标物的方法。其中，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
以上所描述的实施例仅仅是示意性的，若涉及到作为分离部件说明的单元，其可以是或者也可以不是物理上分开的；若涉及到作为单元显示的部件，其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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
最后应说明的是，本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (4)

1.一种判别人员关注目标物的方法，其特征在于，包括：
获取人脸图像，其中，所述人脸图像包含有至少一个人员；
从所述人脸图像中，提取出所述人员的当前人脸姿态角和当前人脸多维数据；
从所述人脸图像中，提取出所述人员的当前人脸多维数据，包括有如下方式(A)～(E)中的任意一种：
(A)从所述人脸图像中，提取人脸二维坐标数据；从所述人脸图像中，提取包含有人脸图像标记框的面积值、任意人脸关键区域的面积值和/或任意两个人脸关键点之间的距离值的第一人脸成像尺寸参数值，其中，所述人脸关键区域和所述人脸关键点均从所述人脸图像中检测得到，并将所述人脸二维坐标数据和所述第一人脸成像尺寸参数值作为当前人脸多维数据；
(B)从所述人脸图像中，提取人脸二维坐标数据；从所述人脸图像中，提取包含有人脸图像标记框的面积值、任意人脸关键区域的面积值和/或任意两个人脸关键点之间的距离值的第一人脸成像尺寸参数值，其中，所述人脸关键区域和所述人脸关键点均从所述人脸图像中检测得到；将所述当前人脸姿态角导入至用于反映将人脸旋转到平面上的三角函数中，得到旋转变换系数，其中，所述平面与所述图像采集设备的光轴垂直；根据所述第一人脸成像尺寸参数值和所述旋转变换系数，计算得到第二人脸成像尺寸参数值，其中，将所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值；
(C)从所述人脸图像中，提取人脸二维坐标数据；从所述人脸图像中，提取包含有人脸图像标记框的面积值、任意人脸关键区域的面积值和/或任意两个人脸关键点之间的距离值的第一人脸成像尺寸参数值，其中，所述人脸关键区域和所述人脸关键点均从所述人脸图像中检测得到；将所述当前人脸姿态角导入至用于反映将人脸旋转到平面上的三角函数中，得到旋转变换系数，其中，所述平面与所述图像采集设备的光轴垂直；根据所述第一人脸成像尺寸参数值和所述旋转变换系数，计算得到第二人脸成像尺寸参数值，其中，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值；根据所述人脸图像，识别出所述人员的年龄；当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第二人脸成像尺寸参数值，得到第三人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第三人脸成像尺寸参数值作为当前人脸多维数据；
(D)根据所述人脸图像，识别出所述人员的年龄；从所述人脸图像中，提取人脸二维坐标数据；从所述人脸图像中，提取包含有人脸图像标记框的面积值、任意人脸关键区域的面积值和/或任意两个人脸关键点之间的距离值的第一人脸成像尺寸参数值，其中，所述人脸关键区域和所述人脸关键点均从所述人脸图像中检测得到；将所述当前人脸姿态角导入至用于反映将人脸旋转到平面上的三角函数中，得到旋转变换系数，其中，所述平面与所述图像采集设备的光轴垂直；根据所述第一人脸成像尺寸参数值和所述旋转变换系数，计算得到第二人脸成像尺寸参数值，其中，将所述年龄、所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值；
(E)从所述人脸图像中，提取人脸二维坐标数据；从所述人脸图像中，提取包含有人脸图像标记框的面积值、任意人脸关键区域的面积值和/或任意两个人脸关键点之间的距离值的第一人脸成像尺寸参数值，其中，所述人脸关键区域和所述人脸关键点均从所述人脸图像中检测得到；根据所述人脸图像，识别出所述人员的年龄；当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第一人脸成像尺寸参数值，得到第四人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第四人脸成像尺寸参数值作为当前人脸多维数据；
根据人脸多维数据与人脸姿态角范围的对应关系，确定出与所述当前人脸多维数据对应的当前人脸姿态角范围，其中，所述人脸姿态角范围是指对应所述人脸多维数据能够关注到目标物的人脸姿态角区间；
当所述当前人脸姿态角位于所述当前人脸姿态角范围内时，判定所述人员在关注所述目标物。
2.一种判别人员关注目标物的装置，其特征在于，包括有依次通信连接的图像获取单元、数据提取单元、范围确定单元和关注判别单元；
所述图像获取单元，用于获取人脸图像，其中，所述人脸图像包含有至少一个人员；
