CN112733650B - 目标人脸检测方法、装置、终端设备及存储介质 - Google Patents

目标人脸检测方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN112733650B
CN112733650B CN202011612839.2A CN202011612839A CN112733650B CN 112733650 B CN112733650 B CN 112733650B CN 202011612839 A CN202011612839 A CN 202011612839A CN 112733650 B CN112733650 B CN 112733650B
Authority
CN
China
Prior art keywords
face
region
image
frame
interest
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
Application number
CN202011612839.2A
Other languages
English (en)
Other versions
CN112733650A (zh
Inventor
武绍旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN202011612839.2A priority Critical patent/CN112733650B/zh
Publication of CN112733650A publication Critical patent/CN112733650A/zh
Application granted granted Critical
Publication of CN112733650B publication Critical patent/CN112733650B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161Detection; 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 Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请适用于信息处理技术领域,提供了一种目标人脸检测方法、装置及终端设备,所述方法包括:获取待处理图像上感兴趣区域中的备选人脸框;当所述感兴趣区域中的备选人脸框不止一个时,计算所述备选人脸框与所述感兴趣区域的中心距离;基于所述中心距离,对所述感兴趣区域中的备选人脸框进行过滤后得到目标人脸框,并将所述目标人脸框中的人脸确定为目标人脸。本申请可以解决现有技术中目标人脸识别率较低,误检率较高的问题。

Description

目标人脸检测方法、装置、终端设备及存储介质
技术领域
本申请属于信息处理技术领域,尤其涉及一种目标人脸检测方法、装置及终端设备。
背景技术
在当前的智能安防系统中,前端负责图像采集的智能(抓拍)相机会对采集到的视频数据进行一个初步的人脸识别、追踪、检测处理。人脸检测技术就是采用一定的策略从给定的图像或视频帧中进行搜索,确定是否包含人脸,若是,则返回人脸的相关信息。常用的人脸检测是在整帧图像上进行搜索,耗时较长。
目前,可利用感兴趣区域(Region Of Interest,ROI)获取目标人脸,将标注有人脸感兴趣区域的结果上报给中心服务器,由部署在中心服务器的结构化引擎对上报结果进行二次检测。即,通过ROI框缩小检测范围,减少搜索时间。
然而,当一个ROI框中存在多个人脸时,可能存在人脸遮挡的情形,直接输出ROI框中的人脸或者按人脸面积输出最大人脸,并不能有效得到目标人脸,目标人脸识别率较低,误检率较高。
发明内容
有鉴于此,本申请实施例提供了一种目标人脸检测方法、装置及终端设备,以解决现有技术中存在直接输出ROI框中的人脸或者按人脸面积输出最大人脸,并不能有效得到目标人脸,目标人脸识别率较低,误检率较高的问题。
本申请实施例的第一方面提供了一种目标人脸检测方法,包括:
获取待处理图像上感兴趣区域中的备选人脸框;
当所述感兴趣区域中的备选人脸框不止一个时,计算所述备选人脸框与所述感兴趣区域的中心距离;
基于所述中心距离,对所述感兴趣区域中的备选人脸框进行过滤后得到目标人脸框,并将所述目标人脸框中的人脸确定为目标人脸。
本申请实施例的第二方面提供了一种目标人脸检测装置,包括:
备选人脸框获取单元,用于获取待处理图像上感兴趣区域中的备选人脸框;
中心距离计算单元,用于当所述感兴趣区域中的备选人脸框不止一个时,计算所述备选人脸框与所述感兴趣区域的中心距离;
目标人脸确定单元,用于基于所述中心距离,对所述感兴趣区域中的备选人脸框进行过滤后得到目标人脸框,并将所述目标人脸框中的人脸确定为目标人脸。
本申请实施例的第三方面提供了一种终端设备,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如上述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当所述计算机程序产品在终端设备上运行时,使得终端设备实现如上述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:
在本申请的目标人脸检测方法中,通过获取待处理图像上感兴趣区域中的备选人脸框,当所述感兴趣区域中的备选人脸框不止一个时,计算所述备选人脸框与所述感兴趣区域的中心距离,基于所述中心距离,对所述感兴趣区域中的备选人脸框进行过滤后得到目标人脸框,可避免因遮挡导致的误检,提高非目标人脸过滤的精准度,在感兴趣区域有多个人脸时有效过滤非目标人脸,并将所述目标人脸框中的人脸确定为目标人脸,从而解决现有技术中直接输出的ROI框中的人脸并不一定是目标人脸,目标人脸识别率较低,误检率较高的技术问题,本方案可有效提高目标人脸检测的效率,降低误检率,有效增强用户体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的感兴趣区域中存在多个人脸相互遮挡的示意图;
