CN111914649A - 人脸识别的方法及装置、电子设备、存储介质 - Google Patents
人脸识别的方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN111914649A CN111914649A CN202010622077.8A CN202010622077A CN111914649A CN 111914649 A CN111914649 A CN 111914649A CN 202010622077 A CN202010622077 A CN 202010622077A CN 111914649 A CN111914649 A CN 111914649A
- Authority
- CN
- China
- Prior art keywords
- face image
- face
- target
- image
- attribute information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 210000004258 portal system Anatomy 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 17
- 230000001815 facial effect Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 230000008921 facial expression Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 210000000697 sensory organ Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30168—Image quality inspection
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种人脸识别的方法及装置、电子设备、存储介质，其中，方法包括：接收登陆门户系统的用户通过统一服务网关发送的调用服务接口的请求；依据请求确定对应的待测视频数据，并对待测视频数据进行人脸检测，得到初始人脸图像集；对初始人脸图像集进行聚类，得到至少一个人脸图像组；对人脸图像组中的人脸图像进行质量分析，得到对应的质量得分；依据质量得分和质量过滤筛选算法，确定人脸图像组中的目标人脸图像；可以实现通过门户系统调用人脸识别服务平台对应的服务接口，即可得到与待测视频数据对应的目标人脸图像，并且可以保证目标人脸图像的质量，并减少目标人脸图像中相同人脸图像的数量。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及人脸识别的方法及装置、电子设备、存储介质。
背景技术
人脸识别是一种基于人的脸部特征信息进行身份识别的生物识别技术。随着信息技术的高速发展，人脸识别技术已广泛应用于现实生活中，目前，针对静态图像的人脸识别技术已经取得很大的进步，但鲜有针对动态视频人脸识别技术的研究。
由于现实生活中，鉴于安全防范的需求，经常会在重要的区域安装摄像头，例如，企业的仓库内部、出入口处都会安装摄像头；当出现物品丢失的情况时，管理人员需要从监控录像中查找相关嫌疑人，现有技术中，通常是通过人为将所有监控录像调取出来并依次播放，然后再定格到嫌疑人出现的时间点，截取此时的图像，再利用静态图像的人脸识别技术进行处理和识别，以得到嫌疑人的人脸图像，整个过程比较繁琐耗时长，且得到的人脸图像质量得不到保证。当然也可以是将视频监控录像调取出来，再采用现存少量能应用于视频中的人脸识别的方法进行人脸识别，而监控录像一般具有多个文件，需要人为挨个进行调取，缺少统一管理的功能，并且现有的视频人脸识别的方法会得到多个重复的人脸图像，影响识别效率；并且得到的图像质量较差，影响识别准确性。
发明内容
鉴于上述问题，提出了本申请以便提供克服上述问题或者至少部分地解决上述问题的人脸识别的方法及装置、电子设备、存储介质，包括：
一种人脸识别的方法，应用于部署于门户系统的人脸识别服务平台，所述人脸识别服务平台提供的服务接口预先注册到所述门户系统的统一服务网关并发布；所述方法包括：
接收登陆所述门户系统的用户通过所述统一服务网关发送的调用所述服务接口的请求；
依据所述请求确定对应的待测视频数据，并对所述待测视频数据进行人脸检测，得到初始人脸图像集；
对所述初始人脸图像集进行聚类，得到至少一个人脸图像组；
对所述人脸图像组中的人脸图像进行质量分析，得到对应的质量得分；
依据所述质量得分和质量过滤筛选算法，确定所述人脸图像组中的目标人脸图像。
可选地，所述对所述初始人脸图像集进行聚类，得到至少一个人脸图像组的步骤，包括：
对所述初始人脸图像集中的各人脸图像进行特征提取，得到对应的特征信息；
依据所述特征信息，对所述初始人脸图像集进行聚类，得到至少一个人脸图像组。
可选地，在所述依据所述质量得分和质量过滤筛选算法，确定所述人脸图像组中的目标人脸图像的步骤之后，还包括：
