CN112734682B - 人脸检测表面向量数据加速方法、系统、计算机设备和存储介质 - Google Patents
人脸检测表面向量数据加速方法、系统、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112734682B CN112734682B CN202011633108.6A CN202011633108A CN112734682B CN 112734682 B CN112734682 B CN 112734682B CN 202011633108 A CN202011633108 A CN 202011633108A CN 112734682 B CN112734682 B CN 112734682B
- Authority
- CN
- China
- Prior art keywords
- face
- minimum
- face area
- surface vector
- image
- 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 39
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 230000001133 acceleration Effects 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000012935 Averaging Methods 0.000 claims abstract description 9
- 210000001747 pupil Anatomy 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种人脸检测表面向量数据加速方法、系统、计算机设备和存储介质。方法包括以下步骤:获取多张连续帧深度图像;选取最近一帧深度图像,获取其人脸坐标,并根据人脸坐标划出最小人脸区域;依据所述最小人脸区域对所有深度图像进行抠图,将抠出的所有深度图像的最小人脸区域图像进行平均;根据平均后的最小人脸区域图像数据计算人脸的表面向量。本发明通过使用最小人脸区域,对深度图像的部分区域而非全部区域进行图像的与处理,以减少计算人脸表面向量的耗时,提高整体系统的运行速度。
Description
技术领域
本申请涉及人脸识别技术领域,特别是涉及一种人脸检测表面向量数据加速方法、系统、计算机设备和存储介质。
背景技术
随着物联网、人工智能等技术的不断发展和广泛应用,加上国内房地产市场的火爆和短租市场的兴起,曾经只在电视剧中出现的智能门锁也逐渐进入寻常百姓家。智能门锁具有应用高频、更新换代周期长和身份识别等特征,满足了现代人生活对安全和便捷的需求,市场前景广阔。人脸门锁在市场的需求越来越大。
在目前的人脸门锁方案中,通过深度图像检测人脸的表面向量进行人脸识别。而在以往由深度数据计算获得表面向量的过程中,需要对深度图像的整幅画面进行预处理,导致整个计算耗时较为漫长,拖慢人脸门锁的运行速度和识别时间。
发明内容
基于此,有必要针对上述技术问题,提供一种人脸检测表面向量数据加速方法、系统、计算机设备和存储介质。
一种人脸检测表面向量数据加速方法,包括以下步骤:
获取多张连续帧深度图像;
选取最近一帧深度图像,获取其人脸坐标,并根据人脸坐标划出最小人脸区域;
依据所述最小人脸区域对所有深度图像进行抠图,将抠出的所有深度图像的最小人脸区域图像进行平均;
根据平均后的最小人脸区域图像数据计算人脸的表面向量。
作为一种实施方式,还包括以下步骤:
对根据人脸坐标划出的最小人脸区域进行扩展。
作为一种实施方式,所述对根据人脸坐标划出的最小人脸区域进行扩展,具体包括以下步骤:
沿着最小人脸区域的边缘向外扩展至少2个像素。
作为一种实施方式,所述最小人脸区域的边缘向外扩展为4个像素。
作为一种实施方式,还包括以下步骤:
对扩展后的最小人脸区域图像数据进行中值滤波和均值滤波;
抠出滤波后的数据中的原最小人脸区域。
作为一种实施方式,所述获取的连续帧深度图像为至少三张。
作为一种实施方式,所述获取深度图像中人脸的坐标,并根据人脸坐标划出最小人脸区域,具体包括以下步骤:
检测所述面部红外图像中的所述人脸关键点所在的位置,所述人脸关键点至少包括:左眼瞳孔、右眼瞳孔、左嘴角以及右嘴角;
建立直角坐标系,记录所述人脸关键点在该直角坐标系中的位置坐标;
通过所述人脸关键点的位置坐标计算对应的标尺参数,所述标尺参数至少包括左右瞳孔之间水平距离参数、左右嘴角之间水平距离参数;
根据左眼瞳孔位置坐标、右眼瞳孔位置坐标、左右瞳孔之间水平距离参数、以及左右嘴角之间水平距离参数,获取最小人脸区域。
一种人脸检测表面向量数据加速系统,包括:
图像获取单元,用于获取多张连续帧深度图像;
人脸区域单元,用于选取最近一帧深度图像,获取其人脸坐标,并根据人脸坐标划出最小人脸区域;
图像处理单元,用于依据所述最小人脸区域对所有深度图像进行抠图,将抠出的所有深度图像的最小人脸区域图像进行平均;
计算单元,用于根据平均后的最小人脸区域图像数据计算人脸的表面向量。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现人脸检测表面向量数据加速方法中任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现权利人脸检测表面向量数据加速方法中任一项所述的方法的步骤。