图2是本申请实施例提供的目标人脸检测方法的实现流程图;
图3是本申请实施例提供的目标人脸检测方法步骤S201的具体实现流程图;
图4是本申请实施例提供的目标人脸检测方法中人脸框未包含在ROI框的示意图;
图5是本申请实施例提供的目标人脸检测方法中人脸框包含在ROI框的示意图;
图6是本申请实施例提供的根据所述重叠面积确定所述感兴趣区域中的备选人脸框的具体实现流程图;
图7是本申请实施例提供的目标人脸检测方法中对感兴趣区域中的备选人脸框进行过滤的具体实现流程图;
图8是本申请实施例提供的目标人脸检测装置的结构框图;
图9是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
随着智慧安防领域的发展,人脸检测具有越来越重要的地位。在进行目标人脸检测时,利用ROI框可有效缩短对图像中目标人脸的检测。在实际应用场景中,由于摄像头拍摄到的图像往往不是完美的人脸图像,在ROI框中的人脸可能除了目标人脸,还包括其他人脸,此时,需要对ROI框中的人脸进行过滤,进而得到目标人脸。
目前,主流的过滤策略是按人脸面积选优。即如果在ROI框中检测到多个人脸,则分别计算每个人脸的面积,选择面积最大的人脸作为目标人脸输出,过滤掉其它的人脸。该种方式实现简单方便,过滤效率高,但在多人脸目标有遮挡的场景下,人脸过滤准确性较差。
如图1所示,在感兴趣区域中存在多个人脸相互遮挡的情况,比如待上报的ROI框中需要检测的目标人脸是人脸A,但由于人脸C、人脸B都和人脸A有部分重合遮挡重合,所以在ROI框中也能检测到人脸B和人脸C,并且由于人脸C在位置上稍靠前,如果按人脸面积过滤,则计算出人脸C的面积会大于人脸A的面积,这样就会将真正要检测的人脸A过滤掉。因此,直接输出ROI框中的人脸或者按人脸面积输出最大人脸,并不能有效得到目标人脸,这导致目标人脸识别率较低,误检率较高。
为了解决上述问题,本申请实施例提供了一种目标人脸检测方法、装置及终端设备,具体参见如下所述。
本申请实施例提供的目标人脸检测方法可以应用于服务器、超级移动个人计算机(ultra-mobile personal computer,UMPC)等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
实施例一:
图2示出了本申请实施例提供的目标人脸检测方法的实现流程,该方法流程包括步骤S201至S203。各步骤的具体实现原理如下:
步骤S201:获取待处理图像上感兴趣区域中的备选人脸框。
本申请实施例中,上述待处理图像可以是用户给定的图像,也可以是从摄像头、摄像机等图像采集设备采集的一系列视频帧图像中抽取的某一帧图像。
在一种可能的实施方式中,上述待处理图像为图像采集设备发送的、通过上述图像采集设备从采集的一系列视频帧图像中抽取的一帧图像。具体地,获取图像采集设备发送的待处理图像,该待处理图像上标有感兴趣区域。上述待处理图像为上述图像采集设备从采集的一系列视频帧图像中抽取的一帧图像。上述待处理图像上的感兴趣区域为上述图像采集设备对抽取的一帧图像进行人脸检测,根据检测到的人脸确定的区域。
在一些实施方式中,上述图像采集设备抽取要发送的图像进行人脸检测,以检测到的人脸框为中心,按预设外扩比例进行外扩得到区域确定为待处理图像的感兴趣区域。其中,上述预设外扩比例与上述检测到的人脸框的大小对应。根据检测到的人脸框的大小,即可确定上述预设外扩比例。
在一种可能的实施方式中,上述待处理图像为用户设备发送的、由用户指定的图像。具体地,获取用户设备发送的待处理图像,该待处理图像上标有感兴趣区域。上述待处理图像为用户指定的图像,待处理图像上的感兴趣区域为上述用户设备对用户指定要发送的图像进行人脸检测,根据检测到的人脸确定的区域。
在一些实施方式中,上述用户设备对用户指定要发送的图像进行人脸检测,以检测到的人脸框为中心,按预设外扩比例进行外扩得到区域确定为待处理图像的感兴趣区域。其中,上述预设外扩比例与上述检测到的人脸框的大小对应。根据检测到的人脸框的大小,即可确定上述预设外扩比例。
上述感兴趣区域可以为方框、正圆、椭圆甚至是不规则多边形勾勒出的区域。
上述备选人脸框为上述待处理图像中满足预设条件的人脸框。该人脸框可以为方框或者椭圆勾勒出的区域。
在一些实施方式中,从图像采集设备采集的多帧视频图像中抽取指定帧数的视频图像,再根据预设的图像选择算法,从抽取的指定帧数的视频图像中选择一帧视频图像作为待处理图像。
示例性地,从摄像头拍摄的视频图像中抽取18帧视频图像,再根据预设的图像抽取算法,从抽取的多帧视频图像中选择一帧视频图像作为待处理图像。
实际上,从摄像头拍摄的多帧视频图像中抽取指定帧数的视频图像的过程,也是对视频图像进行初筛选的过程,筛选的标准可以根据视频图像的清晰程度、视频图像中是否包含人脸确定。
在一些实施方式中,对摄像头拍摄的多帧视频图像进行人脸特征点检测,将未包含人脸的视频图像筛除,得到包含人脸的视频图像,再根据预设的抽取算法,从包含人脸的视频图像中抽取指定帧数的视频图像,利用预设的图像选择算法,对所述指定帧数的视频图像进行质量择优,选择质量相对最佳的一帧视频图像作为待处理图像。
本申请实施例中的质量择优,是使用质量算法判断图像的质量,然后输出一个相应的数值,通过各图像对应的数值的比较结果,确定质量最佳的图像为待处理图像。
由于摄像头捕获的是视频图像,如果对每一帧视频图像都进行处理,不仅会加大计算量,还会造成大量的冗余。
在本申请实施例中,通过预设的图像选择算法进行质量择优,可减少计算量,避免冗余,选择质量最佳的视频图像作为待处理图像,有利于后续处理的准确性,进而提高人脸检测处理的有效性。
上述预设的抽取算法可以是随机抽取算法,从上述经过初步筛选的视频图像中随机抽取设定数量的视频图像。
在一些实施方式中,还可以是根据预设图像标准对视频图像进行筛选,抽取指定帧数的满足所述预设图标标准的视频图像,预设图像标准包括图像清晰度、人脸完整度或者人脸角度等。
作为本申请一种可能的实施方式,图3示出了本申请实施例提供的所述根据获取待处理图像上感兴趣区域中的备选人脸框的具体实现流程,详述如下:
A1:对所述待处理图像进行人脸检测,得到人脸框。
