CN114266305A - 对象识别方法及装置、电子设备和存储介质 - Google Patents
对象识别方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114266305A CN114266305A CN202111565253.XA CN202111565253A CN114266305A CN 114266305 A CN114266305 A CN 114266305A CN 202111565253 A CN202111565253 A CN 202111565253A CN 114266305 A CN114266305 A CN 114266305A
- Authority
- CN
- China
- Prior art keywords
- virtual
- image
- training
- scene
- motion
- 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.)
- Pending
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本公开涉及一种对象识别方法及装置、电子设备和存储介质,通过确定对真实对象进行图像采集得到的待识别图像,将待识别图像输入对象识别模型进行对象识别,输出表征待识别图像中包括的真实对象位置的对象识别结果,对象识别模型基于虚拟训练集训练得到,虚拟训练集中包括至少一个包括虚拟对象的训练图像,以及每个训练图像对应的标注信息。本公开实施例虚拟训练集中的训练图像为采集虚拟场景中虚拟对象得到的图像,样本数据和种类丰富且避免了对象隐私泄露,训练得到的对象识别模型性能高、识别结果准确。进一步地,通过虚拟训练集训练得到的对象识别模型进行对象识别,能够得到准确的识别结果。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种对象识别方法及装置、电子设备和存储介质。
背景技术
在深度神经网络模型训练等技术领域中,通常需要大量的标注图像数据。对于用于对象识别深度神经网络模型训练,需要采集大量包括不同对象的标注样本图像。相关技术通过采集真实对象并标注得到标注样本图像,数据量小、成本高且种类单一,还存在泄露真实对象隐私的隐患。进一步地,由于样本量小且种类单一导致训练的深度神经网络模型性能较差,对象识别结果不准确。
发明内容
本公开提出了一种对象识别方法及装置、电子设备和存储介质,旨在快速获取准确的对象识别结果。
根据本公开的第一方面,提供了一种对象识别方法,包括:
确定对真实对象进行图像采集得到的待识别图像;
将所述待识别图像输入对象识别模型进行对象识别,输出表征所述待识别图像中包括的真实对象位置的对象识别结果,所述对象识别模型基于虚拟训练集训练得到,所述虚拟训练集中包括至少一个包括虚拟对象的训练图像,以及每个所述训练图像对应的标注信息。
在一种可能的实现方式中,所述虚拟训练集的确定过程包括:
确定包括虚拟对象的虚拟场景;
通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像;
确定每个所述训练图像对应的标注信息,所述标注信息用于表征所述训练图像中所述虚拟对象所在的位置。
在一种可能的实现方式中,所述确定包括虚拟对象的虚拟场景包括:
确定虚拟对象模型和对应的属性信息,所述属性信息包括对象骨架、外观信息以及网格体;
根据所述属性信息将所述虚拟对象模型导入预设的虚拟场景,得到包括虚拟对象的虚拟场景。
在一种可能的实现方式中,所述通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像包括:
确定所述虚拟对象对应的第一运动信息,所述第一运动信息用于表征所述虚拟对象在所述虚拟场景中的运动过程;
确定所述虚拟相机对应的第二运动信息,所述第二运动信息用于表征所述虚拟相机在所述虚拟场景中的运动过程;
响应于开始图像采集过程,根据所述第一运动信息和所述第二运动信息控制所述虚拟对象和所述虚拟相机运动;
在所述虚拟对象和所述虚拟相机运动过程中进行图像采集,得到至少一个包括所述虚拟对象的训练图像。
在一种可能的实现方式中,所述第一运动信息中包括多个用于限定所述虚拟对象位置以及对象骨骼的姿态的连续第一动作帧,所述第二运动信息中包括多个用于限定所述虚拟相机位置和姿态的连续第二动作帧;