获取所述目标人脸图像中的目标人脸的属性信息；
依据所述目标人脸图像和对应的属性信息，生成属性信息表。
可选地，所述获取所述目标人脸图像中的目标人脸的属性信息的步骤，包括：
将所述目标人脸图像分割成若干个图像区域；
采用与所述图像区域对应的属性学习模型对所述图像区域进行识别，得到所述目标人脸图像中的目标人脸的属性信息。
可选地，在所述依据所述目标人脸图像和对应的属性信息，生成属性信息表的步骤之后，还包括：
接收属性信息查询指令；
从所述属性信息表中查找符合所述属性信息查询指令的第一目标人脸图像；
输出所述第一目标人脸图像。
可选地，在所述依据所述质量得分和质量过滤筛选算法，确定所述人脸图像组中的目标人脸图像的步骤之后，还包括：
接收样本人脸图像；
判断所述目标人脸图像中是否存在与所述样本人脸图像匹配的第二目标人脸图像；
输出判断结果。
可选地，所述待测视频数据包括多幅连续的单帧视频图像，所述对待测视频数据进行人脸检测，得到初始人脸图像集的步骤，还包括：
按照预设帧数间隔从所述待测视频数据中提取目标视频图像；
对所述目标视频图像进行人脸检测，得到初始人脸图像集。
一种人脸识别的装置，应用于部署于门户系统的人脸识别服务平台，所述人脸识别服务平台提供的服务接口预先注册到所述门户系统的统一服务网关并发布；所述装置包括：
第一接收模块，用于接收登陆所述门户系统的用户通过所述统一服务网关发送的调用所述服务接口的请求；
人脸检测模块，用于依据所述请求确定对应的待测视频数据，并对所述待测视频数据进行人脸检测，得到初始人脸图像集；
图像聚类模块，用于对所述初始人脸图像集进行聚类，得到至少一个人脸图像组；
质量分析模块，用于对所述人脸图像组中的人脸图像进行质量分析，得到对应的质量得分；
目标确定模块，用于依据所述质量得分和质量过滤筛选算法，确定所述人脸图像组中的目标人脸图像。
可选地，所述图像聚类模块包括：
特征获取子模块，用于对所述初始人脸图像集中的各人脸图像进行特征提取，得到对应的特征信息；
特征聚类子模块，用于依据所述特征信息，对所述初始人脸图像集进行聚类，得到至少一个人脸图像组。
可选地，所述装置还包括：
属性获取模块，用于获取所述目标人脸图像中的目标人脸的属性信息；
属性表生成模块，用于依据所述目标人脸图像和对应的属性信息，生成属性信息表。
可选地，所述属性获取模块包括：
图像分割子模块，用于将所述目标人脸图像分割成若干个图像区域；
区域识别子模块，用于采用与所述图像区域对应的属性学习模型对所述图像区域进行识别，得到所述目标人脸图像中的目标人脸的属性信息。
可选地，所述装置还包括：
第二接收模块，用于接收属性信息查询指令；
图像查找模块，用于从所述属性信息表中查找符合所述属性信息查询指令的第一目标人脸图像；
第一输出模块，用于输出所述第一目标人脸图像。
可选地，所述装置还包括：
第三接收模块，用于接收样本人脸图像；
图像匹配模块，用于判断所述目标人脸图像中是否存在与所述样本人脸图像匹配的第二目标人脸图像；
第二输出模块，用于输出判断结果。
可选地，所述人脸检测模块还包括：
间隔提取子模块，用于按照预设帧数间隔从所述待测视频数据中提取目标视频图像；
图像检测子模块，用于对所述目标视频图像进行人脸检测，得到初始人脸图像集。
一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的方法的步骤。
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计算机程序，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
本申请具有以下优点：
在本申请的实施例中，通过接收登陆门户系统的用户通过统一服务网关发送的调用服务接口的请求；依据请求确定对应的待测视频数据，并对待测视频数据进行人脸检测，得到初始人脸图像集；对初始人脸图像集进行聚类，得到至少一个人脸图像组；对人脸图像组中的人脸图像进行质量分析，得到对应的质量得分；依据质量得分和质量过滤筛选算法，确定人脸图像组中的目标人脸图像；从而实现通过门户系统调用人脸识别服务平台对应的服务接口，即可得到与待测视频数据对应的目标人脸图像，并且可以保证目标人脸图像的质量，并减少目标人脸图像中相同人脸图像的数量。
附图说明
为了更清楚地说明本申请的技术方案，下面将对本申请的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例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请的一种人脸识别的方法的步骤流程图；
图2为本申请一示例中的属性信息表的格式；
图3为本申请一示例中的数据汇总表的格式；
图4为本申请的一种人脸识别的装置的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动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。
参照图1，示出了本申请一实施例提供的一种人脸识别的方法，该方法应用于部署于门户系统的人脸识别服务平台，所述人脸识别服务平台提供的服务接口预先注册到所述门户系统的统一服务网关并发布。
