CN113808207B - 一种目标为儿童的双目测距方法及系统 - Google Patents

一种目标为儿童的双目测距方法及系统 Download PDF

Info

Publication number
CN113808207B
CN113808207B CN202111092737.7A CN202111092737A CN113808207B CN 113808207 B CN113808207 B CN 113808207B CN 202111092737 A CN202111092737 A CN 202111092737A CN 113808207 B CN113808207 B CN 113808207B
Authority
CN
China
Prior art keywords
image
face
human eye
target area
binocular
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
CN202111092737.7A
Other languages
English (en)
Other versions
CN113808207A (zh
Inventor
黄水财
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.)
Dongsheng Shenzhou Tourism Management Co ltd
Original Assignee
Dongsheng Shenzhou Tourism Management 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 Dongsheng Shenzhou Tourism Management Co ltd filed Critical Dongsheng Shenzhou Tourism Management Co ltd
Priority to CN202111092737.7A priority Critical patent/CN113808207B/zh
Publication of CN113808207A publication Critical patent/CN113808207A/zh
Priority to PCT/CN2022/113464 priority patent/WO2023040576A1/zh
Priority to JP2023529008A priority patent/JP2023549865A/ja
Priority to DE112022000174.7T priority patent/DE112022000174T5/de
Priority to US18/296,101 priority patent/US20230237682A1/en
Application granted granted Critical
Publication of CN113808207B publication Critical patent/CN113808207B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • 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
    • G06T2207/10012—Stereo images
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Ophthalmology & Optometry (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明提供了一种目标为儿童的双目测距方法，包括以下步骤：获取目标区域图像和左右目中的人体世界坐标；对所述目标区域图像进行校正处理，得到校正后目标区域图像；对所述校正后目标区域图像进行人脸检测，得到面部图像及人眼图像；基于预设面部识别模型对所述面部图像进行识别，判断面部图像是否为儿童面部；若是，基于得到的人脸图像进行图像校正；将人眼图像输入至预设人眼识别模型中进行识别，判断人眼是否注视屏幕；若是，则基于所述人体世界坐标，对所述人眼图像测距，得到屏幕与人眼的距离。本发明无需预设儿童身高体重且对摄像头放置要求宽松，双目测距数据处理精度高且测距的距离远，具备在多场景应用等优点。

