CN112597916A - 人脸图像抓拍质量分析方法和系统 - Google Patents
人脸图像抓拍质量分析方法和系统 Download PDFInfo
- Publication number
- CN112597916A CN112597916A CN202011573163.0A CN202011573163A CN112597916A CN 112597916 A CN112597916 A CN 112597916A CN 202011573163 A CN202011573163 A CN 202011573163A CN 112597916 A CN112597916 A CN 112597916A
- Authority
- CN
- China
- Prior art keywords
- scene
- value
- target
- pixel
- pixels
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10024—Color image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了人脸图像抓拍质量分析方法和系统,其通过对目标场景进行连续多次拍摄获得关于目标场景的若干场景图像,并从该场景图像中提取得到人脸画面对应的像素区域,并根据人脸画面对应的像素区域的分辨率状态,选择其中两个像素区域作为目标像素区域,最后根据两个目标像素区域之间在色度值分布状态上的差异,确定对目标场景进行人脸图像抓拍的质量优劣,其能够以多个连续拍摄得到的场景图像为基础,通过对场景图像进行关于分辨率状态的摘选处理,以此得到相应的两个目标像素区域,再从色度值分布差异状态层面上对该两个目标像素区域进行人脸图像抓拍的质量优劣,从而提高人脸图像识别的可靠性以及改善人脸图像识别的识别效率。
Description
技术领域
本发明涉及图像分析处理的技术领域,特别涉及人脸图像抓拍质量分析方法和系统。
背景技术
人脸图像识别广泛应用于不同场合中,其通过对目标对象进行拍摄,并对拍摄得到的人物图像进行识别处理,从而快速地和准确地确定目标对象的身份信息,以便于进一步对目标对象进行适应性的响应。但是,人脸识别的准确高低决定于人脸图像的抓拍质量,而现有技术通常都是以图像分辨率为依据判断人脸图像抓拍质量的高低,这种抓拍质量的判断方式标准单一,其难以对人脸图像的抓拍质量进行全面的和准确的分析判断,从而严重地制约人脸图像识别的可靠性以及不利于改善人脸图像识别的识别效率。
发明内容
针对现有技术存在的缺陷,本发明提供人脸图像抓拍质量分析方法和系统,其通过对目标场景进行连续多次拍摄,以此相应地获得关于该目标场景的若干场景图像,并对该场景图像进行预处理,从而确定该场景图像中人脸画面对应的像素区域,并获取该人脸画面对应的像素区域在若干该场景图像中各自的分辨率状态,并根据该分辨率状态,从若干该像素区域中摘选其中两个像素区域作为目标像素区域,再获取两个该目标像素区域各自的色度值分布状态,并根据两个该目标像素区域之间在色度值分布状态上的差异,确定对该目标场景进行人脸图像抓拍的质量优劣;可见,该人脸图像抓拍质量分析方法和系统通过对目标场景进行连续多次拍摄获得关于目标场景的若干场景图像,并从该场景图像中提取得到人脸画面对应的像素区域,并根据人脸画面对应的像素区域的分辨率状态,选择其中两个像素区域作为目标像素区域,最后根据两个目标像素区域之间在色度值分布状态上的差异,确定对目标场景进行人脸图像抓拍的质量优劣,其能够以多个连续拍摄得到的场景图像为基础,通过对场景图像进行关于分辨率状态的摘选处理,以此得到相应的两个目标像素区域,再从色度值分布差异状态层面上对该两个目标像素区域进行分析处理,以此进行人脸图像抓拍的质量优劣,从而提高人脸图像识别的可靠性以及改善人脸图像识别的识别效率。
本发明提供人脸图像抓拍质量分析方法,其特征在于,其包括如下步骤:
步骤S1,对目标场景进行连续多次拍摄,以此相应地获得关于所述目标场景的若干场景图像,并对所述场景图像进行预处理,从而确定所述场景图像中人脸画面对应的像素区域;
步骤S2,获取所述人脸画面对应的像素区域在若干所述场景图像中各自的分辨率状态,并根据所述分辨率状态,从若干所述像素区域中摘选其中两个像素区域作为目标像素区域;
步骤S3,获取两个所述目标像素区域各自的色度值分布状态,并根据两个所述目标像素区域之间在色度值分布状态上的差异,确定对所述目标场景进行人脸图像抓拍的质量优劣;
进一步,在所述步骤S1中,对目标场景进行连续多次拍摄,以此相应地获得关于所述目标场景的若干场景图像,并对所述场景图像进行预处理,从而确定所述场景图像中人脸画面对应的像素区域具体包括:
步骤S101,按照相同时间间隔,对所述目标场景的同一位置区域进行连续多次拍摄,以此相应获得关于所述同一位置区域的若干场景图像;
步骤S102,对若干所述场景图像进行灰度化转换处理,从而将若干所述场景图像分别转换为具有0-255灰度等级的灰度化场景图像;
步骤S103,将所述灰度化场景图像中具有最大灰度等级差异值的相邻行像素和/或相邻列像素作为所述人脸画面的边界像素,再将所述边界像素包围的像素区域作为所述人脸画面对应的像素区域;
进一步,在所述步骤S103中,所述人脸画面对应的像素区域中所述人脸画面对应的像素区域的顶点坐标具体过程包括:
第一、利用下面公式(1),根据所述灰度化场景图像中各点的灰度等级值得到相邻行像素和/或相邻列像素的灰度等级差异值,