上述人脸检测表面向量数据加速方法、系统、计算机设备和存储介质,通过使用最小人脸区域,对深度图像的部分区域而非全部区域进行图像的预处理,以减少计算人脸表面向量的耗时,提高整体系统的运行速度。
附图说明
图1为一个实施例中人脸检测表面向量数据加速方法的应用环境图;
图2为一个实施例中人脸检测表面向量数据加速方法的流程示意图;
图3为一个实施例中人脸检测表面向量数据加速系统的结构框图;
图4为一个实施例中计算机设备的内部结构图。
实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的人脸检测表面向量数据加速方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种人脸检测表面向量数据加速方法,包括以下步骤:
S100:获取多张连续帧深度图像,在本实施例中,获取的连续帧深度图像为至少三张;
S200:选取最近一帧深度图像,获取其人脸坐标,并根据人脸坐标划出最小人脸区域;
S300:依据所述最小人脸区域对所有深度图像进行抠图,将抠出的所有深度图像的最小人脸区域图像进行平均;
在本实施例中,以三张连续帧深度图像为例,由步骤S200划出最近一帧深度图像的最小人脸区域,以该最小人脸区域为标准,将三张深度图像的该区域抠出,然后做平均处理。
S400:根据最小人脸区域图像数据计算人脸的表面向量。
其中,步骤S200中获取最小人脸区域的流程具体包括以下步骤:
S201:检测所述面部红外图像中的所述人脸关键点所在的位置,所述人脸关键点至少包括:左眼瞳孔、右眼瞳孔、左嘴角以及右嘴角;
S202:建立直角坐标系,记录所述人脸关键点在该直角坐标系中的位置坐标;
S203:通过所述人脸关键点的位置坐标计算对应的标尺参数,所述标尺参数至少包括左右瞳孔之间水平距离参数、左右嘴角之间水平距离参数;
S204:根据左眼瞳孔位置坐标、右眼瞳孔位置坐标、左右瞳孔之间水平距离参数、以及左右嘴角之间水平距离参数,获取最小人脸区域。
除上述步骤外,还包括对最小人脸区域图像数据处理步骤,具体包括以下步骤:
S400:对根据人脸坐标划出的最小人脸区域进行扩展。具体为沿着最小人脸区域的边缘向外扩展至少2个像素。在本实施例中为向外扩展4个像素。该步骤的目的为避免后续图像处理出现边缘数据无法处理的情况。在另一实施例中,步骤S300的抠图标准的最小人脸区域为扩展后的最小人脸区域,依据扩展后的所有最小人脸区域图像进行均值处理。
S500:对扩展后的最小人脸区域图像数据进行中值滤波和均值滤波。
S600:抠出滤波后的数据中的原最小人脸区域,即抠出扩展之前大小的最小人脸区域。
在一个实施例中,提供了一种人脸检测表面向量数据加速系统,如图3所示,包括图像获取单元1、人脸区域单元2、图像处理单元3及计算单元4,图像获取单元1用于获取多张连续帧深度图像;人脸区域单元2用于选取最近一帧深度图像,获取其人脸坐标,并根据人脸坐标划出最小人脸区域;图像处理单元3用于依据所述最小人脸区域对所有深度图像进行抠图,将抠出的所有深度图像的最小人脸区域图像进行平均;计算单元4用于根据平均后的最小人脸区域图像数据计算人脸的表面向量。
关于上述系统的具体限定可以参见上文中对于方法的限定,在此不再赘述。上述装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储上述方法的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人脸检测表面向量数据加速方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
S100:获取多张连续帧深度图像,在本实施例中,获取的连续帧深度图像为至少三张;
S200:选取最近一帧深度图像,获取其人脸坐标,并根据人脸坐标划出最小人脸区域;
S300:依据所述最小人脸区域对所有深度图像进行抠图,将抠出的所有深度图像的最小人脸区域图像进行平均;
在本实施例中,以三张连续帧深度图像为例,由步骤S200划出最近一帧深度图像的最小人脸区域,以该最小人脸区域为标准,将三张深度图像的该区域抠出,然后做平均处理。
S400:根据最小人脸区域图像数据计算人脸的表面向量。
其中,步骤S200中获取最小人脸区域的流程具体包括以下步骤:
S201:检测所述面部红外图像中的所述人脸关键点所在的位置,所述人脸关键点至少包括:左眼瞳孔、右眼瞳孔、左嘴角以及右嘴角;
S202:建立直角坐标系,记录所述人脸关键点在该直角坐标系中的位置坐标;
S203:通过所述人脸关键点的位置坐标计算对应的标尺参数,所述标尺参数至少包括左右瞳孔之间水平距离参数、左右嘴角之间水平距离参数;
S204:根据左眼瞳孔位置坐标、右眼瞳孔位置坐标、左右瞳孔之间水平距离参数、以及左右嘴角之间水平距离参数,获取最小人脸区域。
除上述步骤外,还包括对最小人脸区域图像数据处理步骤,具体包括以下步骤:
S400:对根据人脸坐标划出的最小人脸区域进行扩展。具体为沿着最小人脸区域的边缘向外扩展至少2个像素。在本实施例中为向外扩展4个像素。该步骤的目的为避免后续图像处理出现边缘数据无法处理的情况。在另一实施例中,步骤S300的抠图标准的最小人脸区域为扩展后的最小人脸区域,依据扩展后的所有最小人脸区域图像进行均值处理。
S500:对扩展后的最小人脸区域图像数据进行中值滤波和均值滤波。
S600:抠出滤波后的数据中的原最小人脸区域,即抠出扩展之前大小的最小人脸区域。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
S100:获取多张连续帧深度图像,在本实施例中,获取的连续帧深度图像为至少三张;