Description

一种目标为儿童的双目测距方法及系统
技术领域
本发明涉及图像处理领域，尤其涉及一种目标为儿童的双目测距方法及系统。
背景技术
当前，我国各年龄段青少年的近视呈现发病年龄早、进展快、程度深的趋势。据不完全统计，我国小学生近视发病率约30％、初中生约60％、高中生约80％，而大学生已高达90％。户外活动减少、电子产品依赖、课业负担繁重……随着当下人们生活方式的改变，近视的发生率正在不断攀升。据世界卫生组织统计数据显示，目前全球约有14亿近视人口，其中近半数在中国。
导致这种现状的原因可以归结到电子产品被使用的频率或者时长增加，因此，在现有技术中，已经有越来越多的技术或者方法在研究如果使用电子产品时间过长时如何提醒使用者。
而通常采用的方案是使用测距方法来测算人体与电子产品之间的距离以提醒电子产品的使用时间过长或者是眼睛距离电子产品的屏幕过近，但这种方法有以下缺陷：
很少用于对儿童进行测算，即便是存在针对儿童这个群体进行测距，由于参数设置繁琐，导致结果不准确；
有些设置的参数并不会随着儿童身高和体重的变化进行及时的调整，因此会导致测距失效；
当摄像头摆放不正确时，如歪斜等情况下，则可能会导致测算结果不正确。
发明内容
本发明针对现有技术中的缺点，提供了一种目标为儿童的双目测距方法及系统。
为了解决上述技术问题，本发明通过下述技术方案得以解决：一种目标为儿童的双目测距方法，包括以下步骤：
获取目标区域图像和左右目中的人体世界坐标；
对所述目标区域图像进行校正处理，得到校正后目标区域图像；
对所述校正后目标区域图像进行人脸检测，得到面部图像及人眼图像；
基于预设面部识别模型对所述面部图像进行识别，判断面部图像是否为儿童面部；
将人眼图像输入至预设人眼识别模型中进行识别，判断人眼是否注视屏幕；
若是，则基于所述人体世界坐标，对所述人眼图像测距，得到屏幕与人眼的距离。
进一步的，还包括判断所述屏幕与人眼的距离是否大于设定值，若是，则触发提醒，用于提醒儿童视线距离屏幕终端过近，起到监督儿童健康用眼的作用。
进一步的，对图像进行校正处理，包括参数收集、消除畸变和双目校正，得到校正后的图像信息，用于将初始图像辅正，为后续步骤提供清晰准确的图像信息。
进一步的，所述人脸检测通过面部识别模型对图像信息进行处理包括，图像检测、人物定位和图像分割，得到分割后的面部图像及人眼图像。
进一步的，所述面部识别模型通过以下步骤建立：
获取训练样本，其中，训练样本包括样本人脸图像和标注人脸判别信息；
所述样本人脸图像为年龄4～16岁人脸图像；
将所述人脸训练样本的人脸图像作为输入，将所述标注人脸判别信息作为输出，训练得到面部识别模型，起到无需事前设置儿童信息，使用年龄测算快速准确地识别儿童的作用。
进一步的，所述检测人眼识别模型通过以下步骤建立：
获取训练样本，其中，训练样本包括样本人眼图像和标注人眼判别信息；
所述样本人眼图像为人眼注视方向在上下左右四个方向15度内图像；
将所述样本人眼图像作为输入，将标注人眼判别信息作为输出，训练得到人眼识别模型，用于快速准确判断儿童视线是否注视屏幕。
一种目标为儿童的双目测距系统，包括图像获取模块、立体校正模块、人脸检测模块、人脸匹配模块、人眼注视方向检测模块和测距模块；
所述图像获取模块，用于获取目标区域图像和左右目中的人体世界坐标；
所述立体校正模块，用于对所述目标区域图像进行校正处理，得到校正后目标区域图像；
所述人脸检测模块，用于对所述校正后目标区域图像进行人脸检测，得到面部图像及人眼图像；
所述人脸匹配模块，基于所述面部图像与训练儿童特定模型进行人脸识别；
所述人眼注视方向检测模块，用于检测人眼注视的方向是否为屏幕方向；
所述测距模块，用于对屏幕与人眼之间的测距。
进一步的，所述图像获取模块为双目摄像机，包括两个间隔设置的摄像传感器，双目摄像机能感知深度，只需通过左右目视差实现测距，一方面提高了测距的精确度，另一方面减少了检测的时间。
本发明由于采用了以上技术方案，具有显著的技术效果：
本发明实施例提供的一种目标为儿童的双目测距方法及系统自动识别儿童，实时检测儿童注视屏幕的距离，实现智能监督，从而引导儿童健康的使用屏幕终端设备。相比于现有的技术方案，本发明无需预设儿童身高体重且对摄像头放置要求不高，双目测距数据处理精度高且测距的距离远，具备在多场景应用的优点。
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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种目标为儿童的双目测距方法的流程框图；
图2是本发明实施例提供的一种目标为儿童的双目测距系统的系统框图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
请参考图1，本发明实施例提供了一种目标为儿童的双目测距方法，包括下列步骤：
步骤S10，获取目标区域图像和左右目中的人体世界坐标。