所述根据所述第一运动信息和所述第二运动信息控制所述虚拟对象和所述虚拟相机运动包括:
根据多个连续的所述第一动作帧逐帧改变所述虚拟对象在所述虚拟场景中的位置以及姿态;
根据多个连续的所述第二动作帧逐帧改变所述虚拟相机在所述虚拟场景中的位置以及姿态。
在一种可能的实现方式中,所述通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像包括:
通过所述虚拟相机在所述虚拟场景中连续采集多张图像;
在所述虚拟相机采集的多张图像中按预设频率抽取至少一帧图像作为训练图像。
在一种可能的实现方式中,所述虚拟相机还用于获取表征所述虚拟对象在所述虚拟场景中位置的掩码图像;
所述确定每个所述训练图像对应的标注信息包括:
确定与每个所述训练图像同时获取的掩码图像作为对应的标注信息。
在一种可能的实现方式中,所述虚拟场景和虚拟对象通过虚幻引擎生成。
根据本公开的第二方面,提供了一种对象识别装置,包括:
图像确定模块,用于确定对真实对象进行图像采集得到的待识别图像;
对象识别模块,用于将所述待识别图像输入对象识别模型进行对象识别,输出表征所述待识别图像中包括的真实对象位置的对象识别结果,所述对象识别模型基于虚拟训练集训练得到,所述虚拟训练集中包括至少一个包括虚拟对象的训练图像,以及每个所述训练图像对应的标注信息。
在一种可能的实现方式中,所述虚拟训练集的确定过程包括:
确定包括虚拟对象的虚拟场景;
通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像;
确定每个所述训练图像对应的标注信息,所述标注信息用于表征所述训练图像中所述虚拟对象所在的位置。
在一种可能的实现方式中,所述确定包括虚拟对象的虚拟场景包括:
确定虚拟对象模型和对应的属性信息,所述属性信息包括对象骨架、外观信息以及网格体;
根据所述属性信息将所述虚拟对象模型导入预设的虚拟场景,得到包括虚拟对象的虚拟场景。
在一种可能的实现方式中,所述通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像包括:
确定所述虚拟对象对应的第一运动信息,所述第一运动信息用于表征所述虚拟对象在所述虚拟场景中的运动过程;
确定所述虚拟相机对应的第二运动信息,所述第二运动信息用于表征所述虚拟相机在所述虚拟场景中的运动过程;
响应于开始图像采集过程,根据所述第一运动信息和所述第二运动信息控制所述虚拟对象和所述虚拟相机运动;
在所述虚拟对象和所述虚拟相机运动过程中进行图像采集,得到至少一个包括所述虚拟对象的训练图像。
在一种可能的实现方式中,所述第一运动信息中包括多个用于限定所述虚拟对象位置以及对象骨骼的姿态的连续第一动作帧,所述第二运动信息中包括多个用于限定所述虚拟相机位置和姿态的连续第二动作帧;
所述根据所述第一运动信息和所述第二运动信息控制所述虚拟对象和所述虚拟相机运动包括:
根据多个连续的所述第一动作帧逐帧改变所述虚拟对象在所述虚拟场景中的位置以及姿态;
根据多个连续的所述第二动作帧逐帧改变所述虚拟相机在所述虚拟场景中的位置以及姿态。
在一种可能的实现方式中,所述通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像包括:
通过所述虚拟相机在所述虚拟场景中连续采集多张图像;
在所述虚拟相机采集的多张图像中按预设频率抽取至少一帧图像作为训练图像。
在一种可能的实现方式中,所述虚拟相机还用于获取表征所述虚拟对象在所述虚拟场景中位置的掩码图像;
所述确定每个所述训练图像对应的标注信息包括:
确定与每个所述训练图像同时获取的掩码图像作为对应的标注信息。
在一种可能的实现方式中,所述虚拟场景和虚拟对象通过虚幻引擎生成。
根据本公开的第三方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,虚拟训练集中的训练图像为采集虚拟场景中虚拟对象得到的图像,便于得到大量且种类丰富的样本数据,还可以避免对象隐私泄露,训练得到的对象识别模型性能高、识别结果准确。可以通过虚拟训练集训练的对象识别模型进行对象识别,得到准确的识别结果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的一种对象识别方法的流程图;
