CN111914858A - 特征值的确定方法及装置、存储介质和电子装置 - Google Patents
特征值的确定方法及装置、存储介质和电子装置 Download PDFInfo
- Publication number
- CN111914858A CN111914858A CN202010828138.6A CN202010828138A CN111914858A CN 111914858 A CN111914858 A CN 111914858A CN 202010828138 A CN202010828138 A CN 202010828138A CN 111914858 A CN111914858 A CN 111914858A
- Authority
- CN
- China
- Prior art keywords
- image
- integral
- group
- image data
- processing
- 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 42
- 238000012545 processing Methods 0.000 claims abstract description 63
- 230000015654 memory Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 101100325756 Arabidopsis thaliana BAM5 gene Proteins 0.000 description 4
- 101150046378 RAM1 gene Proteins 0.000 description 4
- 101100476489 Rattus norvegicus Slc20a2 gene Proteins 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种特征值的确定方法及装置、存储介质和电子装置，包括：对获取到的第一图像的第一组图像数据进行处理，得到第一积分图，其中，所述第一图像是一帧图像的上半部分图像；获取第二图像的第二组图像数据，并通过所述第一积分图对所述第二组图像数据进行处理，得到第二积分图，其中，所述第二图像是所述一帧图像的下半部分图像；根据所述第一积分图和所述第二积分图确定所述一帧图像的特征值。通过本发明，解决了提取Haar特征效率低的问题，进而达到了提高提取Haar特征效率的效果。
Description
技术领域
本发明涉及通信领域，具体而言，涉及一种特征值的确定方法及装置、存储介质和电子装置。
背景技术
目标检测技术是图像领域中很重要的组成部分，在智能监控、交通卡口、人脸识别等广泛应用。优良的特征表示在目标检测中至关重要，包括人工设计的特征和学习到的特征。
Haar特征存在边缘特征、线性特征、中心特征、对角线特征等模板，模板内有白色和黑色两种矩形，相应特征值定义为白色矩形像素和减去黑色矩形像素和。Haar常被用于目标检测算法中，尤其是在人脸检测方面。但是相关算法计算量大、复杂度比较高，而现有的嵌入式平台，由于中央处理器(Central Processing Unit，简称CPU)等资源有限，导致对算法的应用存在很大的局限性。
针对相关技术中，提取Haar特征效率低的问题，目前尚未存在有效的解决方案。
发明内容
本发明实施例提供了一种特征值的确定方法及装置、存储介质和电子装置，以至少解决相关技术中提取Haar特征效率低的问题。
根据本发明的一个实施例，提供了一种特征值的确定方法，包括：对获取到的第一图像的第一组图像数据进行处理，得到第一积分图，其中，所述第一图像是一帧图像的上半部分图像；获取第二图像的第二组图像数据，并通过所述第一积分图对所述第二组图像数据进行处理，得到第二积分图，其中，所述第二图像是所述一帧图像的下半部分图像；根据所述第一积分图和所述第二积分图确定所述一帧图像的特征值。
可选地，所述对获取到的第一图像的第一组图像数据进行处理，得到第一积分图之前，所述方法还包括：将获取到的所述一帧图像平均切分为所述第一图像和所述第二图像；将所述第一图像的第一组图像数据上传至第一存储器。
可选地，所述方法还包括：在对所述第一组图像数据进行处理的过程中，将所述第二组图像数据上传至第二存储器；在所述第二组图像数据传输完成，且对所述第一组图像数据处理完成后，对所述第二组图像数据进行处理，得到所述第二积分图。
可选地，对获取到的第一图像的第一组图像数据进行处理包括：使用单指令多数据流对所述第一组图像进行并行处理，得到所述第一积分图；通过所述第一积分图对所述第二组图像数据进行处理包括：通过所述第一积分图使用所述单指令多数据流对所述第二组图像数据进行处理，得到所述第二积分图。
可选地，所述特征值包括Haar特征值。
根据本发明的另一个实施例，提供了一种特征值的确定装置，包括：第一处理模块，用于对获取到的第一图像的第一组图像数据进行处理，得到第一积分图，其中，所述第一图像是一帧图像的上半部分图像；获取模块，用于获取第二图像的第二组图像数据，并通过所述第一积分图对所述第二组图像数据进行处理，得到第二积分图，其中，所述第二图像是所述一帧图像的下半部分图像；确定模块，用于根据所述第一积分图和所述第二积分图确定所述一帧图像的特征值。