在本发明实施例中，图像采集通过双目摄像头来获取距离屏幕终端一定范围内的图像，继而获取目标图像信息，其中所述摄像头可以采用集成于屏幕终端的方式，也可以采用外置于屏幕的方式。摄像头与处理单元相连，并将采集到目标图像发送至所述处理单元进行后续一系列的处理，具体的，摄像头可以通过有线或无线的方式与所述处理单元相连来进行相应的数据传输。所述处理单元可以为集成在屏幕终端中的处理器，也可以为物联网中控设备中的处理器。
步骤S20，对所述目标区域图像进行校正处理，得到校正后目标区域图像。
在立体视觉中，物体的位置在双目摄像机的两个摄像头获取到的图像是不同的，为了降低匹配的计算量，两个摄像头的成像平面应处于同一平面，但是单单依靠严格的摆放摄像头来达到这个目的显然有些困难，需要通过消除畸变的方法进行立体标定。在两台相机垂直对齐后，观察到的物体将在同一垂直坐标上(图像中的同一列)，只需关注x坐标来计算深度，因为近的物体在x轴上会有较大的差值，为了实现这一目标，需要对目标区域图像进行校正。
在本发明实施例中，对图像进行校正处理包括参数收集、消除畸变和双目校正。参数收集是对目标数据不同角度进行大数据测算并结合摄像头的参数进行参数收集，消除畸变和双目校正是通过OpenCV中的立体标定函数对图像的世界坐标和目标关键点进行消除畸变和双目校正处理，OpenCV是一个开源的跨平台计算机视觉库，可以运行在Linux、Windows、Android等操作系统上，可以被用来进行图像处理和计算机视觉应用的开发。另外，在提取图像世界坐标和目标关键点的处理过程中，可将垂直坐标落差作为校正依据归一处理参数直接代入处理算法中，可省去等待OpenCV中的立体标定函数转化的时间，提升算法处理的速度。
步骤S30，对所述校正后目标区域图像进行人脸检测，得到面部图像及人眼图像。
其中人脸检测的目的是将获取到的目标图像中任意一帧图像，采用人脸检测算法对目标图像进行搜索来确定目标图像中是否存在人脸，因为目标图像中可能包含有不是人脸的物体，如屋内家具以及人的其他部位(如腿、肩膀和手臂)。
可通过处理单元内置的人脸检测算法对目标图像中任意一帧图像进行人脸检测，如果该帧中存在人脸，则进行后续的人脸特征提取等步骤。人脸检测算法可以利用OpenCV自带的分类器实现。在本发明实施例中，采用基于yolo的人脸检测算法进行人脸检测，通过将目标图像进行切割，切分成为49个图像块，再对每个图像块进行分别测算以确定人脸位置，此外所述基于yolo的人脸检测算法将目标图像切分成为49个图像块，在后续特征提取阶段，可以对眼睛等关键部分进行细化检测，从而提升人脸特征提取以及人脸匹配的准确度。
在其他实施例中，使用方向梯度直方图来检测人脸位置，先将目标图像灰度化，接着计算图像中像素的梯度，通过将图像转变成方向梯度直方图形式，就可以检测并获得人脸位置。
步骤S40，基于预设面部识别模型对所述面部图像进行识别，判断面部图像是否为儿童面部。
在本发明实施例中，面部识别模型通过以下步骤建立：
获取训练样本，其中，训练样本包括样本人脸图像和标注人脸判别信息；
所述样本人脸图像为年龄4～16岁人脸图像；
将所述人脸训练样本的人脸图像作为输入，将所述标注人脸判别信息作为输出，训练得到面部识别模型。
在其他实施例中，通过样本人脸图像为年龄4～12岁人脸图像和标注人脸判别信息进行训练得到面部识别模型。
本实施例采用年龄为4～16岁的人脸数据集合可以避免部分儿童因为人脸较为成熟，实际年龄小于外貌年龄，从而被面部识别系统排除在外情况的发生。
其中在对于需要将儿童按照更加小的年龄区间进行分别的情况，需要进行更加细致化、差异化控制，通过对人脸数据集中所有的人脸特征值进行训练分为若干个不同区间的人脸数据集，再对每个不同年龄段的儿童进行区别测算。具体的，可采用人脸识别的方法可通过计算目标人脸与人脸库中每个人的权值向量之间的欧式距离，更加准确的识别不同年龄段的儿童。
步骤S50，将人眼图像输入至预设人眼识别模型中进行识别，判断人眼是否注视屏幕。
在本发明实施例中，所述人眼识别模型通过以下步骤建立：
获取训练样本，其中，训练样本包括样本人眼图像和标注人眼判别信息；
所述样本人眼图像为人眼注视方向在上下左右四个方向15度内图像；
将所述样本人眼图像作为输入，将标注人眼判别信息作为输出，训练得到人眼识别模型。
通过将人眼图像输入到人眼识别模型判断儿童是否注视屏幕。
步骤S60，若人眼注视屏幕，则基于所述人体世界坐标，对所述人眼图像测距，得到屏幕与人眼的距离，其中具体计算公式为：
其中左右目视差指左右图像上的相同特征点在x坐标上的差值；
判断所述屏幕与人眼的距离是否大于设定值，若是，则触发提醒。
本发明实施例提供的一种目标为儿童的双目测距方法自动识别儿童，实时检测儿童注视屏幕的距离，实现智能监督，从而引导儿童健康的使用屏幕终端设备。相比于现有的技术方案，本发明无需预设儿童身高体重且对摄像头放置要求不高，双目测距数据处理精度高且测距的距离远，具备在多场景应用的优点。
此外，基于上述的一种目标为儿童的双目测距方法，本发明实施例还提供了一种目标为儿童的双目测距系统，如图2所示，该系统包括：图像获取模块100、立体校正模块200、人脸检测模块300、人脸匹配模块400、人眼注视方向检测模块500和测距模块600；
所述图像获取模块100，用于获取目标区域图像和左右目中的人体世界坐标；
所述立体校正模块200，用于对所述目标区域图像进行校正处理，得到校正后目标区域图像；