在一些实施方式中,可将上述待处理图像输入至人脸检测网络模型,通过人脸检测网络模型对上述待处理图像进行人脸关键特征点检测,将检测到的人人脸关键特征点作为锚点,勾勒处理得到人脸框。
在本申请实施例中,上述待处理人脸图像中的人脸框有多个。
在本申请实施例中,所述人脸关键特征点包括左眼、右眼、左耳、右耳、鼻尖等等。
A2:计算所述人脸框与感兴趣区域的重叠面积。
重叠面积的计算可参考现有技术,此处不赘述。
A3:根据所述重叠面积,确定所述感兴趣区域中的备选人脸框。
在一些实施方式中,判断上述待处理人脸图像中的人脸框是否包含在ROI框中,如果人脸框未包含在ROI框,如图4所示,即判断该人脸框不属于ROI框,将该人脸框过滤掉。如果人脸框包含在ROI框,如图5所示,即判断该人脸框属于ROI框,将该人脸框确定为备选人脸框。
需说明的是,上述判断人脸框是否包含在ROI框中是指判断人脸框与感兴趣区域的重叠面积是否达到预设重叠标准。若人脸框与感兴趣区域的重叠面积达到预设重叠标准,则确定该人脸框包含在ROI框中,反之,若人脸框与感兴趣区域的重叠面积未达到预设重叠标准,则确定该人脸框未包含在ROI框中。
示例性地,在一个应用场景中,对待处理图像进行人脸检测,得到多个人脸框,分别计算各个人脸框与所述待处理图像中感兴趣区域的重叠面积。若某一人脸框与感兴趣区域的重叠面积达到预设重叠标准,则将该人脸框确定为备选人脸框,若人脸框与感兴趣区域的重叠面积未达到预设重叠标准,则将该人脸框过滤。
作为本申请一种可能的实施方式,如图6所示,上述步骤A3具体包括:
A31:比较所述人脸框的面积与所述感兴趣区域的面积,并根据比较结果确定所述人脸框对应的目标面积,其中,所述目标面积为所述人脸框与所述感兴趣区域中较小的面积。
在本申请实施例中,获取上述待处理图像中的各个人脸框的面积,并比较人脸框的面积与ROI框的面积,将人脸框与ROI框中较小的面积确定为该人脸框对应的目标面积。
示例性地,目标面积areaB=min(人脸框面积,ROI框面积)。
A32:获取所述人脸框对应的目标比值,所述目标比值即为所述重叠面积与所述目标面积的比值。
在本申请实施例中,上述目标比值即为人脸框与感兴趣区域框中较小的面积与该人脸框对应的重叠面积的比值。
示例性地,目标比值rateC=(重叠面积areaA/目标面积areaB)×100%。
A33:若所述人脸框对应的所述目标比值大于或等于预设比值,则将所述人脸框确定为备选人脸框。
在本申请实施例中,若上述待处理图像中的人脸框对应的目标比值大于或等于预设比值,则该人脸框确定为上述感兴趣区域的备选人脸框。若上述待处理图像中的人脸框对应的目标比值小于预设比值,则将该人脸框过滤。
上述预设比值可为经验值。该预设比值的调整会影响到误检或者漏检。若该预设比值过高,则可能导致漏检;若该预设比值过低,则可能导致误检。
在一些实施方式中,上述预设比值可以为80%。
示例性地,判断待处理图像中的人脸框对应的目标比值是否大于或者等于80%,若大于或者等于80%,则保留该人脸框,并将其确定为待处理图像上感兴趣区域中的备选人脸框。若小于80%,则将该人脸框过滤。
本申请实施例中,通过计算人脸框与感兴趣区域的重叠面积与目标面积的目标比值,并基于该目标比值待处理人脸图像中的人脸框进行初步过滤,得到待处理图像上感兴趣区域中的备选人脸框。将对应目标人脸的目标人脸框的搜索范围缩小,可提高目标人脸检测的效率和准确率。
在一些实施方式中,在上述获取待处理图像上感兴趣区域中的备选人脸框志的步骤之前,对上述待处理图像进行图像预处理。
图像预处理的目的是提高图像质量,以及获取满足要求的图像,为后续进行人脸检测等处理做准备。作为一种可能的实施方式,本申请实施例中所述图像预处理包括图像滤波、图像归一化、光照归一化以及姿态归一化中的一种或者多种。
作为另一种可能的实施方式,所述图像预处理还包括图像裁剪。在本申请实施例中,将待处理图像进行裁剪成指定像素大小的图像,例如,将待处理图像裁剪成256×256像素大小的图像。
在本申请实施例中,为提高目标人脸检测的准确性,还对该待处理图像进行图像预处理,进一步提高图像的质量,从而使得目标人脸检测更为准确有效。
步骤S202:当所述感兴趣区域中的备选人脸框不止一个时,计算所述备选人脸框与所述感兴趣区域的中心距离。
在本申请实施例中,当上述感兴趣区域中的备选人脸框只有一个时,即可将该备选人脸框确定目标人脸框,该备选人脸框中的人脸即为目标人脸。
当上述感兴趣区域的备选人脸框不止一个时,需要从中确定一个备选人脸框作为目标人脸框。本申请实施例通过计算各个备选人脸框与感兴趣区域的中心距离。
上述中心距离是指备选人脸框的人脸中心点与感兴趣区域的区域中心点之间的距离。作为本申请一种可能的实施方式,上述步骤S202具体包括:
B1:获取所述备选人脸框的人脸中心点的坐标与所述感兴趣区域的区域中心点的坐标。
在一些实施方式中,可通过人脸检测组件获取上述备选人脸框的人脸中心点的坐标。
在一些实施方式中,上述感兴趣区域是用户预先指定的,上述感兴趣区域的尺寸大小可以是预设或者是用户自定义的,摄像头拍摄的视频图像尺寸固定,此情形下,根据上述感兴趣区域在上述待处理图像中的位置,以及待处理图像的尺寸与感兴趣区域的尺寸,确定上述感兴趣区域的区域中心的坐标。
B2:根据下式确定所述备选人脸框与所述感兴趣区域的中心距离Dcenter
其中,XROI为所述区域中心点在水平方向上的坐标值,YROI为所述区域中心点在垂直方向上的坐标值,Xobject为所述人脸中心点在水平方向上的坐标值,Yobject为所述人脸中心点在垂直方向上的坐标值。
作为本申请一种可能的实施方式,感兴趣区域中的备选人脸框不止一个,且备选框的数量还超出了预设人脸框数量,此时,需要对感兴趣区域中的备选人脸框进行过滤。
如图7所示,在所述计算所述备选人脸框与所述感兴趣区域的中心距离的步骤之前,还包括:
C1:当所述感兴趣区域中的备选人脸框的数量大于预设人脸框数量时,获取各个备选人脸框的人脸框面积。
C2:按所述人脸框面积从大到小对所述备选人脸框排序。
C3:基于所述排序结果,将超出所述预设人脸框数量的备选人脸框过滤,保留预设人脸框数量的备选人脸框。