可选地，所述装置还包括：切分模块，用于在对获取到的第一图像的第一组图像数据进行处理，得到第一积分图之前，将获取到的所述一帧图像平均切分为所述第一图像和所述第二图像；第一上传模块，用于将所述第一图像的第一组图像数据上传至第一存储器。
可选地，所述装置还包括：第二上传模块，用于在对所述第一组图像数据进行处理的过程中，将所述第二组图像数据上传至第二存储器；第二处理模块，用于在所述第二组图像数据传输完成，且对所述第一组图像数据处理完成后，对所述第二组图像数据进行处理，得到所述第二积分图。
根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，由于对获取到的第一图像的第一组图像数据进行处理，得到第一积分图，其中，第一图像是一帧图像的上半部分图像；获取第二图像的第二组图像数据，并通过第一积分图对第二组图像数据进行处理，得到第二积分图，其中，第二图像是一帧图像的下半部分图像；根据第一积分图和第二积分图确定所述一帧图像的特征值因此，可以解决提取Haar特征效率低问题，达到提高提取Haar特征效率效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的一种特征值的确定方法的移动终端的硬件结构框图；
图2是根据本发明实施例的特征值的确定方法的流程图；
图3是根据本发明实施例的快速计算Haar特征的方法的整体流程图；
图4是根据本发明实施例的特征值的确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种特征值的确定方法的移动终端的硬件结构框图。如图1所示，移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的特征值的确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述移动终端的特征值的确定方法，图2是根据本发明实施例的特征值的确定的流程图，如图2所示，该流程包括如下步骤：
步骤S202，对获取到的第一图像的第一组图像数据进行处理，得到第一积分图，其中，所述第一图像是一帧图像的上半部分图像；
步骤S204，获取第二图像的第二组图像数据，并通过所述第一积分图对所述第二组图像数据进行处理，得到第二积分图，其中，所述第二图像是所述一帧图像的下半部分图像；
步骤S206，根据所述第一积分图和所述第二积分图确定所述一帧图像的特征值。
作为一个可选的实施方案，特征值可以是Haar特征值。Haar特征的计算需要重复计算目标区域的像素值，使用积分图能大大减小计算量，达到实时计算Haar特征的目的。简单来说，就是要构造一张积分图，之后任何一个Haar特征都可以通过查表的方法和有限次简单运算得到，大大减少了运算次数。图像是由一系列的离散像素点组成，图像的积分就是求和。图像积分图中每个点的值就是原图像中该点左上角的所有像素之和。
在本实施例中，将一帧图像分为上半部分和下半部分，在对上半部分图像求得相应的积分图后，得到第一积分图。根据第一积分图对一帧图像的下半部分求得第二积分图。通过第一积分图和第二积分图，可以确定一帧图像的Haar特征值。
通过上述步骤，由于对获取到的第一图像的第一组图像数据进行处理，得到第一积分图，其中，第一图像是一帧图像的上半部分图像；获取第二图像的第二组图像数据，并通过第一积分图对第二组图像数据进行处理，得到第二积分图，其中，第二图像是一帧图像的下半部分图像；根据第一积分图和第二积分图确定所述一帧图像的特征值因此，可以解决提取Haar特征效率低问题，达到提高提取Haar特征效率效果。
可选地，上述步骤的执行主体可以为终端等，但不限于此。
作为一个可选的实施方式。数字信号处理(Digital Signal Processor，简称DSP)等平台计算能力强大，可以移植和优化相关计算量大的算子操作，图3是根据本发明实施例的快速计算Haar特征的方法的整体流程图。
可选地，所述对获取到的第一图像的第一组图像数据进行处理，得到第一积分图之前，所述方法还包括：将获取到的所述一帧图像平均切分为所述第一图像和所述第二图像；将所述第一图像的第一组图像数据上传至第一存储器。
作为一个可选的实施方式，DSP平台可以通过嵌入式平台输入端获取每一帧图像，对获取到的每一帧图像进行切分。将一帧图像平均分成上下两个部分。一帧图像的上半部分对应与第一图像，下半部分对应于第二图像。
作为一个可选的实施方式DSP直接访问外部内存速度较慢，因此需要将图像数据传输到DSP能直接访问的两块随机存取存储器(Random access memory，简称RAM)中。如图3所示，将第一图像对应的图像数据存储在RAM0中，将第二图像对应的图像数据存储在RAM1中。
可选地，所述方法还包括：在对所述第一组图像数据进行处理的过程中，将所述第二组图像数据上传至第二存储器；在所述第二组图像数据传输完成，且对所述第一组图像数据处理完成后，对所述第二组图像数据进行处理，得到所述第二积分图。
作为一个可选的实施方式，可以通过pingpong模式对第一组图像数据和第二组图像数据进行成组数据传输(Direct Memory Access，简称DMA)传输。具体地，先将第一图像对应的第一组图像数据拷贝到RAM0中，然后DSP进行数据处理，此时在DSP处理时将下半部分图像数据拷贝到RAM1中，DSP对RAM0的处理及RAM1传输完成后，DSP对RAM1数据进行处理。
可选地，对获取到的第一图像的第一组图像数据进行处理包括：使用单指令多数据流对所述第一组图像进行并行处理，得到所述第一积分图；通过所述第一积分图对所述第二组图像数据进行处理包括：通过所述第一积分图使用所述单指令多数据流对所述第二组图像数据进行处理，得到所述第二积分图。
作为一个可选地的实施方式，可以逐行计算积分图，通过堆内存保存每行上方对应的列累计和，通过单指令多数据流(Single Instruction Multiple Data，简称SIMD)对数据进行并行处理；RAM0数据计算完毕后，最后一行的列累计和，可用于RAM1的计算。
在本实施例中，初始化积分图的最上外行ii(x，-1)=0，可以用s(x，y)表示列方向的像素值累加和；初始化积分图的最左外列ii(-1，y)＝0，可以用ii(x，y)表示点(x，y)的积分图像。从一帧图像的左上角遍历整个图像，并且根据下面的公式递归计算每个像素列累加和以及积分图像的值：
对图像上半部分的图像遍历一遍，便完成积分图的上半部分，此时下半部分开始计算时可利用最后保存的s(x，y)进行初始计算，重复上述步骤，即完成整个积分图的运算。
可选地，所述特征值包括Haar特征值。
作为一个可选的实施方式，利用得到的积分图，通过查表运算，得到Haar特征值。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种特征值的确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例的特征值的确定装置的结构框图，如图4所示，该装置包括：第一处理模块42，用于对获取到的第一图像的第一组图像数据进行处理，得到第一积分图，其中，所述第一图像是一帧图像的上半部分图像；获取模块44，用于获取第二图像的第二组图像数据，并通过所述第一积分图对所述第二组图像数据进行处理，得到第二积分图，其中，所述第二图像是所述一帧图像的下半部分图像；确定模块46，用于根据所述第一积分图和所述第二积分图确定所述一帧图像的特征值。
可选地，所述装置还包括：切分模块，用于在对获取到的第一图像的第一组图像数据进行处理，得到第一积分图之前，将获取到的所述一帧图像平均切分为所述第一图像和所述第二图像；第一上传模块，用于将所述第一图像的第一组图像数据上传至第一存储器。
可选地，所述装置还包括：第二上传模块，用于在对所述第一组图像数据进行处理的过程中，将所述第二组图像数据上传至第二存储器；第二处理模块，用于在所述第二组图像数据传输完成，且对所述第一组图像数据处理完成后，对所述第二组图像数据进行处理，得到所述第二积分图。
可选地，上述装置还用于使用单指令多数据流对所述第一组图像进行并行处理，得到所述第一积分图；通过所述第一积分图使用所述单指令多数据流对所述第二组图像数据进行处理，得到所述第二积分图。
可选地，所述特征值包括Haar特征值。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，对获取到的第一图像的第一组图像数据进行处理，得到第一积分图，其中，所述第一图像是一帧图像的上半部分图像；
S2，获取第二图像的第二组图像数据，并通过所述第一积分图对所述第二组图像数据进行处理，得到第二积分图，其中，所述第二图像是所述一帧图像的下半部分图像；
S3，根据所述第一积分图和所述第二积分图确定所述一帧图像的特征值。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，对获取到的第一图像的第一组图像数据进行处理，得到第一积分图，其中，所述第一图像是一帧图像的上半部分图像；
S2，获取第二图像的第二组图像数据，并通过所述第一积分图对所述第二组图像数据进行处理，得到第二积分图，其中，所述第二图像是所述一帧图像的下半部分图像；
S3，根据所述第一积分图和所述第二积分图确定所述一帧图像的特征值。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种特征值的确定方法，其特征在于，包括：
对获取到的第一图像的第一组图像数据进行处理，得到第一积分图，其中，所述第一图像是一帧图像的上半部分图像；
获取第二图像的第二组图像数据，并通过所述第一积分图对所述第二组图像数据进行处理，得到第二积分图，其中，所述第二图像是所述一帧图像的下半部分图像；
根据所述第一积分图和所述第二积分图确定所述一帧图像的特征值。
2.根据权利要求1所述的方法，其特征在于，所述对获取到的第一图像的第一组图像数据进行处理，得到第一积分图之前，所述方法还包括：
将获取到的所述一帧图像平均切分为所述第一图像和所述第二图像；
将所述第一图像的第一组图像数据上传至第一存储器。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在对所述第一组图像数据进行处理的过程中，将所述第二组图像数据上传至第二存储器；
在所述第二组图像数据传输完成，且对所述第一组图像数据处理完成后，对所述第二组图像数据进行处理，得到所述第二积分图。