所述人脸检测模块300，用于对所述校正后目标区域图像进行人脸检测，得到面部图像及人眼图像；
所述人脸匹配模块400，基于预设面部识别模型对所述面部图像进行识别，判断面部图像是否为儿童面部；
所述人眼注视方向检测模块500，用于检测人眼注视的方向是否为屏幕方向；
所述测距模块600，用于对屏幕与人眼之间的测距。
在本发明实施例中，图像获取模块100采用双目摄像机，包括两个间隔设置的摄像传感器，双目摄像机能感知深度，只需通过左右目视差实现测距，一方面提高了测距的精确度，另一方面减少了检测的时间。
此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.一种目标为儿童的双目测距方法，其特征在于，包括以下步骤：
获取目标区域图像和左右目中的人体世界坐标；
对所述目标区域图像进行校正处理，得到校正后目标区域图像；
对所述校正后目标区域图像进行人脸检测，得到面部图像及人眼图像；
基于预设面部识别模型对所述面部图像进行识别，判断面部图像是否为儿童面部；
将人眼图像输入至预设人眼识别模型中进行识别，判断人眼是否注视屏幕，其中，人眼识别模型通过以下步骤建立：
获取训练样本，其中，训练样本包括样本人眼图像和标注人眼判别信息；
所述样本人眼图像为人眼注视方向在上下左右四个方向15度内图像；
将所述样本人眼图像作为输入，将标注人眼判别信息作为输出，训练得到人眼识别模型；
若是，则基于所述人体世界坐标，对所述人眼图像测距，得到屏幕与人眼的距离，其中具体计算公式为：
其中左右目视差指左右图像上的相同特征点在x坐标上的差值。
2.根据权利要求1所述的一种目标为儿童的双目测距方法，其特征在于，还包括判断所述屏幕与人眼的距离是否大于设定值，若是，则触发提醒。
3.根据权利要求1所述的一种目标为儿童的双目测距方法，其特征在于，对图像进行校正处理，包括参数收集、消除畸变和双目校正，得到校正后的图像信息。
4.根据权利要求1所述的一种目标为儿童的双目测距方法，其特征在于，所述人脸检测通过面部识别模型对图像信息进行处理，包括图像检测、人物定位和图像分割，得到分割后的面部图像及人眼图像。
5.根据权利要求1所述的一种目标为儿童的双目测距方法，其特征在于，所述面部识别模型通过以下步骤建立：
获取训练样本，其中，训练样本包括样本人脸图像和标注人脸判别信息；
所述样本人脸图像为年龄4～16岁人脸图像；
将所述人脸训练样本的人脸图像作为输入，将所述标注人脸判别信息作为输出，训练得到面部识别模型。
6.一种目标为儿童的双目测距系统，其特征在于，包括图像获取模块、立体校正模块、人脸检测模块、人脸匹配模块、人眼注视方向检测模块和测距模块；
所述图像获取模块，用于获取目标区域图像和左右目中的人体世界坐标；
所述立体校正模块，用于对所述目标区域图像进行校正处理，得到校正后目标区域图像；
所述人脸检测模块，用于对所述校正后目标区域图像进行人脸检测，得到面部图像及人眼图像；
所述人脸匹配模块，基于预设面部识别模型对所述面部图像进行识别，判断面部图像是否为儿童面部；
所述人眼注视方向检测模块，用于检测人眼注视的方向是否为屏幕方向，其中，人眼识别模型通过以下步骤建立：
获取训练样本，其中，训练样本包括样本人眼图像和标注人眼判别信息；
所述样本人眼图像为人眼注视方向在上下左右四个方向15度内图像；
将所述样本人眼图像作为输入，将标注人眼判别信息作为输出，训练得到人眼识别模型；
所述测距模块，用于对屏幕与人眼之间的测距，其中具体计算公式为：
其中左右目视差指左右图像上的相同特征点在x坐标上的差值。
7.根据权利要求6所述的一种目标为儿童的双目测距系统，其特征在于，所述图像获取模块为双目摄像机，包括两个间隔设置的摄像传感器。
CN202111092737.7A 2021-09-17 2021-09-17 一种目标为儿童的双目测距方法及系统 Active CN113808207B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202111092737.7A CN113808207B (zh) 2021-09-17 2021-09-17 一种目标为儿童的双目测距方法及系统
PCT/CN2022/113464 WO2023040576A1 (zh) 2021-09-17 2022-08-19 一种目标为儿童的双目测距方法及系统
JP2023529008A JP2023549865A (ja) 2021-09-17 2022-08-19 児童を対象とした両眼距離測定の方法及びシステム
DE112022000174.7T DE112022000174T5 (de) 2021-09-17 2022-08-19 Verfahren und System zur binokularenAbstandsmessung abzielend auf Kinder
US18/296,101 US20230237682A1 (en) 2021-09-17 2023-04-05 Method and system for binocular ranging for children