S200:选取最近一帧深度图像,获取其人脸坐标,并根据人脸坐标划出最小人脸区域;
S300:依据所述最小人脸区域对所有深度图像进行抠图,将抠出的所有深度图像的最小人脸区域图像进行平均;
在本实施例中,以三张连续帧深度图像为例,由步骤S200划出最近一帧深度图像的最小人脸区域,以该最小人脸区域为标准,将三张深度图像的该区域抠出,然后做平均处理。
S400:根据最小人脸区域图像数据计算人脸的表面向量。
其中,步骤S200中获取最小人脸区域的流程具体包括以下步骤:
S201:检测所述面部红外图像中的所述人脸关键点所在的位置,所述人脸关键点至少包括:左眼瞳孔、右眼瞳孔、左嘴角以及右嘴角;
S202:建立直角坐标系,记录所述人脸关键点在该直角坐标系中的位置坐标;
S203:通过所述人脸关键点的位置坐标计算对应的标尺参数,所述标尺参数至少包括左右瞳孔之间水平距离参数、左右嘴角之间水平距离参数;
S204:根据左眼瞳孔位置坐标、右眼瞳孔位置坐标、左右瞳孔之间水平距离参数、以及左右嘴角之间水平距离参数,获取最小人脸区域。
除上述步骤外,还包括对最小人脸区域图像数据处理步骤,具体包括以下步骤:
S400:对根据人脸坐标划出的最小人脸区域进行扩展。具体为沿着最小人脸区域的边缘向外扩展至少2个像素。在本实施例中为向外扩展4个像素。该步骤的目的为避免后续图像处理出现边缘数据无法处理的情况。在另一实施例中,步骤S300的抠图标准的最小人脸区域为扩展后的最小人脸区域,依据扩展后的所有最小人脸区域图像进行均值处理。
S500:对扩展后的最小人脸区域图像数据进行中值滤波和均值滤波。
S600:抠出滤波后的数据中的原最小人脸区域,即抠出扩展之前大小的最小人脸区域。
本领域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流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种人脸检测表面向量数据加速方法,其特征在于,包括以下步骤:
获取多张连续帧深度图像;
选取最近一帧深度图像,获取其人脸坐标,并根据人脸坐标划出最小人脸区域;
依据所述最小人脸区域对所有深度图像进行抠图,将抠出的所有深度图像的最小人脸区域图像进行平均;
根据平均后的最小人脸区域图像数据计算人脸的表面向量。
2.根据权利要求1所述的人脸检测表面向量数据加速方法,其特征在于,还包括以下步骤:
对根据人脸坐标划出的最小人脸区域进行扩展。
3.根据权利要求2所述的人脸检测表面向量数据加速方法,其特征在于,所述对根据人脸坐标划出的最小人脸区域进行扩展,具体包括以下步骤:
沿着最小人脸区域的边缘向外扩展至少2个像素。
4.根据权利要求3所述的人脸检测表面向量数据加速方法,其特征在于,所述最小人脸区域的边缘向外扩展为4个像素。
5.根据权利要求2所述的人脸检测表面向量数据加速方法,其特征在于,还包括以下步骤:
对扩展后的最小人脸区域图像数据进行中值滤波和均值滤波;
抠出滤波后的数据中的原最小人脸区域。
6.根据权利要求1所述的人脸检测表面向量数据加速方法,其特征在于,所述获取多张连续帧深度图像为至少三张。
7.根据权利要求1所述的人脸检测表面向量数据加速方法,其特征在于,所述获取其人脸坐标,并根据人脸坐标划出最小人脸区域,具体包括以下步骤:
检测深度图像中的人脸关键点所在的位置,所述人脸关键点至少包括:左眼瞳孔、右眼瞳孔、左嘴角以及右嘴角
建立直角坐标系,记录所述人脸关键点在该直角坐标系中的位置坐标;
通过所述人脸关键点的位置坐标计算对应的标尺参数,所述标尺参数至少包括左右瞳孔之间水平距离参数、左右嘴角之间水平距离参数;
根据左眼瞳孔位置坐标、右眼瞳孔位置坐标、左右瞳孔之间水平距离参数、以及左右嘴角之间水平距离参数,获取最小人脸区域。
8.一种人脸检测表面向量数据加速系统,其特征在于:包括:
图像获取单元,用于获取多张连续帧深度图像;
人脸区域单元,用于选取最近一帧深度图像,获取其人脸坐标,并根据人脸坐标划出最小人脸区域;
图像处理单元,用于依据所述最小人脸区域对所有深度图像进行抠图,将抠出的所有深度图像的最小人脸区域图像进行平均;
计算单元,用于根据平均后的最小人脸区域图像数据计算人脸的表面向量。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011633108.6A CN112734682B (zh) | 2020-12-31 | 2020-12-31 | 人脸检测表面向量数据加速方法、系统、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011633108.6A CN112734682B (zh) | 2020-12-31 | 2020-12-31 | 人脸检测表面向量数据加速方法、系统、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112734682A CN112734682A (zh) | 2021-04-30 |
CN112734682B true CN112734682B (zh) | 2023-08-01 |
Family
ID=75608539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011633108.6A Active CN112734682B (zh) | 2020-12-31 | 2020-12-31 | 人脸检测表面向量数据加速方法、系统、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734682B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824059A (zh) * | 2014-02-28 | 2014-05-28 | 东南大学 | 一种基于视频图像序列的人脸表情识别方法 |