所述数据提取单元，用于从所述人脸图像中，提取出所述人员的当前人脸姿态角和当前人脸多维数据；
从所述人脸图像中，提取出所述人员的当前人脸多维数据，包括有如下方式(A)～(E)中的任意一种：
(A)从所述人脸图像中，提取人脸二维坐标数据；从所述人脸图像中，提取包含有人脸图像标记框的面积值、任意人脸关键区域的面积值和/或任意两个人脸关键点之间的距离值的第一人脸成像尺寸参数值，其中，所述人脸关键区域和所述人脸关键点均从所述人脸图像中检测得到，并将所述人脸二维坐标数据和所述第一人脸成像尺寸参数值作为当前人脸多维数据；
(B)从所述人脸图像中，提取人脸二维坐标数据；从所述人脸图像中，提取包含有人脸图像标记框的面积值、任意人脸关键区域的面积值和/或任意两个人脸关键点之间的距离值的第一人脸成像尺寸参数值，其中，所述人脸关键区域和所述人脸关键点均从所述人脸图像中检测得到；将所述当前人脸姿态角导入至用于反映将人脸旋转到平面上的三角函数中，得到旋转变换系数，其中，所述平面与所述图像采集设备的光轴垂直；根据所述第一人脸成像尺寸参数值和所述旋转变换系数，计算得到第二人脸成像尺寸参数值，其中，将所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值；
(C)从所述人脸图像中，提取人脸二维坐标数据；从所述人脸图像中，提取包含有人脸图像标记框的面积值、任意人脸关键区域的面积值和/或任意两个人脸关键点之间的距离值的第一人脸成像尺寸参数值，其中，所述人脸关键区域和所述人脸关键点均从所述人脸图像中检测得到；将所述当前人脸姿态角导入至用于反映将人脸旋转到平面上的三角函数中，得到旋转变换系数，其中，所述平面与所述图像采集设备的光轴垂直；根据所述第一人脸成像尺寸参数值和所述旋转变换系数，计算得到第二人脸成像尺寸参数值，其中，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值；根据所述人脸图像，识别出所述人员的年龄；当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第二人脸成像尺寸参数值，得到第三人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第三人脸成像尺寸参数值作为当前人脸多维数据；
(D)根据所述人脸图像，识别出所述人员的年龄；从所述人脸图像中，提取人脸二维坐标数据；从所述人脸图像中，提取包含有人脸图像标记框的面积值、任意人脸关键区域的面积值和/或任意两个人脸关键点之间的距离值的第一人脸成像尺寸参数值，其中，所述人脸关键区域和所述人脸关键点均从所述人脸图像中检测得到；将所述当前人脸姿态角导入至用于反映将人脸旋转到平面上的三角函数中，得到旋转变换系数，其中，所述平面与所述图像采集设备的光轴垂直；根据所述第一人脸成像尺寸参数值和所述旋转变换系数，计算得到第二人脸成像尺寸参数值，其中，将所述年龄、所述人脸二维坐标数据和所述第二人脸成像尺寸参数值作为当前人脸多维数据，所述第二人脸成像尺寸参数值为所述人员的人脸在人脸坐标位置不变条件下垂直于图像采集设备的光轴时对应的人脸成像尺寸参数值；
(E)从所述人脸图像中，提取人脸二维坐标数据；从所述人脸图像中，提取包含有人脸图像标记框的面积值、任意人脸关键区域的面积值和/或任意两个人脸关键点之间的距离值的第一人脸成像尺寸参数值，其中，所述人脸关键区域和所述人脸关键点均从所述人脸图像中检测得到；根据所述人脸图像，识别出所述人员的年龄；当所述年龄小于预设年龄时，根据儿童人脸尺寸标准参数与成年人脸尺寸标准参数的比例关系，校正所述第一人脸成像尺寸参数值，得到第四人脸成像尺寸参数值，其中，所述儿童人脸尺寸标准参数与所述年龄对应，将所述人脸二维坐标数据和所述第四人脸成像尺寸参数值作为当前人脸多维数据；
所述范围确定单元，用于根据人脸多维数据与人脸姿态角范围的对应关系，确定出与所述当前人脸多维数据对应的当前人脸姿态角范围，其中，所述人脸姿态角范围是指对应所述人脸多维数据能够关注到目标物的人脸姿态角区间；
所述关注判别单元，用于当所述当前人脸姿态角位于所述当前人脸姿态角范围内时，判定所述人员在关注所述目标物。
3.一种计算机设备，其特征在于,包括通信相连的存储器和处理器，其中，所述存储器用于存储计算机程序，所述处理器用于读取所述计算机程序，执行如权利要求1中任意一项所述的判别人员关注目标物的方法。
4.一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指令，当所述指令在计算机上运行时，执行如权利要求1中任意一项所述的判别人员关注目标物的方法。
CN202010762123.4A 2020-07-31 2020-07-31 一种判别人员关注目标物的方法、装置及计算机设备 Active CN111898552B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010762123.4A CN111898552B (zh) 2020-07-31 2020-07-31 一种判别人员关注目标物的方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010762123.4A CN111898552B (zh) 2020-07-31 2020-07-31 一种判别人员关注目标物的方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN111898552A CN111898552A (zh) 2020-11-06
