CN112132067B - 一种基于压缩信息的人脸倾斜度分析方法、系统及设备 - Google Patents
一种基于压缩信息的人脸倾斜度分析方法、系统及设备 Download PDFInfo
- Publication number
- CN112132067B CN112132067B CN202011031164.2A CN202011031164A CN112132067B CN 112132067 B CN112132067 B CN 112132067B CN 202011031164 A CN202011031164 A CN 202011031164A CN 112132067 B CN112132067 B CN 112132067B
- Authority
- CN
- China
- Prior art keywords
- face
- pending
- block
- detection
- face detection
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 347
- 210000000697 sensory organ Anatomy 0.000 claims abstract description 123
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000006835 compression Effects 0.000 claims abstract description 7
- 238000007906 compression Methods 0.000 claims abstract description 7
- 210000000056 organ Anatomy 0.000 claims description 48
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 claims description 37
- 230000001815 facial effect Effects 0.000 claims description 18
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims description 8
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种基于压缩信息的人脸倾斜度分析方法、系统及设备。本发明方法首先利用视频码流中图像块的划分并结合肤色及五官的特性,进行人脸倾斜度分析的辅助定位,然后根据辅助定位确定人脸的倾斜度。本方法通过对视频压缩信息的二次利用,可用较少的计算量实现人脸倾斜角度分析,提升人脸检测系统准确率。
Description
技术领域
本发明涉及视频编解码技术领域,尤其涉及一种基于压缩信息的人脸倾斜度分析方法、系统及设备。
背景技术
人脸识别、视频美颜是新兴的两大视频应用。实际应用中,人脸不会总是处于正面不歪头。由于个人的习惯及美化的需求,往往会存在侧面,倾斜等情况。若按照正常的模式不加以区分,会影响人脸检测识别的准确度。人脸检测不准确,自然就无法达到好的人像美颜效果。
发明内容
本发明实施例的目的在于提供一种基于压缩信息的人脸倾斜度分析方法、系统及设备,旨在解决现有技术人脸检测识别的准确度低的问题。
本发明实施例的第一目的在于提供一种基于压缩信息的人脸倾斜度分析方法,所述方法包括:
Step1:创建当前帧第一检测区域;
Step2:判断是否所述第一检测区域为非空,若是,则进入Step3;否则,进入Step6;
Step3:对第一检测区域内块进行肤色检测,根据肤色检测划定当前待定人脸检测集并更新第一检测区域;
Step4:对所述当前待定人脸检测集进行人脸检测,排除非人脸当前待定人脸检测集,确定五官待定集及其侧面模式;
Step5:根据五官待定集的侧面模式,对未判定为非人脸的当前待定人脸检测集进行辅助定位,确定人脸倾斜度,然后重回Step2;
Step6:判断是否当前帧的下一帧存在,若存在,则将当前帧的下一帧设置为当前帧,然后进入Step7;否则,则结束;
Step7:判断当前帧I块数量是否满足第一阈值条件,若满足第一阈值条件,则重回Step1。
进一步地,当不满足第一阈值条件时,则进入Step8;
Step8:创建当前帧第二检测区域;
Step9:对当前帧第二检测区域进行新增人脸辅助定位,确定人脸倾斜度。
本发明实施例的第二目的在于提供一种基于压缩信息的人脸倾斜度分析系统。所述系统包括:
第一检测区域创建模块,用于创建当前帧第一检测区域;
第一判断处理模块,用于判断是否所述第一检测区域为非空,若是,则进入待定人脸检测集划分及第一检测区域更新模块;否则,进入第二判断处理模块;
待定人脸检测集划分及第一检测区域更新模块,用于对第一检测区域内块进行肤色检测,根据肤色检测划定当前待定人脸检测集并更新第一检测区域;
第一人脸检测装置,用于对所述当前待定人脸检测集进行人脸检测,排除非人脸当前待定人脸检测集,确定五官待定集及其侧面模式;
第一人脸倾斜度确定装置,用于根据五官待定集的侧面模式,对未判定为非人脸的当前待定人脸检测集进行辅助定位,确定人脸倾斜度,然后重回第一判断处理模块;
第二判断处理模块,用于判断是否当前帧的下一帧存在,若存在,则将当前帧的下一帧设置为当前帧,然后进入第一阈值条件判断处理模块;否则,则结束;
第一阈值条件判断处理模块,用于判断当前帧I块数量是否满足第一阈值条件,若满足第一阈值条件,则重回第一检测区域创建模块。
进一步地,所述系统包括:
当不满足第一阈值条件时,则进入第二检测区域创建模块;
第二检测区域创建模块,用于创建当前帧第二检测区域;
新增人脸倾斜度确定装置,用于对当前帧第二检测区域,进行新增人脸辅助定位,确定人脸倾斜度。
本发明实施例的第三目的在于提供一种设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述基于压缩信息的人脸倾斜度分析方法的步骤。
本发明的有益效果
本发明提出一种基于压缩信息的人脸倾斜度分析方法、系统及设备。本发明方法首先利用视频码流中图像块的划分并结合肤色及五官的特性,进行人脸倾斜度分析的辅助定位,然后根据辅助定位确定人脸的倾斜度。本方法通过对视频压缩信息的二次利用,可用较少的计算量实现人脸倾斜角度分析,提升人脸检测系统准确率。
附图说明
图1是本发明实施例提供的一种基于压缩信息的人脸倾斜度分析方法流程图;
图2是图1中Step4的方法流程图;
图3是图1中Step9的方法流程图;