在上述公式(1)中,Hi+1,i表示相邻行像素中第i行像素与第i+1行像素之间的灰度等级差异值,Lj+1,j表示相邻列像素中第j列像素与第j+1列像素之间的灰度等级差异值,Aij表示所述灰度化场景图像中第i行第j列的灰度等级值,Ai+1j表示所述灰度化场景图像中第i+1行第j列的灰度等级值,Aij+1表示所述灰度化场景图像中第i行第j+1列的灰度等级值,n表示所述灰度化场景图像中的总行数,m表示所述灰度化场景图像中的总列数;
第二,利用下面公式(2),根据所述相邻行像素和/或相邻列像素的灰度等级差异值得到所述具有最大灰度等级差异值对应的像素行列值,
在上述公式(2)中,i1表示所述灰度化场景图像中第i1行具有相邻行像素中的最大灰度等级差异值,j1表示所述灰度化场景图像中第j1列具有相邻列像素中的最大灰度等级差异值,表示将i的值从1取到n-1中使得所述Hi+1,i取得最大值时所对应的i值,表示将j的值从1取到m-1中使得所述Lj+1,j取得最大值时所对应的j值;
第三、利用下面公式(3),根据所述相邻行像素和/或相邻列像素的最大灰度等级差异值得到与所述最大灰度等级差异值最相近的灰度等级差异值对应的像素行列值,
在上述公式(3)中,i2表示所述灰度化场景图像中第i2行的灰度等级差异值与相邻行像素中的最大灰度等级差异值之间的最小差异值,j2表示所述灰度化场景图像中第j2列的灰度等级差异值与相邻列像素中的最大灰度等级差异值的最小差异值,a表示对所述灰度化场景图像中的行数进行取值的变量,b表示对所述灰度化场景图像中的列数进行取值的变量,表示将a的值从1取到n-1且a≠i1使得所述取得最大值时所对应的a值,表示将b的值从1取到m-1且b≠j1使得所述取得最大值时所对应的b值;
这样通过上述过程得到的i1,j1,i2,j2值得到所述人脸画面对应的像素区域的顶点坐标(i1,j1),(i1,j2),(i2,j1),(i2,j2),再将上述四个顶点坐标连接其内部的像素区域即为所述人脸画面对应的像素区域;
进一步,在所述步骤S2中,获取所述人脸画面对应的像素区域在若干所述场景图像中各自的分辨率状态,并根据所述分辨率状态,从若干所述像素区域中摘选其中两个像素区域作为目标像素区域具体包括:
步骤S201,获取所述人脸画面对应的像素区域在若干所述场景图像中各自沿像素行方向或像素列方向的分辨率变化梯度值;
步骤S202,将具有最大分辨率变化梯度值和具有最小分辨率变化梯度值的两个像素区域作为目标像素区域;
进一步,在所述步骤S3中,获取两个所述目标像素区域各自的色度值分布状态,并根据两个所述目标像素区域之间在色度值分布状态上的差异,确定对所述目标场景进行人脸图像抓拍的质量优劣具体包括:
步骤S301,获取两个所述目标像素区域各自包含的所有像素的色度值,并根据所述色度值确定两个所述目标像素区域任意同一位置像素点之间的色度差异值;
步骤S302,统计在两个所述目标像素区域中所述色度差异值超过预设色度差异阈值对应的像素点的数量,以此确定所述色度差异值超过预设色度差异阈值对应的像素点的数量在所述目标像素区域总像素数量中的占比;
步骤S303,将所述占比与预设占比阈值进行比对,若所述占比超过所述占比阈值,则确定对所述目标场景进行人脸图像抓拍的质量较低,否则,确定对所述目标场景进行人脸图像抓拍的质量较高。
本发明还提供人脸图像抓拍质量分析系统,其特征在于,其包括场景图像拍摄模块、人脸画面像素区域确定模块、目标像素区域摘选模块和人脸图像抓拍质量确定模块;其中,
所述场景图像拍摄模块用于对目标场景进行连续多次拍摄,以此相应地获得关于所述目标场景的若干场景图像;
所述人脸画面像素区域确定模块用于对所述场景图像进行预处理,从而确定所述场景图像中人脸画面对应的像素区域;
所述目标像素区域摘选模块用于获取所述人脸画面对应的像素区域在若干所述场景图像中各自的分辨率状态,并根据所述分辨率状态,从若干所述像素区域中摘选其中两个像素区域作为目标像素区域;
所述人脸图像抓拍质量确定模块用于获取两个所述目标像素区域各自的色度值分布状态,并根据两个所述目标像素区域之间在色度值分布状态上的差异,确定对所述目标场景进行人脸图像抓拍的质量优劣;
进一步,所述场景图像拍摄模块对目标场景进行连续多次拍摄,以此相应地获得关于所述目标场景的若干场景图像具体包括:
按照相同时间间隔,对所述目标场景的同一位置区域进行连续多次拍摄,以此相应获得关于所述同一位置区域的若干场景图像;
以及,
所述人脸画面像素区域确定模块对所述场景图像进行预处理,从而确定所述场景图像中人脸画面对应的像素区域具体包括:
对若干所述场景图像进行灰度化转换处理,从而将若干所述场景图像分别转换为具有0-255灰度等级的灰度化场景图像;
再将所述灰度化场景图像中具有最大灰度等级差异值的相邻行像素和/或相邻列像素作为所述人脸画面的边界像素,再将所述边界像素包围的像素区域作为所述人脸画面对应的像素区域;
进一步,所述目标像素区域摘选模块获取所述人脸画面对应的像素区域在若干所述场景图像中各自的分辨率状态,并根据所述分辨率状态,从若干所述像素区域中摘选其中两个像素区域作为目标像素区域具体包括:
获取所述人脸画面对应的像素区域在若干所述场景图像中各自沿像素行方向或像素列方向的分辨率变化梯度值;
再将具有最大分辨率变化梯度值和具有最小分辨率变化梯度值的两个像素区域作为目标像素区域;
进一步,所述人脸图像抓拍质量确定模块获取两个所述目标像素区域各自的色度值分布状态,并根据两个所述目标像素区域之间在色度值分布状态上的差异,确定对所述目标场景进行人脸图像抓拍的质量优劣具体包括:
获取两个所述目标像素区域各自包含的所有像素的色度值,并根据所述色度值确定两个所述目标像素区域任意同一位置像素点之间的色度差异值;