CN111898552B true CN111898552B (zh) 2022-12-27

Family

ID=73183070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010762123.4A Active CN111898552B (zh) 2020-07-31 2020-07-31 一种判别人员关注目标物的方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN111898552B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112016482B (zh) * 2020-08-31 2022-10-25 成都新潮传媒集团有限公司 一种判别虚假人脸的方法、装置及计算机设备
CN113128417B (zh) * 2021-04-23 2023-04-07 南开大学 一种基于头部姿态的双区域眼动跟踪方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156537A (zh) * 2010-02-11 2011-08-17 三星电子株式会社 一种头部姿态检测设备及方法
CN105654048A (zh) * 2015-12-30 2016-06-08 四川川大智胜软件股份有限公司 一种多视角人脸比对方法
CN106355147A (zh) * 2016-08-26 2017-01-25 张艳 一种活体人脸检测头部姿态回归器的获取方法及检测方法
CN106503671A (zh) * 2016-11-03 2017-03-15 厦门中控生物识别信息技术有限公司 确定人脸姿态的方法和装置
CN107122705A (zh) * 2017-03-17 2017-09-01 中国科学院自动化研究所 基于三维人脸模型的人脸关键点检测方法
CN108363995A (zh) * 2018-03-19 2018-08-03 百度在线网络技术（北京）有限公司 用于生成数据的方法和装置
CN109961055A (zh) * 2019-03-29 2019-07-02 广州市百果园信息技术有限公司 人脸关键点检测方法、装置、设备及存储介质
CN110163087A (zh) * 2019-04-09 2019-08-23 江西高创保安服务技术有限公司 一种人脸姿态识别方法及系统
WO2019206239A1 (en) * 2018-04-27 2019-10-31 Shanghai Truthvision Information Technology Co., Ltd. Systems and methods for detecting a posture of a human object
CN111161395A (zh) * 2019-11-19 2020-05-15 深圳市三维人工智能科技有限公司 一种人脸表情的跟踪方法、装置及电子设备
CN111259739A (zh) * 2020-01-09 2020-06-09 浙江工业大学 一种基于3d人脸关键点和几何投影的人脸姿态估计方法
CN111353461A (zh) * 2020-03-11 2020-06-30 京东数字科技控股有限公司 广告屏的关注度检测方法、装置、系统及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271923A (zh) * 2018-09-14 2019-01-25 曜科智能科技（上海）有限公司 人脸姿态检测方法、系统、电子终端及存储介质
CN110309751A (zh) * 2019-06-24 2019-10-08 火石信科(广州)科技有限公司 一种读写场景读写姿势的识别方法
CN111160178B (zh) * 2019-12-19 2024-01-12 深圳市商汤科技有限公司 图像处理方法及装置、处理器、电子设备及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156537A (zh) * 2010-02-11 2011-08-17 三星电子株式会社 一种头部姿态检测设备及方法
CN105654048A (zh) * 2015-12-30 2016-06-08 四川川大智胜软件股份有限公司 一种多视角人脸比对方法
CN106355147A (zh) * 2016-08-26 2017-01-25 张艳 一种活体人脸检测头部姿态回归器的获取方法及检测方法
CN106503671A (zh) * 2016-11-03 2017-03-15 厦门中控生物识别信息技术有限公司 确定人脸姿态的方法和装置