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111092737.7A CN113808207B (zh) 2021-09-17 2021-09-17 一种目标为儿童的双目测距方法及系统

Publications (2)

Publication Number Publication Date
CN113808207A CN113808207A (zh) 2021-12-17
CN113808207B true CN113808207B (zh) 2024-01-23

Family

ID=78939590

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111092737.7A Active CN113808207B (zh) 2021-09-17 2021-09-17 一种目标为儿童的双目测距方法及系统

Country Status (5)

Country Link
US (1) US20230237682A1 (zh)
JP (1) JP2023549865A (zh)
CN (1) CN113808207B (zh)
DE (1) DE112022000174T5 (zh)
WO (1) WO2023040576A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113808207B (zh) * 2021-09-17 2024-01-23 东胜神州旅游管理有限公司 一种目标为儿童的双目测距方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017152649A1 (zh) * 2016-03-08 2017-09-14 珠海全志科技股份有限公司 一种自动提示人眼离屏幕距离的方法和系统
CN107369305A (zh) * 2017-08-22 2017-11-21 中原工学院 一种儿童视力保护系统及其使用方法
CN110780739A (zh) * 2019-10-18 2020-02-11 天津理工大学 基于注视点估计的眼控辅助输入方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113808207B (zh) * 2021-09-17 2024-01-23 东胜神州旅游管理有限公司 一种目标为儿童的双目测距方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017152649A1 (zh) * 2016-03-08 2017-09-14 珠海全志科技股份有限公司 一种自动提示人眼离屏幕距离的方法和系统
CN107369305A (zh) * 2017-08-22 2017-11-21 中原工学院 一种儿童视力保护系统及其使用方法
CN110780739A (zh) * 2019-10-18 2020-02-11 天津理工大学 基于注视点估计的眼控辅助输入方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于深度学习的双目视觉测距方法研究与实现;邓志康;中国优秀硕士学位论文全文数据库 信息科技辑(第12期);第二章第2.4和2.4.1部分，图2-1，图2-2 *

Also Published As

Publication number Publication date
DE112022000174T5 (de) 2023-11-16
JP2023549865A (ja) 2023-11-29
WO2023040576A1 (zh) 2023-03-23
US20230237682A1 (en) 2023-07-27
CN113808207A (zh) 2021-12-17

Similar Documents

Publication Publication Date Title
WO2017152649A1 (zh) 一种自动提示人眼离屏幕距离的方法和系统
CN106022304A (zh) 一种基于双目相机的实时人体坐姿情况检测方法
CN104123543B (zh) 一种基于人脸识别的眼球运动识别方法
CN105955465A (zh) 一种桌面便携式视线跟踪方法及装置
CN104951808A (zh) 一种用于机器人交互对象检测的3d视线方向估计方法
CN105139447A (zh) 基于双摄像头的坐姿实时检测方法
CN105913013A (zh) 双目视觉人脸识别算法
CN111289076B (zh) 自动采集人体基础数据的人体生理实验系统
CN106060142A (zh) 一种能够检查视力的手机及使用其进行视力检查的方法
CN112525352A (zh) 一种基于人脸识别的红外测温补偿方法及终端
CN104573634A (zh) 一种三维人脸识别方法
WO2019153927A1 (zh) 屏幕显示方法、具有显示屏幕的装置、设备及存储介质
CN112220444B (zh) 一种基于深度相机的瞳距测量方法和装置
Fuadah et al. Mobile cataract detection using optimal combination of statistical texture analysis
CN110456904B (zh) 一种无需标定的增强现实眼镜眼动交互方法及系统
CN113808207B (zh) 一种目标为儿童的双目测距方法及系统
CN113856186B (zh) 一种引体向上动作判定与计数的方法、系统及装置
Bei et al. Sitting posture detection using adaptively fused 3D features
CN112232128B (zh) 基于视线追踪的老年残障人士照护需求识别方法
CN109344706A (zh) 一种可单人操作的人体特殊姿势照片的获取方法
CN104866826B (zh) 一种基于knn和像素比梯度特征的静态手语识别方法
US10402996B2 (en) Distance measuring device for human body features and method thereof
CN106599873A (zh) 基于三维姿态信息的人物身份识别方法
CN113780220A (zh) 一种基于童脸识别的儿童坐姿检测方法及系统
CN110598635A (zh) 一种针对连续视频帧中的人脸检测与瞳孔定位方法及系统

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