并统计在两个所述目标像素区域中所述色度差异值超过预设色度差异阈值对应的像素点的数量,以此确定所述色度差异值超过预设色度差异阈值对应的像素点的数量在所述目标像素区域总像素数量中的占比;
再将所述占比与预设占比阈值进行比对,若所述占比超过所述占比阈值,则确定对所述目标场景进行人脸图像抓拍的质量较低,否则,确定对所述目标场景进行人脸图像抓拍的质量较高。
相比于现有技术,该人脸图像抓拍质量分析方法和系统通过对目标场景进行连续多次拍摄,以此相应地获得关于该目标场景的若干场景图像,并对该场景图像进行预处理,从而确定该场景图像中人脸画面对应的像素区域,并获取该人脸画面对应的像素区域在若干该场景图像中各自的分辨率状态,并根据该分辨率状态,从若干该像素区域中摘选其中两个像素区域作为目标像素区域,再获取两个该目标像素区域各自的色度值分布状态,并根据两个该目标像素区域之间在色度值分布状态上的差异,确定对该目标场景进行人脸图像抓拍的质量优劣;可见,该人脸图像抓拍质量分析方法和系统通过对目标场景进行连续多次拍摄获得关于目标场景的若干场景图像,并从该场景图像中提取得到人脸画面对应的像素区域,并根据人脸画面对应的像素区域的分辨率状态,选择其中两个像素区域作为目标像素区域,最后根据两个目标像素区域之间在色度值分布状态上的差异,确定对目标场景进行人脸图像抓拍的质量优劣,其能够以多个连续拍摄得到的场景图像为基础,通过对场景图像进行关于分辨率状态的摘选处理,以此得到相应的两个目标像素区域,再从色度值分布差异状态层面上对该两个目标像素区域进行分析处理,以此进行人脸图像抓拍的质量优劣,从而提高人脸图像识别的可靠性以及改善人脸图像识别的识别效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的人脸图像抓拍质量分析方法的流程示意图。
图2为本发明提供的人脸图像抓拍质量分析系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参阅图1,为本发明实施例提供的人脸图像抓拍质量分析方法的流程示意图。该人脸图像抓拍质量分析方法包括如下步骤:
步骤S1,对目标场景进行连续多次拍摄,以此相应地获得关于该目标场景的若干场景图像,并对该场景图像进行预处理,从而确定该场景图像中人脸画面对应的像素区域;
步骤S2,获取该人脸画面对应的像素区域在若干该场景图像中各自的分辨率状态,并根据该分辨率状态,从若干该像素区域中摘选其中两个像素区域作为目标像素区域;
步骤S3,获取两个该目标像素区域各自的色度值分布状态,并根据两个该目标像素区域之间在色度值分布状态上的差异,确定对该目标场景进行人脸图像抓拍的质量优劣。
上述技术方案的有益效果为:该人脸图像抓拍质量分析方法通过对目标场景进行连续多次拍摄获得关于目标场景的若干场景图像,并从该场景图像中提取得到人脸画面对应的像素区域,并根据人脸画面对应的像素区域的分辨率状态,选择其中两个像素区域作为目标像素区域,最后根据两个目标像素区域之间在色度值分布状态上的差异,确定对目标场景进行人脸图像抓拍的质量优劣,其能够以多个连续拍摄得到的场景图像为基础,通过对场景图像进行关于分辨率状态的摘选处理,以此得到相应的两个目标像素区域,再从色度值分布差异状态层面上对该两个目标像素区域进行分析处理,以此进行人脸图像抓拍的质量优劣,从而提高人脸图像识别的可靠性以及改善人脸图像识别的识别效率。
优选地,在该步骤S1中,对目标场景进行连续多次拍摄,以此相应地获得关于该目标场景的若干场景图像,并对该场景图像进行预处理,从而确定该场景图像中人脸画面对应的像素区域具体包括:
步骤S101,按照相同时间间隔,对该目标场景的同一位置区域进行连续多次拍摄,以此相应获得关于该同一位置区域的若干场景图像;
步骤S102,对若干该场景图像进行灰度化转换处理,从而将若干该场景图像分别转换为具有0-255灰度等级的灰度化场景图像;
步骤S103,将该灰度化场景图像中具有最大灰度等级差异值的相邻行像素和/或相邻列像素作为该人脸画面的边界像素,再将该边界像素包围的像素区域作为该人脸画面对应的像素区域。
上述技术方案的有益效果为:由于目标场景自身的变化以及拍摄操作的不稳定性,若只对目标场景进行单次拍摄,容易导致在偶然因素的干扰下影响拍摄得到的场景图像的质量,而按照相同时间间隔对目标场景的同一位置区域进行连续多次拍摄,能够保证对目标场景的同一位置区域进行稳定的和持续化的拍摄,以此拍摄得到的若干场景图像能够最大限度的反应目标场景的真实情况;此外,由于场景图像中人脸画面与其他部分画面之间存在像素级别的差异,通过灰度化转换处理的方式能够将该差异进行精准的放大,从而提高人脸画面对应的像素区域的确定准确度。
优选地,在该步骤S103中,该人脸画面对应的像素区域中该人脸画面对应的像素区域的顶点坐标具体过程包括:
第一、利用下面公式(1),根据该灰度化场景图像中各点的灰度等级值得到相邻行像素和/或相邻列像素的灰度等级差异值,
在上述公式(1)中,Hi+1,i表示相邻行像素中第i行像素与第i+1行像素之间的灰度等级差异值,Lj+1,j表示相邻列像素中第j列像素与第j+1列像素之间的灰度等级差异值,Aij表示该灰度化场景图像中第i行第j列的灰度等级值,Ai+1j表示该灰度化场景图像中第i+1行第j列的灰度等级值,Aij+1表示该灰度化场景图像中第i行第j+1列的灰度等级值,n表示该灰度化场景图像中的总行数,m表示该灰度化场景图像中的总列数;
第二,利用下面公式(2),根据该相邻行像素和/或相邻列像素的灰度等级差异值得到该具有最大灰度等级差异值对应的像素行列值,