CN107122705A (zh) * 2017-03-17 2017-09-01 中国科学院自动化研究所 基于三维人脸模型的人脸关键点检测方法
CN108363995A (zh) * 2018-03-19 2018-08-03 百度在线网络技术（北京）有限公司 用于生成数据的方法和装置
WO2019206239A1 (en) * 2018-04-27 2019-10-31 Shanghai Truthvision Information Technology Co., Ltd. Systems and methods for detecting a posture of a human object
CN109961055A (zh) * 2019-03-29 2019-07-02 广州市百果园信息技术有限公司 人脸关键点检测方法、装置、设备及存储介质
CN110163087A (zh) * 2019-04-09 2019-08-23 江西高创保安服务技术有限公司 一种人脸姿态识别方法及系统
CN111161395A (zh) * 2019-11-19 2020-05-15 深圳市三维人工智能科技有限公司 一种人脸表情的跟踪方法、装置及电子设备
CN111259739A (zh) * 2020-01-09 2020-06-09 浙江工业大学 一种基于3d人脸关键点和几何投影的人脸姿态估计方法
CN111353461A (zh) * 2020-03-11 2020-06-30 京东数字科技控股有限公司 广告屏的关注度检测方法、装置、系统及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Research on the TechnologY of Extracting 3D Face Feature Points on Basis of Binocular Vision;zhang Lei 等;《IEEE》;20091030;1-4 *
基于单幅图像Pn P头部姿态估计的学习注意力可视化分析;陈平等;《通信学报》;20180930;147-156 *

Also Published As

Publication number Publication date
CN111898552A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
JP6681729B2 (ja) オブジェクトの３ｄ姿勢およびオブジェクトのランドマーク点の３ｄロケーションを求める方法、およびオブジェクトの３ｄ姿勢およびオブジェクトのランドマークの３ｄロケーションを求めるシステム
CN105740780B (zh) 人脸活体检测的方法和装置
TWI383325B (zh) 臉部表情辨識
CN111898553B (zh) 一种判别虚像人员的方法、装置及计算机设备
WO2022121283A1 (zh) 车辆关键点信息检测和车辆控制
CN105740779B (zh) 人脸活体检测的方法和装置
CN114018236B (zh) 一种基于自适应因子图的激光视觉强耦合slam方法
CN106796449A (zh) 视线追踪方法及装置
CN111445531B (zh) 一种多目相机导航方法、装置、设备及存储介质
EP3239931A1 (en) Image processing apparatus and image processing method
JP2007164720A (ja) 頭部検出装置、頭部検出方法および頭部検出プログラム
CN111105495A (zh) 一种融合视觉语义信息的激光雷达建图方法及系统
CN111898552B (zh) 一种判别人员关注目标物的方法、装置及计算机设备
CN116229007B (zh) 利用bim建模的四维数字图像构建方法、装置、设备及介质
CN112017212B (zh) 人脸关键点跟踪模型的训练、跟踪方法及系统
CN111563449A (zh) 一种实时课堂注意力检测方法及系统
CN113568435A (zh) 一种基于无人机自主飞行态势感知趋势的分析方法与系统
CN111399634B (zh) 一种手势引导物体识别的方法及装置
CN110007764B (zh) 一种手势骨架识别方法、装置、系统及存储介质
CN112101247A (zh) 一种人脸姿态估计方法、装置、设备及存储介质
EP3825804A1 (en) Map construction method, apparatus, storage medium and electronic device
CN110942092A (zh) 一种图形图像识别方法及识别系统
CN112924037A (zh) 基于图像配准的红外体温检测系统及检测方法
CN108388854A (zh) 一种基于改进fast-surf算法的定位方法
CN107767366A (zh) 一种输电线路拟合方法及装置

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