图4是本发明实施例提供的一种基于压缩信息的人脸倾斜度分析系统结构图;
图5是图4中第一人脸检测装置详细结构图;
图6是图4中新增人脸倾斜度确定装置详细结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明,为了便于说明,仅示出了与本发明实施例相关的部分。应当理解,此处所描写的具体实施例,仅仅用于解释本发明,并不用以限制本发明,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,还可以根据本发明实施例获得其他的等同实施例。
本发明提出一种基于压缩信息的人脸倾斜度分析方法、系统及设备。本发明方法首先利用视频码流中图像块的划分并结合肤色及五官的特性,进行人脸倾斜度分析的辅助定位,然后根据辅助定位确定人脸的倾斜度。本方法通过对视频压缩信息的二次利用,可用较少的计算量实现人脸倾斜角度分析,提升人脸检测系统准确率。
图1是本发明实施例提供的一种基于压缩信息的人脸倾斜度分析方法流程图;所述方法包括:
Step1:创建当前帧第一检测区域;
将当前帧中划分为基本块的块中,属于非边界、非孤立块的块作为第一检测区域;其中,所述基本块表示当前视频压缩所使用编码标准允许的最大划分块,当前帧初始值为视频第一帧。
Step2:判断是否所述第一检测区域为非空,若是,则进入Step3;否则,进入Step6。
Step3:对第一检测区域内块进行肤色检测,根据肤色检测划定当前待定人脸检测集并更新第一检测区域;
本发明实施例中,若检测到肤色块,则停止肤色检测,记所述肤色块为当前肤色标识块,接着将第一检测区域内所有与当前肤色标识块连通的块及当前肤色标识块划入当前待定人脸检测集;再接着将所述当前待定人脸检测集对应块从第一检测区域内删除,获取更新后的第一检测区域;然后进入Step4。若检测到非肤色块,则将所述非肤色块从第一检测区域删除,然后重回Step2;
所述肤色检测法为本技术领域常规的方法,在此不再赘述。
Step4:对所述当前待定人脸检测集进行人脸检测,排除非人脸当前待定人脸检测集,确定五官待定集及其侧面模式。
图2是图1中Step4的方法流程图;包括:
S41:根据所述当前待定人脸检测集包围区域的内侧与第一检测区域的块包含关系,对所述当前待定人脸检测集进行非人脸排除,并划定五官待定集;
具体为:若所述当前待定人脸检测集合包围区域的内侧的块均属于第一检测区域,则判定所述当前待定人脸检测集为非人脸,重回Step2;否则,将所述当前待定人脸检测集包围区域内侧不属于第一检测区域的块,按其连通性划分为若干连通块子集,将每个连通块子集作为一个五官待定集。
S42:判断五官待定集数量是否满足第一条件,对满足第一条件的当前待定人脸检测集进行非人脸排除;对不满足第一条件的五官待定集,进行侧面模式判定。
所述侧面模式包括非完全侧面模式和完全侧面模式,所述完全侧面模式包括完全左侧面和完全右侧面模式;
包括以下步骤:
首先,标注每个五官待定集的行号,即用每个五官待定集内具有最小行号块对应的块行号,作为每个五官待定集的行号;
接着,判断五官待定集数量是否满足第一条件,若五官待定集数量满足第一条件,则判定所述当前待定人脸检测集为非人脸,重回Step2;
若五官待定集数量不满足第一条件,则进一步判断是否五官待定集总数大于单侧五官数量;若五官待定集总数大于单侧五官数量,则标识五官待定集为非完全侧面模式,进入S43;否则,若五官待定集总数小于等于单侧五官数量,则标识五官待定集为完全侧面模式,进一步判断是否五官待定集多分布于当前待定人脸检测集左侧;若五官待定集多分布于当前待定人脸检测集左侧,则标识五官待定集为完全左侧面模式,进入S43;若五官待定集多分布于当前待定人脸检测集右侧,则标识五官待定集为完全右侧面模式,进入S43。
五官待定集多分布于当前待定人脸检测集左侧:位于当前待定人脸检测集左侧的五官待定集多于位于当前待定人脸检测集右侧的五官待定集;
五官待定集多分布于当前待定人脸检测集右侧:位于当前待定人脸检测集右侧的五官待定集多于位于当前待定人脸检测集左侧的五官待定集;
第一条件:五官待定集总数小于单侧五官数量或者具有最小行号的五官待定集数量小于具有非最小行号的五官待定集数量;
S43:根据五官待定集位于当前待定人脸检测集内的外邻接块是否为肤色块,对所述当前待定人脸检测集进行非人脸排除。
具体为:对每个五官待定集位于当前待定人脸检测集内的外邻接块进行肤色检测,若所述外邻接块均为肤色块,则进入Step5;否则,判定当前待定人脸检测集为非人脸,重回Step2。
Step5:根据五官待定集的侧面模式,对未判定为非人脸的当前待定人脸检测集进行辅助定位,确定人脸倾斜度,然后重回Step2。具体如下:
Case1:五官待定集为非完全侧面模式
步骤A1,根据五官待定集划定备选辅助待定集;
具体为:除了最大行号、次最大行号五官待定集外,将其余五官待定集按其行号升序依次划入备选辅助待定集;
步骤A2,若所述备选辅助待定集满足第二条件,则根据满足第二条件的备选辅助待定集划定第一辅助定位集、第二辅助定位集;
具体为:依次对所述备选辅助待定集进行判定,若所述备选辅助待定集满足第二条件,则将具有最小行号、次最小行号的备选辅助待定集确定为第一辅助定位集、第二辅助定位集,进入步骤A3;
第二条件:至少存在两个备选辅助待定集满足abs(kmax1-kmax2)>Thres;
其中,Thres表示门限阈值,一般可取Thres>50;kmax1、kmax2分别表示备选辅助待定集亮度值分布最大值对应的亮度值、亮度值分布次最大值对应的亮度值。
可选地,本发明另一实施例中,若所述备选辅助待定集不满足第二条件,则判定当前待定人脸检测集为非人脸,重回Step2。
步骤A3,根据第一辅助定位集、第二辅助定位集,计算人脸倾斜度;
人脸倾斜度
其中,(i5,j5)、(i6,j6)分别表示第一辅助定位集、第二辅助定位集中心的行列号。
Case2:五官待定集为完全侧面模式
步骤B1,根据五官待定集划定备选辅助待定集;
具体为:除了最小行号、次最小行号五官待定集外,将其余五官待定集按其行号降序依次划入备选辅助待定集;
步骤B2:依次对备选辅助待定集进行唇部色度判定,将满足唇部色度条件的备选辅助待定集划定为辅助定位集,进入步骤B3;
可选地,本发明另一实施例中,若不存在满足唇部色度条件的备选辅助待定集,则判定当前待定人脸检测集为非人脸,重回Step2。
唇部色度条件:sum(sign(bpk)|bpk∈Ωi)>num(Ωi)*Thres2;
其中,Ωi表示备选辅助待定集的第i个元素(即第i个备选辅助待定集);sum(变量|条件)表示对满足条件的变量求和;num(Ωi)表示Ωi包含的预测块数量;Thres2表示门限阈值,一般Thres2≥0.9;