4.根据权利要求1所述的方法，其特征在于，
对获取到的第一图像的第一组图像数据进行处理包括：使用单指令多数据流对所述第一组图像进行并行处理，得到所述第一积分图；
通过所述第一积分图对所述第二组图像数据进行处理包括：通过所述第一积分图使用所述单指令多数据流对所述第二组图像数据进行处理，得到所述第二积分图。
5.根据权利要求1所述的方法，其特征在于，所述特征值包括Haar特征值。
6.一种特征值的确定装置，其特征在于，包括：
第一处理模块，用于对获取到的第一图像的第一组图像数据进行处理，得到第一积分图，其中，所述第一图像是一帧图像的上半部分图像；
获取模块，用于获取第二图像的第二组图像数据，并通过所述第一积分图对所述第二组图像数据进行处理，得到第二积分图，其中，所述第二图像是所述一帧图像的下半部分图像；
确定模块，用于根据所述第一积分图和所述第二积分图确定所述一帧图像的特征值。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
切分模块，用于在对获取到的第一图像的第一组图像数据进行处理，得到第一积分图之前，将获取到的所述一帧图像平均切分为所述第一图像和所述第二图像；
第一上传模块，用于将所述第一图像的第一组图像数据上传至第一存储器。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第二上传模块，用于在对所述第一组图像数据进行处理的过程中，将所述第二组图像数据上传至第二存储器；
第二处理模块，用于在所述第二组图像数据传输完成，且对所述第一组图像数据处理完成后，对所述第二组图像数据进行处理，得到所述第二积分图。
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010828138.6A CN111914858A (zh) | 2020-08-17 | 2020-08-17 | 特征值的确定方法及装置、存储介质和电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010828138.6A CN111914858A (zh) | 2020-08-17 | 2020-08-17 | 特征值的确定方法及装置、存储介质和电子装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111914858A true CN111914858A (zh) | 2020-11-10 |
Family
ID=73279018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010828138.6A Pending CN111914858A (zh) | 2020-08-17 | 2020-08-17 | 特征值的确定方法及装置、存储介质和电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111914858A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070201769A1 (en) * | 2006-02-28 | 2007-08-30 | Sony Corporation | Image processing apparatus and method, data recording medium, program recording medium, and program therefor |
| US20130142416A1 (en) * | 2011-01-13 | 2013-06-06 | Panasonic Corporation | Detection device and detection method |
| US20160042246A1 (en) * | 2013-03-22 | 2016-02-11 | Freescale Semiconductor, Inc. | A haar calculation system, an image classification system, associated methods and associated computer program products |
| CN105335748A (zh) * | 2014-08-07 | 2016-02-17 | 株式会社理光 | 图像特征提取方法和系统 |
| US9576214B1 (en) * | 2012-01-23 | 2017-02-21 | Hrl Laboratories, Llc | Robust object recognition from moving platforms by combining form and motion detection with bio-inspired classification |
| US20180373924A1 (en) * | 2017-06-26 | 2018-12-27 | Samsung Electronics Co., Ltd. | Facial verification method and apparatus |