图2示出根据本公开实施例的一种训练对象识别模型过程的流程图;
图3示出根据本公开实施例的一种图像采集过程的示意图;
图4示出根据本公开实施例的一种虚拟对象的示意图;
图5示出根据本公开实施例的一种训练图像的示意图;
图6示出根据本公开实施例的一种训练图像对应标注信息的示意图;
图7示出根据本公开实施例的一种对象识别装置的示意图;
图8示出根据本公开实施例的一种电子设备的示意图;
图9示出根据本公开实施例的另一种电子设备的示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
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,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
本公开实施例的对象识别方法可以由终端设备或服务器等电子设备执行。其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等任意固定或移动终端。服务器可以为单独的服务器或多个服务器组成的服务器集群。任意电子设备可以通过处理器调用存储器中存储的计算机可读指令的方式来实现本公开实施例的对象识别方法。
在一种可能的实现方式中,本公开实施例可以应用于对移动对象的识别以及位置跟踪,或者对移动对象的姿态识别等应用场景。
图1示出根据本公开实施例的对象识别方法的流程图。图1所示,本公开实施例的对象识别方法可以包括步骤S10和步骤S20。
步骤S10、确定对真实对象进行图像采集得到的待识别图像。
在一种可能的实现方式中,可以通过对真实对象进行图像采集得到的待识别图像。其中,待识别图像可以通过电子设备内置或连接的图像采集装置采集。或者,还可以通过其他电子设备的图像采集装置对真实对象进行图像采集后传输至当前执行对象识别方法的电子设备。可选地,真实对象可以为真实人物或动物等能够移动的对象。图像采集装置可以在真实对象移动过程中连续采集多张图像,并通过电子设备在多张图像中抽取任意一张作为待识别图像。
步骤S20、将所述待识别图像输入对象识别模型进行对象识别,输出表征所述待识别图像中包括的真实对象位置的对象识别结果。
在一种可能的实现方式中,在确定待识别图像后,将待识别图像输入预先训练得到的对象识别模型,由对象识别模型进行对象识别后输出对应的对象识别结果。其中,对象识别结果用于表征待识别图像中包括的真实对象位置。可选地,对象识别模型基于虚拟训练集训练得到,虚拟训练集中包括至少一个包括虚拟对象的训练图像,以及每个训练图像对应的标注信息。训练图像可以通过虚拟相机拍摄在虚拟场景中的虚拟对象得到,标注信息用于表征对应训练图像中虚拟对象的位置。由于虚拟场景和虚拟对象可以任意生成,可以多次更换虚拟场景和虚拟对象进行训练图像的采集,得到种类丰富的虚拟训练集。
图2示出根据本公开实施例的一种训练对象识别模型过程的流程图。如图2所示,本公开实施例训练对象识别模型的过程可以包括以下步骤S30-S50。
步骤S30、确定包括虚拟对象的虚拟场景。
在一种可能的实现方式中,先通过电子设备确定包括虚拟对象的虚拟场景。其中,虚拟对象可以为通过虚拟数据生成软件生成的虚拟人物或虚拟动物等能够移动的对象。虚拟场景可以为任意通过虚拟数据生成软件生成的场景,例如室内、街道以及野外等场景。可选地,虚拟对象可以为二维或三维的对象,虚拟场景可以为二维或三维场景。在虚拟对象和虚拟场景为三维对象和三维场景时,虚拟数据生成软件可以为虚幻引擎,即三维虚拟场景和三维虚拟对象可以通过虚幻引擎生成。或者,还可以通过其他软件生成三维虚拟场景和三维虚拟对象,再导入虚幻引擎。
可选地,通过虚拟数据生成软件生成虚拟对象和虚拟场景的过程可以先确定虚拟对象模型和对应的属性信息,属性信息包括对象骨架、外观信息以及网格体。再根据属性信息将虚拟对象模型导入预设的虚拟场景,得到包括虚拟对象的虚拟场景。其中,属性信息中的对象骨架、外观信息和网格体可以通过相同的软件制作生成,或不同软件制作生成。虚拟对象模型对应的对象骨架用于作为虚拟对象运动的基础,由多个点和连接点的边组成。虚拟对象模型对应的外观信息用于表征虚拟对象的外观,例如可以包括肤色、外貌、头发颜色以及衣着等。虚拟对象模型对应的网格体用于表征虚拟对象的轮廓,并包括多个关键点。在根据属性信息将虚拟对象模型导入预设的虚拟场景的同时,可以将对象骨架中的点与网格体中的多个关键点绑定。
进一步地,预设的虚拟场景可以为室内场景或室外场景,其中包括多个场景设施,以及对应的光照系统。例如,在室内场景下包括室内光源和室外光源透过窗户漫反射进入室内的光源,在室外场景下仅包括室外光源。
基于上述方式生成的虚拟对象和虚拟对象所在的场景可以任意变化,即可以通过生成包括不同发色、不同类型、不同姿态的虚拟对象的多种场景进行训练图像采集,得到对象和场景类型均丰富的虚拟训练集。同时,由于虚拟对象和虚拟场景通过虚拟数据生成软件生成,价格低廉且不涉及真实对象以及真实场景隐私问题。
步骤S40、通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像。
在一种可能的实现方式中,可以通过置于虚拟场景中的虚拟相机进行图像采集,以拍摄虚拟场景中的虚拟对象,得到至少一个包括虚拟对象的训练图像。其中,为保证在短时间之内快速采集多种包括不同角度以及姿态的虚拟对象,且背景不同的多张训练图像,可以在图像采集过程中控制虚拟对象和虚拟相机运动,并在运动过程中进行图像采集。
可选地,训练图像采集的过程可以包括确定虚拟对象对应的第一运动信息,第一运动信息用于表征虚拟对象在虚拟场景中的运动过程。确定虚拟相机对应的第二运动信息,第二运动信息用于表征虚拟相机在虚拟场景中的运动过程。响应于开始图像采集过程,根据第一运动信息和第二运动信息控制虚拟对象和虚拟相机运动。在虚拟对象和虚拟相机运动过程中进行图像采集,得到至少一个包括虚拟对象的训练图像。可选地,图像采集过程可以在接收到用户以人机交互的方式发送的开始采集指令时开始,图像采集过程可以在开始图像采集后的预设时长后结束,或者在虚拟对象和虚拟相机均停止运动后结束,或者还可以在接收到用户以人机交互的方式发送的结束采集指令时结束。
进一步地,第一运动信息中包括多个用于限定虚拟对象位置以及对象骨骼的姿态的连续第一动作帧,第二运动信息中包括多个用于限定虚拟相机位置和姿态的连续第二动作帧。其中,每一个第一动作帧和第二动作帧分别用于限定虚拟对象和虚拟相机的一个固定的位置和姿态。虚拟对象可以根据多个连续的第一动作帧依次改变位置和姿态,形成一个完整的动画过程。同时,虚拟相机可以根据多个连续的第二动作帧依次改变位置和姿态,也形成一个完成的动画过程。
在图像采集过程中,根据多个连续的第一动作帧逐帧改变所述虚拟对象在虚拟场景中的位置以及姿态。根据多个连续的第二动作帧逐帧改变虚拟相机在虚拟场景中的位置以及姿态。也就是说,在开始图像采集后根据第一运动信息中的第一动作帧顺序移动虚拟对象,并在根据移动至当前第一动作帧指示的位置的过程中改变虚拟对象的姿态。即在虚拟对象移动至当前第一动作帧指示的位置时,姿态恰好为当前第一动作帧指示的姿态。同时,在开始图像采集后根据第二运动信息逐帧移动虚拟相机,并在根据每一个第二动作帧开始移动虚拟相机到对应位置的过程中改变虚拟相机的姿态。可选地,在虚拟相机移动至当前第二动作帧指示的位置时,姿态恰好为当前第二动作帧指示的姿态。
在一种可能的实现方式中,本公开实施例控制虚拟对象和虚拟相机移动的过程还可以根据预设的第一移动轨迹和第二移动轨迹确定,即虚拟对象可以在开始图像采集时根据第一移动轨迹改变在虚拟空间中的位置,虚拟相机可以根据第二移动轨迹改变在虚拟空间中的位置。
进一步地,在虚拟对象和虚拟相机根据第一运动信息和第二运动信息逐帧改变位置和姿态时,第一运动信息中每一个第一动作帧和第二运动信息中每个第二动作帧均具备对应的时长信息,用于表征虚拟对象或虚拟相机从前一个动作帧运动到当前动作帧需要花费的时间。
图3示出根据本公开实施例的一种图像采集过程的示意图。如图3所示,在图像采集过程中,虚拟对象30可以根据第一运动信息逐帧改变在虚拟场景中的位置,并在每一次改变位置的过程中还改变在虚拟场景中的姿态。虚拟相机31可以根据第二运动信息逐帧改变在虚拟场景中的位置,并在改变位置的同时改变在虚拟场景中的姿态。可选地,虚拟对象30的姿态可以为走路、站立、看书、坐下以及躺下等。虚拟相机31的姿态表征虚拟相机31的图像采集角度。
图4示出根据本公开实施例的一种虚拟对象的示意图。如图4所示,本公开实施例中虚拟对象的网格体40与对象骨架41绑定。其中,具体绑定方式为将网格体40中位于关节处的多个特征点与对象骨架41中对应关节位置的点绑定,例如将网格体40中肘关节处的特征点与对象骨架41中肘关节位置的点绑定,将网格体40中腕关节处的特征点与对象骨架41中腕关节位置的点绑定。在虚拟对象运动过程中,通过控制对象骨架41运动以及变换姿态的方式,控制与对象骨架41绑定的网格体40一同运动以及变换姿态。可选地,第一动作帧中包括对象骨架41中每一个点的位置,或者多个点组成的关节位置、旋转角度以及比例等,由于对象骨架41中的每一个点与网格体40中的关键点绑定,即控制对象骨架中点或关节改变位置、角度以及比例就相当于控制网格体的关节执行移动或转动等动作。使得根据连续多个第一动作帧改变对象骨架41以及绑定网格体40的过程形成一个完整的虚拟对象移动动画。
在一种可能的实现方式中,在图像采集过程中虚拟相机可以直接根据预设的频率进行图像采集得到多个训练图像。或者,还可以通过虚拟相机在虚拟场景中连续采集多张图像,进一步在虚拟相机采集的多张图像中按预设频率抽取至少一帧图像作为训练图像。
基于上述方式能够在虚拟相机和虚拟对象的移动过程中快速采集多张训练图像,提高了图像采集的速度。
图5示出根据本公开实施例的一种训练图像的示意图。如图5所示,本公开实施例采集的训练图像50中可以包括虚拟场景中的部分内容51作为图像背景,以及在虚拟场景中的虚拟对象52。
步骤S50、确定每个所述训练图像对应的标注信息。
在一种可能的实现方式中,可以在采集训练图像的同时采集每个训练图像对应的标注信息,或在采集多个训练图像后确定每个训练图像对应的标注信息。其中,该训练图像的标注信息用于表征训练图像中虚拟对象所在的位置。在本公开实施例的虚拟场景和虚拟对象通过虚幻引擎等虚拟数据生成软件生成的情况下,基于虚拟数据生成软件的特征,虚拟相机还用于获取表征虚拟对象在虚拟场景中位置的掩码图像。可选地,该掩码图像可以通过虚拟相机预先设定虚拟对象的像素值为0以外的像素值,除了虚拟对象以外的像素值为0。即在获取训练图像的同时,还获取一个除了虚拟对象以外其他区域像素值均为0的掩码图像。因此,可以在获取训练图像的同时获取标注信息,即直接确定与每个训练图像同时获取的掩码图像作为对应的标注信息。
图6示出根据本公开实施例的一种训练图像对应标注信息的示意图。如图6所示,在虚拟相机还用于获取表征虚拟对象在虚拟场景中位置的掩码图像60的情况下,掩码图像60中包括黑色的背景区域61,和非黑色的虚拟对象所在的对象区域62。可选地,可以直接确定该掩码图像60为标注信息。或者,还可以将该掩码图像60中对象区域62的轮廓坐标确定为标注信息。
本公开实施例通过直接获取掩码图像确定标注信息,实现了像素级的标注,提高了训练图像标注的准确率,进一步提高了通过虚拟训练集训练得到对象识别模型的精度。
进一步地,在虚拟相机不能在采集训练图像的同时获取表征虚拟对象在虚拟场景中位置的掩码图像的情况下,可以根据虚拟相机采集训练图像时的位置以及姿态,以及采集训练图像时虚拟对象的位置以及姿态确定虚拟对象在训练图像中的位置,得到对应的标注信息。
在一种可能的实现方式中,虚拟训练集的确定方式可以为先制作虚拟对象的模型,并在虚幻引擎中实现一个虚拟对象对应的角色蓝图,将虚拟对象和属性信息以及第一运动信息绑定在一起。并进一步地将虚拟对象导入虚幻引擎中的虚拟场景。同时,在虚拟场景中预先设定一个虚拟相机的坐标以及虚拟相机的第二运动信息。进一步地,在开始图像采集过程时虚拟对象根据第一运动信息运动,虚拟相机根据第二运动信息运动并多次采集训练图像和掩码图像。进一步地,还可以在一次采集过程结束后改变虚拟对象的属性和第一运动信息、以及虚拟相机的第二运动信息中至少一个,并再次采集训练图像和掩码图像。将多次采集的训练图像作为样本、每个训练图像对应的掩码图像作为标注确定虚拟训练集。
基于上述虚拟训练集确定方式可以在短时间内获取大量样本量丰富的训练图像,提高训练得到的对象识别模型的性能。同时,由于训练图像中的对象和背景为在虚拟数据生成软件生成的虚拟对象和虚拟背景,保证了图像的真实性且避免了图像采集过程泄露对象隐私的情况。进一步地,通过虚拟训练集训练的对象识别模型进行对象识别,可以得到准确的识别结果。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了对象识别装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种对象识别方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图7示出根据本公开实施例的一种对象识别装置的示意图,如图7所示,本公开实施例的对象识别装置可以包括图像确定模块70和对象识别模块71。
图像确定模块70,用于确定对真实对象进行图像采集得到的待识别图像;
对象识别模块71,用于将所述待识别图像输入对象识别模型进行对象识别,输出表征所述待识别图像中包括的真实对象位置的对象识别结果,所述对象识别模型基于虚拟训练集训练得到,所述虚拟训练集中包括至少一个包括虚拟对象的训练图像,以及每个所述训练图像对应的标注信息。
在一种可能的实现方式中,所述虚拟训练集的确定过程包括:
确定包括虚拟对象的虚拟场景;
通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像;
确定每个所述训练图像对应的标注信息,所述标注信息用于表征所述训练图像中所述虚拟对象所在的位置。
在一种可能的实现方式中,所述确定包括虚拟对象的虚拟场景包括:
确定虚拟对象模型和对应的属性信息,所述属性信息包括对象骨架、外观信息以及网格体;
根据所述属性信息将所述虚拟对象模型导入预设的虚拟场景,得到包括虚拟对象的虚拟场景。
在一种可能的实现方式中,所述通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像包括:
确定所述虚拟对象对应的第一运动信息,所述第一运动信息用于表征所述虚拟对象在所述虚拟场景中的运动过程;
确定所述虚拟相机对应的第二运动信息,所述第二运动信息用于表征所述虚拟相机在所述虚拟场景中的运动过程;
响应于开始图像采集过程,根据所述第一运动信息和所述第二运动信息控制所述虚拟对象和所述虚拟相机运动;
在所述虚拟对象和所述虚拟相机运动过程中进行图像采集,得到至少一个包括所述虚拟对象的训练图像。
在一种可能的实现方式中,所述第一运动信息中包括多个用于限定所述虚拟对象位置以及对象骨骼的姿态的连续第一动作帧,所述第二运动信息中包括多个用于限定所述虚拟相机位置和姿态的连续第二动作帧;
所述根据所述第一运动信息和所述第二运动信息控制所述虚拟对象和所述虚拟相机运动包括:
根据多个连续的所述第一动作帧逐帧改变所述虚拟对象在所述虚拟场景中的位置以及姿态;
根据多个连续的所述第二动作帧逐帧改变所述虚拟相机在所述虚拟场景中的位置以及姿态。
在一种可能的实现方式中,所述通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像包括:
通过所述虚拟相机在所述虚拟场景中连续采集多张图像;
在所述虚拟相机采集的多张图像中按预设频率抽取至少一帧图像作为训练图像。
在一种可能的实现方式中,所述虚拟相机还用于获取表征所述虚拟对象在所述虚拟场景中位置的掩码图像;
所述确定每个所述训练图像对应的标注信息包括:
确定与每个所述训练图像同时获取的掩码图像作为对应的标注信息。
在一种可能的实现方式中,所述虚拟场景和虚拟对象通过虚幻引擎生成。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图8示出根据本公开实施例的一种电子设备800的示意图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图8,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(WiFi),第二代移动通信技术(2G)或第三代移动通信技术(3G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图9示出根据本公开实施例的另一种电子设备1900的示意图。例如,电子设备1900可以被提供为一服务器。参照图9,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
若本申请技术方案涉及个人信息,应用本申请技术方案的产品在处理个人信息前,已明确告知个人信息处理规则,并取得个人自主同意。若本申请技术方案涉及敏感个人信息,应用本申请技术方案的产品在处理敏感个人信息前,已取得个人单独同意,并且同时满足“明示同意”的要求。例如,在摄像头等个人信息采集装置处,设置明确显著的标识告知已进入个人信息采集范围,将会对个人信息进行采集,若个人自愿进入采集范围即视为同意对其个人信息进行采集;或者在个人信息处理的装置上,利用明显的标识/信息告知个人信息处理规则的情况下,通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权;其中,个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式、处理的个人信息种类等信息。
Claims (11)
1.一种对象识别方法,其特征在于,所述方法包括:
确定对真实对象进行图像采集得到的待识别图像;
将所述待识别图像输入对象识别模型进行对象识别,输出表征所述待识别图像中包括的真实对象位置的对象识别结果,所述对象识别模型基于虚拟训练集训练得到,所述虚拟训练集中包括至少一个包括虚拟对象的训练图像,以及每个所述训练图像对应的标注信息。
2.根据权利要求1所述的方法,其特征在于,所述虚拟训练集的确定过程包括:
确定包括虚拟对象的虚拟场景;
通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像;
确定每个所述训练图像对应的标注信息,所述标注信息用于表征所述训练图像中所述虚拟对象所在的位置。
3.根据权利要求2所述的方法,其特征在于,所述确定包括虚拟对象的虚拟场景包括:
确定虚拟对象模型和对应的属性信息,所述属性信息包括对象骨架、外观信息以及网格体;
根据所述属性信息将所述虚拟对象模型导入预设的虚拟场景,得到包括虚拟对象的虚拟场景。
4.根据权利要求3所述的方法,其特征在于,所述通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像包括:
确定所述虚拟对象对应的第一运动信息,所述第一运动信息用于表征所述虚拟对象在所述虚拟场景中的运动过程;
确定所述虚拟相机对应的第二运动信息,所述第二运动信息用于表征所述虚拟相机在所述虚拟场景中的运动过程;
响应于开始图像采集过程,根据所述第一运动信息和所述第二运动信息控制所述虚拟对象和所述虚拟相机运动;
在所述虚拟对象和所述虚拟相机运动过程中进行图像采集,得到至少一个包括所述虚拟对象的训练图像。
5.根据权利要求4所述的方法,其特征在于,所述第一运动信息中包括多个用于限定所述虚拟对象位置以及对象骨骼的姿态的连续第一动作帧,所述第二运动信息中包括多个用于限定所述虚拟相机位置和姿态的连续第二动作帧;
所述根据所述第一运动信息和所述第二运动信息控制所述虚拟对象和所述虚拟相机运动包括:
根据多个连续的所述第一动作帧逐帧改变所述虚拟对象在所述虚拟场景中的位置以及姿态;
根据多个连续的所述第二动作帧逐帧改变所述虚拟相机在所述虚拟场景中的位置以及姿态。
6.根据权利要求2-5中任意一项所述的方法,其特征在于,所述通过虚拟相机在所述虚拟场景中进行图像采集,得到至少一个包括所述虚拟对象的训练图像包括:
通过所述虚拟相机在所述虚拟场景中连续采集多张图像;
在所述虚拟相机采集的多张图像中按预设频率抽取至少一帧图像作为训练图像。
7.根据权利要求2-6中任意一项所述的方法,其特征在于,所述虚拟相机还用于获取表征所述虚拟对象在所述虚拟场景中位置的掩码图像;
所述确定每个所述训练图像对应的标注信息包括:
确定与每个所述训练图像同时获取的掩码图像作为对应的标注信息。
8.根据权利要求2-7中任意一项所述的方法,其特征在于,所述虚拟场景和虚拟对象通过虚幻引擎生成。
9.一种对象识别装置,其特征在于,所述装置包括:
图像确定模块,用于确定对真实对象进行图像采集得到的待识别图像;
对象识别模块,用于将所述待识别图像输入对象识别模型进行对象识别,输出表征所述待识别图像中包括的真实对象位置的对象识别结果,所述对象识别模型基于虚拟训练集训练得到,所述虚拟训练集中包括至少一个包括虚拟对象的训练图像,以及每个所述训练图像对应的标注信息。
10.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至8中任意一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111565253.XA CN114266305A (zh) | 2021-12-20 | 2021-12-20 | 对象识别方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111565253.XA CN114266305A (zh) | 2021-12-20 | 2021-12-20 | 对象识别方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114266305A true CN114266305A (zh) | 2022-04-01 |
Family
ID=80828127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111565253.XA Pending CN114266305A (zh) | 2021-12-20 | 2021-12-20 | 对象识别方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114266305A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115331309A (zh) * | 2022-08-19 | 2022-11-11 | 北京字跳网络技术有限公司 | 用于识别人体动作的方法、装置、设备和介质 |
-
2021
- 2021-12-20 CN CN202111565253.XA patent/CN114266305A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115331309A (zh) * | 2022-08-19 | 2022-11-11 | 北京字跳网络技术有限公司 | 用于识别人体动作的方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113132618B (zh) | 辅助拍照方法、装置、终端设备及存储介质 | |
CN112991553B (zh) | 信息展示方法及装置、电子设备和存储介质 | |
CN110889382A (zh) | 虚拟形象渲染方法及装置、电子设备和存储介质 | |
CN111241887B (zh) | 目标对象关键点识别方法及装置、电子设备和存储介质 | |
CN113194254A (zh) | 图像拍摄方法及装置、电子设备和存储介质 | |
CN113806054A (zh) | 任务处理方法及装置、电子设备和存储介质 | |
WO2023051356A1 (zh) | 一种虚拟对象的显示方法及装置、电子设备和存储介质 | |
CN111626183A (zh) | 一种目标对象展示方法及装置、电子设备和存储介质 | |
CN114387445A (zh) | 对象关键点识别方法及装置、电子设备和存储介质 | |
CN112767288A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113989469A (zh) | Ar景点显示方法及装置、电子设备和存储介质 | |
CN110929616B (zh) | 一种人手识别方法、装置、电子设备和存储介质 | |
CN114581525A (zh) | 姿态确定方法及装置、电子设备和存储介质 | |
CN113553946A (zh) | 信息提示方法及装置、电子设备和存储介质 | |
CN114266305A (zh) | 对象识别方法及装置、电子设备和存储介质 | |
CN112613447A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN112508020A (zh) | 标注方法及装置、电子设备和存储介质 | |
CN114387622A (zh) | 动物重识别方法及装置、电子设备和存储介质 | |
CN113506325B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113506324B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN114648649A (zh) | 人脸匹配方法及装置、电子设备和存储介质 | |
CN114445753A (zh) | 人脸跟踪识别方法及装置、电子设备和存储介质 | |
CN112906467A (zh) | 合影图像生成方法及装置、电子设备和存储介质 | |
CN114020264A (zh) | 算子处理方法及装置、电子设备和存储介质 | |
CN114550265A (zh) | 图像处理方法、人脸识别方法及系统 |
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 |