条件1:um<128且vm>128且vm+um>256;
条件2:um>128且vm>128且vm>um;
条件3:um=128且vm=128且(ym≤50或者ym≥180);ym、um、vm分别表示预测块bpk的亮度均值、U色度均值、V色度均值;
本发明实施例中,唇部色度判定方法还可采用本技术领域常规的唇部色度判定方法,在此不再赘述。
步骤B3:根据所述辅助定位集,计算人脸倾斜度:
步骤B31:找到辅助定位集中具有最小列号的块列,定位该块列的中间块,记为第一中间块gmb(i1,j1);找到辅助定位集中具有最大列号的块列,定位该块列的中间块,记为第二中间块gmb(i2,j2);找到辅助定位集中具有最小行号的块行,定位该块行的中间块,记为第三中间块gmb(i3,j3)。
步骤B32:计算人脸倾斜度θ,
其中,i1,j1分别表示第一中间块的行、列号;i2,j2分别表示第二中间块的行、列号;i3,j3分别表示第三中间块的行、列号;
Step6:判断是否当前帧的下一帧存在,若存在,则将当前帧的下一帧设置为当前帧,然后进入Step7;否则,则结束。
Step7:判断当前帧I块数量是否满足第一阈值条件,若满足第一阈值条件,则重回Step1;
可选地,本发明另一实施例中,当不满足第一阈值条件时,则进入Step8;
第一阈值条件:numI>ThresI;
其中,numI表示当前帧I块数量;ThresI表示I块门限阈值,一般ThresI>0.8*numb,numb表示当前帧块的数量。
Step8:创建当前帧第二检测区域;
本发明实施例中,将当前帧中划分为最大块中属于非边界、非孤立块的帧内预测块作为第二检测区域;
Step9:对当前帧第二检测区域,进行新增人脸辅助定位,确定人脸倾斜度。
图3是图1中Step9的方法流程图;包括:
S91:按块的连通性,将当前帧第二检测区域划分为若干连通块子集,将每一个连通块子集作为一个待定新增人脸检测集。
S92:对所述待定新增人脸检测集进行人脸检测,排除非人脸待定新增人脸检测集,确定新增五官待定集及其侧面模式。
本发明步骤的人脸检测方法与前文Step4的方法相同(即将Step4中的“当前待定人脸检测集”替换为“待定新增人脸检测集”;“第一检测区域”替换为“第二检测区域”;“五官待定集”替换为“新增五官待定集”);若判定为非人脸,则进入S94,否则,进入S93(即将Step4中的“重回Step2”替换为“进入S94”,将“进入Step5”替换为“进入S93”)。
S93:根据新增五官待定集的侧面模式,对未判定为非人脸的待定新增人脸检测集进行辅助定位,确定人脸倾斜度;
本发明步骤方法与前文Step5的方法相同,(即将Step5中的“当前待定人脸检测集”替换为“待定新增人脸检测集”;“五官待定集”替换为“新增五官待定集”);
S94:判断是否还存在未进行人脸检测的待定新增人脸检测集,若存在,则任选一个未检测的待定新增人脸检测集重回S92;若不存在,则返回Step6。
对应于上文实施例所述的基于压缩信息的人脸倾斜度分析方法,图4是本发明实施例提供的一种基于压缩信息的人脸倾斜度分析系统结构图,包括:
第一检测区域创建模块,用于创建当前帧第一检测区域;
第一判断处理模块,用于判断是否所述第一检测区域为非空,若是,则进入待定人脸检测集划分及第一检测区域更新模块;否则,进入第二判断处理模块。
待定人脸检测集划分及第一检测区域更新模块,用于对第一检测区域内块进行肤色检测,根据肤色检测划定当前待定人脸检测集并更新第一检测区域;
第一人脸检测装置,用于对所述当前待定人脸检测集进行人脸检测,排除非人脸当前待定人脸检测集,确定五官待定集及其侧面模式。
第一人脸倾斜度确定装置,用于根据五官待定集的侧面模式,对未判定为非人脸的当前待定人脸检测集进行辅助定位,确定人脸倾斜度,然后重回第一判断处理模块。
第二判断处理模块,用于判断是否当前帧的下一帧存在,若存在,则将当前帧的下一帧设置为当前帧,然后进入第一阈值条件判断处理模块;否则,则结束。
第一阈值条件判断处理模块,用于判断当前帧I块数量是否满足第一阈值条件,若满足第一阈值条件,则重回第一检测区域创建模块;
可选地,本发明另一实施例中,当不满足第一阈值条件时,则进入第二检测区域创建模块;
第二检测区域创建模块,用于创建当前帧第二检测区域;
新增人脸倾斜度确定装置,用于对当前帧第二检测区域,进行新增人脸辅助定位,确定人脸倾斜度。
进一步地,第一检测区域创建模块中,所述创建当前帧第一检测区域具体为:将当前帧中划分为基本块的块中,属于非边界、非孤立块的块作为第一检测区域;其中,所述基本块表示当前视频压缩所使用编码标准允许的最大划分块,当前帧初始值为视频第一帧。
进一步地,待定人脸检测集划分及第一检测区域更新模块中,若检测到肤色块,则停止肤色检测,记所述肤色块为当前肤色标识块,接着将第一检测区域内所有与当前肤色标识块连通的块及当前肤色标识块划入当前待定人脸检测集;再接着将所述当前待定人脸检测集对应块从第一检测区域内删除,获取更新后的第一检测区域;然后进入第一人脸检测装置。若检测到非肤色块,则将所述非肤色块从第一检测区域删除,然后重回第一判断处理模块;
进一步地,图5是图4中第一人脸检测装置详细结构图;第一人脸检测装置包括:
一级非人脸排除及五官待定集划分模块,用于根据所述当前待定人脸检测集包围区域的内侧与第一检测区域的块包含关系,对所述当前待定人脸检测集进行非人脸排除,并划定五官待定集;
具体为:若所述当前待定人脸检测集合包围区域的内侧的块均属于第一检测区域,则判定所述当前待定人脸检测集为非人脸,重回第一判断处理模块;否则,将所述当前待定人脸检测集包围区域内侧不属于第一检测区域的块,按其连通性划分为若干连通块子集,将每个连通块子集作为一个五官待定集。
二级非人脸排除及侧面模式判定模块,用于判断五官待定集数量是否满足第一条件,对满足第一条件的当前待定人脸检测集进行非人脸排除;对不满足第一条件的五官待定集,进行侧面模式判定。
所述侧面模式包括非完全侧面模式和完全侧面模式,所述完全侧面模式包括完全左侧面和完全右侧面模式;
所述二级非人脸排除及侧面模式判定模块进一步包括:
五官待定集行号标注模块,用于标注每个五官待定集的行号,即用每个五官待定集内具有最小行号块对应的块行号,作为每个五官待定集的行号;
五官待定集数量条件判断处理模块,用于判断五官待定集数量是否满足第一条件,若五官待定集数量满足第一条件,则判定所述当前待定人脸检测集为非人脸,重回第一判断处理模块;若五官待定集数量不满足第一条件,则进一步判断是否五官待定集总数大于单侧五官数量;若五官待定集总数大于单侧五官数量,则标识五官待定集为非完全侧面模式,进入三级非人脸排除模块;否则,若五官待定集总数小于等于单侧五官数量,则标识五官待定集为完全侧面模式,进一步判断是否五官待定集多分布于当前待定人脸检测集左侧;若五官待定集多分布于当前待定人脸检测集左侧,则标识五官待定集为完全左侧面模式,进入三级非人脸排除模块;若五官待定集多分布于当前待定人脸检测集右侧,则标识五官待定集为完全右侧面模式,进入三级非人脸排除模块。