CN104143076A (zh) * | 2013-05-09 | 2014-11-12 | 腾讯科技(深圳)有限公司 | 人脸形状的匹配方法和系统 |
CN106156730A (zh) * | 2016-06-30 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 一种人脸图像的合成方法和装置 |
CN109344702A (zh) * | 2018-08-23 | 2019-02-15 | 北京华捷艾米科技有限公司 | 基于深度图像和彩色图像的行人检测方法及装置 |
CN109815845A (zh) * | 2018-12-29 | 2019-05-28 | 深圳前海达闼云端智能科技有限公司 | 人脸识别的方法和装置、存储介质 |
CN109886159A (zh) * | 2019-01-30 | 2019-06-14 | 浙江工商大学 | 一种非限定条件下的人脸检测方法 |
CN110363081A (zh) * | 2019-06-05 | 2019-10-22 | 深圳云天励飞技术有限公司 | 人脸识别方法、装置、设备及计算机可读存储介质 |
CN110728215A (zh) * | 2019-09-26 | 2020-01-24 | 杭州艾芯智能科技有限公司 | 基于红外图像的人脸活体检测方法、装置 |
CN111179285A (zh) * | 2019-12-31 | 2020-05-19 | 珠海方图智能科技有限公司 | 一种图像处理方法、系统及存储介质 |
CN111310798A (zh) * | 2020-01-19 | 2020-06-19 | 浙江大学 | 基于几何特征和纹理特征的脸部运动迟缓的检测模型的构建方法 |
CN111914601A (zh) * | 2019-05-10 | 2020-11-10 | 南京视能智能科技有限公司 | 一种基于深度学习的高效批量人脸识别和抠图系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2192546A1 (en) * | 2008-12-01 | 2010-06-02 | Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO | Method for recognizing objects in a set of images recorded by one or more cameras |
US10558848B2 (en) * | 2017-10-05 | 2020-02-11 | Duelight Llc | System, method, and computer program for capturing an image with correct skin tone exposure |
-
2020
- 2020-12-31 CN CN202011633108.6A patent/CN112734682B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143076A (zh) * | 2013-05-09 | 2014-11-12 | 腾讯科技(深圳)有限公司 | 人脸形状的匹配方法和系统 |
CN103824059A (zh) * | 2014-02-28 | 2014-05-28 | 东南大学 | 一种基于视频图像序列的人脸表情识别方法 |
CN106156730A (zh) * | 2016-06-30 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 一种人脸图像的合成方法和装置 |
CN109344702A (zh) * | 2018-08-23 | 2019-02-15 | 北京华捷艾米科技有限公司 | 基于深度图像和彩色图像的行人检测方法及装置 |
CN109815845A (zh) * | 2018-12-29 | 2019-05-28 | 深圳前海达闼云端智能科技有限公司 | 人脸识别的方法和装置、存储介质 |
CN109886159A (zh) * | 2019-01-30 | 2019-06-14 | 浙江工商大学 | 一种非限定条件下的人脸检测方法 |
CN111914601A (zh) * | 2019-05-10 | 2020-11-10 | 南京视能智能科技有限公司 | 一种基于深度学习的高效批量人脸识别和抠图系统 |
CN110363081A (zh) * | 2019-06-05 | 2019-10-22 | 深圳云天励飞技术有限公司 | 人脸识别方法、装置、设备及计算机可读存储介质 |
CN110728215A (zh) * | 2019-09-26 | 2020-01-24 | 杭州艾芯智能科技有限公司 | 基于红外图像的人脸活体检测方法、装置 |
CN111179285A (zh) * | 2019-12-31 | 2020-05-19 | 珠海方图智能科技有限公司 | 一种图像处理方法、系统及存储介质 |
CN111310798A (zh) * | 2020-01-19 | 2020-06-19 | 浙江大学 | 基于几何特征和纹理特征的脸部运动迟缓的检测模型的构建方法 |