门户系统是指通向某类综合性互联网信息资源并提供有关信息服务的应用系统，是一种提供应用程序和信息单点访问的网页站点，它对提供给用户的复杂多样的信息和服务进行提炼，简化成一个满足用户需求和利益的单一界面，是用于集成“其他”应用、内容和流程的用户界面架构。门户系统部署有多个服务平台，其中包括用于对视频数据进行人脸识别的人脸识别服务平台。上述人脸识别服务平台根据业务需求，将数据业务逻辑封装成API(Application Programming Interface，应用程序接口)服务，注册到门户系统的统一服务网关并发布。通过统一服务网关基本可以实现国内所有网络无障碍交互访问。门户系统对应的用户可以通过网关调用对应服务平台的API服务，进而实现对对应服务平台的服务功能的调用。
该方法具体可以包括：
步骤101，接收登陆所述门户系统的用户通过所述统一服务网关发送的调用所述服务接口的请求；
步骤102，依据所述请求确定对应的待测视频数据，并对所述待测视频数据进行人脸检测，得到初始人脸图像集；
步骤103，对所述初始人脸图像集进行聚类，得到至少一个人脸图像组；
步骤104，对所述人脸图像组中的人脸图像进行质量分析，得到对应的质量得分；
步骤105，依据所述质量得分和质量过滤筛选算法，确定所述人脸图像组中的目标人脸图像。
在本申请的实施例中，通过接收登陆门户系统的用户通过统一服务网关发送的调用服务接口的请求；依据请求确定对应的待测视频数据，并对待测视频数据进行人脸检测，得到初始人脸图像集；对初始人脸图像集进行聚类，得到至少一个人脸图像组；对人脸图像组中的人脸图像进行质量分析，得到对应的质量得分；依据质量得分和质量过滤筛选算法，确定人脸图像组中的目标人脸图像；从而实现通过门户系统调用人脸识别服务平台对应的服务接口，即可得到与待测视频数据对应的目标人脸图像，并且可以保证目标人脸图像的质量，并减少目标人脸图像中相同人脸图像的数量。
下面，将对本示例性实施例中人脸识别的方法作进一步地说明。
在步骤101中，接收登陆所述门户系统的用户通过所述统一服务网关发送的调用所述服务接口的请求。
本实施例中，门户系统将多个服务平台的入口集成起来，门户系统的统一服务网关发布有与人脸识别服务平台提供的服务接口对应的入口，通过该入口可以向人脸识别服务平台发送调用服务接口的请求。在实际应用场景中，门户系统可以供地方政府、企业、学校等有监控需求的单位同时使用，并且根据实际需求，可以为不同的单位提供不同的内容，以及，可以为同一个单位的不同用户提供不同的内容。为了加强监控管理，需要对登陆门户系统的用户进行权限限定，例如，可以在门户系统的登陆界面对用户进行身份验证，只有身份验证通过的用户，才有权限登陆门户系统和调用相关的服务平台的服务功能；或者在发送调用服务接口请求的界面对用户进行身份验证，只有身份验证通过的用户，才有权限通过统一服务网关发送调用服务接口请求。人脸识别服务平台可以提供数据接入服务负责多媒体数据的接入、编转码；实时视频的播放；接入数据源的上下线管理。实现标准化的数据接入、数据解析、数据转发和数据管理；可以理解，即人脸识别服务平台可以接入多个监控拍摄终端。
上述请求可以包括待测视频数据的路径，待测视频数据可以是即时拍摄的视频数据，也可以是已完成拍摄的视频数据等。具体地，当待测视频数据为即时拍摄的视频数据时，通过视频采集终端实时拍摄得到视频数据，并将视频数据同步保存或上传到特定路径下，该特定路径即为上述请求包括的待测视频数据的路径。当待测视频数据为已完成拍摄的视频数据时，则可以是将以完成拍摄的视频数据保存到上述特定路径下；本实施例采用一种方式即可调取多个待测视频数据，实现了多视频数据的统一管理。
在步骤102中，依据所述请求确定对应的待测视频数据，并对所述待测视频数据进行人脸检测，得到初始人脸图像集。
人脸识别服务平台通过请求中包含的待测视频数据的路径，可以获得待测视频数据，并对待测视频数据进行人脸检测，得到初始人脸图像集。待测视频数据包括多幅连续的单帧视频图像。在一示例中，可以先检测待测视频数据中的第一帧视频图像，得到第一帧人脸图像集，即采用深度学习技术识别第一帧视频图像中是否有人脸，并提取人脸区域，将提取出的多个人脸区域作为第一帧人脸图像集。采用与第一帧视频图像相同的方法采集后续其他帧视频图像的人脸图像集，将待测视频数据的每一帧视频图像对应的人脸图像集集合，得到初始人脸图像集。
在另一示例中，按照预设帧数间隔从待测视频数据中提取目标视频图像；对目标视频图像进行人脸检测，得到初始人脸图像集。预设帧数间隔可以依据实际需求进行设定。本示例为了减少人脸检测的样本图片的数量，采用从待测视频数据的连续单帧视频图像中抽样的方式进行人脸检测；对抽样得到的每一帧视频图像采用如上一示例对单帧视频图像人脸检测的方法，得到与抽样的每一帧视频图像对应的人脸图像集，将抽样的多帧视频图像对应的人脸图像集集合，得到初始人脸图像集。
在步骤103中，对所述初始人脸图像集进行聚类，得到至少一个人脸图像组。
聚类是将初始人脸图像集合中的人脸图像进行分组，使得同一个人的人脸图像划分至同一个人脸图像组。
在一示例中，上述步骤103可以包括如下步骤：