五官待定集多分布于当前待定人脸检测集左侧:位于当前待定人脸检测集左侧的五官待定集多于位于当前待定人脸检测集右侧的五官待定集;
五官待定集多分布于当前待定人脸检测集右侧:位于当前待定人脸检测集右侧的五官待定集多于位于当前待定人脸检测集左侧的五官待定集;
第一条件:五官待定集总数小于单侧五官数量或者具有最小行号的五官待定集数量小于具有非最小行号的五官待定集数量;
三级非人脸排除模块,用于根据五官待定集位于当前待定人脸检测集内的外邻接块是否为肤色块,对所述当前待定人脸检测集进行非人脸排除。
具体为:对每个五官待定集位于当前待定人脸检测集内的外邻接块进行肤色检测,若所述外邻接块均为肤色块,则进入第一人脸倾斜度确定装置;否则,判定当前待定人脸检测集为非人脸,重回第一判断处理模块。
进一步地,所述第一人脸倾斜度确定装置进一步包括非完全侧面模式人脸倾斜度确定模块和完全侧面模式人脸倾斜度确定模块,
非完全侧面模式人脸倾斜度确定模块,用于对五官待定集为非完全侧面模式的当前待定人脸检测集进行辅助定位,确定人脸倾斜度;
完全侧面模式人脸倾斜度确定模块,用于对五官待定集为完全侧面模式的当前待定人脸检测集进行辅助定位,确定人脸倾斜度;
所述非完全侧面模式人脸倾斜度确定模块进一步包括:
第一备选辅助待定集划定模块,用于根据五官待定集划定备选辅助待定集;具体为:除了最大行号、次最大行号五官待定集外,将其余五官待定集按其行号升序依次划入备选辅助待定集;
第一、第二辅助定位集划定模块,用于若所述备选辅助待定集满足第二条件,则根据满足第二条件的备选辅助待定集划定第一辅助定位集、第二辅助定位集;
具体为:依次对所述备选辅助待定集进行判定,若所述备选辅助待定集满足第二条件,则将具有最小行号、次最小行号的备选辅助待定集确定为第一辅助定位集、第二辅助定位集,进入第一人脸倾斜度计算模块;
第二条件:至少存在两个备选辅助待定集满足abs(kmax1-kmax2)>Thres;
其中,Thres表示门限阈值,一般可取Thres>50;kmax1、kmax2分别表示备选辅助待定集亮度值分布最大值对应的亮度值、亮度值分布次最大值对应的亮度值。
可选地,本发明另一实施例中,若所述备选辅助待定集不满足第二条件,则判定当前待定人脸检测集为非人脸,重回第一判断处理模块。
第一人脸倾斜度计算模块,用于根据第一辅助定位集、第二辅助定位集,计算人脸倾斜度;
人脸倾斜度
其中,(i5,j5)、(i6,j6)分别表示第一辅助定位集、第二辅助定位集中心的行列号。
所述完全侧面模式人脸倾斜度确定模块进一步包括:
第二备选辅助待定集划定模块,用于根据五官待定集划定备选辅助待定集;
具体为:除了最小行号、次最小行号五官待定集外,将其余五官待定集按其行号降序依次划入备选辅助待定集;
第三辅助定位集划定模块,用于依次对备选辅助待定集进行唇部色度判定,将满足唇部色度条件的备选辅助待定集划定为辅助定位集,进入第二人脸倾斜度计算模块;
可选地,本发明另一实施例中,若不存在满足唇部色度条件的备选辅助待定集,则判定当前待定人脸检测集为非人脸,重回第一判断处理模块。
唇部色度条件:sum(sign(bpk)|bpk∈Ωi)>num(Ωi)*Thres2;
其中,Ωi表示备选辅助待定集的第i个元素(即第i个备选辅助待定集);sum(变量|条件)表示对满足条件的变量求和;num(Ωi)表示Ωi包含的预测块数量;Thres2表示门限阈值,一般Thres2≥0.9;
条件1:um<128且vm>128且vm+um>256;
条件2:um>128且vm>128且vm>um;
条件3:um=128且vm=128且(ym≤50或者ym≥180);ym、um、vm分别表示预测块bpk的亮度均值、U色度均值、V色度均值;
第二人脸倾斜度计算模块,用于根据所述辅助定位集,计算人脸倾斜度:
步骤B31:找到辅助定位集中具有最小列号的块列,定位该块列的中间块,记为第一中间块gmb(i1,j1);找到辅助定位集中具有最大列号的块列,定位该块列的中间块,记为第二中间块gmb(i2,j2);找到辅助定位集中具有最小行号的块行,定位该块行的中间块,记为第三中间块gmb(i3,j3)。
步骤B32:计算人脸倾斜度θ,
其中,i1,j1分别表示第一中间块的行、列号;i2,j2分别表示第二中间块的行、列号;i3,j3分别表示第三中间块的行、列号;
进一步地,第一阈值条件判断处理模块中,当不满足第一阈值条件时,则进入第二检测区域创建模块;
第一阈值条件:numI>ThresI;
其中,numI表示当前帧I块数量;ThresI表示I块门限阈值,一般ThresI>0.8*numb,numb表示当前帧块的数量。
进一步地,第二检测区域创建模块中,创建当前帧第二检测区域具体为:将当前帧中划分为最大块中属于非边界、非孤立块的帧内预测块作为第二检测区域;
进一步地,图6是图4中新增人脸倾斜度确定装置详细结构图。所述新增人脸倾斜度确定装置包括:
待定新增人脸检测集划分模块,用于按块的连通性,将当前帧第二检测区域划分为若干连通块子集,将每一个连通块子集作为一个待定新增人脸检测集。
第二人脸检测装置,用于对所述待定新增人脸检测集进行人脸检测,排除非人脸待定新增人脸检测集,确定新增五官待定集及其侧面模式。
所述第二人脸检测装置的结构与功能与前文第一人脸检测装置相同(即将第一人脸检测装置中的“当前待定人脸检测集”替换为“待定新增人脸检测集”;“第一检测区域”替换为“第二检测区域”;“五官待定集”替换为“新增五官待定集”);若判定为非人脸,则进入第三判断处理模块,否则,进入第二人脸倾斜度确定装置(即将第一人脸检测装置中的“重回第一判断处理模块”替换为“进入第三判断处理模块”,将“进入第一人脸倾斜度确定装置”替换为“进入第二人脸倾斜度确定装置”)。
第二人脸倾斜度确定装置,用于根据新增五官待定集的侧面模式,对未判定为非人脸的待定新增人脸检测集进行辅助定位,确定人脸倾斜度;
所述第二人脸倾斜度确定装置的结构与功能与前文第一人脸倾斜度确定装置相同,(即将第一人脸倾斜度确定装置中的“当前待定人脸检测集”替换为“待定新增人脸检测集”;“五官待定集”替换为“新增五官待定集”);第三判断处理模块,用于判断是否还存在未进行人脸检测的待定新增人脸检测集,若存在,则任选一个未检测的待定新增人脸检测集重回第二人脸检测装置;若不存在,则返回第二判断处理模块。
本发明实施例还提供的一种终端设备,该实施例的终端设备包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述基于压缩信息的人脸倾斜度分析方法实施例中的步骤,或者,所述处理器执行所述计算机程序时实现上述基于压缩信息的人脸倾斜度分析系统实施例中各模块的功能。
本领域的普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序指令相关硬件来完成的,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质可以为ROM、RAM、磁盘、光盘等。
上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于压缩信息的人脸倾斜度分析方法,其特征在于,所述方法包括:
Step1:创建当前帧第一检测区域;
Step2:判断是否所述第一检测区域为非空,若是,则进入Step3;否则,进入Step6;
Step3:对第一检测区域内块进行肤色检测,根据肤色检测划定当前待定人脸检测集并更新第一检测区域;
Step4:对所述当前待定人脸检测集进行人脸检测,排除非人脸当前待定人脸检测集,确定五官待定集及其侧面模式;
Step5:根据五官待定集的侧面模式,对未判定为非人脸的当前待定人脸检测集进行辅助定位,确定人脸倾斜度,然后重回Step2;
Step6:判断是否当前帧的下一帧存在,若存在,则将当前帧的下一帧设置为当前帧,然后进入Step7;否则,则结束;
Step7:判断当前帧I块数量是否满足第一阈值条件,若满足第一阈值条件,则重回Step1;
当不满足第一阈值条件时,则进入Step8;
Step8:创建当前帧第二检测区域;
Step9:对当前帧第二检测区域进行新增人脸辅助定位,确定人脸倾斜度;
所述创建当前帧第一检测区域具体为:
将当前帧中划分为基本块的块中,属于非边界、非孤立块的块作为第一检测区域;其中,所述基本块表示当前视频压缩所使用编码标准允许的最大划分块,当前帧初始值为视频第一帧;
所述创建当前帧第二检测区域具体为:
将当前帧中划分为最大块中属于非边界、非孤立块的帧内预测块作为第二检测区域;
所述对第一检测区域内块进行肤色检测,根据肤色检测划定当前待定人脸检测集并更新第一检测区域具体为:
若检测到肤色块,则停止肤色检测,记所述肤色块为当前肤色标识块,接着将第一检测区域内所有与当前肤色标识块连通的块及当前肤色标识块划入当前待定人脸检测集;再接着将所述当前待定人脸检测集对应块从第一检测区域内删除,获取更新后的第一检测区域;然后进入Step4;若检测到非肤色块,则将所述非肤色块从第一检测区域删除,然后重回Step2;
所述对所述当前待定人脸检测集进行人脸检测,排除非人脸当前待定人脸检测集,确定五官待定集及其侧面模式包括:
S41:根据所述当前待定人脸检测集包围区域的内侧与第一检测区域的块包含关系,对所述当前待定人脸检测集进行非人脸排除,并划定五官待定集;
S42:判断五官待定集数量是否满足第一条件,对满足第一条件的当前待定人脸检测集进行非人脸排除;对不满足第一条件的五官待定集,进行侧面模式判定;所述侧面模式包括非完全侧面模式和完全侧面模式,所述完全侧面模式包括完全左侧面和完全右侧面模式;
S43:根据五官待定集位于当前待定人脸检测集内的外邻接块是否为肤色块,对所述当前待定人脸检测集进行非人脸排除;
所述根据五官待定集的侧面模式,对未判定为非人脸的当前待定人脸检测集进行辅助定位,确定人脸倾斜度,具体包括:
Case1:五官待定集为非完全侧面模式,
步骤A1,根据五官待定集划定备选辅助待定集;
具体为:除了最大行号、次最大行号五官待定集外,将其余五官待定集按其行号升序依次划入备选辅助待定集;
步骤A2,若所述备选辅助待定集满足第二条件,则根据满足第二条件的备选辅助待定集划定第一辅助定位集、第二辅助定位集;
具体为:依次对所述备选辅助待定集进行判定,若所述备选辅助待定集满足第二条件,则将具有最小行号、次最小行号的备选辅助待定集确定为第一辅助定位集、第二辅助定位集,进入步骤A3;
第二条件:至少存在两个备选辅助待定集满足abs(kmax1-kmax2)>Thres;
其中,Thres表示门限阈值,Thres>50;kmax1、kmax2分别表示备选辅助待定集亮度值分布最大值对应的亮度值、亮度值分布次最大值对应的亮度值;
若所述备选辅助待定集不满足第二条件,则判定当前待定人脸检测集为非人脸,重回Step2;
步骤A3,根据第一辅助定位集、第二辅助定位集,计算人脸倾斜度;
人脸倾斜度
其中,(i5,j5)、(i6,j6)分别表示第一辅助定位集、第二辅助定位集中心的行列号;
Case2:五官待定集为完全侧面模式,
步骤B1,根据五官待定集划定备选辅助待定集;
具体为:除了最小行号、次最小行号五官待定集外,将其余五官待定集按其行号降序依次划入备选辅助待定集;
步骤B2:依次对备选辅助待定集进行唇部色度判定,将满足唇部色度条件的备选辅助待定集划定为辅助定位集,进入步骤B3;
若不存在满足唇部色度条件的备选辅助待定集,则判定当前待定人脸检测集为非人脸,重回Step2;
唇部色度条件:sum(sign(bpk)|bpk∈Ωi)>num(Ωi)*Thres2;
其中,Ωi表示备选辅助待定集的第i个元素,即第i个备选辅助待定集;sum(变量|条件)表示对满足条件的变量求和;num(Ωi)表示Ωi包含的预测块数量;Thres2表示门限阈值,Thres2≥0.9;
条件1:um<128且vm>128且vm+um>256;
条件2:um>128且vm>128且vm>um;
条件3:um=128且vm=128且(ym≤50或者ym≥180);ym、um、vm分别表示预测块bpk的亮度均值、U色度均值、V色度均值;
步骤B3:根据所述辅助定位集,计算人脸倾斜度;
步骤B31:找到辅助定位集中具有最小列号的块列,定位该块列的中间块,记为第一中间块gmb(i1,j1);找到辅助定位集中具有最大列号的块列,定位该块列的中间块,记为第二中间块gmb(i2,j2);找到辅助定位集中具有最小行号的块行,定位该块行的中间块,记为第三中间块gmb(i3,j3);
步骤B32:计算人脸倾斜度θ;
其中,i1,j1分别表示第一中间块的行、列号;i2,j2分别表示第二中间块的行、列号;i3,j3分别表示第三中间块的行、列号。
2.如权利要求1所述的基于压缩信息的人脸倾斜度分析方法,其特征在于,所述根据所述当前待定人脸检测集包围区域的内侧与第一检测区域的块包含关系,对所述当前待定人脸检测集进行非人脸排除,并划定五官待定集具体为:
若所述当前待定人脸检测集合包围区域的内侧的块均属于第一检测区域,则判定所述当前待定人脸检测集为非人脸,重回Step2;否则,将所述当前待定人脸检测集包围区域内侧不属于第一检测区域的块,按其连通性划分为若干连通块子集,将每个连通块子集作为一个五官待定集;
所述判断五官待定集数量是否满足第一条件,对满足第一条件的当前待定人脸检测集进行非人脸排除;对不满足第一条件的五官待定集,进行侧面模式判定包括以下步骤:
首先,标注每个五官待定集的行号,即用每个五官待定集内具有最小行号块对应的块行号,作为每个五官待定集的行号;
接着,判断五官待定集数量是否满足第一条件,若五官待定集数量满足第一条件,则判定所述当前待定人脸检测集为非人脸,重回Step2;
若五官待定集数量不满足第一条件,则进一步判断是否五官待定集总数大于单侧五官数量;若五官待定集总数大于单侧五官数量,则标识五官待定集为非完全侧面模式,进入S43;否则,若五官待定集总数小于等于单侧五官数量,则标识五官待定集为完全侧面模式,进一步判断是否五官待定集多分布于当前待定人脸检测集左侧;若五官待定集多分布于当前待定人脸检测集左侧,则标识五官待定集为完全左侧面模式,进入S43;若五官待定集多分布于当前待定人脸检测集右侧,则标识五官待定集为完全右侧面模式,进入S43;
五官待定集多分布于当前待定人脸检测集左侧:位于当前待定人脸检测集左侧的五官待定集多于位于当前待定人脸检测集右侧的五官待定集;
五官待定集多分布于当前待定人脸检测集右侧:位于当前待定人脸检测集右侧的五官待定集多于位于当前待定人脸检测集左侧的五官待定集;
第一条件:五官待定集总数小于单侧五官数量或者具有最小行号的五官待定集数量小于具有非最小行号的五官待定集数量;
所述根据五官待定集位于当前待定人脸检测集内的外邻接块是否为肤色块,对所述当前待定人脸检测集进行非人脸排除具体为:
对每个五官待定集位于当前待定人脸检测集内的外邻接块进行肤色检测,若所述外邻接块均为肤色块,则进入Step5;否则,判定当前待定人脸检测集为非人脸,重回Step2。
3.如权利要求1所述的基于压缩信息的人脸倾斜度分析方法,其特征在于,所述第一阈值条件为:numI>ThresI;
其中,numI表示当前帧I块数量;ThresI表示I块门限阈值,ThresI>0.8*numb,numb表示当前帧块的数量。
4.如权利要求3所述的基于压缩信息的人脸倾斜度分析方法,其特征在于,所述对当前帧第二检测区域,进行新增人脸辅助定位,确定人脸倾斜度包括:
S91:按块的连通性,将当前帧第二检测区域划分为若干连通块子集,将每一个连通块子集作为一个待定新增人脸检测集;
S92:对所述待定新增人脸检测集进行人脸检测,排除非人脸待定新增人脸检测集,确定新增五官待定集及其侧面模式;
人脸检测方法与Step4的方法相同;若判定为非人脸,则进入S94,否则,进入S93;
S93:根据新增五官待定集的侧面模式,对未判定为非人脸的待定新增人脸检测集进行辅助定位,确定人脸倾斜度;
所述对未判定为非人脸的待定新增人脸检测集进行辅助定位,确定人脸倾斜度方法与Step5的方法相同;
S94:判断是否还存在未进行人脸检测的待定新增人脸检测集,若存在,则任选一个未检测的待定新增人脸检测集重回S92;若不存在,则返回Step6。
5.一种基于压缩信息的人脸倾斜度分析系统,其特征在于,所述系统包括:
第一检测区域创建模块,用于创建当前帧第一检测区域;
第一判断处理模块,用于判断是否所述第一检测区域为非空,若是,则进入待定人脸检测集划分及第一检测区域更新模块;否则,进入第二判断处理模块;
待定人脸检测集划分及第一检测区域更新模块,用于对第一检测区域内块进行肤色检测,根据肤色检测划定当前待定人脸检测集并更新第一检测区域;
第一人脸检测装置,用于对所述当前待定人脸检测集进行人脸检测,排除非人脸当前待定人脸检测集,确定五官待定集及其侧面模式;
第一人脸倾斜度确定装置,用于根据五官待定集的侧面模式,对未判定为非人脸的当前待定人脸检测集进行辅助定位,确定人脸倾斜度,然后重回第一判断处理模块;
第二判断处理模块,用于判断是否当前帧的下一帧存在,若存在,则将当前帧的下一帧设置为当前帧,然后进入第一阈值条件判断处理模块;否则,则结束;
第一阈值条件判断处理模块,用于判断当前帧I块数量是否满足第一阈值条件,若满足第一阈值条件,则重回第一检测区域创建模块;
所述系统包括:
当不满足第一阈值条件时,则进入第二检测区域创建模块;
第二检测区域创建模块,用于创建当前帧第二检测区域;
新增人脸倾斜度确定装置,用于对当前帧第二检测区域,进行新增人脸辅助定位,确定人脸倾斜度;
所述创建当前帧第一检测区域具体为:
将当前帧中划分为基本块的块中,属于非边界、非孤立块的块作为第一检测区域;其中,所述基本块表示当前视频压缩所使用编码标准允许的最大划分块,当前帧初始值为视频第一帧;
所述创建当前帧第二检测区域具体为:
将当前帧中划分为最大块中属于非边界、非孤立块的帧内预测块作为第二检测区域;
待定人脸检测集划分及第一检测区域更新模块中,若检测到肤色块,则停止肤色检测,记所述肤色块为当前肤色标识块,接着将第一检测区域内所有与当前肤色标识块连通的块及当前肤色标识块划入当前待定人脸检测集;再接着将所述当前待定人脸检测集对应块从第一检测区域内删除,获取更新后的第一检测区域;然后进入第一人脸检测装置;若检测到非肤色块,则将所述非肤色块从第一检测区域删除,然后重回第一判断处理模块;
所述第一人脸检测装置包括:
一级非人脸排除及五官待定集划分模块,用于根据所述当前待定人脸检测集包围区域的内侧与第一检测区域的块包含关系,对所述当前待定人脸检测集进行非人脸排除,并划定五官待定集;
二级非人脸排除及侧面模式判定模块,用于判断五官待定集数量是否满足第一条件,对满足第一条件的当前待定人脸检测集进行非人脸排除;对不满足第一条件的五官待定集,进行侧面模式判定;所述侧面模式包括非完全侧面模式和完全侧面模式,所述完全侧面模式包括完全左侧面和完全右侧面模式;
三级非人脸排除模块,用于根据五官待定集位于当前待定人脸检测集内的外邻接块是否为肤色块,对所述当前待定人脸检测集进行非人脸排除;
所述第一人脸倾斜度确定装置包括非完全侧面模式人脸倾斜度确定模块和完全侧面模式人脸倾斜度确定模块,
非完全侧面模式人脸倾斜度确定模块,包括:
第一备选辅助待定集划定模块,用于根据五官待定集划定备选辅助待定集;具体为:除了最大行号、次最大行号五官待定集外,将其余五官待定集按其行号升序依次划入备选辅助待定集;
第一、第二辅助定位集划定模块,用于若所述备选辅助待定集满足第二条件,则根据满足第二条件的备选辅助待定集划定第一辅助定位集、第二辅助定位集;
具体为:依次对所述备选辅助待定集进行判定,若所述备选辅助待定集满足第二条件,则将具有最小行号、次最小行号的备选辅助待定集确定为第一辅助定位集、第二辅助定位集,进入第一人脸倾斜度计算模块;
第二条件:至少存在两个备选辅助待定集满足abs(kmax1-kmax2)>Thres;
其中,Thres表示门限阈值,Thres>50;kmax1、kmax2分别表示备选辅助待定集亮度值分布最大值对应的亮度值、亮度值分布次最大值对应的亮度值;
若所述备选辅助待定集不满足第二条件,则判定当前待定人脸检测集为非人脸,重回第一判断处理模块;
第一人脸倾斜度计算模块,用于根据第一辅助定位集、第二辅助定位集,计算人脸倾斜度;
人脸倾斜度其中,(i5,j5)、(i6,j6)分别表示第一辅助定位集、第二辅助定位集中心的行列号;
完全侧面模式人脸倾斜度确定模块,包括:
第二备选辅助待定集划定模块,用于根据五官待定集划定备选辅助待定集;
具体为:除了最小行号、次最小行号五官待定集外,将其余五官待定集按其行号降序依次划入备选辅助待定集;
第三辅助定位集划定模块,用于依次对备选辅助待定集进行唇部色度判定,将满足唇部色度条件的备选辅助待定集划定为辅助定位集,进入第二人脸倾斜度计算模块;
若不存在满足唇部色度条件的备选辅助待定集,则判定当前待定人脸检测集为非人脸,重回第一判断处理模块;
唇部色度条件:sum(sign(bpk)|bpk∈Ωi)>num(Ωi)*Thres2;
其中,Ωi表示备选辅助待定集的第i个元素;sum(变量|条件)表示对满足条件的变量求和;num(Ωi)表示Ωi包含的预测块数量;Thres2表示门限阈值,Thres2≥0.9;
条件1:um<128且vm>128且vm+um>256;
条件2:um>128且vm>128且vm>um;
条件3:um=128且vm=128且(ym≤50或者ym≥180);ym、um、vm分别表示预测块bpk的亮度均值、U色度均值、V色度均值;
第二人脸倾斜度计算模块,用于根据所述辅助定位集,计算人脸倾斜度;
具体为:
找到辅助定位集中具有最小列号的块列,定位该块列的中间块,记为第一中间块gmb(i1,j1);找到辅助定位集中具有最大列号的块列,定位该块列的中间块,记为第二中间块gmb(i2,j2);找到辅助定位集中具有最小行号的块行,定位该块行的中间块,记为第三中间块gmb(i3,j3);
计算人脸倾斜度θ,
其中,i1,j1分别表示第一中间块的行、列号;i2,j2分别表示第二中间块的行、列号;i3,j3分别表示第三中间块的行、列号。
6.如权利要求5所述的基于压缩信息的人脸倾斜度分析系统,其特征在于,所述新增人脸倾斜度确定装置包括:
待定新增人脸检测集划分模块,用于按块的连通性,将当前帧第二检测区域划分为若干连通块子集,将每一个连通块子集作为一个待定新增人脸检测集;
第二人脸检测装置,用于对所述待定新增人脸检测集进行人脸检测,排除非人脸待定新增人脸检测集,确定新增五官待定集及其侧面模式;
所述第二人脸检测装置的结构与功能与第一人脸检测装置相同;若判定为非人脸,则进入第三判断处理模块,否则,进入第二人脸倾斜度确定装置;
第二人脸倾斜度确定装置,用于根据新增五官待定集的侧面模式,对未判定为非人脸的待定新增人脸检测集进行辅助定位,确定人脸倾斜度;
所述第二人脸倾斜度确定装置的结构与功能与第一人脸倾斜度确定装置相同;
第三判断处理模块,用于判断是否还存在未进行人脸检测的待定新增人脸检测集,若存在,则任选一个未检测的待定新增人脸检测集重回第二人脸检测装置;若不存在,则返回第二判断处理模块。
7.一种基于压缩信息的人脸倾斜度分析设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述基于压缩信息的人脸倾斜度分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011031164.2A CN112132067B (zh) | 2020-09-27 | 2020-09-27 | 一种基于压缩信息的人脸倾斜度分析方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011031164.2A CN112132067B (zh) | 2020-09-27 | 2020-09-27 | 一种基于压缩信息的人脸倾斜度分析方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112132067A CN112132067A (zh) | 2020-12-25 |
CN112132067B true CN112132067B (zh) | 2024-04-09 |
Family
ID=73840661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011031164.2A Active CN112132067B (zh) | 2020-09-27 | 2020-09-27 | 一种基于压缩信息的人脸倾斜度分析方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132067B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236599A (zh) * | 2007-12-29 | 2008-08-06 | 浙江工业大学 | 基于多摄像机信息融合的人脸识别检测装置 |
JP2009217798A (ja) * | 2008-02-14 | 2009-09-24 | Seiko Epson Corp | 輪郭検出方法、輪郭検出装置および輪郭検出プログラム |
CN102136075A (zh) * | 2011-03-04 | 2011-07-27 | 杭州海康威视软件有限公司 | 复杂场景下的多视角人脸检测方法及其装置 |
CN103377367A (zh) * | 2012-04-28 | 2013-10-30 | 中兴通讯股份有限公司 | 面部图像的获取方法及装置 |
WO2015070764A1 (zh) * | 2013-11-13 | 2015-05-21 | 智慧城市系统服务(中国)有限公司 | 一种人脸定位的方法与装置 |
JP2016018490A (ja) * | 2014-07-10 | 2016-02-01 | 株式会社ソシオネクスト | エッジ検出方法、エッジ検出装置及びエッジ検出プログラム |
CN105913373A (zh) * | 2016-04-05 | 2016-08-31 | 广东欧珀移动通信有限公司 | 图像处理方法和装置 |
