CN112101261B - 人脸识别方法、装置、设备及存储介质 - Google Patents
人脸识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112101261B CN112101261B CN202011003231.XA CN202011003231A CN112101261B CN 112101261 B CN112101261 B CN 112101261B CN 202011003231 A CN202011003231 A CN 202011003231A CN 112101261 B CN112101261 B CN 112101261B
- Authority
- CN
- China
- Prior art keywords
- glasses
- pixel point
- center pixel
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000011521 glass Substances 0.000 claims abstract description 283
- 239000013598 vector Substances 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 5
- 210000000887 face Anatomy 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 6
- 230000004438 eyesight Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 210000001331 nose Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 208000001491 myopia Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V40/172—Classification, e.g. identification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种人脸识别方法、装置、设备及存储介质，涉及图像处理技术领域，尤其涉及计算机视觉技术领域，包括：获取待识别人脸图像；其中，所述待识别人脸图像中人脸上佩戴有眼镜；确定所述待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度；根据所述眼镜框与人脸的空间相对位置、所述眼镜的佩戴倾斜角度和人脸特征点进行人脸识别。本申请实施例能够提高人脸佩戴眼镜场景下的人脸识别准确率。
Description
技术领域
本申请涉及图像处理技术领域，尤其涉及计算机视觉技术领域，具体涉及一种人脸识别方法、装置、设备及存储介质。
背景技术
在人脸识别技术中，识别精度的有效提升为人脸识别在计算机视觉技术领域中的应用提供了技术基础。然而，在现实生活中，经常会因为人脸上的各种遮挡物而影响到最终的人脸识别效果，例如，人脸上佩戴的眼镜就会影响人脸识别准确率。
发明内容
本申请实施例提供了一种人脸识别方法、装置、设备以及存储介质，以提高人脸佩戴眼镜场景下的人脸识别准确率。
第一方面，本申请实施例提供了一种人脸识别方法，包括：
获取待识别人脸图像；其中，所述待识别人脸图像中人脸上佩戴有眼镜；
确定所述待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度；
根据所述眼镜框与人脸的空间相对位置、所述眼镜的佩戴倾斜角度和人脸特征点进行人脸识别。
第二方面，本申请实施例提供了一种人脸识别装置，包括：
图像获取模块，用于获取待识别人脸图像；其中，所述待识别人脸图像中人脸上佩戴有眼镜；
眼镜佩戴特征确定模块，用于确定所述待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度；
人脸识别模块，用于根据所述眼镜框与人脸的空间相对位置、所述眼镜的佩戴倾斜角度和人脸特征点进行人脸识别。
第三方面，本申请实施例提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面实施例所提供的人脸识别方法。
第四方面，本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面实施例所提供的人脸识别方法。
本申请实施例提高了人脸佩戴眼镜场景下的人脸识别准确率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例提供的一种人脸识别方法的流程图；
图2是本申请实施例提供的一种人脸识别方法的流程图；
图3是本申请实施例提供的人眼中心位置标识示意图；
图4是本申请实施例提供的眼镜框区域位置标识示意图；
图5是本申请实施例提供的左右双目相机采集同一画面的效果示意图；
图6是本申请实施例提供的双摄像头模型立体视图；
图7是本申请实施例提供的左右双目相机进行双目测距时得到的深度示意图；
图8是本申请实施例提供的同一竖直方向上眼镜框上下边界上像素点示意图；
图9是本申请实施例提供的眼镜佩戴倾斜角度的示意图；
图10是本申请实施例提供的眼镜框中心像素点示意图；
图11是本申请实施例提供的眼镜右框中心像素点C2与人右眼中心像素点D2的空间相对位置示意图；
图12是本申请实施例提供的一种人脸识别装置的结构示意图；
图13是用来实现本申请实施例的人脸识别方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在一个示例中，图1是本申请实施例提供的一种人脸识别方法的流程图，本实施例可适用于在人脸佩戴眼镜场景下进行人脸识别的情况，该方法可以由人脸识别装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在电子设备中。该电子设备可以是计算机设备或者移动终端等。相应的，如图1所示，该方法包括如下操作：
S110、获取待识别人脸图像；其中，所述待识别人脸图像中人脸上佩戴有眼镜。
待识别人脸图像，可以是包括一个或多个人脸需要进行人脸识别的图像。其中，待识别人脸图像中的人脸上佩戴有眼镜，可选的，人脸上佩戴的眼镜可以是近视镜、远视镜等，其镜片颜色通常为无色透明或者浅色(如淡黄色、淡粉色、淡蓝色)透明等。
可选的，待识别人脸图像可以是通过摄像装置直接采集的，也可以是在存储设备中直接读取的。
S120、确定待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度。
其中，眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度用于描述人脸佩戴眼镜习惯。
眼镜框与人脸的空间相对位置，指的是人脸佩戴眼镜时眼镜框与人脸的位置关系，可以是通过眼镜框上的固定特征点与人脸上的固定特征点之间的空间相对位置来表示，例如通过左右眼镜框连接件中点与鼻根点之间的空间相对位置来表示，再例如通过左右眼镜框连接件中点与鼻尖之间的空间相对位置来表示，等等。
在本申请的一个可选实施例中，所述确定待识别人脸图像中眼镜框与人脸的空间相对位置，可以包括：确定待识别人脸图像中眼镜框中心像素点与人眼中心像素点的空间相对位置。
在本实施例中，将眼镜框中心像素点作为眼镜框上的固定特征点，将人眼中心像素点作为人脸上的固定特征点，进而使用眼镜框中心像素点与人眼中心像素点的空间相对位置来表示待识别人脸图像中眼镜框与人脸的空间相对位置。
这样设置好处在于：由于在人脸图像中人眼位置及眼镜框位置均是相对固定且易识别的，进而使用眼镜框中心像素点与人眼中心像素点的空间相对位置来表示人脸佩戴眼镜时眼镜框与人脸的位置关系，有效提高了人脸佩戴眼镜习惯特征的准确性及稳定性。而且，眼镜框中心像素点与人眼中心像素点的空间相对位置、眼镜的佩戴倾斜角度这些特征集中在眼睛的局部区域，因此也可提高在戴口罩、戴帽子等人脸场景下的人脸识别准确率。
眼镜的佩戴倾斜角度，指的是眼镜在与待识别人脸图像对应的三维空间坐标系中的倾斜角度，例如可以将眼镜所在平面在三维空间坐标系中的倾斜角度作为眼镜的佩戴倾斜角度。
S130、根据眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度和人脸特征点进行人脸识别。
人脸特征点，指的是用于对人脸面部的关键区域进行描述的点，包括对眉毛、鼻子、嘴巴、人脸轮廓等关键区域进行描述的点，具体可以通过人脸定位算法对人脸图像进行识别，以确定与该人脸图像对应的所有人脸特征点，例如可以是人脸图像中常用的68个人脸特征点。
在人脸特征点的基础上，将眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度也作为人脸识别的两个特征，综合起来一起进行人脸识别。可选的，人脸特征点、眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度三者的权重可以相同，也可以根据实际应用情况进行调整。
可选的，在根据眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度和人脸特征点进行人脸识别时，可以采用基于特征脸的方法，也可以使用基于深度学习的方法，如使用卷积神经网络的方法，也可以使用基于支持向量机的方法，也可以综合多种识别方法，本实施例对此不作具体限定。本申请实施例在不提高原有识别算法复杂度的情况下，增加眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度这些辅助特征进行人脸识别，以此提升识别算法的识别准确率。
本申请实施例中，通过确定待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度，以在人脸特征点的基础上，结合眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度这些眼镜佩戴习惯特征进行人脸识别，丰富了人脸佩戴眼镜场景下的人脸识别特征以辅助进行人脸识别，从眼镜倾斜角度以及眼镜框与人脸的相对位置体现个性化的眼镜佩戴习惯差异，进而提高了人脸佩戴眼镜场景下的人脸识别准确率。
在一个示例中，图2是本申请实施例提供的一种人脸识别方法的流程图，本申请实施例在上述各实施例的技术方案的基础上，进行了优化改进，给出了确定待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度的多种具体实现方式。
如图2所示的一种人脸识别方法，包括：
S210、获取待识别人脸图像；其中，所述待识别人脸图像中人脸上佩戴有眼镜。
S220、确定待识别人脸图像中眼镜框中心像素点与人眼中心像素点的空间相对位置、眼镜的佩戴倾斜角度。
在本申请的一个可选实施例中，确定待识别人脸图像中眼镜框中心像素点与人眼中心像素点的空间相对位置、眼镜的佩戴倾斜角度，可以包括：检测待识别人脸图像中的人眼中心位置以及眼镜框区域位置；确定人眼中心像素点以及眼镜框区域像素点的空间坐标；根据眼镜框区域像素点的空间坐标，计算眼镜的佩戴倾斜角度；根据眼镜框区域像素点的空间坐标，确定眼镜框中心像素点的空间坐标，并根据人眼中心像素点和眼镜框中心像素点的空间坐标，计算眼镜框中心像素点与人眼中心像素点的空间相对位置。
可选的，检测待识别人脸图像中的人眼中心位置时，可以通过Dlib方法或者智能云平台提供的人脸检测API(Application Programming Interface，应用程序接口)。如图3所示，人眼中心位置通过圆点30标识。
由于日常使用的近视镜、远视镜多为椭圆或者矩形等，并且具有左右对称的特征，故可以通过霍夫圆检测方法或者opencv提供的轮廓检测方法检测待识别人脸图像中的眼镜框区域位置。如图4所示，眼镜框区域位置通过圆圈40标识。
在检测到待识别人脸图像中的人眼中心位置以及眼镜框区域位置之后，分别确定人眼中心像素点以及眼镜框区域像素点的三维空间坐标。
在本申请的一个可选实施例中，获取待识别人脸图像，可以是获取通过双目相机采集到的待识别人脸图像；对应的，确定人眼中心像素点以及眼镜框区域像素点的空间坐标，可以包括：基于双目测距原理计算人眼中心像素点以及眼镜框区域像素点的空间坐标。
使用双目相机采集人脸图像，会同时得到左右两张图像，图5展示了左右双目相机采集同一画面的效果。通过双目相机采集待识别人脸图像之后，首先可以对待识别图像进行图像校正、去畸变处理和去噪处理，其中，去噪处理可以使用高斯滤波或者中值滤波等方法，然后再进行人脸识别，进而可以基于双目测距原理计算人眼中心像素点以及眼镜框区域像素点的深度信息，进而结合平面坐标可以得到对应像素点的空间坐标。
双目测距，主要是利用目标点在左右两幅视图上成像的横向坐标直接存在的差异与目标点到成像平面的距离存在着反比例的关系，以此得到目标点在三维空间里的距离Z。
图6示出了双摄像头模型立体视图，解释了双摄像头测距的原理。如图6所示，P是空间中的一个物体，pl是物体P在左摄图像中的成像位置(在xlyl坐标系下的成像横坐标为xl)，pr是物体P在右摄图像中的成像位置(在xlyl坐标系下的成像横坐标为xr)，f是焦距，Ol是左摄模组的镜头光心，Or是右摄模组的镜头光心，T＝Ol-Or是双摄模组光心距，PrincipalRay是分别是左右摄模组的镜头主射线，(cx,cy)是左右摄模组的成像原点，Z是物体P到当前模组位置的实际距离(也即深度信息)。
根据三角形相似原理得到由此得出/>
针对如图5所示的画面，图7展示了使用双目相机进行双目测距时得到的深度图，其中，深度图中所有的非纯白像素点都是可以获得深度信息的像素点。
在上述实施例中，通过双目相机采集待识别人脸图像，并基于双目测距原理计算人眼中心像素点以及眼镜框区域像素点的深度信息，有助于得到各像素的空间坐标，为生成与待识别人脸图像对应的眼镜佩戴习惯特征提供了便利。
在本申请的一个可选实施例中，获取待识别人脸图像，可以是通过搭载激光测距仪的摄像机获取待识别人脸图像；对应的，确定人眼中心像素点以及眼镜框区域像素点的空间坐标，可以包括：通过激光测距仪确定人眼中心像素点以及眼镜框区域像素点的空间坐标。
使用搭载激光测距仪的摄像机采集人脸图像，得到待识别人脸图像，首先可以对待识别人脸图像进行去噪处理，其中，去噪处理可以使用高斯滤波或者中值滤波等方法，然后再进行人脸识别，进而可以通过激光测距仪测量的信息计算出人眼中心像素点以及眼镜框区域像素点的空间坐标。
在上述实施例中，通过搭载激光测距仪的摄像机采集待识别人脸图像，并基于激光测距仪的测量信息得到人眼中心像素点以及眼镜框区域像素点的深度信息，有助于得到各像素的空间坐标，为生成与待识别人脸图像对应的眼镜佩戴习惯特征提供了便利。
在得到眼镜框区域像素点的空间坐标之后，即可根据眼镜框区域像素点的空间坐标，计算眼镜的佩戴倾斜角度。例如，根据眼镜框区域至少三个像素点的空间坐标确定眼镜所在平面，进而将眼镜所在平面在三维空间坐标系中的倾斜角度作为眼镜的佩戴倾斜角度。
在本申请的一个可选实施例中，根据所述眼镜框区域像素点的空间坐标，计算所述眼镜的佩戴倾斜角度，可以包括：
确定同一竖直方向上，眼镜框上边界上的第一像素点以及眼镜框下边界上的第二像素点；根据第一像素点和第二像素点的空间坐标，计算眼镜的佩戴倾斜角度。
如图8所示，在三维空间坐标系眼镜框区域中任意确定一个竖直方向(也即与z轴平行的方向)，该竖直方向与眼镜框垂直，将该竖直方向与眼镜框上边界相交的像素点作为第一像素点A，将该竖直方向与眼镜框下边界相交的像素点作为第二像素点B，进而可以将第一像素点A与第二像素点B连线与该竖直方向的夹角作为眼镜的佩戴倾斜角度θ，如图9所示。假设第一像素点A(x1,y1,z1)，第二像素点B(x2,y2,z2)，则眼镜的佩戴倾斜角度：
在上述实施例中，利用眼镜框的刚性特性计算眼镜的佩戴倾斜角度，保证了眼镜佩戴特征的准确性。
在得到人眼中心像素点以及眼镜框区域像素点的空间坐标之后，即可根据眼镜框区域像素点的空间坐标，确定眼镜框中心像素点的空间坐标，并根据人眼中心像素点和眼镜框中心像素点的空间坐标，计算眼镜框中心像素点与人眼中心像素点的空间相对位置。
首先确定眼镜框中心像素点的空间坐标，由于日常中的近视眼镜框形状较为规律，多为椭圆形，如图10所示，可以将眼镜框每部分中最高点最低点连线与最左点最右点连线的交点作为眼镜框中心像素点C。在得到眼镜框中心像素点与人眼中心像素点的空间坐标之后，即可计算二者之间的空间相对位置。
在本申请的一个可选实施例中，根据所述人眼中心像素点和所述眼镜框中心像素点的空间坐标，计算眼镜框中心像素点与人眼中心像素点的空间相对位置，可以具体为：根据人左眼中心像素点和眼镜左框中心像素点的空间坐标，计算眼镜左框中心像素点与人左眼中心像素点的空间相对位置；根据人右眼中心像素点和眼镜右框中心像素点的空间坐标，计算眼镜右框中心像素点与人右眼中心像素点的空间相对位置。
在计算眼镜框中心像素点与人眼中心像素点的空间相对位置时，可以分别计算眼镜左框中心像素点C1与人左眼中心像素点D1的空间相对位置，以及眼镜右框中心像素点C2与人右眼中心像素点D2的空间相对位置(如图11所示)。
假设眼镜左框中心像素点C1(x3,y3,z3)，人左眼中心像素点D1(x4,y4,z4)，则眼镜左框中心像素点C1与人左眼中心像素点D1的空间相对位置为(x′,y′,z′)，其中，x′＝x3-x4，y′＝y3-y4，z′＝z3-z4。
假设眼镜右框中心像素点C2(x5,y5,z5)，人右眼中心像素点D2(x6,y6,z6)，则眼镜右框中心像素点C2与人右眼中心像素点D2的空间相对位置为(x″,y″,z″)，其中，x″＝x5-x6，y″＝y5-y6，z″＝z5-z6。
在上述实施例中，眼镜左框中心像素点与人左眼中心像素点的空间相对位置，以及眼镜右框中心像素点与人右眼中心像素点的空间相对位置，相对比较固定，有助于提高了人脸佩戴眼镜习惯特征的准确性。
在本申请的一个可选实施例中，根据所述人眼中心像素点和所述眼镜框中心像素点的空间坐标，计算眼镜框中心像素点与人眼中心像素点的空间相对位置，可以具体为：根据人左眼中心像素点和眼镜右框中心像素点的空间坐标，计算眼镜右框中心像素点与人左眼中心像素点的空间相对位置；根据人右眼中心像素点和眼镜左框中心像素点的空间坐标，计算眼镜左框中心像素点与人右眼中心像素点的空间相对位置。
这样设置的好处在于，眼镜左框中心像素点与人右眼中心像素点的空间相对位置，以及眼镜右框中心像素点与人左眼中心像素点的空间相对位置，随人眼的转动而变化的幅度较小，也即空间相对位置的变化较小，以此保证了该人脸佩戴眼镜习惯特征的稳定性。
S230、根据眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度和人脸特征点进行人脸识别。
在本申请的一个可选实施例中，在确定所述待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度之后，还包括：
根据眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度构建眼镜佩戴习惯特征向量；对应的，根据眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度和人脸特征点进行人脸识别，包括：
获取眼镜佩戴习惯特征向量的第一权重和人脸特征点的第二权重；基于第一权重和第二权重，根据眼镜佩戴习惯特征向量和人脸特征点进行人脸识别。
构建的眼镜佩戴习惯特征向量，表达式可以如下所示：(x,y,z,θ)，
其中，(x,y,z)表示眼镜框与人脸的空间相对位置。
构建的眼镜佩戴习惯特征向量，表达式还可以如下所示：(x′,y′,z′,x″,y″,z″,θ)；
其中，(x′,y′,z′)和(x″,y″,z″)分别表示眼镜左框中心像素点与人左眼中心像素点的空间相对位置，以及眼镜右框中心像素点与人右眼中心像素点的空间相对位置，或者分别表示根眼镜右框中心像素点与人左眼中心像素点的空间相对位置，眼镜左框中心像素点与人右眼中心像素点的空间相对位置。
眼镜佩戴习惯特征向量和人脸特征点的权重可以根据实际应用情况进行调整，在人脸特征点遮挡比较多的情况下，可以增加眼镜佩戴习惯特征向量的第一权重，减小人脸特征点的第二权重，并基于调整后的权重根据眼镜佩戴习惯特征向量和人脸特征点进行人脸识别。
这样设置的好处在于，根据实际应用场景不同，动态调整眼镜佩戴习惯特征向量和人脸特征点的权重，以此提高了人脸识别的准确率。
在上述技术方案中，提供了眼镜倾斜角度以及眼镜框与人眼之间的空间相对位置信息，以此作为人戴眼镜时的习惯特征，此习惯特征可以应用在现存的大部分人脸识别算法中，有助于现有的人脸识别方法在戴眼镜的人脸场景中进行精准的人脸识别。而且，由于眼镜佩戴习惯特征集中在眼睛的局部区域，因此在戴口罩、戴帽子等人脸场景中进行人脸识别时，本申请实施例提供的技术方案也很具优势。
在一个示例中，图12是本申请实施例提供的一种人脸识别装置的结构示意图，本实施例可适用于在人脸佩戴眼镜场景下进行人脸识别的情况，该装置通过软件和/或硬件实现，并具体配置于电子设备中。该电子设备可以是计算机设备或者移动终端等。
如图12所示的一种人脸识别装置300，包括：图像获取模块310、眼镜佩戴特征确定模块320和人脸识别模块330。其中，
图像获取模块310，用于获取待识别人脸图像；其中，所述待识别人脸图像中人脸上佩戴有眼镜；
眼镜佩戴特征确定模块320，用于确定所述待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度；
人脸识别模块330，用于根据所述眼镜框与人脸的空间相对位置、所述眼镜的佩戴倾斜角度和人脸特征点进行人脸识别。
本申请实施例中，通过确定待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度，以在人脸特征点的基础上，结合眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度这些眼镜佩戴习惯特征进行人脸识别，丰富了人脸佩戴眼镜场景下的人脸识别特征以辅助进行人脸识别，从眼镜倾斜角度以及眼镜框与人脸的相对位置体现个性化的眼镜佩戴习惯差异，进而提高了人脸佩戴眼镜场景下的人脸识别准确率。
可选的，眼镜佩戴特征确定模块320，具体用于确定所述待识别人脸图像中眼镜框中心像素点与人眼中心像素点的空间相对位置。
可选的，眼镜佩戴特征确定模块320，包括：
区域位置检测单元，用于在确定所述待识别人脸图像中眼镜框中心像素点与人眼中心像素点的空间相对位置、眼镜的佩戴倾斜角度之前，检测所述待识别人脸图像中的人眼中心位置以及眼镜框区域位置；
空间坐标确定单元，用于确定所述人眼中心像素点以及眼镜框区域像素点的空间坐标；
眼镜佩戴倾斜角度计算单元，用于根据所述眼镜框区域像素点的空间坐标，计算所述眼镜的佩戴倾斜角度；
眼镜人脸空间相对位置计算单元，用于根据所述眼镜框区域像素点的空间坐标，确定眼镜框中心像素点的空间坐标，并根据所述人眼中心像素点和所述眼镜框中心像素点的空间坐标，计算所述眼镜框中心像素点与所述人眼中心像素点的空间相对位置。
可选的，所述眼镜人脸空间相对位置计算单元，具体用于根据人左眼中心像素点和眼镜左框中心像素点的空间坐标，计算眼镜左框中心像素点与人左眼中心像素点的空间相对位置；根据人右眼中心像素点和眼镜右框中心像素点的空间坐标，计算眼镜右框中心像素点与人右眼中心像素点的空间相对位置。
可选的，所述眼镜人脸空间相对位置计算单元，具体用于根据人左眼中心像素点和眼镜右框中心像素点的空间坐标，计算眼镜右框中心像素点与人左眼中心像素点的空间相对位置；根据人右眼中心像素点和眼镜左框中心像素点的空间坐标，计算眼镜左框中心像素点与人右眼中心像素点的空间相对位置。
可选的，所述眼镜佩戴倾斜角度计算单元，具体用于确定同一竖直方向上，眼镜框上边界上的第一像素点以及眼镜框下边界上的第二像素点；根据所述第一像素点和所述第二像素点的空间坐标，计算所述眼镜的佩戴倾斜角度。
可选的，上述装置还包括：眼镜佩戴习惯特征向量构建模块，用于在确定所述待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度之后，根据所述眼镜框与人脸的空间相对位置、所述眼镜的佩戴倾斜角度构建眼镜佩戴习惯特征向量；
对应的，人脸识别模块330，具体用于获取所述眼镜佩戴习惯特征向量的第一权重和所述人脸特征点的第二权重；基于所述第一权重和所述第二权重，根据所述眼镜佩戴习惯特征向量和所述人脸特征点进行人脸识别。
可选的，图像获取模块310，具体用于获取通过双目相机采集到的待识别人脸图像；对应的，所述空间坐标确定单元，具体用于基于双目测距原理计算所述人眼中心像素点以及眼镜框区域像素点的空间坐标。
可选的，图像获取模块310，具体用于通过搭载激光测距仪的摄像机获取待识别人脸图像；对应的，所述空间坐标确定单元，具体用于通过所述激光测距仪确定所述人眼中心像素点以及眼镜框区域像素点的空间坐标。
上述人脸识别装置可执行本申请任意实施例所提供的人脸识别方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请任意实施例提供的人脸识别方法。
由于上述所介绍的人脸识别装置为可以执行本申请实施例中的人脸识别方法的装置，故而基于本申请实施例中所介绍的人脸识别方法，本领域所属技术人员能够了解本实施例的人脸识别装置的具体实施方式以及其各种变化形式，所以在此对于该人脸识别装置如何实现本申请实施例中的人脸识别方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中人脸识别方法所采用的装置，都属于本申请所欲保护的范围。
在一个示例中，本申请还提供了一种电子设备和一种可读存储介质。
图13是用来实现本申请实施例的人脸识别方法的电子设备的结构示意图。如图13所示，是根据本申请实施例的人脸识别方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图13所示，该电子设备包括：一个或多个处理器410、存储器420，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图13中以一个处理器410为例。
存储器420即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的人脸识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的人脸识别方法。
存储器420作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的人脸识别方法对应的程序指令/模块(例如，附图12所示的图像获取模块310、眼镜佩戴特征确定模块320和人脸识别模块330)。处理器410通过运行存储在存储器420中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的人脸识别方法。
存储器420可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储实现人脸识别方法的电子设备的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器420可选包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至实现人脸识别方法的电子设备。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。
实现人脸方法的电子设备还可以包括：输入装置430和输出装置440。处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接，图13中以通过总线连接为例。
输入装置430可接收输入的数字或字符信息，以及产生与实现人脸识别方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置440可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端可以是智能手机、笔记本电脑、台式计算机、平板电脑、智能音箱等，但并不局限于此。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
本申请实施例中，通过确定待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度，以在人脸特征点的基础上，结合眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度这些眼镜佩戴习惯特征进行人脸识别，丰富了人脸佩戴眼镜场景下的人脸识别特征以辅助进行人脸识别，从眼镜倾斜角度以及眼镜框与人脸的相对位置体现个性化的眼镜佩戴习惯差异，进而提高了人脸佩戴眼镜场景下的人脸识别准确率。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (14)
1.一种人脸识别方法，包括：
获取待识别人脸图像；其中，所述待识别人脸图像中人脸上佩戴有眼镜；
检测所述待识别人脸图像中的人眼中心位置以及眼镜框区域位置；
确定人眼中心像素点以及眼镜框区域像素点的空间坐标；
确定同一竖直方向上，眼镜框上边界上的第一像素点以及眼镜框下边界上的第二像素点；
根据所述第一像素点和所述第二像素点的空间坐标，计算所述眼镜的佩戴倾斜角度；
根据眼镜框区域像素点的空间坐标，确定眼镜框中心像素点的空间坐标，并根据所述人眼中心像素点和所述眼镜框中心像素点的空间坐标，计算所述眼镜框中心像素点与所述人眼中心像素点的空间相对位置；
根据所述眼镜框与人脸的空间相对位置、所述眼镜的佩戴倾斜角度和人脸特征点进行人脸识别。
2.根据权利要求1所述的方法，其中，根据所述人眼中心像素点和所述眼镜框中心像素点的空间坐标，计算所述眼镜框中心像素点与所述人眼中心像素点的空间相对位置，包括：
根据人左眼中心像素点和眼镜左框中心像素点的空间坐标，计算眼镜左框中心像素点与人左眼中心像素点的空间相对位置；
根据人右眼中心像素点和眼镜右框中心像素点的空间坐标，计算眼镜右框中心像素点与人右眼中心像素点的空间相对位置。
3.根据权利要求1所述的方法，其中，根据所述人眼中心像素点和所述眼镜框中心像素点的空间坐标，计算所述眼镜框中心像素点与所述人眼中心像素点的空间相对位置，包括：
根据人左眼中心像素点和眼镜右框中心像素点的空间坐标，计算眼镜右框中心像素点与人左眼中心像素点的空间相对位置；
根据人右眼中心像素点和眼镜左框中心像素点的空间坐标，计算眼镜左框中心像素点与人右眼中心像素点的空间相对位置。
4.根据权利要求1所述的方法，其中，在确定所述待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度之后，还包括：
根据所述眼镜框与人脸的空间相对位置、所述眼镜的佩戴倾斜角度构建眼镜佩戴习惯特征向量；
根据所述眼镜框与人脸的空间相对位置、所述眼镜的佩戴倾斜角度和人脸特征点进行人脸识别，包括：
获取所述眼镜佩戴习惯特征向量的第一权重和所述人脸特征点的第二权重；
基于所述第一权重和所述第二权重，根据所述眼镜佩戴习惯特征向量和所述人脸特征点进行人脸识别。
5.根据权利要求1所述的方法，其中，所述获取待识别人脸图像，包括：
获取通过双目相机采集到的待识别人脸图像；
确定所述人眼中心像素点以及眼镜框区域像素点的空间坐标，包括：
基于双目测距原理计算所述人眼中心像素点以及眼镜框区域像素点的空间坐标。
6.根据权利要求1所述的方法，其中，所述获取待识别人脸图像，包括：
通过搭载激光测距仪的摄像机获取待识别人脸图像；
确定所述人眼中心像素点以及眼镜框区域像素点的空间坐标，包括：
通过所述激光测距仪确定所述人眼中心像素点以及眼镜框区域像素点的空间坐标。
7.一种人脸识别装置，包括：
图像获取模块，用于获取待识别人脸图像；其中，所述待识别人脸图像中人脸上佩戴有眼镜；
眼镜佩戴特征确定模块，具体用于确定所述待识别人脸图像中眼镜框中心像素点与人眼中心像素点的空间相对位置、眼镜的佩戴倾斜角度；
人脸识别模块，用于根据所述眼镜框与人脸的空间相对位置、所述眼镜的佩戴倾斜角度和人脸特征点进行人脸识别；
其中，所述眼镜佩戴特征确定模块，包括：
区域位置检测单元，用于在确定所述待识别人脸图像中眼镜框中心像素点与人眼中心像素点的空间相对位置、眼镜的佩戴倾斜角度之前，检测所述待识别人脸图像中的人眼中心位置以及眼镜框区域位置；
空间坐标确定单元，用于确定所述人眼中心像素点以及眼镜框区域像素点的空间坐标；
眼镜佩戴倾斜角度计算单元，具体用于确定同一竖直方向上，眼镜框上边界上的第一像素点以及眼镜框下边界上的第二像素点；根据所述第一像素点和所述第二像素点的空间坐标，计算所述眼镜的佩戴倾斜角度；
眼镜人脸空间相对位置计算单元，用于根据眼镜框区域像素点的空间坐标，确定眼镜框中心像素点的空间坐标，并根据所述人眼中心像素点和所述眼镜框中心像素点的空间坐标，计算所述眼镜框中心像素点与所述人眼中心像素点的空间相对位置。
8.根据权利要求7所述的装置，其中，所述眼镜人脸空间相对位置计算单元，具体用于根据人左眼中心像素点和眼镜左框中心像素点的空间坐标，计算眼镜左框中心像素点与人左眼中心像素点的空间相对位置；根据人右眼中心像素点和眼镜右框中心像素点的空间坐标，计算眼镜右框中心像素点与人右眼中心像素点的空间相对位置。
9.根据权利要求7所述的装置，其中，所述眼镜人脸空间相对位置计算单元，具体用于根据人左眼中心像素点和眼镜右框中心像素点的空间坐标，计算眼镜右框中心像素点与人左眼中心像素点的空间相对位置；根据人右眼中心像素点和眼镜左框中心像素点的空间坐标，计算眼镜左框中心像素点与人右眼中心像素点的空间相对位置。