在本申请实施例中,预先配置感兴趣区域的备选人脸框数量。当所述感兴趣区域中的备选人脸框的数量大于预设人脸框数量时,基于备选人脸框的人脸框面积筛选出较优的备选人脸框。
在本申请实施例中,备选人脸框的人脸框面积越大,则认为该备选人脸框中的人脸越优。
在一些可能的实施方式中,考虑到ROI框中出现超过3个的备选人脸框的可能性较小,上述预设人脸框数量可以配置为3。
示例性地,在一个应用场景中,预设人脸框数量为3。当ROI框中的备选人脸框的数量为5时,分别获取各个备选人脸框的人脸框面积,并将5个备选人脸框按人脸框面积从大到小排序,保留排序前3的备选人脸框,过滤掉排序靠后的两个备选人脸框。
在一些可能的实施方式中,上述预设人脸框数量可与感兴趣区域的尺寸正相关。感兴趣区域的尺寸越大,预设人脸框数量越大。
步骤S203:基于所述中心距离,对所述感兴趣区域中的备选人脸框进行过滤后得到目标人脸框,并将所述目标人脸框中的人脸确定为目标人脸。
在本申请实施例中,将感兴趣区域中的备选人脸框按备选人脸框与感兴趣区域的中心距离从小到大排序,将中心距离最小的备选人脸框确定为目标人脸框,其余备选人脸框过滤掉,将目标人脸框中的人脸确定为目标人脸。
一般地,ROI框默认将需要检测的目标置于ROI框的中心点位置。在本申请实施例中,通过计算ROI框中各个备选人脸框与ROI框中心点的中心距离,并基于该中心距离对ROI框中的多个备选人脸框进行过滤,可提高过滤的精准度,从而有效提高目标人脸检测的准确率,降低误检率和漏检率。
示例性地,在一种应用场景中,获取待处理图像,并对该待处理图像进行图像滤波、光照归一化的预处理,提高图像质量。该待处理图像上有用户指定的ROI框。对待处理图像进行人脸检测,得到多个人脸框,分别计算每一个人脸框与ROI框的重叠面积,并确定每一个人脸框对应的目标面积,该目标面积为该人脸框与ROI框中较小的面积,根据该人脸框对应的重叠面积与目标面积的比值,得到该人脸框的目标比值,将目标比值小于预设比值的人脸框过滤,将目标比值大于或等于预设比值的人脸框确定为备选人脸框。对待处理图像中的人脸框进行初步筛选过滤,以进一步缩小目标人脸检测的范围。当所述ROI框中的备选人脸框不止一个,且备选人脸框的数量大于预设人脸框数量时,获取各个备选人脸框的人脸框面积,按人脸框面积从大到小对备选人脸框排序,将超出所述预设人脸框数量的备选人脸框过滤,保留预设人脸框数量的备选人脸框。对于保留的备选人脸框,获取备选人脸框的人脸中心点的坐标与ROI框的区域中心点的坐标,并分别计算各个人脸中心点与区域中心点的中心距离。将中心距离最近的备选人脸框中的人脸确定为目标人脸,可有效降低误检率,提高目标人脸检测的效率,从而增强用户体验。
由上可见,在本申请实施例中,通过获取待处理图像上感兴趣区域中的备选人脸框,当所述感兴趣区域中的备选人脸框不止一个时,计算所述备选人脸框与所述感兴趣区域的中心距离,基于所述中心距离,对所述感兴趣区域中的备选人脸框进行过滤后得到目标人脸框,可避免因遮挡导致的误检,提高非目标人脸过滤的精准度,在感兴趣区域有多个人脸时有效过滤非目标人脸,并将所述目标人脸框中的人脸确定为目标人脸,从而解决现有技术中直接输出的ROI框中的人脸并不一定是目标人脸,目标人脸识别率较低,误检率较高的技术问题,本方案可有效提高目标人脸检测的效率,降低误检率,有效增强用户体验。
应理解,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,而不应对本申请实施例的实施过程构成任何限定。
实施例二:
对应于上文实施例所述的目标人脸检测方法,图8示出了本申请实施例提供的目标人脸检测装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图8,该目标人脸检测装置包括:备选人脸框获取单元81,中心距离计算单元82,目标人脸确定单元83,其中:
备选人脸框获取单元81,用于获取待处理图像上感兴趣区域中的备选人脸框;
中心距离计算单元82,用于当所述感兴趣区域中的备选人脸框不止一个时,计算所述备选人脸框与所述感兴趣区域的中心距离;
目标人脸确定单元83,用于基于所述中心距离,对所述感兴趣区域中的备选人脸框进行过滤后得到目标人脸框,并将所述目标人脸框中的人脸确定为目标人脸。
在一些可能的实现方式中,所述备选人脸框获取单元81包括:
人脸框获取模块,用于对所述待处理图像进行人脸检测,得到人脸框;
重叠面积计算模块,用于计算所述人脸框与感兴趣区域的重叠面积;
备选人脸框确定模块,用于根据所述重叠面积,确定所述感兴趣区域中的备选人脸框。
在一些可能的实现方式中,所述备选人脸框确定模块具体用于:
比较所述人脸框的面积与所述感兴趣区域的面积,并根据比较结果确定所述人脸框对应的目标面积,其中,所述目标面积为所述人脸框与所述感兴趣区域中较小的面积;
获取所述人脸框对应的目标比值,所述目标比值即为所述重叠面积与所述目标面积的比值;
若所述人脸框对应的所述目标比值大于或等于预设比值,则将所述人脸框确定为备选人脸框。
在一些可能的实现方式中,所述中心距离计算单元82包括:
坐标获取模块,用于获取所述备选人脸框的人脸中心点的坐标与所述感兴趣区域的区域中心点的坐标;
距离计算模块,用于根据下式确定所述备选人脸框与所述感兴趣区域的中心距离Dcenter
其中,XROI为所述区域中心点在水平方向上的坐标值,YROI为所述区域中心点在垂直方向上的坐标值,Xobject为所述人脸中心点在水平方向上的坐标值,Yobject为所述人脸中心点在垂直方向上的坐标值。
在一些可能的实现方式中,所述目标人脸检测装置还包括:
人脸框面积获取单元,用于当所述感兴趣区域中的备选人脸框的数量大于预设人脸框数量时,获取各个备选人脸框的人脸框面积;
面积排序单元,用于按所述人脸框面积从大到小对所述备选人脸框排序;
备选框过滤单元,用于基于所述排序结果,将超出所述预设人脸框数量的备选人脸框过滤。
在一些可能的实现方式中,所述待处理图像为图像采集设备发送的、通过所述图像采集设备从采集的一系列视频帧图像中抽取的一帧图像;其中,所述感兴趣区域为所述图像采集设备对抽取的一帧图像进行人脸检测,并根据检测到的人脸确定的区域;
在一些可能的实现方式中,所述待处理图像为用户设备发送的、由用户指定的图像;其中,所述待处理图像上的感兴趣区域为所述用户设备对所述用户指定要发送的图像进行人脸检测,根据检测到的人脸确定的区域。
在本申请实施例中,通过获取待处理图像上感兴趣区域中的备选人脸框,当所述感兴趣区域中的备选人脸框不止一个时,计算所述备选人脸框与所述感兴趣区域的中心距离,基于所述中心距离,对所述感兴趣区域中的备选人脸框进行过滤后得到目标人脸框,可避免因遮挡导致的误检,提高非目标人脸过滤的精准度,在感兴趣区域有多个人脸时有效过滤非目标人脸,并将所述目标人脸框中的人脸确定为目标人脸,从而解决现有技术中直接输出的ROI框中的人脸并不一定是目标人脸,目标人脸识别率较低,误检率较高的技术问题,本方案可有效提高目标人脸检测的效率,降低误检率,有效增强用户体验。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如图1至图7表示的任意一种目标人脸检测方法的步骤。
本申请实施例还提供一种终端设备,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可读指令,所述处理器执行所述计算机可读指令时实现如图1至图7表示的任意一种目标人脸检测方法的步骤。
本申请实施例还提供一种计算机程序产品,当该计算机程序产品在服务器上运行时,使得服务器执行实现如图1至图7表示的任意一种目标人脸检测方法的步骤。
实施例三:
图9是本申请实施例三提供的终端设备的示意图。如图9所示,该实施例的终端设备9包括:处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机程序92。所述处理器90执行所述计算机程序92时实现上述目标人脸检测方法实施例中的步骤,例如图2所示的步骤S201至S203。或者,所述处理器90执行所述计算机程序92时实现上述各装置实施例中各模块/单元的功能,例如图8所示单元81至83的功能。
示例性的,所述计算机程序92可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器91中,并由所述处理器90执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序92在所述终端设备9中的执行过程。例如,所述计算机程序92可以被分割成备选人脸框获取单元、中心距离计算单元、目标人脸确定单元,各单元具体功能如下:
备选人脸框获取单元,用于获取待处理图像上感兴趣区域中的备选人脸框;
中心距离计算单元,用于当所述感兴趣区域中的备选人脸框不止一个时,计算所述备选人脸框与所述感兴趣区域的中心距离;
目标人脸确定单元,用于基于所述中心距离,对所述感兴趣区域中的备选人脸框进行过滤后得到目标人脸框,并将所述目标人脸框中的人脸确定为目标人脸。
所述终端设备9可以是智能移动设备、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器90、存储器91。本领域技术人员可以理解,图9仅仅是终端设备9的示例,并不构成对终端设备9的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器90可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器91可以是所述终端设备9的内部存储单元,例如终端设备9的硬盘或内存。所述存储器91也可以是所述终端设备9的外部存储设备,例如所述终端设备9上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器91还可以既包括所述终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。

Claims (10)

1.一种目标人脸检测方法,其特征在于,包括:
获取待处理图像,所述待处理图像上标有感兴趣区域,所述待处理图像为图像采集设备采集的一系列视频帧图像中抽取的一帧图像,或者,所述待处理图像为用户设备发送的、由用户指定的图像;获取所述待处理图像上所述感兴趣区域中的备选人脸框;
当所述感兴趣区域中的备选人脸框不止一个且所述备选人脸框的数量超出预设人脸框数量时,计算所述备选人脸框与所述感兴趣区域的中心距离,其中,所述预设人脸框数量与所述感兴趣区域的尺寸正相关;
基于所述中心距离,对所述感兴趣区域中的备选人脸框进行过滤后得到目标人脸框,并将所述目标人脸框中的人脸确定为目标人脸。
2.根据权利要求1所述的目标人脸检测方法,其特征在于,所述获取待处理图像上感兴趣区域中的备选人脸框的步骤,包括:
对所述待处理图像进行人脸检测,得到人脸框;
计算所述人脸框与感兴趣区域的重叠面积;
根据所述重叠面积,确定所述感兴趣区域中的备选人脸框。
3.根据权利要求2所述的目标人脸检测方法,其特征在于,所述根据所述重叠面积,确定所述感兴趣区域中的备选人脸框的步骤,包括:
比较所述人脸框的面积与所述感兴趣区域的面积,并根据比较结果确定所述人脸框对应的目标面积,其中,所述目标面积为所述人脸框与所述感兴趣区域中较小的面积;
获取所述人脸框对应的目标比值,所述目标比值即为所述重叠面积与所述目标面积的比值;
若所述人脸框对应的所述目标比值大于或等于预设比值,则将所述人脸框确定为备选人脸框。
4.根据权利要求1所述的目标人脸检测方法,其特征在于,所述当所述感兴趣区域中的备选人脸框不止一个时,计算所述备选人脸框与所述感兴趣区域的中心距离的步骤,包括:
获取所述备选人脸框的人脸中心点的坐标与所述感兴趣区域的区域中心点的坐标;
根据下式确定所述备选人脸框与所述感兴趣区域的中心距离Dcenter
其中,XROI为所述区域中心点在水平方向上的坐标值,YROI为所述区域中心点在垂直方向上的坐标值,Xobject为所述人脸中心点在水平方向上的坐标值,Yobject为所述人脸中心点在垂直方向上的坐标值。
5.根据权利要求1所述的目标人脸检测方法,其特征在于,在所述计算所述备选人脸框与所述感兴趣区域的中心距离的步骤之前,还包括:
当所述感兴趣区域中的备选人脸框的数量大于预设人脸框数量时,获取各个备选人脸框的人脸框面积;
按所述人脸框面积从大到小对所述备选人脸框排序;
基于所述排序结果,将超出所述预设人脸框数量的备选人脸框过滤。
6.根据权利要求1所述的目标人脸检测方法,其特征在于,所述待处理图像为图像采集设备发送的、通过所述图像采集设备从采集的一系列视频帧图像中抽取的一帧图像;其中,所述感兴趣区域为所述图像采集设备对抽取的一帧图像进行人脸检测,并根据检测到的人脸确定的区域。
7.根据权利要求1所述的目标人脸检测方法,其特征在于,所述待处理图像为用户设备发送的、由用户指定的图像;其中,所述待处理图像上的感兴趣区域为所述用户设备对所述用户指定要发送的图像进行人脸检测,根据检测到的人脸确定的区域。
8.一种目标人脸检测装置,其特征在于,包括:
备选人脸框获取单元,用于获取待处理图像,所述待处理图像上标有感兴趣区域,所述待处理图像为图像采集设备采集的一系列视频帧图像中抽取的一帧图像,或者,所述待处理图像为用户设备发送的、由用户指定的图像;获取所述待处理图像上所述感兴趣区域中的备选人脸框;
中心距离计算单元,用于当所述感兴趣区域中的备选人脸框不止一个且所述备选人脸框的数量超出预设人脸框数量时,计算所述备选人脸框与所述感兴趣区域的中心距离,其中,所述预设人脸框数量与所述感兴趣区域的尺寸正相关;
目标人脸确定单元,用于基于所述中心距离,对所述感兴趣区域中的备选人脸框进行过滤后得到目标人脸框,并将所述目标人脸框中的人脸确定为目标人脸。
9.一种终端设备,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7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202011612839.2A 2020-12-29 2020-12-29 目标人脸检测方法、装置、终端设备及存储介质 Active CN112733650B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011612839.2A CN112733650B (zh) 2020-12-29 2020-12-29 目标人脸检测方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011612839.2A CN112733650B (zh) 2020-12-29 2020-12-29 目标人脸检测方法、装置、终端设备及存储介质

Publications (2)

Publication Number Publication Date
CN112733650A CN112733650A (zh) 2021-04-30
CN112733650B true CN112733650B (zh) 2024-05-07

Family

ID=75611794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011612839.2A Active CN112733650B (zh) 2020-12-29 2020-12-29 目标人脸检测方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN112733650B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554007B (zh) * 2021-09-18 2022-01-11 上海齐感电子信息科技有限公司 人脸框的计算方法及计算系统
CN117079378B (zh) * 2023-10-16 2024-01-09 八维通科技有限公司 站点通行中多人脸过闸处理方法和系统、计算机程序介质

Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526161B1 (en) * 1999-08-30 2003-02-25 Koninklijke Philips Electronics N.V. System and method for biometrics-based facial feature extraction
CN102625036A (zh) * 2011-01-25 2012-08-01 株式会社尼康 图像处理装置、摄像装置及记录介质
KR101414158B1 (ko) * 2013-11-14 2014-07-02 동국대학교 산학협력단 얼굴 인식 장치 및 방법
CN106326853A (zh) * 2016-08-19 2017-01-11 厦门美图之家科技有限公司 一种人脸跟踪方法及装置
CN106570490A (zh) * 2016-11-15 2017-04-19 华南理工大学 一种基于快速聚类的行人实时跟踪方法
US9659355B1 (en) * 2015-12-03 2017-05-23 Motorola Mobility Llc Applying corrections to regions of interest in image data
KR20170083788A (ko) * 2016-01-11 2017-07-19 대한민국(육군참모총장) 표적 훈련 시스템 및 이를 이용한 표적 훈련 분석 방법
CN108073864A (zh) * 2016-11-15 2018-05-25 北京市商汤科技开发有限公司 目标对象检测方法、装置及系统和神经网络结构
CN108596098A (zh) * 2018-04-24 2018-09-28 北京京东尚科信息技术有限公司 人体部件的解析方法、系统、设备和存储介质
CN109948494A (zh) * 2019-03-11 2019-06-28 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN110049324A (zh) * 2019-04-12 2019-07-23 深圳壹账通智能科技有限公司 视频编码方法、系统、设备及计算机可读存储介质
CN110276271A (zh) * 2019-05-30 2019-09-24 福建工程学院 融合ippg和深度信息抗噪声干扰的非接触心率估计法
CN110378218A (zh) * 2019-06-13 2019-10-25 大亚湾核电运营管理有限责任公司 一种图像处理方法、装置及终端设备
CN110569822A (zh) * 2019-09-16 2019-12-13 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN110688223A (zh) * 2019-09-11 2020-01-14 深圳云天励飞技术有限公司 数据处理方法及相关产品
WO2020038140A1 (zh) * 2018-08-24 2020-02-27 阿里巴巴集团控股有限公司 人脸识别方法及装置
CN110866498A (zh) * 2019-11-15 2020-03-06 北京华宇信息技术有限公司 一种便携式心率监测装置及其心率监测方法
CN111209903A (zh) * 2020-04-21 2020-05-29 亮风台(上海)信息科技有限公司 一种人脸检测的方法与设备
CN111325051A (zh) * 2018-12-13 2020-06-23 普天信息技术有限公司 一种基于人脸图像roi选取的人脸识别方法及装置
CN111368698A (zh) * 2020-02-28 2020-07-03 Oppo广东移动通信有限公司 主体识别方法、装置、电子设备及介质
CN111382638A (zh) * 2018-12-29 2020-07-07 广州市百果园信息技术有限公司 一种图像检测方法、装置、设备和存储介质
CN111460929A (zh) * 2020-03-17 2020-07-28 稿定(厦门)科技有限公司 不特定图框图像填充方法及装置
CN111723801A (zh) * 2020-06-26 2020-09-29 南京甄视智能科技有限公司 鱼眼相机图片中目标检测矫正的方法与系统
CN111754541A (zh) * 2020-07-29 2020-10-09 腾讯科技(深圳)有限公司 目标跟踪方法、装置、设备及可读存储介质
CN111860174A (zh) * 2020-06-22 2020-10-30 西安工程大学 融合RepGT-RepBox函数的遮挡人脸检测方法
CN112132136A (zh) * 2020-09-11 2020-12-25 华为技术有限公司 一种目标跟踪方法和装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9129381B2 (en) * 2003-06-26 2015-09-08 Fotonation Limited Modification of post-viewing parameters for digital images using image region or feature information
US7831063B2 (en) * 2007-02-19 2010-11-09 Laughlin Richard H Small event detector in presence of clutter
WO2017151241A2 (en) * 2016-01-21 2017-09-08 Wizr Llc Video processing
US11282165B2 (en) * 2016-02-26 2022-03-22 Netflix, Inc. Dynamically cropping digital content for display in any aspect ratio
US11087119B2 (en) * 2018-05-16 2021-08-10 Gatekeeper Security, Inc. Facial detection and recognition for pedestrian traffic
EP3669942B1 (en) * 2018-12-17 2022-01-05 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for determining a region of interest of a subject

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526161B1 (en) * 1999-08-30 2003-02-25 Koninklijke Philips Electronics N.V. System and method for biometrics-based facial feature extraction
CN102625036A (zh) * 2011-01-25 2012-08-01 株式会社尼康 图像处理装置、摄像装置及记录介质
KR101414158B1 (ko) * 2013-11-14 2014-07-02 동국대학교 산학협력단 얼굴 인식 장치 및 방법
US9659355B1 (en) * 2015-12-03 2017-05-23 Motorola Mobility Llc Applying corrections to regions of interest in image data
KR20170083788A (ko) * 2016-01-11 2017-07-19 대한민국(육군참모총장) 표적 훈련 시스템 및 이를 이용한 표적 훈련 분석 방법
CN106326853A (zh) * 2016-08-19 2017-01-11 厦门美图之家科技有限公司 一种人脸跟踪方法及装置
CN106570490A (zh) * 2016-11-15 2017-04-19 华南理工大学 一种基于快速聚类的行人实时跟踪方法
CN108073864A (zh) * 2016-11-15 2018-05-25 北京市商汤科技开发有限公司 目标对象检测方法、装置及系统和神经网络结构
CN108596098A (zh) * 2018-04-24 2018-09-28 北京京东尚科信息技术有限公司 人体部件的解析方法、系统、设备和存储介质