在上述公式(2)中,i1表示该灰度化场景图像中第i1行具有相邻行像素中的最大灰度等级差异值,j1表示该灰度化场景图像中第j1列具有相邻列像素中的最大灰度等级差异值,表示将i的值从1取到n-1中使得该Hi+1,i取得最大值时所对应的i值,表示将j的值从1取到m-1中使得该Lj+1,j取得最大值时所对应的j值;
第三、利用下面公式(3),根据该相邻行像素和/或相邻列像素的最大灰度等级差异值得到与该最大灰度等级差异值最相近的灰度等级差异值对应的像素行列值,
在上述公式(3)中,i2表示该灰度化场景图像中第i2行的灰度等级差异值与相邻行像素中的最大灰度等级差异值之间的最小差异值,j2表示该灰度化场景图像中第j2列的灰度等级差异值与相邻列像素中的最大灰度等级差异值的最小差异值,a表示对所述灰度化场景图像中的行数进行取值的变量,b表示对所述灰度化场景图像中的列数进行取值的变量,表示将a的值从1取到n-1且a≠i1使得该取得最大值时所对应的a值,表示将b的值从1取到m-1且b≠j1使得该取得最大值时所对应的b值;
这样通过上述过程得到的i1,j1,i2,j2值得到该人脸画面对应的像素区域的顶点坐标(i1,j1),(i1,j2),(i2,j1),(i2,j2),再将上述四个顶点坐标连接其内部的像素区域即为该人脸画面对应的像素区域。
上述技术方案的有益效果为:利用公式(1)得到相邻行像素和/或相邻列像素的灰度等级差异值,从而可以根据灰度等级差异值来对人脸画面进行进一步提取;然后利用公式(2)以及公式(3)得到人脸画面对应的像素区域的顶点坐标(i1,j1),(i1,j2),(i2,j1),(i2,j2),从而根据人脸画面对应的像素区域的顶点坐标将人脸画面对应的像素区域准确的划分出来,保证了系统的可靠性以及准确性。
优选地,在该步骤S2中,获取该人脸画面对应的像素区域在若干该场景图像中各自的分辨率状态,并根据该分辨率状态,从若干该像素区域中摘选其中两个像素区域作为目标像素区域具体包括:
步骤S201,获取该人脸画面对应的像素区域在若干该场景图像中各自沿像素行方向或像素列方向的分辨率变化梯度值;
步骤S202,将具有最大分辨率变化梯度值和具有最小分辨率变化梯度值的两个像素区域作为目标像素区域。
上述技术方案的有益效果为:将具有最大分辨率变化梯度值和具有最小分辨率变化梯度值的两个像素区域作为目标像素区域,能够保证选择到的两个目标像素区域能够最大限度地反映人脸画面的分辨率变化极限情况,从而为后续进行人脸图像抓拍质量评判提供可靠的依据。
优选地,在该步骤S3中,获取两个该目标像素区域各自的色度值分布状态,并根据两个该目标像素区域之间在色度值分布状态上的差异,确定对该目标场景进行人脸图像抓拍的质量优劣具体包括:
步骤S301,获取两个该目标像素区域各自包含的所有像素的色度值,并根据该色度值确定两个该目标像素区域任意同一位置像素点之间的色度差异值;
步骤S302,统计在两个该目标像素区域中该色度差异值超过预设色度差异阈值对应的像素点的数量,以此确定该色度差异值超过预设色度差异阈值对应的像素点的数量在该目标像素区域总像素数量中的占比;
步骤S303,将该占比与预设占比阈值进行比对,若该占比超过该占比阈值,则确定对该目标场景进行人脸图像抓拍的质量较低,否则,确定对该目标场景进行人脸图像抓拍的质量较高。
上述技术方案的有益效果为:由于当两个目标像素区域在色度值上存在较大差异时,表明这两个目标像素区域之间存在明显的色差,这导致其对应的场景图像存在色度失真的情况,这样其对应的人脸图像抓拍质量也相应较低,通过该色度差异值超过预设色度差异阈值对应的像素点的数量在该目标像素区域总像素数量中的占比进行阈值比对处理,能够定量地确定人脸图像抓拍的质量,从而提高人脸图像抓拍质量判断的可信度。
参阅图2,为本发明实施例提供的人脸图像抓拍质量分析系统的结构示意图。该人脸图像抓拍质量分析系统包括场景图像拍摄模块、人脸画面像素区域确定模块、目标像素区域摘选模块和人脸图像抓拍质量确定模块;其中,
该场景图像拍摄模块用于对目标场景进行连续多次拍摄,以此相应地获得关于该目标场景的若干场景图像;
该人脸画面像素区域确定模块用于对该场景图像进行预处理,从而确定该场景图像中人脸画面对应的像素区域;
该目标像素区域摘选模块用于获取该人脸画面对应的像素区域在若干该场景图像中各自的分辨率状态,并根据该分辨率状态,从若干该像素区域中摘选其中两个像素区域作为目标像素区域;
该人脸图像抓拍质量确定模块用于获取两个该目标像素区域各自的色度值分布状态,并根据两个该目标像素区域之间在色度值分布状态上的差异,确定对该目标场景进行人脸图像抓拍的质量优劣。
上述技术方案的有益效果为:该人脸图像抓拍质量分析系统通过对目标场景进行连续多次拍摄获得关于目标场景的若干场景图像,并从该场景图像中提取得到人脸画面对应的像素区域,并根据人脸画面对应的像素区域的分辨率状态,选择其中两个像素区域作为目标像素区域,最后根据两个目标像素区域之间在色度值分布状态上的差异,确定对目标场景进行人脸图像抓拍的质量优劣,其能够以多个连续拍摄得到的场景图像为基础,通过对场景图像进行关于分辨率状态的摘选处理,以此得到相应的两个目标像素区域,再从色度值分布差异状态层面上对该两个目标像素区域进行分析处理,以此进行人脸图像抓拍的质量优劣,从而提高人脸图像识别的可靠性以及改善人脸图像识别的识别效率。
优选地,该场景图像拍摄模块对目标场景进行连续多次拍摄,以此相应地获得关于该目标场景的若干场景图像具体包括:
按照相同时间间隔,对该目标场景的同一位置区域进行连续多次拍摄,以此相应获得关于该同一位置区域的若干场景图像;
以及,
该人脸画面像素区域确定模块对该场景图像进行预处理,从而确定该场景图像中人脸画面对应的像素区域具体包括:
对若干该场景图像进行灰度化转换处理,从而将若干该场景图像分别转换为具有0-255灰度等级的灰度化场景图像;
再将该灰度化场景图像中具有最大灰度等级差异值的相邻行像素和/或相邻列像素作为该人脸画面的边界像素,再将该边界像素包围的像素区域作为该人脸画面对应的像素区域。
上述技术方案的有益效果为:由于目标场景自身的变化以及拍摄操作的不稳定性,若只对目标场景进行单次拍摄,容易导致在偶然因素的干扰下影响拍摄得到的场景图像的质量,而按照相同时间间隔对目标场景的同一位置区域进行连续多次拍摄,能够保证对目标场景的同一位置区域进行稳定的和持续化的拍摄,以此拍摄得到的若干场景图像能够最大限度的反应目标场景的真实情况;此外,由于场景图像中人脸画面与其他部分画面之间存在像素级别的差异,通过灰度化转换处理的方式能够将该差异进行精准的放大,从而提高人脸画面对应的像素区域的确定准确度。
优选地,该目标像素区域摘选模块获取该人脸画面对应的像素区域在若干该场景图像中各自的分辨率状态,并根据该分辨率状态,从若干该像素区域中摘选其中两个像素区域作为目标像素区域具体包括:
获取该人脸画面对应的像素区域在若干该场景图像中各自沿像素行方向或像素列方向的分辨率变化梯度值;
再将具有最大分辨率变化梯度值和具有最小分辨率变化梯度值的两个像素区域作为目标像素区域。
上述技术方案的有益效果为:将具有最大分辨率变化梯度值和具有最小分辨率变化梯度值的两个像素区域作为目标像素区域,能够保证选择到的两个目标像素区域能够最大限度地反映人脸画面的分辨率变化极限情况,从而为后续进行人脸图像抓拍质量评判提供可靠的依据。
优选地,该人脸图像抓拍质量确定模块获取两个该目标像素区域各自的色度值分布状态,并根据两个该目标像素区域之间在色度值分布状态上的差异,确定对该目标场景进行人脸图像抓拍的质量优劣具体包括:
获取两个该目标像素区域各自包含的所有像素的色度值,并根据该色度值确定两个该目标像素区域任意同一位置像素点之间的色度差异值;
并统计在两个该目标像素区域中该色度差异值超过预设色度差异阈值对应的像素点的数量,以此确定该色度差异值超过预设色度差异阈值对应的像素点的数量在该目标像素区域总像素数量中的占比;
再将该占比与预设占比阈值进行比对,若该占比超过该占比阈值,则确定对该目标场景进行人脸图像抓拍的质量较低,否则,确定对该目标场景进行人脸图像抓拍的质量较高。
上述技术方案的有益效果为:由于当两个目标像素区域在色度值上存在较大差异时,表明这两个目标像素区域之间存在明显的色差,这导致其对应的场景图像存在色度失真的情况,这样其对应的人脸图像抓拍质量也相应较低,通过该色度差异值超过预设色度差异阈值对应的像素点的数量在该目标像素区域总像素数量中的占比进行阈值比对处理,能够定量地确定人脸图像抓拍的质量,从而提高人脸图像抓拍质量判断的可信度。
从上述实施例的内容可知,该人脸图像抓拍质量分析方法和系统通过对目标场景进行连续多次拍摄,以此相应地获得关于该目标场景的若干场景图像,并对该场景图像进行预处理,从而确定该场景图像中人脸画面对应的像素区域,并获取该人脸画面对应的像素区域在若干该场景图像中各自的分辨率状态,并根据该分辨率状态,从若干该像素区域中摘选其中两个像素区域作为目标像素区域,再获取两个该目标像素区域各自的色度值分布状态,并根据两个该目标像素区域之间在色度值分布状态上的差异,确定对该目标场景进行人脸图像抓拍的质量优劣;可见,该人脸图像抓拍质量分析方法和系统通过对目标场景进行连续多次拍摄获得关于目标场景的若干场景图像,并从该场景图像中提取得到人脸画面对应的像素区域,并根据人脸画面对应的像素区域的分辨率状态,选择其中两个像素区域作为目标像素区域,最后根据两个目标像素区域之间在色度值分布状态上的差异,确定对目标场景进行人脸图像抓拍的质量优劣,其能够以多个连续拍摄得到的场景图像为基础,通过对场景图像进行关于分辨率状态的摘选处理,以此得到相应的两个目标像素区域,再从色度值分布差异状态层面上对该两个目标像素区域进行分析处理,以此进行人脸图像抓拍的质量优劣,从而提高人脸图像识别的可靠性以及改善人脸图像识别的识别效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.人脸图像抓拍质量分析方法,其特征在于,其包括如下步骤:
步骤S1,对目标场景进行连续多次拍摄,以此相应地获得关于所述目标场景的若干场景图像,并对所述场景图像进行预处理,从而确定所述场景图像中人脸画面对应的像素区域;
步骤S2,获取所述人脸画面对应的像素区域在若干所述场景图像中各自的分辨率状态,并根据所述分辨率状态,从若干所述像素区域中摘选其中两个像素区域作为目标像素区域;
步骤S3,获取两个所述目标像素区域各自的色度值分布状态,并根据两个所述目标像素区域之间在色度值分布状态上的差异,确定对所述目标场景进行人脸图像抓拍的质量优劣。
2.如权利要求1所述的人脸图像抓拍质量分析方法,其特征在于:
在所述步骤S1中,对目标场景进行连续多次拍摄,以此相应地获得关于所述目标场景的若干场景图像,并对所述场景图像进行预处理,从而确定所述场景图像中人脸画面对应的像素区域具体包括:
步骤S101,按照相同时间间隔,对所述目标场景的同一位置区域进行连续多次拍摄,以此相应获得关于所述同一位置区域的若干场景图像;
步骤S102,对若干所述场景图像进行灰度化转换处理,从而将若干所述场景图像分别转换为具有0-255灰度等级的灰度化场景图像;
步骤S103,将所述灰度化场景图像中具有最大灰度等级差异值的相邻行像素和/或相邻列像素作为所述人脸画面的边界像素,再将所述边界像素包围的像素区域作为所述人脸画面对应的像素区域。
3.如权利要求2所述的人脸图像抓拍质量分析方法,其特征在于:
在所述步骤S103中,所述人脸画面对应的像素区域中所述人脸画面对应的像素区域的顶点坐标具体过程包括:
第一、利用下面公式(1),根据所述灰度化场景图像中各点的灰度等级值得到相邻行像素和/或相邻列像素的灰度等级差异值,
在上述公式(1)中,Hi+1,i表示相邻行像素中第i行像素与第i+1行像素之间的灰度等级差异值,Lj+1,j表示相邻列像素中第j列像素与第j+1列像素之间的灰度等级差异值,Aij表示所述灰度化场景图像中第i行第j列的灰度等级值,Ai+1j表示所述灰度化场景图像中第i+1行第j列的灰度等级值,Aij+1表示所述灰度化场景图像中第i行第j+1列的灰度等级值,n表示所述灰度化场景图像中的总行数,m表示所述灰度化场景图像中的总列数;
第二,利用下面公式(2),根据所述相邻行像素和/或相邻列像素的灰度等级差异值得到所述具有最大灰度等级差异值对应的像素行列值,
在上述公式(2)中,i1表示所述灰度化场景图像中第i1行具有相邻行像素中的最大灰度等级差异值,j1表示所述灰度化场景图像中第j1列具有相邻列像素中的最大灰度等级差异值,表示将i的值从1取到n-1中使得所述Hi+1,i取得最大值时所对应的i值,表示将j的值从1取到m-1中使得所述Lj+1,j取得最大值时所对应的j值;
第三、利用下面公式(3),根据所述相邻行像素和/或相邻列像素的最大灰度等级差异值得到与所述最大灰度等级差异值最相近的灰度等级差异值对应的像素行列值,
在上述公式(3)中,i2表示所述灰度化场景图像中第i2行的灰度等级差异值与相邻行像素中的最大灰度等级差异值之间的最小差异值,j2表示所述灰度化场景图像中第j2列的灰度等级差异值与相邻列像素中的最大灰度等级差异值的最小差异值,a表示对所述灰度化场景图像中的行数进行取值的变量,b表示对所述灰度化场景图像中的列数进行取值的变量,表示将a的值从1取到n-1且a≠i1使得所述取得最大值时所对应的a值,表示将b的值从1取到m-1且b≠j1使得所述取得最大值时所对应的b值;
这样通过上述过程得到的i1,j1,i2,j2值得到所述人脸画面对应的像素区域的顶点坐标(i1,j1),(i1,j2),(i2,j1),(i2,j2),再将上述四个顶点坐标连接其内部的像素区域即为所述人脸画面对应的像素区域。
4.如权利要求2所述的人脸图像抓拍质量分析方法,其特征在于:
在所述步骤S2中,获取所述人脸画面对应的像素区域在若干所述场景图像中各自的分辨率状态,并根据所述分辨率状态,从若干所述像素区域中摘选其中两个像素区域作为目标像素区域具体包括:
步骤S201,获取所述人脸画面对应的像素区域在若干所述场景图像中各自沿像素行方向或像素列方向的分辨率变化梯度值;
步骤S202,将具有最大分辨率变化梯度值和具有最小分辨率变化梯度值的两个像素区域作为目标像素区域。
5.如权利要求4所述的人脸图像抓拍质量分析方法,其特征在于:
在所述步骤S3中,获取两个所述目标像素区域各自的色度值分布状态,并根据两个所述目标像素区域之间在色度值分布状态上的差异,确定对所述目标场景进行人脸图像抓拍的质量优劣具体包括:
步骤S301,获取两个所述目标像素区域各自包含的所有像素的色度值,并根据所述色度值确定两个所述目标像素区域任意同一位置像素点之间的色度差异值;
步骤S302,统计在两个所述目标像素区域中所述色度差异值超过预设色度差异阈值对应的像素点的数量,以此确定所述色度差异值超过预设色度差异阈值对应的像素点的数量在所述目标像素区域总像素数量中的占比;
步骤S303,将所述占比与预设占比阈值进行比对,若所述占比超过所述占比阈值,则确定对所述目标场景进行人脸图像抓拍的质量较低,否则,确定对所述目标场景进行人脸图像抓拍的质量较高。
6.人脸图像抓拍质量分析系统,其特征在于,其包括场景图像拍摄模块、人脸画面像素区域确定模块、目标像素区域摘选模块和人脸图像抓拍质量确定模块;其中,
所述场景图像拍摄模块用于对目标场景进行连续多次拍摄,以此相应地获得关于所述目标场景的若干场景图像;
所述人脸画面像素区域确定模块用于对所述场景图像进行预处理,从而确定所述场景图像中人脸画面对应的像素区域;
所述目标像素区域摘选模块用于获取所述人脸画面对应的像素区域在若干所述场景图像中各自的分辨率状态,并根据所述分辨率状态,从若干所述像素区域中摘选其中两个像素区域作为目标像素区域;
所述人脸图像抓拍质量确定模块用于获取两个所述目标像素区域各自的色度值分布状态,并根据两个所述目标像素区域之间在色度值分布状态上的差异,确定对所述目标场景进行人脸图像抓拍的质量优劣。
7.如权利要求6所述的人脸图像抓拍质量分析系统,其特征在于:
所述场景图像拍摄模块对目标场景进行连续多次拍摄,以此相应地获得关于所述目标场景的若干场景图像具体包括:
按照相同时间间隔,对所述目标场景的同一位置区域进行连续多次拍摄,以此相应获得关于所述同一位置区域的若干场景图像;
以及,
所述人脸画面像素区域确定模块对所述场景图像进行预处理,从而确定所述场景图像中人脸画面对应的像素区域具体包括:
对若干所述场景图像进行灰度化转换处理,从而将若干所述场景图像分别转换为具有0-255灰度等级的灰度化场景图像;
再将所述灰度化场景图像中具有最大灰度等级差异值的相邻行像素和/或相邻列像素作为所述人脸画面的边界像素,再将所述边界像素包围的像素区域作为所述人脸画面对应的像素区域。
8.如权利要求7所述的人脸图像抓拍质量分析系统,其特征在于:
所述目标像素区域摘选模块获取所述人脸画面对应的像素区域在若干所述场景图像中各自的分辨率状态,并根据所述分辨率状态,从若干所述像素区域中摘选其中两个像素区域作为目标像素区域具体包括:
获取所述人脸画面对应的像素区域在若干所述场景图像中各自沿像素行方向或像素列方向的分辨率变化梯度值;
再将具有最大分辨率变化梯度值和具有最小分辨率变化梯度值的两个像素区域作为目标像素区域。
9.如权利要求8所述的人脸图像抓拍质量分析系统,其特征在于:
所述人脸图像抓拍质量确定模块获取两个所述目标像素区域各自的色度值分布状态,并根据两个所述目标像素区域之间在色度值分布状态上的差异,确定对所述目标场景进行人脸图像抓拍的质量优劣具体包括:
获取两个所述目标像素区域各自包含的所有像素的色度值,并根据所述色度值确定两个所述目标像素区域任意同一位置像素点之间的色度差异值;
并统计在两个所述目标像素区域中所述色度差异值超过预设色度差异阈值对应的像素点的数量,以此确定所述色度差异值超过预设色度差异阈值对应的像素点的数量在所述目标像素区域总像素数量中的占比;
再将所述占比与预设占比阈值进行比对,若所述占比超过所述占比阈值,则确定对所述目标场景进行人脸图像抓拍的质量较低,否则,确定对所述目标场景进行人脸图像抓拍的质量较高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011573163.0A CN112597916B (zh) | 2020-12-24 | 2020-12-24 | 人脸图像抓拍质量分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011573163.0A CN112597916B (zh) | 2020-12-24 | 2020-12-24 | 人脸图像抓拍质量分析方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112597916A true CN112597916A (zh) | 2021-04-02 |
CN112597916B CN112597916B (zh) | 2021-10-26 |
Family
ID=75203376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011573163.0A Active CN112597916B (zh) | 2020-12-24 | 2020-12-24 | 人脸图像抓拍质量分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112597916B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100060943A1 (en) * | 2008-09-10 | 2010-03-11 | Xerox Corporation | Decoding message data embedded in an image print via halftone dot orientation |
CN103700071A (zh) * | 2013-12-16 | 2014-04-02 | 华中科技大学 | 一种深度图上采样边缘增强方法 |
CN108389189A (zh) * | 2018-02-08 | 2018-08-10 | 天津大学 | 基于字典学习的立体图像质量评价方法 |
CN108600744A (zh) * | 2018-07-17 | 2018-09-28 | 中星技术股份有限公司 | 图像质量控制的方法、摄像机拍摄图像的方法和装置 |
CN109117797A (zh) * | 2018-08-17 | 2019-01-01 | 浙江捷尚视觉科技股份有限公司 | 一种基于人脸质量评价的人脸抓拍识别方法 |
CN109376645A (zh) * | 2018-10-18 | 2019-02-22 | 深圳英飞拓科技股份有限公司 | 一种人脸图像数据优选方法、装置及终端设备 |
CN109389591A (zh) * | 2018-09-30 | 2019-02-26 | 西安电子科技大学 | 基于彩色描述子的彩色图像质量评价方法 |
CN109508648A (zh) * | 2018-10-22 | 2019-03-22 | 成都臻识科技发展有限公司 | 一种人脸抓拍方法及设备 |
CN109598707A (zh) * | 2018-11-26 | 2019-04-09 | 浙江科技学院 | 一种基于特征信息处理的全参考图像质量客观评价方法 |
CN111161206A (zh) * | 2018-11-07 | 2020-05-15 | 杭州海康威视数字技术股份有限公司 | 一种图像抓拍方法、监控相机及监控系统 |
CN111932463A (zh) * | 2020-08-26 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备及存储介质 |
CN111932453A (zh) * | 2020-07-20 | 2020-11-13 | 合肥富煌君达高科信息技术有限公司 | 高分辨率图像生成方法及集成该方法的高速相机 |
CN111953939A (zh) * | 2020-07-31 | 2020-11-17 | 中标慧安信息技术股份有限公司 | 提高监控视频存证正确率的方法及系统 |
-
2020
- 2020-12-24 CN CN202011573163.0A patent/CN112597916B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100060943A1 (en) * | 2008-09-10 | 2010-03-11 | Xerox Corporation | Decoding message data embedded in an image print via halftone dot orientation |