对所述初始人脸图像集中的各人脸图像进行特征提取，得到对应的特征信息；
依据所述特征信息，对所述初始人脸图像集进行聚类，得到至少一个人脸图像组。
本实施例中，特征提取的过程可以是将人脸图像转化为一串固定长度的数值的过程，具体地，可以采用深度学习技术得到人脸提特征模型，以人脸图像作为人脸提特征模型的输入，人脸提特征模型根据人脸五官关键点坐标将人脸图像对齐预定模式，输出与人脸图像对应的一个数值串，该数值串即为人脸图像的特征信息，人脸图像的特征信息具有表征人脸图像特点的能力。
在获得人脸图像组的过程中，可以通过将初始人脸集合内的人脸图像两两之间做人脸比对，再根据比对结果进行分析，将属于同一个身份的人脸图像划分到一个人脸图像组中。其中，人脸比对是衡量两个人脸之间相似度的算法，人脸比对算法的输入是两个人脸特征，输出是两个特征之间的相似度值；根据相似度值来判断进行人脸比对的两个人脸图像是否属于同一个身份；例如，可以设定当两个人脸图像的相似度大于80％时，将两个人脸图像划分到同一个人脸图像组中。
在步骤104中，对所述人脸图像组中的人脸图像进行质量分析，得到对应的质量得分。
本实施例中，质量分析包括但不限于：基于人脸清晰度的质量分析、基于人脸表情的质量分析、基于人脸角度的质量分析。
可以理解，人脸图像的清晰度越高，对应的质量得分越高；人脸表情中五官越分明，对应的质量得分越高；人脸图像中的人脸越接近正脸，对应的质量得分越高。
人脸图像的清晰度越高，对应的质量得分越高；人脸图像的清晰度越低，对应的质量得分越低，即清晰度与图像质量成正向关系。具体地，首先确定清晰度的计算公式；然后根据人脸图像的各像素值计算清晰度；最后，将清晰度进行归一化处理得到人脸图像的质量得分。
人脸表情中五官越分明，对应的质量得分越高；可以理解，当人脸表情使得面部变化较大时，图像质量越差；当人脸表情使得面部变化较小或不变时，图像质量越好。例如，当人脸表情为微笑时，可以很清楚地看出五官信息，图像质量较好；当人脸表情为鬼脸时，不能清楚地看出五官信息，图像质量较差。
人脸角度可以为拍摄图像时，人脸方向与摄像头的拍摄方向之间的角度。人脸方向与拍摄方向成180度角时，拍摄出的是人脸的正面图像，对应的质量得分越高；当人脸方向与拍摄方向相互垂直时，拍摄出的可以是人脸的侧面图像，对应的质量得分较低。可以理解，人脸角度使得拍摄得到人脸正面部分越多时，图像质量越好；人脸角度使得拍摄得到人脸正面部分越少时，图像质量越差。具体地，首先定义人脸角度的取值规则，然后识别人脸图像中的人脸角度，最后将人脸角度进行归一化处理得到人脸图像的质量得分。
可以理解，本申请实施例对质量分析的方法不加以限制。在实际应用中，还可以采用其他质量分析的方法，并结合多种质量分析算法确定质量得分，以提高质量分析的精确度。
在步骤105中，依据所述质量得分和质量过滤筛选算法，确定所述人脸图像组中的目标人脸图像。
具体地，每个人脸图像组经过上述步骤得到对应的人脸图像的质量得分；质量过滤筛选算法，可以是将每个人脸图像组中的人脸图像按照质量得分从高到底的顺序排序，从中挑选出质量得分最高的、预设数量的人脸图像进行图像融合，得到该人脸图像组的目标人脸图像；或者，也可以是将每个人脸图像组中的人脸图像按照质量得分从高到底的顺序排序，从中挑选出质量得分最高的一个人脸图像作为该人脸图像组的目标人脸图像；或者，还可以是从每个人脸图像组中，将质量得分大于预设阈值的至少一个人脸图像进行图像融合，得到该人脸图像组的目标人脸图像；等。
在一实施例中，可以将上述得到的至少一个目标人脸图像输出，在终端设备的显示屏上进行展示，以便用户可以通过翻看显示屏上的目标人脸图像获得待测视频数据的相关信息。
进一步地，在一优选实施例中，所述方法还包括：
接收样本人脸图像；
判断所述目标人脸图像中是否存在与所述样本人脸图像匹配的第二目标人脸图像；
输出判断结果。
本实施例中，人脸识别服务平台还可以接收用户发送的样本人脸图像，在实际应用场景中，样本人脸图像可以是用户想要追踪的人物对应的人脸图像；用户需要先得到待测视频数据中是否存与样本人脸图像匹配的第二目标人脸图像，若不存在，则不需要进一步查看和分析该待测视频数据，从而减少用户对想要追踪的人物进行追踪的效率；其中，判断结果包括存在和不存在两种。具体地，通过遍历多个目标人脸图像，从多个目标人脸图像中查找与样本人脸图像匹配的第二目标人脸图像，若查找得到，则输出第二目标人脸图像，在终端设备的显示屏上进行展示；若查找不到，则输出与查找不到对应的提示信息，例如，可以在终端设备的显示屏上显示“查找不到”的文字，等；或者，在查找不到时，输出空消息。其中，在进行目标人脸图像和样本人脸图像匹配的过程中，可以采用上述的人脸比对算法，将目标人脸图像的人脸特征和样本人脸图像的样本人脸特征作为人脸比对算法的输入，输出两个特征之间的相似度值，根据相似度值来判断目标人脸图像与样本人脸图像是否匹配。
进一步地，在一优选实施例中，所述方法还包括：
获取所述目标人脸图像中的目标人脸的属性信息；
依据所述目标人脸图像和对应的属性信息，生成属性信息表。
本实施例中，每个人脸图像组都有一个对应的目标人脸图像，属性信息可以包括性别、年龄、是否戴眼镜、是否戴帽子、是否戴口罩等。