CN109241878A (zh) * | 2018-08-21 | 2019-01-18 | 深圳市梦网百科信息技术有限公司 | 一种基于唇部定位的五官定位方法和系统 |
CN109255307A (zh) * | 2018-08-21 | 2019-01-22 | 深圳市梦网百科信息技术有限公司 | 一种基于唇部定位的人脸分析方法和系统 |
AU2019200360A1 (en) * | 2017-09-09 | 2019-02-07 | Apple Inc. | Implementation of biometric authentication |
-
2020
- 2020-09-27 CN CN202011031164.2A patent/CN112132067B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236599A (zh) * | 2007-12-29 | 2008-08-06 | 浙江工业大学 | 基于多摄像机信息融合的人脸识别检测装置 |
JP2009217798A (ja) * | 2008-02-14 | 2009-09-24 | Seiko Epson Corp | 輪郭検出方法、輪郭検出装置および輪郭検出プログラム |
CN102136075A (zh) * | 2011-03-04 | 2011-07-27 | 杭州海康威视软件有限公司 | 复杂场景下的多视角人脸检测方法及其装置 |
CN103377367A (zh) * | 2012-04-28 | 2013-10-30 | 中兴通讯股份有限公司 | 面部图像的获取方法及装置 |
WO2015070764A1 (zh) * | 2013-11-13 | 2015-05-21 | 智慧城市系统服务(中国)有限公司 | 一种人脸定位的方法与装置 |
JP2016018490A (ja) * | 2014-07-10 | 2016-02-01 | 株式会社ソシオネクスト | エッジ検出方法、エッジ検出装置及びエッジ検出プログラム |
CN105913373A (zh) * | 2016-04-05 | 2016-08-31 | 广东欧珀移动通信有限公司 | 图像处理方法和装置 |
AU2019200360A1 (en) * | 2017-09-09 | 2019-02-07 | Apple Inc. | Implementation of biometric authentication |
CN109241878A (zh) * | 2018-08-21 | 2019-01-18 | 深圳市梦网百科信息技术有限公司 | 一种基于唇部定位的五官定位方法和系统 |
CN109255307A (zh) * | 2018-08-21 | 2019-01-22 | 深圳市梦网百科信息技术有限公司 | 一种基于唇部定位的人脸分析方法和系统 |
Non-Patent Citations (2)
Title |
---|
Deep class-skewed learning for face recognition;Pingyu Wang et al.;《Neurocomputing》;全文 * |
基于深度学习的人脸检测技术研究;王凯;《中国优秀硕士学位论文全文数据库信息科技辑》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112132067A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740499B (zh) | 视频分割方法、视频动作识别方法、装置、设备及介质 | |
CN109446967B (zh) | 一种基于压缩信息的人脸检测方法和系统 | |
US8594432B2 (en) | Image processing apparatus and image processing method | |
CN110807402B (zh) | 一种基于肤色检测的五官定位方法、系统和终端设备 | |
US20100272365A1 (en) | Picture processing method and picture processing apparatus | |
CN106682094B (zh) | 一种人脸视频检索方法和系统 | |
CN106650670A (zh) | 活体人脸视频的检测方法及装置 | |
CN111145215B (zh) | 一种目标跟踪方法及装置 | |
CN112132067B (zh) | 一种基于压缩信息的人脸倾斜度分析方法、系统及设备 | |
CN109255307B (zh) | 一种基于唇部定位的人脸分析方法和系统 | |
CN115880562A (zh) | 一种基于改进YOLOv5的轻量级目标检测网络 | |
US10949710B2 (en) | Methods, systems and apparatuses of feature extraction and object detection | |
CN107563986A (zh) | 图像区域的判断方法和系统 | |
CN100548030C (zh) | 一种基于时空条带模式分析的新闻主播镜头检测方法 | |
CN110781840B (zh) | 一种基于肤色检测的鼻头定位方法和系统 | |
CN109271922B (zh) | 一种基于对比度的鼻部定位方法和系统 | |
CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和系统 | |
CN112200093B (zh) | 一种基于不确定性估计的行人再识别方法 | |
CN109873987B (zh) | 一种基于监控视频的目标搜索方法和系统 | |
CN111815653B (zh) | 一种人脸与身体肤色区域的分割方法、系统和设备 | |
CN112132068A (zh) | 一种基于视频动态信息的年龄分析方法、系统和设备 | |
CN113486788A (zh) | 视频相似度确定方法、装置、电子设备及存储介质 | |
CN113269205A (zh) | 视频关键帧提取方法、装置、电子设备及存储介质 | |
CN111461073B (zh) | 一种基于鼻头定位的反向人脸检测方法、系统及设备 | |
CN117793352B (zh) | 基于语义理解的视频压缩方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |