CN113920570B - 基于几何建模的数据处理方法及装置 - Google Patents
基于几何建模的数据处理方法及装置 Download PDFInfo
- Publication number
- CN113920570B CN113920570B CN202111309554.6A CN202111309554A CN113920570B CN 113920570 B CN113920570 B CN 113920570B CN 202111309554 A CN202111309554 A CN 202111309554A CN 113920570 B CN113920570 B CN 113920570B
- Authority
- CN
- China
- Prior art keywords
- geometric model
- target image
- characteristic information
- primary
- modeling
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及一种基于几何建模的数据处理方法及装置,该方法包括:获取目标图像;基于预设规则,选用不同等级的建模单元搭建所述目标图像的目标几何模型,所述建模单元分为一级建模单元、二级建模单元、……、N级建模单元,所述建模单元从一级到N级依次减小;基于所述目标几何模型,确定所述目标图像的特征信息。本申请在保证建模效率的同时,保证了提取的特征信息的精确度。
Description
技术领域
本申请涉及模型搭建的领域,尤其是涉及一种基于几何建模的数据处理方法及装置。
背景技术
微表情是人类试图压抑或隐藏真实情感时,泄露的非常短暂的、不能自主控制的面部表情,是谎言识别的有效线索,主要应用于安全、司法、临床等领域。
目前,通过几何建模的方式去提取人们的微表情特征时,为了保证建模效率,选用较大的建模单元进行模型搭建,但这也导致了提取的特征不够精细,甚至无法提取出目标特征;而为了保证提取特征的精细度,选用较小的建模单元进行模型搭建,在一定程度上降低了模型的搭建效率。
针对上述中的相关技术,发明人认为存在有建模效率与提取特征的精确度不能平衡的缺陷。
发明内容
为了在保证建模效率的同时,保证了提取的特征信息的精确度,本申请提供了一种基于几何建模的数据处理方法及装置。
第一方面,本申请提供一种基于几何建模的数据处理方法,采用如下的技术方案:
一种基于几何建模的数据处理方法,该方法包括:
获取目标图像;
基于预设规则,选用不同等级的建模单元搭建所述目标图像的目标几何模型,所述建模单元分为一级建模单元、二级建模单元、……、N级建模单元,所述建模单元从一级到N级依次减小;
基于所述目标几何模型,确定所述目标图像的特征信息。
通过采用上述技术方案,获取目标图像,基于预设的规则采用不同等级的建模单元搭建目标图像的目标几何模型,且建模单元分为一级建模单元、二级建模单元、……、N级建模单元,所述建模单元从一级到N级依次减小,这样在进行目标几何模型搭建时,可根据实际情况不同的区域采用不同等级的建模单元进行目标几何模型的搭建,目标几何模型搭建完成后根据目标几何模型确定目标图像的特征信息,采用上述方案保证建模效率的同时,提高提取特征信息的精确度。
可选的,通过摄像机实时拍摄目标图像,并将所述目标图像上传,所述获取目标图像的方法,具体包括:
将上传的所述目标图像进行存储;
调取所述目标图像。
可选的,所述基于预设规则,选用不同等级的建模单元搭建所述目标图像的几何模型的方法,具体包括:
选用一级建模单元搭建所述目标图像的一级几何模型;
根据所述一级几何模型确定所述目标图像的特征信息;
判断所述特征信息是否符合预设要求;
若是,结束建模,所述一级几何模型即为目标几何模型。
可选的,所述判断所述特征信息是否符合预设要求,若否,
识别所述一级几何模型的第一特征区域;
采用二级建模单元搭建所述第一特征区域的二级几何模型;
根据所述一级几何模型和二级几何模型确定所述目标图像的特征信息;
判断所述特征信息是否符合预设要求;
若否,识别所述二级几何模型的第二特征区域;
采用三级建模单元搭建所述第二特征区域的三级几何模型;
根据所述一级几何模型、二级几何模型和三级几何模型确定所述目标图像的特征信息;
判断所述特征信息是否符合预设要求;
若否,识别所述三级几何模型的第三特征区域;
……;
若否,识别所述(N-1)级几何模型的第(N-1)特征区域;
采用N级建模单元搭建所述第(N-1)特征区域的N级几何模型;
根据所述一级几何模型、二级几何模型、……、N级几何模型确定所述目标图像的特征信息;所述一级几何模型、二级几何模型、……、N级几何模型共同构成目标几何模型。
可选的,所述基于所述目标几何模型,确定所述目标图像的特征信息的方法,具体包括:
识别所述目标几何模型的边缘特征;
根据所述边缘特征确定所述目标图像的特征信息。
可选的,所述判断所述特征信息是否符合预设要求的方法,具体包括:
将所述特征信息与预存的特征信息对照表进行比对;
当确定的所述目标图像的特征信息种类大于等于所述特征信息对照表中的特征信息的种类时,判断所述特征信息符合预设的要求;
当确定的目标图像的特征信息的种类比所述特征信息对照表中包含的特征信息的种类少时,判断所述特征信息不符合预设的要求。
通过采用上述技术方案,特征信息对照表为人为设定并存储至数据库中,通过将确定的目标图像中的特征信息与特征信息对照表中的特征信息进行对比,使得确定的目标图像中的特征信息为工作人员想要的特征信息,提高基于几何建模的数据处理方法的实用性。
第二方面,本申请提供一种基于几何建模的数据处理装置,采用如下的技术方案:
一种基于几何建模的数据处理装置,包括:
获取模块,用于获取目标图像;
几何模型搭建模块,用于基于预设规则,选用不同等级的建模单元搭建所述目标图像的目标几何模型,所述建模单元分为一级建模单元、二级建模单元、……、N级建模单元,所述建模单元从一级到N级依次减小;
特征信息确定模块,用于基于所述目标几何模型,确定所述目标图像的特征信息。
可选的,所述特征信息确定模块被进一步配置为:
识别所述目标几何模型的边缘特征;
根据所述边缘特征确定所述目标图像的特征信息。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行的基于几何建模的数据处理方法的计算机程序。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行的基于几何建模的数据处理方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
通过获取目标图像,基于预设的规则采用不同等级的建模单元搭建目标图像的目标几何模型,且建模单元分为一级建模单元、二级建模单元、……、N级建模单元,所述建模单元从一级到N级依次减小,这样在进行目标几何模型搭建时,可根据实际情况不同的区域采用不同等级的建模单元进行目标几何模型的搭建,目标几何模型搭建完成后根据目标几何模型确定目标图像的特征信息,采用上述方案保证建模效率的同时,提高提取特征信息的精确度。
附图说明
图1是本申请提供的基于几何建模的数据处理方法的流程框图。
图2是本申请提供的基于几何建模的数据处理装置的结构框图。
图3是本申请提供的电子设备的整体结构示意图。
附图标记说明:200、基于几何建模的数据处理装置;201、获取模块;202、几何模型搭建模块;203、特征信息确定模块;301、CPU;302、ROM;303、RAM;304、I/O接口;305、输入部分;306、输出部分;307、存储部分;308、通信部分;309、驱动器;310、可拆卸介质。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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全部其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本申请使用的所有术语(包括技术术语或者科学术语)与本申请所属领域的普通技术人员理解的含义相同,除非另外特别定义。还应当理解,在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义,而不应用理想化或极度形式化的意义来解释,除非这里明确地这样定义。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
微表情一闪而过,通常甚至清醒的作表情的人和观察者都察觉不到,在实验里,只有10%的人察觉到,比起人们有意识做出的表情,微表情更能体现人们真实的感受和动机。所以如果某人很自然地表现 “高兴”的表情,且其中不含有微表情,就能断定这人是高兴的。但是如果其间有“嗤笑”的微表情闪现,就算你没有刻意去察觉,你会更倾向于认为这张“高兴”的面孔是“狡猾的”或“不可信的”。
另外,除了指短暂的表情外,微表情在应用上更倾向于指代那些被抑制的表情。譬如说在明显悲伤的情况下,某人表现出大部分悲痛的表情,嘴角却抑制不住地上翘。这时,这个人明显希望表现出悲伤的情绪,但是却不由自主的出现了微笑的微表情。由于自身理性的抑制,表现的不明显抑或较为短暂。
微表情在安全、司法、临床等领域具有广泛的应用,而由于人们的微表情持续时间很短不易被察觉,本申请通过建立几何模型方法去识别人们的微表情,该方法在保证建模效率的同时,又能保证提取的特征信息的精确度,能更好的识别出人的微表情。
图1示出了本申请实施例公开的基于几何建模的数据处理方法的流程框图。参照图1,基于几何建模的数据处理方法包括:
S101:获取目标图像。
具体的,目标图像为人们的面部图像,可通过摄像机实时拍摄人们的面部图像,将拍摄的人们的面部图像上传至服务器并存储在数据库中,在建立目标图像的几何模型时,通过服务器调取存储在数据库中的目标图像。
S102:基于预设规则,选用不同等级的建模单元搭建目标图像的目标几何模型。
具体的,几何模型的搭建为通过多个建模单元搭建出要想的几何模型,本实施例中,建模单元分为一级建模单元、二级建模单元、……、N级建模单元,建模单元从一级到N级依次减小,选用的建模单元的等级越高建立出的几何模型精确度越高,即展现出的特征丰富度越高。
获取目标图像后,对目标图像进行识,提取目标图像的边缘特征,采用一级建模单元建立边缘特征的一级几何模型,一级几何模型建立完成后,提取一级几何模型的特征信息,提取出的一级几何模型的特征信息即对应目标图像中的特征信息,根据一级几何模型确定目标图像的特征信息后,服务器调取预存在数据库中的特征信息对照表,特征信息对照表中包含人们所要获取的特征信息的种类,将确定的目标图像的特征信息的种类与特征信息对照表中包含的特征信息的种类进行对比,当确定的目标图像的特征信息的种类比大于等于所述特征信息对照表中包含的特征信息的种类少时,判断确定的目标图像的特征信息符合预设要求,此时完成目标几何模型建立,即一级几何模型为目标几何模型。
例如:特征信息对照表中包含的特征信息的种类为:眼部特征、嘴部特征以及面部特征,当根据一级几何模型确定的目标图像的特征信息中至少眼部特征、嘴部特征以及面部特征时,则根据一级几何模型确定出的目标图像的特征信息符合预设要求。本实施例中,所述的根据一级几何模型确定的目标图像的特征信息中至少眼部特征、嘴部特征以及面部特征时即为通过一级几何模型能够清晰的识别出目标图像中人物的眼部动作、嘴部动作以及面部动作。
当确定的目标图像的特征信息的种类比特征信息对照表中包含的特征信息的种类少时,判断特征信息不符合预设要求。
此时,识别一级几何模型的第一特征区域,第一特征区域为根据一级几何模型未识别出特征信息的区域,识别第一特征区域时,提取一级几何模型中除去识别出的特征信息的区域的其余区域的边缘特征,提取出的边缘特征所在的区域即为第一特征区域,通过二级建模单元建立上述第一特征区域的二级几何模型,二级几何模型建立完成后,提取一级几何模型和二级几何模型的特征信息即对应目标图像中包含的特征信息,将确定的目标图像的特征信息的种类与特征信息对照表中包含的特征信息的种类进行对比,当确定的所述目标图像的特征信息种类大于等于所述特征信息对照表中的特征信息的种类时,判断所述特征信息符合预设的要求,完成建模,即一级几何模型和二级几何模型共同构成目标几何模型。
当确定的目标图像的特征信息的种类比所述特征信息对照表中包含的特征信息的种类少时,判断所述特征信息不符合预设的要求,此时采用上述方法识别二级几何模型中第二特征区域,采用三级建模单元建立第二特征区域的三级几何模型,根据一级几何模型、二级几何模型和三级几何模型确定目标图像的特征信息,采用同样的方法判断此时确定的目标图像的特征信息是否符合预设要求,若是,完成建模,即一级几何模型、二级几何模型和三级几何模型和共同构成目标几何模型。
……
若否,识别(N-1)级几何模型的第(N-1)特征区域;
采用N级建模单元搭建第(N-1)特征区域的N级几何模型;
根据一级几何模型、二级几何模型、……、N级几何模型确定目标图像的特征信息,一级几何模型、二级几何模型、……、N级几何模型共同构成目标几何模型。
S103:基于目标几何模型,确定目标图像的特征信息。
具体的,目标几何模型建立完成后,提取目标几何模型中的所有边缘特征,根据提取的边缘特征即可确定目标几何模型的特征信息即为目标图像的特征信息,本实施例中,边缘特征的提取采用轮廓提取算法即可实现,轮廓提取算法为本领域技术人员公知的技术手段,在此不做过多赘述。
采用上述方法,在保证目标几何模型建模效率的同时,保证了提取的特征信息的精确度,实现了建模效率与特征信息精确度的平衡。
图2示出了本申请实施例公开的基于几何建模的数据处理装置的结构框图。参照图2,基于几何建模的数据处理装置200,包括:
获取模块201,用于获取目标图像;
几何模型搭建模块202,用于基于预设规则,选用不同等级的建模单元搭建目标图像的目标几何模型,建模单元分为一级建模单元、二级建模单元、……、N级建模单元,建模单元从一级到N级依次减小;
特征信息确定模块203,用于基于目标几何模型,确定目标图像的特征信息。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,描述的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。
图3示出了本申请实施例公开的电子设备的整体结构示意图。参照图3,电子设备包括,包括中央处理单元(CPU)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有系统300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305:包括键盘、鼠标等的输入部分306;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307;包括硬盘等的存储部分308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入存储部分308。
特别地,根据本申请的实施例,上文参考流程图图1描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在机器可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分309从网络上被下载和安装,和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时,执行本申请的装置中限定的上述功能。
需要说明的是,本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的申请范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种基于几何建模的数据处理方法,其特征在于:该方法包括:
获取目标图像;
选用一级建模单元搭建所述目标图像的一级几何模型;
根据所述一级几何模型确定所述目标图像的特征信息;
判断所述特征信息是否符合预设要求;
若是,结束建模,所述一级几何模型即为目标几何模型;
若否,识别所述一级几何模型的第一特征区域,所述第一特征区域为根据所述一级几何模型未识别出特征信息的区域;
采用二级建模单元搭建所述第一特征区域的二级几何模型;
根据所述一级几何模型和二级几何模型确定所述目标图像的特征信息;
判断所述特征信息是否符合预设要求;
若否,识别所述二级几何模型的第二特征区域;
采用三级建模单元搭建所述第二特征区域的三级几何模型;
根据所述一级几何模型、二级几何模型和三级几何模型确定所述目标图像的特征信息;
判断所述特征信息是否符合预设要求;
若否,识别所述三级几何模型的第三特征区域;
……;
若否,识别(N-1)级几何模型的第(N-1)特征区域;
采用N级建模单元搭建所述第(N-1)特征区域的N级几何模型;
根据所述一级几何模型、二级几何模型、……、N级几何模型确定所述目标图像的特征信息;所述一级几何模型、二级几何模型、……、N级几何模型共同构成目标几何模型,一级建模单元、二级建模单元、……、N级建模单元依次减小;
基于所述目标几何模型,确定所述目标图像的特征信息。
2.根据权利要求1所述的基于几何建模的数据处理方法,通过摄像机实时拍摄目标图像,并将所述目标图像上传,其特征在于:所述获取目标图像的方法,具体包括:
将上传的所述目标图像进行存储;
调取所述目标图像。
3.根据权利要求1所述的基于几何建模的数据处理方法,其特征在于:所述基于所述目标几何模型,确定所述目标图像的特征信息的方法,具体包括:
识别所述目标几何模型的边缘特征;
根据所述边缘特征确定所述目标图像的特征信息。
4.根据权利要求1所述的基于几何建模的数据处理方法,其特征在于:所述判断所述特征信息是否符合预设要求的方法,具体包括:
将所述特征信息与预存的特征信息对照表进行比对;
当确定的所述目标图像的特征信息种类大于等于所述特征信息对照表中的特征信息的种类时,判断所述特征信息符合预设的要求;
当确定的目标图像的特征信息的种类比所述特征信息对照表中包含的特征信息的种类少时,判断所述特征信息不符合预设的要求。
5.一种基于几何建模的数据处理装置,其特征在于:包括:
获取模块(201),用于获取目标图像;
几何模型搭建模块(202),用于:
选用一级建模单元搭建所述目标图像的一级几何模型;
根据所述一级几何模型确定所述目标图像的特征信息;
判断所述特征信息是否符合预设要求;
若是,结束建模,所述一级几何模型即为目标几何模型;
若否,识别所述一级几何模型的第一特征区域,所述第一特征区域为根据所述一级几何模型未识别出特征信息的区域;
采用二级建模单元搭建所述第一特征区域的二级几何模型;
根据所述一级几何模型和二级几何模型确定所述目标图像的特征信息;
判断所述特征信息是否符合预设要求;
若否,识别所述二级几何模型的第二特征区域;
采用三级建模单元搭建所述第二特征区域的三级几何模型;
根据所述一级几何模型、二级几何模型和三级几何模型确定所述目标图像的特征信息;
判断所述特征信息是否符合预设要求;
若否,识别所述三级几何模型的第三特征区域;
……;
若否,识别(N-1)级几何模型的第(N-1)特征区域;
采用N级建模单元搭建所述第(N-1)特征区域的N级几何模型;
根据所述一级几何模型、二级几何模型、……、N级几何模型确定所述目标图像的特征信息;所述一级几何模型、二级几何模型、……、N级几何模型共同构成目标几何模型,一级建模单元、二级建模单元、……、N级建模单元依次减小;
特征信息确定模块(203),用于基于所述目标几何模型,确定所述目标图像的特征信息。
6.根据权利要求5所述的基于几何建模的数据处理装置,其特征在于:所述特征信息确定模块(203)被进一步配置为:
识别所述目标几何模型的边缘特征;
根据所述边缘特征确定所述目标图像的特征信息。
7.一种电子设备,其特征在于:包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至4中任一种方法的计算机程序。
8.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至4中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111309554.6A CN113920570B (zh) | 2021-11-06 | 2021-11-06 | 基于几何建模的数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111309554.6A CN113920570B (zh) | 2021-11-06 | 2021-11-06 | 基于几何建模的数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113920570A CN113920570A (zh) | 2022-01-11 |
CN113920570B true CN113920570B (zh) | 2022-06-14 |
Family
ID=79245541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111309554.6A Active CN113920570B (zh) | 2021-11-06 | 2021-11-06 | 基于几何建模的数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113920570B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020039250A1 (en) * | 2018-08-22 | 2020-02-27 | Soluciones Cognitivas para RH, SAPI de CV | Method and system for collecting data and detecting deception of a human using a multi-layered model |
CN111401449A (zh) * | 2020-03-16 | 2020-07-10 | 深圳市启灵图像科技有限公司 | 一种基于机器视觉的图像匹配方法 |
CN112016273A (zh) * | 2020-09-03 | 2020-12-01 | 平安科技(深圳)有限公司 | 文档目录生成方法、装置、电子设备及可读存储介质 |
CN113094785A (zh) * | 2021-04-06 | 2021-07-09 | 万翼科技有限公司 | 建筑模型构建方法及相关装置 |
CN113361451A (zh) * | 2021-06-24 | 2021-09-07 | 福建万福信息技术有限公司 | 基于多级模型和预置点自动调节的生态环境目标识别方法 |
-
2021
- 2021-11-06 CN CN202111309554.6A patent/CN113920570B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020039250A1 (en) * | 2018-08-22 | 2020-02-27 | Soluciones Cognitivas para RH, SAPI de CV | Method and system for collecting data and detecting deception of a human using a multi-layered model |
CN111401449A (zh) * | 2020-03-16 | 2020-07-10 | 深圳市启灵图像科技有限公司 | 一种基于机器视觉的图像匹配方法 |
CN112016273A (zh) * | 2020-09-03 | 2020-12-01 | 平安科技(深圳)有限公司 | 文档目录生成方法、装置、电子设备及可读存储介质 |
CN113094785A (zh) * | 2021-04-06 | 2021-07-09 | 万翼科技有限公司 | 建筑模型构建方法及相关装置 |
CN113361451A (zh) * | 2021-06-24 | 2021-09-07 | 福建万福信息技术有限公司 | 基于多级模型和预置点自动调节的生态环境目标识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113920570A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11487995B2 (en) | Method and apparatus for determining image quality | |
EP3905126A2 (en) | Image clustering method and apparatus | |
CN108197618B (zh) | 用于生成人脸检测模型的方法和装置 | |
CN110288513B (zh) | 用于改变人脸属性的方法、装置、设备和存储介质 | |
CN113657289B (zh) | 阈值估计模型的训练方法、装置和电子设备 | |
CN111950723A (zh) | 神经网络模型训练方法、图像处理方法、装置及终端设备 | |
CN102890780B (zh) | 图像处理装置和方法 | |
CN113301409B (zh) | 视频合成方法、装置、电子设备和可读存储介质 | |
CN114092759A (zh) | 图像识别模型的训练方法、装置、电子设备及存储介质 | |
CN113920570B (zh) | 基于几何建模的数据处理方法及装置 | |
CN117690002A (zh) | 信息交互方法、装置、电子设备以及存储介质 | |
CN113486925A (zh) | 模型训练方法、眼底图像生成方法、模型评估方法及装置 | |
CN116824455A (zh) | 事件检测方法、装置、设备和存储介质 | |
CN110415015A (zh) | 产品认可度分析方法、装置、终端及计算机可读存储介质 | |
CN114863450B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN115795355A (zh) | 一种分类模型训练方法、装置及设备 | |
CN113362218B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115471772A (zh) | 一种关键帧的提取方法、装置、设备及介质 | |
CN115205163A (zh) | 一种标识图像的处理方法、装置、设备及存储介质 | |
CN113902303A (zh) | 基于用户满意度的隐私模型自动推荐系统、算法、设备及存储介质 | |
CN111815204B (zh) | 风险评估方法、装置以及系统 | |
WO2021142975A1 (zh) | 人工智能检测方法及装置、终端和计算机可读存储介质 | |
CN113361575A (zh) | 模型训练方法、装置和电子设备 | |
CN113361956A (zh) | 资源生产方的资源质量评价方法、装置、设备及存储介质 | |
CN116361658B (zh) | 模型训练方法、任务处理方法、装置、电子设备及介质 |
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 |