CN103700071A (zh) * | 2013-12-16 | 2014-04-02 | 华中科技大学 | 一种深度图上采样边缘增强方法 |
CN108389189A (zh) * | 2018-02-08 | 2018-08-10 | 天津大学 | 基于字典学习的立体图像质量评价方法 |
CN108600744A (zh) * | 2018-07-17 | 2018-09-28 | 中星技术股份有限公司 | 图像质量控制的方法、摄像机拍摄图像的方法和装置 |
CN109117797A (zh) * | 2018-08-17 | 2019-01-01 | 浙江捷尚视觉科技股份有限公司 | 一种基于人脸质量评价的人脸抓拍识别方法 |
CN109389591A (zh) * | 2018-09-30 | 2019-02-26 | 西安电子科技大学 | 基于彩色描述子的彩色图像质量评价方法 |
CN109376645A (zh) * | 2018-10-18 | 2019-02-22 | 深圳英飞拓科技股份有限公司 | 一种人脸图像数据优选方法、装置及终端设备 |
CN109508648A (zh) * | 2018-10-22 | 2019-03-22 | 成都臻识科技发展有限公司 | 一种人脸抓拍方法及设备 |
CN111161206A (zh) * | 2018-11-07 | 2020-05-15 | 杭州海康威视数字技术股份有限公司 | 一种图像抓拍方法、监控相机及监控系统 |
CN109598707A (zh) * | 2018-11-26 | 2019-04-09 | 浙江科技学院 | 一种基于特征信息处理的全参考图像质量客观评价方法 |
CN111932453A (zh) * | 2020-07-20 | 2020-11-13 | 合肥富煌君达高科信息技术有限公司 | 高分辨率图像生成方法及集成该方法的高速相机 |
CN111953939A (zh) * | 2020-07-31 | 2020-11-17 | 中标慧安信息技术股份有限公司 | 提高监控视频存证正确率的方法及系统 |
CN111932463A (zh) * | 2020-08-26 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112597916B (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
CN106886216B (zh) | 基于rgbd人脸检测的机器人自动跟踪方法和系统 | |
US8938117B2 (en) | Pattern recognition apparatus and method therefor configured to recognize object and another lower-order object | |
CN111401246B (zh) | 一种烟雾浓度检测方法、装置、设备及存储介质 | |
CN112396635B (zh) | 一种基于多设备的复杂环境下多目标检测方法 | |
CN111665199A (zh) | 一种基于机器视觉的电线电缆颜色检测识别方法 | |
CN107045630B (zh) | 一种基于rgbd的行人检测和身份识别方法及系统 | |
CN115639248A (zh) | 一种用于建筑外墙质量检测的系统及方法 | |
CN106682670B (zh) | 一种台标识别方法及系统 | |
CN111027637A (zh) | 一种文字检测方法及计算机可读存储介质 | |
CN111027564A (zh) | 基于深度学习一体化的低照度成像车牌识别方法及装置 | |
CN112819710B (zh) | 基于人工智能的无人机果冻效应自适应补偿方法及系统 | |
CN113177397A (zh) | 表格的调整方法、装置、设备以及存储介质 | |
CN117854402A (zh) | 显示屏的异常显示检测方法、装置、终端设备 | |
CN112597916B (zh) | 人脸图像抓拍质量分析方法和系统 | |
CN113014914B (zh) | 一种基于神经网络的单人换脸短视频的识别方法和系统 | |
CN116309270A (zh) | 一种基于双目图像的输电线路典型缺陷识别方法 | |
CN113591705B (zh) | 巡检机器人仪表识别系统及方法、存储介质 | |
CN115187549A (zh) | 一种图像灰度处理方法、装置、设备及存储介质 | |
CN115222652A (zh) | 一种成捆钢筋端面的识别计数及中心定位方法与其存储器 | |
CN113409334A (zh) | 一种基于质心的结构光角点检测方法 | |
CN111382741A (zh) | 一种自然场景图片中文本检测方法、系统及设备 | |
CN115249254B (zh) | 一种基于ar技术的目标跟踪方法及系统 | |
CN117474915B (zh) | 一种异常检测方法、电子设备及存储介质 | |
CN116416251B (zh) | 基于图像处理的整芯阻燃输送带质量检测方法及相关装置 |
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 |