在一实施例中，获取目标人脸图像中的目标人脸的属性信息可以包括如下步骤：
将目标人脸图像分割成若干个图像区域；
采用与图像区域对应的属性学习模型对图像区域进行识别，得到目标人脸图像中的目标人脸的属性信息。
具体地，可以将目标人脸图像分割成眉毛、眼睛、鼻子、嘴巴等多个图像区域，属性学习模型是根据样本图像区域和样本图像区域的样本区域属性信息构建，并基于神经网络预先训练好的。将目标人脸图像分割成若干个图像区域，并将每个图像区域作为对应的属性学习模型的输入，输出图像区域的区域属性信息，由目标人脸图像分割成的若干个图像区域的区域属性信息的集合即为目标人脸图像的属性信息。可以通过属性信息表来记录目标人脸图像和对应的属性信息，即，将待测视频数据中的多个目标人脸图像和对应的属性信息都汇总到属性信息表中，参照图2，图2为一示例中的属性信息表的格式；将目标人脸图像放置在目标人脸图像的标题栏下，每个区域属性信息分别记录到对应的区域属性信息的标题栏下，且与对应的目标人脸图像记录在同一行；当然，以上仅对属性信息表的其中一种格式进行示例性说明，可以理解的是，本申请不局限于此。
在一实施例中，可以对属性信息表进行数据处理，得到包含各个区域属性信息的数据汇总表。
具体地，参照图3，图3为一示例中的数据汇总表的格式，通过遍历属性信息表，将属性信息表中的信息按照数据汇总表中的样式进行汇总，并记录到数据汇总表中。通过该数据汇总表可以快速获得各个年龄段的男女人数、是否戴眼镜、是否戴帽子、是否戴口罩等数据。需要说明的是，以上仅对数据汇总表的其中一种格式进行示例性说明，可以理解的是，本申请不局限于此。
在一实施例中，可以将属性信息表和/或汇总表输出，在终端设备的显示屏上进行展示，以便用户可以通过属性信息表和/或汇总表了解待测视频数据的相关信息。
进一步地，在一优选实施例中，所述方法还包括：
接收属性信息查询指令；
从所述属性信息表中查找符合所述属性信息查询指令的第一目标人脸图像；
输出所述第一目标人脸图像。
本实施例中，人脸识别服务平台还可以接收用户发送的属性信息查询指令，该属性信息查询指令可以包含目标属性信息，该目标属性信息可以是多个目标区域属性信息的集合，例如，目标属性信息可以是年龄在20至30之间，戴眼镜、戴口罩、不戴帽子的男性。依据目标属性信息遍历属性信息表，从属性信息表中查找符合目标属性信息的第一目标人脸图像，若查找得到，则将该第一目标人脸图像输出，在终端设备的显示屏上进行展示；若查找不到，则输出与查找不到对应的提示信息。
在本申请的实施例中，通过接收登陆门户系统的用户通过统一服务网关发送的调用服务接口的请求；依据请求确定对应的待测视频数据，并对待测视频数据进行人脸检测，得到初始人脸图像集；对初始人脸图像集进行聚类，得到至少一个人脸图像组；对人脸图像组中的人脸图像进行质量分析，得到对应的质量得分；依据质量得分和质量过滤筛选算法，确定人脸图像组中的目标人脸图像；从而实现通过门户系统调用人脸识别服务平台对应的服务接口，即可得到与待测视频数据对应的目标人脸图像，并且可以保证目标人脸图像的质量，并减少目标人脸图像中相同人脸图像的数量；此外，本申请的实施例中，还通过接收样本人脸图像，判断目标人脸图像中是否存在与样本人脸图像匹配的第二目标人脸图像，以及，通过接收属性信息查询指令，从属性信息表中查找符合属性信息查询指令的第一目标人脸图像，可以提高用户追踪人物的效率。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。
参照图4，示出了本申请的一种人脸识别的装置实施例的结构框图，该装置应用于部署于门户系统的人脸识别服务平台，所述人脸识别服务平台提供的服务接口预先注册到所述门户系统的统一服务网关并发布；具体可以包括如下模块：
第一接收模块401，用于接收登陆所述门户系统的用户通过所述统一服务网关发送的调用所述服务接口的请求；
人脸检测模块402，用于依据所述请求确定对应的待测视频数据，并对所述待测视频数据进行人脸检测，得到初始人脸图像集；
图像聚类模块403，用于对所述初始人脸图像集进行聚类，得到至少一个人脸图像组；
质量分析模块404，用于对所述人脸图像组中的人脸图像进行质量分析，得到对应的质量得分；
目标确定模块405，用于依据所述质量得分和质量过滤筛选算法，确定所述人脸图像组中的目标人脸图像。
在本申请实施例的一种优选实施例中，图像聚类模块403包括：
特征获取子模块，用于对所述初始人脸图像集中的各人脸图像进行特征提取，得到对应的特征信息；
特征聚类子模块，用于依据所述特征信息，对所述初始人脸图像集进行聚类，得到至少一个人脸图像组。
在本申请实施例的一种优选实施例中，所述装置还包括：
属性获取模块，用于获取所述目标人脸图像中的目标人脸的属性信息；
属性表生成模块，用于依据所述目标人脸图像和对应的属性信息，生成属性信息表。
在本申请实施例的一种优选实施例中，属性获取模块包括：
图像分割子模块，用于将所述目标人脸图像分割成若干个图像区域；
区域识别子模块，用于采用与所述图像区域对应的属性学习模型对所述图像区域进行识别，得到所述目标人脸图像中的目标人脸的属性信息。
在本申请实施例的一种优选实施例中，所述装置还包括：
第二接收模块，用于接收属性信息查询指令；
图像查找模块，用于从所述属性信息表中查找符合所述属性信息查询指令的第一目标人脸图像；
第一输出模块，用于输出所述第一目标人脸图像。
在本申请实施例的一种优选实施例中，所述装置还包括：
第三接收模块，用于接收样本人脸图像；
图像匹配模块，用于判断所述目标人脸图像中是否存在与所述样本人脸图像匹配的第二目标人脸图像；
第二输出模块，用于输出判断结果。
在本申请实施例的一种优选实施例中，人脸检测模块402还包括：
间隔提取子模块，用于按照预设帧数间隔从所述待测视频数据中提取目标视频图像；
图像检测子模块，用于对所述目标视频图像进行人脸检测，得到初始人脸图像集。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例还公开了电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的人脸识别的方法的步骤。
本申请实施例还公开了计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的人脸识别的方法的步骤。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例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。
本申请实施例是参照根据本申请实施例的方法、终端设备(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、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端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。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端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多个流程和/或方框图一个方框或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他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端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。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种人脸识别的方法、一种人脸识别的装置、电子设备和存储介质，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种人脸识别的方法，其特征在于，应用于部署于门户系统的人脸识别服务平台，所述人脸识别服务平台提供的服务接口预先注册到所述门户系统的统一服务网关并发布；所述方法包括：
接收登陆所述门户系统的用户通过所述统一服务网关发送的调用所述服务接口的请求；
依据所述请求确定对应的待测视频数据，并对所述待测视频数据进行人脸检测，得到初始人脸图像集；
对所述初始人脸图像集进行聚类，得到至少一个人脸图像组；
对所述人脸图像组中的人脸图像进行质量分析，得到对应的质量得分；
依据所述质量得分和质量过滤筛选算法，确定所述人脸图像组中的目标人脸图像。
2.根据权利要求1所述的方法，其特征在于，所述对所述初始人脸图像集进行聚类，得到至少一个人脸图像组的步骤，包括：
对所述初始人脸图像集中的各人脸图像进行特征提取，得到对应的特征信息；
依据所述特征信息，对所述初始人脸图像集进行聚类，得到至少一个人脸图像组。
3.根据权利要求1所述的方法，其特征在于，在所述依据所述质量得分和质量过滤筛选算法，确定所述人脸图像组中的目标人脸图像的步骤之后，还包括：
获取所述目标人脸图像中的目标人脸的属性信息；
依据所述目标人脸图像和对应的属性信息，生成属性信息表。
4.根据权利要求3所述的方法，其特征在于，所述获取所述目标人脸图像中的目标人脸的属性信息的步骤，包括：
将所述目标人脸图像分割成若干个图像区域；
采用与所述图像区域对应的属性学习模型对所述图像区域进行识别，得到所述目标人脸图像中的目标人脸的属性信息。
5.根据权利要求4所述的方法，其特征在于，在所述依据所述目标人脸图像和对应的属性信息，生成属性信息表的步骤之后，还包括：
接收属性信息查询指令；
从所述属性信息表中查找符合所述属性信息查询指令的第一目标人脸图像；
输出所述第一目标人脸图像。
6.根据权利要求1所述的方法，其特征在于：在所述依据所述质量得分和质量过滤筛选算法，确定所述人脸图像组中的目标人脸图像的步骤之后，还包括：
接收样本人脸图像；
判断所述目标人脸图像中是否存在与所述样本人脸图像匹配的第二目标人脸图像；
输出判断结果。
7.根据权利要求1所述的方法，其特征在于，所述待测视频数据包括多幅连续的单帧视频图像，所述对待测视频数据进行人脸检测，得到初始人脸图像集的步骤，还包括：
按照预设帧数间隔从所述待测视频数据中提取目标视频图像；
对所述目标视频图像进行人脸检测，得到初始人脸图像集。
8.一种人脸识别的装置，其特征在于，应用于部署于门户系统的人脸识别服务平台，所述人脸识别服务平台提供的服务接口预先注册到所述门户系统的统一服务网关并发布；所述装置包括：
第一接收模块，用于接收登陆所述门户系统的用户通过所述统一服务网关发送的调用所述服务接口的请求；
人脸检测模块，用于依据所述请求确定对应的待测视频数据，并对所述待测视频数据进行人脸检测，得到初始人脸图像集；
图像聚类模块，用于对所述初始人脸图像集进行聚类，得到至少一个人脸图像组；
质量分析模块，用于对所述人脸图像组中的人脸图像进行质量分析，得到对应的质量得分；
目标确定模块，用于依据所述质量得分和质量过滤筛选算法，确定所述人脸图像组中的目标人脸图像。
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的人脸识别的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的人脸识别的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010622077.8A CN111914649A (zh) | 2020-07-01 | 2020-07-01 | 人脸识别的方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010622077.8A CN111914649A (zh) | 2020-07-01 | 2020-07-01 | 人脸识别的方法及装置、电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111914649A true CN111914649A (zh) | 2020-11-10 |
Family
ID=73227964
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010622077.8A Pending CN111914649A (zh) | 2020-07-01 | 2020-07-01 | 人脸识别的方法及装置、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111914649A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488072A (zh) * | 2020-12-21 | 2021-03-12 | 广州海格星航信息科技有限公司 | 一种人脸样本集获取方法、系统及设备 |
| CN113536270A (zh) * | 2021-07-26 | 2021-10-22 | 网易（杭州）网络有限公司 | 一种信息验证的方法、装置、计算机设备及存储介质 |
| CN113965772A (zh) * | 2021-10-29 | 2022-01-21 | 北京百度网讯科技有限公司 | 直播视频处理方法、装置、电子设备和存储介质 |
| CN115065865A (zh) * | 2022-06-23 | 2022-09-16 | 北京奇艺世纪科技有限公司 | 一种视频合成方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105574506A (zh) * | 2015-12-16 | 2016-05-11 | 深圳市商汤科技有限公司 | 基于深度学习和大规模集群的智能人脸追逃系统及方法 |
| CN106909870A (zh) * | 2015-12-22 | 2017-06-30 | 中兴通讯股份有限公司 | 人脸图像的检索方法及装置 |
| CN109063580A (zh) * | 2018-07-09 | 2018-12-21 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
| CN110825765A (zh) * | 2019-10-23 | 2020-02-21 | 中国建设银行股份有限公司 | 一种人脸识别的方法和装置 |
-
2020
- 2020-07-01 CN CN202010622077.8A patent/CN111914649A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105574506A (zh) * | 2015-12-16 | 2016-05-11 | 深圳市商汤科技有限公司 | 基于深度学习和大规模集群的智能人脸追逃系统及方法 |
| CN106909870A (zh) * | 2015-12-22 | 2017-06-30 | 中兴通讯股份有限公司 | 人脸图像的检索方法及装置 |
| CN109063580A (zh) * | 2018-07-09 | 2018-12-21 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
| CN110825765A (zh) * | 2019-10-23 | 2020-02-21 | 中国建设银行股份有限公司 | 一种人脸识别的方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 都伊林: "《智能安防新发展与应用》", pages: 48 - 54 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488072A (zh) * | 2020-12-21 | 2021-03-12 | 广州海格星航信息科技有限公司 | 一种人脸样本集获取方法、系统及设备 |
| CN113536270A (zh) * | 2021-07-26 | 2021-10-22 | 网易（杭州）网络有限公司 | 一种信息验证的方法、装置、计算机设备及存储介质 |
| CN113536270B (zh) * | 2021-07-26 | 2023-08-08 | 网易（杭州）网络有限公司 | 一种信息验证的方法、装置、计算机设备及存储介质 |
| CN113965772A (zh) * | 2021-10-29 | 2022-01-21 | 北京百度网讯科技有限公司 | 直播视频处理方法、装置、电子设备和存储介质 |
| CN113965772B (zh) * | 2021-10-29 | 2024-05-10 | 北京百度网讯科技有限公司 | 直播视频处理方法、装置、电子设备和存储介质 |
| CN115065865A (zh) * | 2022-06-23 | 2022-09-16 | 北京奇艺世纪科技有限公司 | 一种视频合成方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP4123503A1 (en) | Image authenticity detection method and apparatus, computer device and storage medium | |
| CN109858371B (zh) | 人脸识别的方法及装置 | |
| CN111741356B (zh) | 双录视频的质检方法、装置、设备及可读存储介质 | |
| CN111914649A (zh) | 人脸识别的方法及装置、电子设备、存储介质 | |
| CN105488478B (zh) | 一种人脸识别系统和方法 | |
| WO2021139324A1 (zh) | 图像识别方法、装置、计算机可读存储介质及电子设备 | |
| CN111931567B (zh) | 人体识别的方法及装置、电子设备、存储介质 | |
| CN113779308B (zh) | 一种短视频检测和多分类方法、装置及存储介质 | |
| CN109871490B (zh) | 媒体资源匹配方法、装置、存储介质和计算机设备 | |
| Jou et al. | Structured exploration of who, what, when, and where in heterogeneous multimedia news sources | |
| CN111914648A (zh) | 车辆检测和识别的方法及装置、电子设备、存储介质 | |
| CN111738120A (zh) | 人物识别方法、装置、电子设备及存储介质 | |
| CN115512259A (zh) | 一种基于多模态的短视频审核方法 | |
| CN112614102A (zh) | 一种车辆检测方法、终端及其计算机可读存储介质 | |
| WO2024193538A1 (zh) | 视频数据处理方法、装置、设备及可读存储介质 | |
| CN112907206B (zh) | 一种基于视频对象识别的业务审核方法、装置及设备 | |
| CN113569613A (zh) | 图像处理方法、装置、图像处理设备及存储介质 | |
| Milani et al. | Audio tampering detection using multimodal features | |
| CN113011254A (zh) | 一种视频数据处理方法、计算机设备及可读存储介质 | |
| CN115719428A (zh) | 基于分类模型的人脸图像聚类方法、装置、设备及介质 | |
| CN114495188B (zh) | 一种图像数据处理方法、装置和相关设备 | |
| CN115115976A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
| CN110163043B (zh) | 面部检测方法、装置、存储介质及电子装置 | |
| Srividhya et al. | Deep Learning based Telugu Video Text Detection using Video Coding Over Digital Transmission | |
| CN114760484B (zh) | 直播视频识别方法、装置、计算机设备和存储介质 |
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 |