WO2020038140A1 (zh) * 2018-08-24 2020-02-27 阿里巴巴集团控股有限公司 人脸识别方法及装置
CN111325051A (zh) * 2018-12-13 2020-06-23 普天信息技术有限公司 一种基于人脸图像roi选取的人脸识别方法及装置
CN111382638A (zh) * 2018-12-29 2020-07-07 广州市百果园信息技术有限公司 一种图像检测方法、装置、设备和存储介质
CN109948494A (zh) * 2019-03-11 2019-06-28 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN110049324A (zh) * 2019-04-12 2019-07-23 深圳壹账通智能科技有限公司 视频编码方法、系统、设备及计算机可读存储介质
CN110276271A (zh) * 2019-05-30 2019-09-24 福建工程学院 融合ippg和深度信息抗噪声干扰的非接触心率估计法
CN110378218A (zh) * 2019-06-13 2019-10-25 大亚湾核电运营管理有限责任公司 一种图像处理方法、装置及终端设备
CN110688223A (zh) * 2019-09-11 2020-01-14 深圳云天励飞技术有限公司 数据处理方法及相关产品
CN110569822A (zh) * 2019-09-16 2019-12-13 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN110866498A (zh) * 2019-11-15 2020-03-06 北京华宇信息技术有限公司 一种便携式心率监测装置及其心率监测方法
CN111368698A (zh) * 2020-02-28 2020-07-03 Oppo广东移动通信有限公司 主体识别方法、装置、电子设备及介质
CN111460929A (zh) * 2020-03-17 2020-07-28 稿定(厦门)科技有限公司 不特定图框图像填充方法及装置
CN111209903A (zh) * 2020-04-21 2020-05-29 亮风台(上海)信息科技有限公司 一种人脸检测的方法与设备
CN111860174A (zh) * 2020-06-22 2020-10-30 西安工程大学 融合RepGT-RepBox函数的遮挡人脸检测方法
CN111723801A (zh) * 2020-06-26 2020-09-29 南京甄视智能科技有限公司 鱼眼相机图片中目标检测矫正的方法与系统
CN111754541A (zh) * 2020-07-29 2020-10-09 腾讯科技(深圳)有限公司 目标跟踪方法、装置、设备及可读存储介质
CN112132136A (zh) * 2020-09-11 2020-12-25 华为技术有限公司 一种目标跟踪方法和装置

Also Published As

Publication number Publication date
CN112733650A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN110473242B (zh) 一种纹理特征提取方法、纹理特征提取装置及终端设备
EP3678057B1 (en) Method and device for determining path of human target
CN108564579B (zh) 一种基于时空相关的混凝土裂缝检测方法及检测装置
CN109086734B (zh) 一种对人眼图像中瞳孔图像进行定位的方法及装置
CN112733650B (zh) 目标人脸检测方法、装置、终端设备及存储介质
PH12014501995B1 (en) Method, system and computer storage medium for face detection
CN109255802B (zh) 行人跟踪方法、装置、计算机设备及存储介质
CN109116129B (zh) 终端检测方法、检测设备、系统及存储介质
CN108563651B (zh) 一种多视频的目标搜索方法、装置及设备
CN111401315B (zh) 基于视频的人脸识别方法、识别装置及存储装置
CN112330715A (zh) 一种跟踪方法、跟踪装置、终端设备及可读存储介质
CN112348778A (zh) 一种物体识别方法、装置、终端设备及存储介质
CN113302907B (zh) 拍摄方法、装置、设备及计算机可读存储介质
CN113470013A (zh) 一种搬移物品的检测方法及装置
US11074696B2 (en) Image processing device, image processing method, and recording medium storing program
CN112418089A (zh) 一种手势识别方法、装置及终端
CN116597421A (zh) 基于图像识别的停车位监测方法、装置及设备
CN113239738B (zh) 一种图像的模糊检测方法及模糊检测装置
CN110610178A (zh) 图像识别方法、装置、终端及计算机可读存储介质
CN115424181A (zh) 目标对象的检测方法和装置
RU2383925C2 (ru) Способ выделения контуров объектов изображения и устройство для его реализации
CN109146916A (zh) 一种运动物体跟踪方法及装置
CN114387296A (zh) 目标轨迹追踪方法、装置、计算机设备及存储介质
CN112967321A (zh) 运动目标的检测方法、装置、终端设备及存储介质
CN114596210A (zh) 噪声估计方法、装置、终端设备及计算机可读存储介质

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