-
2020
- 2020-08-17 CN CN202010828138.6A patent/CN111914858A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070201769A1 (en) * | 2006-02-28 | 2007-08-30 | Sony Corporation | Image processing apparatus and method, data recording medium, program recording medium, and program therefor |
| US20130142416A1 (en) * | 2011-01-13 | 2013-06-06 | Panasonic Corporation | Detection device and detection method |
| US9576214B1 (en) * | 2012-01-23 | 2017-02-21 | Hrl Laboratories, Llc | Robust object recognition from moving platforms by combining form and motion detection with bio-inspired classification |
| US20160042246A1 (en) * | 2013-03-22 | 2016-02-11 | Freescale Semiconductor, Inc. | A haar calculation system, an image classification system, associated methods and associated computer program products |
| CN105335748A (zh) * | 2014-08-07 | 2016-02-17 | 株式会社理光 | 图像特征提取方法和系统 |
| US20180373924A1 (en) * | 2017-06-26 | 2018-12-27 | Samsung Electronics Co., Ltd. | Facial verification method and apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109064504B (zh) | 图像处理方法、装置和计算机存储介质 | |
| CN110826418B (zh) | 脸部特征提取方法及装置 | |
| WO2021174940A1 (zh) | 人脸检测方法与系统 | |
| CN107908998B (zh) | 二维码解码方法、装置、终端设备及计算机可读存储介质 | |
| CN111080654B (zh) | 图像的病变区域分割方法、装置及服务器 | |
| CN111931917A (zh) | 前向计算的实现方法及装置、存储介质、电子装置 | |
| CN111160202A (zh) | 基于ar设备的身份核验方法、装置、设备及存储介质 | |
| CN111369450A (zh) | 去除摩尔纹的方法与装置 | |
| CN112163468A (zh) | 基于多线程的图像处理方法及装置 | |
| CN111553215A (zh) | 人员关联方法及其装置、图卷积网络训练方法及其装置 | |
| CN116188808B (zh) | 图像特征提取方法和系统、存储介质及电子设备 | |
| CN110599554A (zh) | 人脸肤色的识别方法和装置、存储介质及电子装置 | |
| CN115278089B (zh) | 人脸模糊图像对焦矫正方法、装置、设备和存储介质 | |
| CN112115292A (zh) | 图片搜索方法及装置、存储介质、电子装置 | |
| CN111091106A (zh) | 图像聚类方法及装置、存储介质、电子装置 | |
| CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
| CN111914858A (zh) | 特征值的确定方法及装置、存储介质和电子装置 | |
| CN114626118A (zh) | 建筑物室内模型生成方法及装置 | |
| CN113673532B (zh) | 基于量化模型的目标检测方法及装置 | |
| CN113780286A (zh) | 对象识别方法及装置、存储介质、电子装置 | |
| CN115482542A (zh) | 图像边缘的确定方法和装置 | |
| CN114422776A (zh) | 摄像设备的检测方法及装置、存储介质、电子装置 | |
| CN110827243B (zh) | 网格梁覆盖区域异常检测方法和装置 | |
| CN111639588A (zh) | 图像效果调整方法、装置、计算机系统及可读存储介质 | |
| CN111340114A (zh) | 图像的匹配方法及装置、存储介质和电子装置 |
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 |