10.根据权利要求7所述的装置，其中，还包括：眼镜佩戴习惯特征向量构建模块，用于在确定所述待识别人脸图像中眼镜框与人脸的空间相对位置、眼镜的佩戴倾斜角度之后，根据所述眼镜框与人脸的空间相对位置、所述眼镜的佩戴倾斜角度构建眼镜佩戴习惯特征向量；
对应的，所述人脸识别模块，具体用于获取所述眼镜佩戴习惯特征向量的第一权重和所述人脸特征点的第二权重；基于所述第一权重和所述第二权重，根据所述眼镜佩戴习惯特征向量和所述人脸特征点进行人脸识别。
11.根据权利要求7所述的装置，其中，所述图像获取模块，具体用于获取通过双目相机采集到的待识别人脸图像；
对应的，所述空间坐标确定单元，具体用于基于双目测距原理计算所述人眼中心像素点以及眼镜框区域像素点的空间坐标。
12.根据权利要求7所述的装置，其中，所述图像获取模块，具体用于通过搭载激光测距仪的摄像机获取待识别人脸图像；
对应的，所述空间坐标确定单元，具体用于通过所述激光测距仪确定所述人眼中心像素点以及眼镜框区域像素点的空间坐标。
13. 一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011003231.XA CN112101261B (zh) | 2020-09-22 | 2020-09-22 | 人脸识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011003231.XA CN112101261B (zh) | 2020-09-22 | 2020-09-22 | 人脸识别方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112101261A CN112101261A (zh) | 2020-12-18 |
| CN112101261B true CN112101261B (zh) | 2023-12-26 |
Family
ID=73755871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011003231.XA Active CN112101261B (zh) | 2020-09-22 | 2020-09-22 | 人脸识别方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112101261B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113506279B (zh) * | 2021-07-22 | 2024-07-02 | 浙江大华技术股份有限公司 | 对象倾斜角度的确定方法、装置、存储介质及电子装置 |
| CN115761866A (zh) * | 2022-09-23 | 2023-03-07 | 深圳市欧瑞博科技股份有限公司 | 用户智能识别方法、电子设备及存储介质 |
| CN117894091A (zh) * | 2024-02-23 | 2024-04-16 | 江西远格科技有限公司 | 一种铁路行业人脸考勤方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101373274B1 (ko) * | 2012-11-08 | 2014-03-11 | 주식회사 크라스아이디 | 안경 제거를 통한 얼굴 인식 방법 및 상기 안경 제거를 통한 얼굴 인식 방법을 이용한 얼굴 인식 장치 |
| KR101388236B1 (ko) * | 2013-01-31 | 2014-04-23 | 윤영기 | 카메라 안경을 이용한 안면 인식 시스템 |
| CN107644228A (zh) * | 2017-09-21 | 2018-01-30 | 联想(北京)有限公司 | 图像处理方法 |
| CN107808120A (zh) * | 2017-09-30 | 2018-03-16 | 平安科技（深圳）有限公司 | 眼镜定位方法、装置及存储介质 |
| CN107918771A (zh) * | 2017-12-07 | 2018-04-17 | 河北工业大学 | 人物识别方法和佩戴式人物识别系统 |
| CN109858368A (zh) * | 2018-12-29 | 2019-06-07 | 浙江工业大学 | 一种基于Rosenbrock-PSO的人脸识别攻击防御方法 |
| CN110569826A (zh) * | 2019-09-18 | 2019-12-13 | 深圳市捷顺科技实业股份有限公司 | 一种人脸识别方法、装置、设备及介质 |
| CN110705337A (zh) * | 2018-07-10 | 2020-01-17 | 普天信息技术有限公司 | 一种针对眼镜遮挡的人脸识别方法及装置 |
| CN111008569A (zh) * | 2019-11-08 | 2020-04-14 | 浙江工业大学 | 一种基于人脸语义特征约束卷积网络的眼镜检测方法 |
-
2020
- 2020-09-22 CN CN202011003231.XA patent/CN112101261B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101373274B1 (ko) * | 2012-11-08 | 2014-03-11 | 주식회사 크라스아이디 | 안경 제거를 통한 얼굴 인식 방법 및 상기 안경 제거를 통한 얼굴 인식 방법을 이용한 얼굴 인식 장치 |
| KR101388236B1 (ko) * | 2013-01-31 | 2014-04-23 | 윤영기 | 카메라 안경을 이용한 안면 인식 시스템 |
| CN107644228A (zh) * | 2017-09-21 | 2018-01-30 | 联想(北京)有限公司 | 图像处理方法 |
| CN107808120A (zh) * | 2017-09-30 | 2018-03-16 | 平安科技（深圳）有限公司 | 眼镜定位方法、装置及存储介质 |
| CN107918771A (zh) * | 2017-12-07 | 2018-04-17 | 河北工业大学 | 人物识别方法和佩戴式人物识别系统 |
| CN110705337A (zh) * | 2018-07-10 | 2020-01-17 | 普天信息技术有限公司 | 一种针对眼镜遮挡的人脸识别方法及装置 |
| CN109858368A (zh) * | 2018-12-29 | 2019-06-07 | 浙江工业大学 | 一种基于Rosenbrock-PSO的人脸识别攻击防御方法 |
| CN110569826A (zh) * | 2019-09-18 | 2019-12-13 | 深圳市捷顺科技实业股份有限公司 | 一种人脸识别方法、装置、设备及介质 |
| CN111008569A (zh) * | 2019-11-08 | 2020-04-14 | 浙江工业大学 | 一种基于人脸语义特征约束卷积网络的眼镜检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| Face recognition using Laplacianfaces;Xiaofei He等;《IEEE Transactions on Pattern Analysis and Machine Intelligence》;第27卷(第3期);全文 * |
| 一种快速眼睛定位与人脸平面旋转校正方法;王科俊;邹国锋;傅桂霞;原蕾;;计算机辅助设计与图形学学报(06);全文 * |
| 智能会议系统中的人脸识别;高翔;朱秋煜;;工业控制计算机(07);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112101261A (zh) | 2020-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112101261B (zh) | 人脸识别方法、装置、设备及存储介质 | |
| JP7109655B2 (ja) | 眼鏡用仮想試着システム及び方法 | |
| EP3195595B1 (en) | Technologies for adjusting a perspective of a captured image for display | |
| CN113361349B (zh) | 人脸活体检测方法、装置、电子设备和存储介质 | |
| CN111783605B (zh) | 一种人脸图像识别方法、装置、设备及存储介质 | |
| KR20160146861A (ko) | 얼굴 표정 추적 | |
| CN112771438B (zh) | 利用二维输入选择对三维深度图像进行深度雕塑 | |
| JPWO2014128773A1 (ja) | ジェスチャ登録装置、ジェスチャ登録プログラムおよびジェスチャ登録方法 | |
| CN108513668A (zh) | 图片处理方法和装置 | |
| KR101628493B1 (ko) | 안경 착용자의 시선 추적 장치 및 그 방법 | |
| CN111738241B (zh) | 基于双摄像头的瞳孔检测方法及装置 | |
| JP2018084954A (ja) | プログラム、姿勢導出方法、姿勢導出装置 | |
| JP2018205819A (ja) | 注視位置検出用コンピュータプログラム、注視位置検出装置及び注視位置検出方法 | |
| WO2020068407A1 (en) | Separable distortion disparity determination | |
| CN115239888B (zh) | 用于重建三维人脸图像的方法、装置、电子设备和介质 | |
| JP2022133133A (ja) | 生成装置、生成方法、システム、およびプログラム | |
| CN114690900A (zh) | 一种虚拟场景中的输入识别方法、设备及存储介质 | |
| CN110503068A (zh) | 视线估计方法、终端及存储介质 | |
| Perra et al. | Adaptive eye-camera calibration for head-worn devices | |
| JPWO2020044916A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| CN108764135B (zh) | 图像生成方法、装置，及电子设备 | |
| CN113553905A (zh) | 图像识别方法、装置及系统 | |
| CN111970452B (zh) | 调整焦距的方法、装置、设备以及存储介质 | |
| US20230144111A1 (en) | A method for generating a 3d model | |
| CN105335115A (zh) | 头戴式视线跟踪装置 |
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 |