Non-Patent Citations (2)
Title |
---|
Efficient Human Detection Algorithm using Color & Depth information with Accurate Outer Boundary Matching;Puji Lestari 等;《2019 International Conference on Computer, Control, Informatics and its Applications (IC3INA)》;20200106;全文 * |
利用协方差矩阵法表示深度图像集的鲁棒人脸识别;马建红 等;《计算机应用研究》;20161231;第33卷(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112734682A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10713532B2 (en) | Image recognition method and apparatus | |
WO2021017261A1 (zh) | 识别模型训练方法、图像识别方法、装置、设备及介质 | |
US10929648B2 (en) | Apparatus and method for data processing | |
CN108961175B (zh) | 人脸亮度调整方法、装置、计算机设备及存储介质 | |
CN111639522B (zh) | 活体检测方法、装置、计算机设备和存储介质 | |
CN113808253A (zh) | 场景三维重建的动态对象处理方法、系统、设备及介质 | |
CN111353489A (zh) | 文本图像处理方法、装置、计算机设备和存储介质 | |
WO2022252642A1 (zh) | 基于视频图像的行为姿态检测方法、装置、设备及介质 | |
CN111968134B (zh) | 目标分割方法、装置、计算机可读存储介质及计算机设备 | |
CN111507298B (zh) | 人脸检测方法、装置、计算机设备和存储介质 | |
KR102386444B1 (ko) | 이미지 심도 결정 방법 및 생체 식별 방법, 회로, 디바이스, 및 매체 | |
CN111915541B (zh) | 基于人工智能的图像增强处理方法、装置、设备及介质 | |
CN112001983B (zh) | 生成遮挡图像的方法、装置、计算机设备和存储介质 | |
CN111860582B (zh) | 图像分类模型构建方法、装置、计算机设备和存储介质 | |
CN103810696A (zh) | 一种目标对象图像检测方法及装置 | |
EP3585052B1 (en) | Image identification method, device, apparatus, and data storage medium | |
CN112241646A (zh) | 车道线识别方法、装置、计算机设备和存储介质 | |
WO2023109008A1 (zh) | 气动光学效应空变模糊图像复原方法及系统 | |
CN110263754B (zh) | 屏下指纹去底纹方法、装置、计算机设备和存储介质 | |
CN113469092A (zh) | 字符识别模型生成方法、装置、计算机设备和存储介质 | |
CN111445487A (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
CN111274965A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN112734682B (zh) | 人脸检测表面向量数据加速方法、系统、计算机设备和存储介质 | |
US9349038B2 (en) | Method and apparatus for estimating position of head, computer readable storage medium thereof | |
CN112836682A (zh) | 视频中对象的识别方法、装置、计算机设备和存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230324 Address after: Room 418, Building 1, No. 66, Dongxin Avenue, Puyan Street, Binjiang District, Hangzhou City, Zhejiang Province, 310000 Applicant after: Hangzhou Xinjushi Artificial Intelligence Technology Co.,Ltd. Address before: 310051 rooms 1505 and 1506, 5th floor, building 1, Edie building, 66 Dongxin Avenue, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: HANGZHOU AIXIN INTELLIGENT TECHNOLOGY CO.,LTD. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |