CN115205951A - 一种戴口罩人脸关键点数据生成方法 - Google Patents

一种戴口罩人脸关键点数据生成方法 Download PDF

Info

Publication number
CN115205951A
CN115205951A CN202211125335.7A CN202211125335A CN115205951A CN 115205951 A CN115205951 A CN 115205951A CN 202211125335 A CN202211125335 A CN 202211125335A CN 115205951 A CN115205951 A CN 115205951A
Authority
CN
China
Prior art keywords
face
mask
key point
wearing
generating
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.)
Granted
Application number
CN202211125335.7A
Other languages
English (en)
Other versions
CN115205951B (zh
Inventor
陈旭鹏
段立新
张神力
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 Tianhai Chenguang Technology Co ltd
Original Assignee
Shenzhen Tianhai Chenguang Technology 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 Tianhai Chenguang Technology Co ltd filed Critical Shenzhen Tianhai Chenguang Technology Co ltd
Priority to CN202211125335.7A priority Critical patent/CN115205951B/zh
Publication of CN115205951A publication Critical patent/CN115205951A/zh
Application granted granted Critical
Publication of CN115205951B publication Critical patent/CN115205951B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • 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
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Collating Specific Patterns (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种戴口罩人脸关键点数据生成方法，涉及图像处理技术领域；该方法包括以下的步骤：S10、戴口罩人脸关键点数据生成，包括无口罩人脸关键点生成的步骤和戴口罩人脸关键点生成的步骤；S20、口罩与人脸匹配对齐，依次包括人脸姿态估计的步骤、采集生成口罩样本的步骤、口罩样本与人脸区域对齐的步骤以及关键点剔除与人脸区域覆盖的步骤；本发明的有益效果是：通过普通人脸图片生成大量戴口罩人脸关键点数据，提升戴口罩人脸关键点算法的精度。

Description

一种戴口罩人脸关键点数据生成方法
技术领域
本发明涉及图像处理技术领域，更具体的说，本发明涉及一种戴口罩人脸关键点数据生成方法。
背景技术
人脸关键点检测是指在已经检测出的人脸图像中，通过计算机的分析进一步确定人脸上的具体部位(比如：眉毛、眼角、眼珠、鼻尖、嘴角、脸部轮廓等部位)的具体位置的技术。人脸关键点检测可以应用于定位人脸局部、识别表情等场景中。
现有的人脸关键点检测算法都是基于全脸关键点（5点，68点，96点，106点）进行训练及预测，而戴口罩时由于不能识别口罩部分的脸部，所有关键点将偏移挤簇在一起造成算法不可用；此外，人脸关键点的标注和审核都及其耗费人力物力，成本高昂。
发明内容
为了克服现有技术的不足，本发明提供一种戴口罩人脸关键点数据生成方法，可通过普通人脸图片生成大量戴口罩人脸关键点数据，提升戴口罩人脸关键点算法的精度。
本发明解决其技术问题所采用的技术方案是：一种戴口罩人脸关键点数据生成方法，其改进之处在于，该方法包括以下的步骤：
S10、戴口罩人脸关键点数据生成，包括无口罩人脸关键点生成的步骤和戴口罩人脸关键点生成的步骤；
S20、口罩与人脸匹配对齐，依次包括人脸姿态估计的步骤、采集生成口罩样本的步骤、口罩样本与人脸区域对齐的步骤以及关键点剔除与人脸区域覆盖的步骤。
进一步的，步骤S10中，所述无口罩人脸关键点的步骤包括以下内容：
S101、从公开数据集中获取人脸图片数据；
S102、通过opencv读取一张含人脸的图片；
S103、通过人脸检测算法retinaface，检测图片中人脸框及相应5点关键点；
S104、采用人脸框裁剪获得单人脸图片；
S105、采用相应的5点关键点计算仿射变换矩阵；
S106、使用仿射变换矩阵对人脸进行校正对齐到统一尺寸112*112；
S107、使用开源人脸关键点检测模型pfld对人脸进行106点关键点检测。
进一步的，步骤S10中，戴口罩人脸关键点生成的步骤包括以下内容：
S111、采集生成各种样式各种佩戴方式的口罩样本，并计算其姿态；
S112、从公开数据集和网络上获取大量含有无口罩人脸图像；
S113、采用retinaface采集人脸，仿射对齐后使用pfld获取106点关键点；
S114、对于每个人脸图像及其对应关键点，计算人脸姿态，与所有口罩姿态基于欧氏距离进行匹配，最近距离即为该人脸最合适的口罩图；
S115、以口罩图与人脸相应点，对口罩图进行x方向和y方向上的伸缩，完成尺寸对齐；
S116、计算得到口罩边缘轮廓坐标，换算成人脸图像中坐标；
S117、采用射线法计算人脸关键点与人脸上口罩区域的包含关系，从该人脸106点关键点中提出包含在口罩mask的人脸关键点；
S118、将对齐后的口罩直接覆盖相应人脸区域生成人脸口罩图像。
进一步的，步骤S20中，所述的人脸姿态估计的步骤包括以下内容：
对于每张人脸，从106个关键点中提取6个关键点，建立3D模型；并采用opencv中的solvePnP函数计算当前人脸的旋转向量。
进一步的，步骤S20中，所述的采集生成口罩样本的步骤包括以下内容：
S201、成对采集人脸在各种角度下戴各种样式的口罩图像mask-face与不带口罩图像clean-face；
S202、训练口罩检测的yolov5模型，并检测步骤S201中口罩图像mask-face上的口罩区域；
S203、采用opencvsobel边缘检测方法，对步骤S202中检测出的口罩区域中不规则口罩进行边缘检测，剔除人脸区域，进一步优化口罩图；
S204、对步骤S202中的口罩图像mask-face对应的不带口罩图像clean-face使用retinaface采集人脸，仿射对齐后使用pfld获取106点关键点；
S205、计算人脸欧拉角，估算口罩图像mask-face中口罩的姿态。
进一步的，口罩样本与人脸区域对齐的步骤包括以下内容：
S211、读入人脸照片；
S212、获取人脸关键点和姿态估计；
S213、将所有口罩样本与人脸进行姿态匹配，过滤姿态不符的口罩样本；
S214、提取人脸中左右两个关键点间x方向距离，与口罩宽度计算x方向缩放比例；
S215、提取人脸中上下两个关键点间y方向距离，与口罩宽度计算y方向缩放比例；
S216、将口罩样本根据x，y方向缩放比例进行缩放，以适应人脸尺寸；
S217、以上述的上、下、左、右四个关键点为基准，计算口罩样本中所有像素点在人脸图中相应的x坐标值和y坐标值。
进一步的，所述关键点剔除与人脸区域覆盖的步骤包括以下内容：
S221、将口罩样本与人脸对齐；
S222、使用射线法计算所有关键点与口罩边缘轮廓坐标的包含关系，口罩边缘轮廓坐标记为mask；
S223、保留不包含于mask的关键点，以0填充包含于mask的关键点；
S224、将人脸区域中与mask重叠部分以口罩相应像素覆盖，生成相应戴口罩人脸图。
本发明的有益效果是：本发明提供了一种戴口罩人脸关键点数据生成方法，该方法基于无口罩人脸检测、人脸关键点检测算法，可以高效的生成大量戴口罩人脸图像及对应关键点；本发明生成的戴口罩人脸图片可包含各种角度和口罩类型，可用于各种场景下的戴口罩人脸关键点模型训练。
附图说明
图1为本发明的一种戴口罩人脸关键点数据生成方法的框架示意图。
图2为本发明中无口罩人脸关键点的步骤的实施例图。
图3为本发明中戴口罩人脸关键点生成的步骤的实施例图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，专利中涉及到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。
参照图1所示，本发明揭示了一种戴口罩人脸关键点数据生成方法，具体的，该方法包括步骤S10和步骤S20，其内容如下：
S10、戴口罩人脸关键点数据生成，包括无口罩人脸关键点生成的步骤和戴口罩人脸关键点生成的步骤；
S20、口罩与人脸匹配对齐，依次包括人脸姿态估计的步骤、采集生成口罩样本的步骤、口罩样本与人脸区域对齐的步骤以及关键点剔除与人脸区域覆盖的步骤。
通过步骤S10和步骤S20，该方法可以通过普通人脸图片生成大量戴口罩人脸关键点数据，从而提升戴口罩人脸关键点算法的精度。
在本实施例中，参照图2所示，所述无口罩人脸关键点的步骤包括以下内容：
S101、从公开数据集中获取大量人脸图片数据；
S102、通过opencv读取一张含人脸的图片；
S103、通过人脸检测算法retinaface，检测图片中人脸框及相应5点关键点；
S104、采用人脸框裁剪获得单人脸图片；
S105、采用相应的5点关键点计算仿射变换矩阵；
S106、使用仿射变换矩阵对人脸进行校正对齐到统一尺寸112*112；
S107、使用开源人脸关键点检测模型pfld对人脸进行106点关键点检测。
进一步的，步骤S10中，参照图3所示，戴口罩人脸关键点生成的步骤包括以下内容：
S111、采集生成各种样式各种佩戴方式的口罩样本，并计算其姿态；
S112、从公开数据集和网络上获取大量含有无口罩人脸图像；
S113、采用retinaface采集人脸，仿射对齐后使用pfld获取106点关键点；
S114、对于每个人脸图像及其对应关键点，计算人脸姿态，与所有口罩姿态基于欧氏距离进行匹配，最近距离即为该人脸最合适的口罩图；
S115、以口罩图与人脸相应点，对口罩图进行x方向和y方向上的伸缩，完成尺寸对齐；
S116、计算得到口罩边缘轮廓坐标，换算成人脸图像中坐标；
S117、采用射线法计算人脸关键点与人脸上口罩区域的包含关系，从该人脸106点关键点中提出包含在口罩mask的人脸关键点；
S118、将对齐后的口罩直接覆盖相应人脸区域生成人脸口罩图像。
通过上述的步骤S10，能够实现无口罩人脸关键点数据的生成，以及戴口罩人脸关键点数据的生成。
更进一步的，在所述的步骤20中，包括人脸姿态估计的步骤、采集生成口罩样本的步骤、口罩样本与人脸区域对齐的步骤以及关键点剔除与人脸区域覆盖的步骤。
在本实施例中，所述人脸姿态估计的步骤，包括以下内容：对于每张人脸，从106个关键点中提取6个关键点，建立3D模型；并采用opencv中的solvePnP函数计算当前人脸的旋转向量。
对于采集生成口罩样本的步骤，本发明提供了一具体实施例，包括以下内容：
S201、成对采集人脸在各种角度下戴各种样式的口罩图像mask-face与不带口罩图像clean-face；
S202、训练口罩检测的yolov5模型，并检测步骤S201中口罩图像mask-face上的口罩区域；
S203、采用opencvsobel边缘检测方法，对步骤S202中检测出的口罩区域中不规则口罩进行边缘检测，剔除人脸区域，进一步优化口罩图；
S204、对步骤S202中的口罩图像mask-face对应的不带口罩图像clean-face使用retinaface采集人脸，仿射对齐后使用pfld获取106点关键点；
S205、计算人脸欧拉角，估算口罩图像mask-face中口罩的姿态。
在本实施例中，对于口罩样本与人脸区域对齐的步骤，本发明提供了一具体实施例，包括以下内容：
S211、读入人脸照片；
S212、获取人脸关键点和姿态估计；
S213、将所有口罩样本与人脸进行姿态匹配，过滤姿态不符的口罩样本；
S214、提取人脸中左右两个关键点间x方向距离，与口罩宽度计算x方向缩放比例；
S215、提取人脸中上下两个关键点间y方向距离，与口罩宽度计算y方向缩放比例；
S216、将口罩样本根据x，y方向缩放比例进行缩放，以适应人脸尺寸；
S217、以上述的上、下、左、右四个关键点为基准，计算口罩样本中所有像素点在人脸图中相应的x坐标值和y坐标值。
更进一步的，上述实施例中，关键点剔除与人脸区域覆盖的步骤包括以下内容：
S221、将口罩样本与人脸对齐；
S222、使用射线法计算所有关键点与口罩边缘轮廓坐标的包含关系，口罩边缘轮廓坐标记为mask；
S223、保留不包含于mask的关键点，以0填充包含于mask的关键点；
S224、将人脸区域中与mask重叠部分以口罩相应像素覆盖，生成相应戴口罩人脸图。
基于此，本发明提供了一种戴口罩人脸关键点数据生成方法，该方法基于无口罩人脸检测、人脸关键点检测算法，可以高效的生成大量戴口罩人脸图像及对应关键点；通过普通人脸图片生成大量戴口罩人脸关键点数据，提升戴口罩人脸关键点算法的精度。整个过程基于算法自动实现，无需人工参与，可节省大量的人力物力；另外，本发明生成的戴口罩人脸图片可包含各种角度和口罩类型，可用于各种场景下的戴口罩人脸关键点模型训练。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (7)

1.一种戴口罩人脸关键点数据生成方法，其特征在于，该方法包括以下的步骤：
S10、戴口罩人脸关键点数据生成，包括无口罩人脸关键点生成的步骤和戴口罩人脸关键点生成的步骤；
S20、口罩与人脸匹配对齐，依次包括人脸姿态估计的步骤、采集生成口罩样本的步骤、口罩样本与人脸区域对齐的步骤以及关键点剔除与人脸区域覆盖的步骤。
2.根据权利要求1所述的一种戴口罩人脸关键点数据生成方法，其特征在于，步骤S10中，所述无口罩人脸关键点的步骤包括以下内容：
S101、从公开数据集中获取人脸图片数据；
S102、通过opencv读取一张含人脸的图片；
S103、通过人脸检测算法retinaface，检测图片中人脸框及相应5点关键点；
S104、采用人脸框裁剪获得单人脸图片；
S105、采用相应的5点关键点计算仿射变换矩阵；
S106、使用仿射变换矩阵对人脸进行校正对齐到统一尺寸112*112；
S107、使用开源人脸关键点检测模型pfld对人脸进行106点关键点检测。
3.根据权利要求2所述的一种戴口罩人脸关键点数据生成方法，其特征在于，步骤S10中，戴口罩人脸关键点生成的步骤包括以下内容：
S111、采集生成各种样式各种佩戴方式的口罩样本，并计算其姿态；
S112、从公开数据集和网络上获取大量含有无口罩人脸图像；
S113、采用retinaface采集人脸，仿射对齐后使用pfld获取106点关键点；
S114、对于每个人脸图像及其对应关键点，计算人脸姿态，与所有口罩姿态基于欧氏距离进行匹配，最近距离即为该人脸最合适的口罩图；
S115、以口罩图与人脸相应点，对口罩图进行x方向和y方向上的伸缩，完成尺寸对齐；
S116、计算得到口罩边缘轮廓坐标，换算成人脸图像中坐标；
S117、采用射线法计算人脸关键点与人脸上口罩区域的包含关系，从该人脸106点关键点中提出包含在口罩mask的人脸关键点；
S118、将对齐后的口罩直接覆盖相应人脸区域生成人脸口罩图像。
4.根据权利要求1所述的一种戴口罩人脸关键点数据生成方法，其特征在于，步骤S20中，所述的人脸姿态估计的步骤包括以下内容：
对于每张人脸，从106个关键点中提取6个关键点，建立3D模型；并采用opencv中的solvePnP函数计算当前人脸的旋转向量。
5.根据权利要求4所述的一种戴口罩人脸关键点数据生成方法，其特征在于，步骤S20中，所述的采集生成口罩样本的步骤包括以下内容：
S201、成对采集人脸在各种角度下戴各种样式的口罩图像mask-face与不带口罩图像clean-face；
S202、训练口罩检测的yolov5模型，并检测步骤S201中口罩图像mask-face上的口罩区域；
S203、采用opencvsobel边缘检测方法，对步骤S202中检测出的口罩区域中不规则口罩进行边缘检测，剔除人脸区域，进一步优化口罩图；
S204、对步骤S202中的口罩图像mask-face对应的不带口罩图像clean-face使用retinaface采集人脸，仿射对齐后使用pfld获取106点关键点；
S205、计算人脸欧拉角，估算口罩图像mask-face中口罩的姿态。
6.根据权利要求5所述的一种戴口罩人脸关键点数据生成方法，其特征在于，口罩样本与人脸区域对齐的步骤包括以下内容：
S211、读入人脸照片；
S212、获取人脸关键点和姿态估计；
S213、将所有口罩样本与人脸进行姿态匹配，过滤姿态不符的口罩样本；
S214、提取人脸中左右两个关键点间x方向距离，与口罩宽度计算x方向缩放比例；
S215、提取人脸中上下两个关键点间y方向距离，与口罩宽度计算y方向缩放比例；
S216、将口罩样本根据x，y方向缩放比例进行缩放，以适应人脸尺寸；
S217、以上述的上、下、左、右四个关键点为基准，计算口罩样本中所有像素点在人脸图中相应的x坐标值和y坐标值。
7.根据权利要求6所述的一种戴口罩人脸关键点数据生成方法，其特征在于，所述关键点剔除与人脸区域覆盖的步骤包括以下内容：
S221、将口罩样本与人脸对齐；
S222、使用射线法计算所有关键点与口罩边缘轮廓坐标的包含关系，口罩边缘轮廓坐标记为mask；
S223、保留不包含于mask的关键点，以0填充包含于mask的关键点；
S224、将人脸区域中与mask重叠部分以口罩相应像素覆盖，生成相应戴口罩人脸图。
CN202211125335.7A 2022-09-16 2022-09-16 一种戴口罩人脸关键点数据生成方法 Active CN115205951B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211125335.7A CN115205951B (zh) 2022-09-16 2022-09-16 一种戴口罩人脸关键点数据生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211125335.7A CN115205951B (zh) 2022-09-16 2022-09-16 一种戴口罩人脸关键点数据生成方法

Publications (2)

Publication Number Publication Date
CN115205951A true CN115205951A (zh) 2022-10-18
CN115205951B CN115205951B (zh) 2022-12-20

Family

ID=83573371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211125335.7A Active CN115205951B (zh) 2022-09-16 2022-09-16 一种戴口罩人脸关键点数据生成方法

Country Status (1)

Country Link
CN (1) CN115205951B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826501A (zh) * 2019-11-08 2020-02-21 杭州趣维科技有限公司 一种基于稀疏关键点校准的人脸关键点检测方法与系统
CN111695431A (zh) * 2020-05-19 2020-09-22 深圳禾思众成科技有限公司 一种人脸识别方法、装置、终端设备及存储介质
CN112287802A (zh) * 2020-10-26 2021-01-29 汇纳科技股份有限公司 人脸图像检测方法、系统、存储介质及设备
CN112434578A (zh) * 2020-11-13 2021-03-02 浙江大华技术股份有限公司 口罩佩戴规范性检测方法、装置、计算机设备和存储介质
CN113435248A (zh) * 2021-05-18 2021-09-24 武汉天喻信息产业股份有限公司 口罩人脸识别底库增强方法、装置、设备及可读存储介质
WO2021190664A1 (zh) * 2020-11-12 2021-09-30 平安科技（深圳）有限公司 基于关键点定位的多人脸检测方法、系统及存储介质
CN113963426A (zh) * 2021-12-22 2022-01-21 北京的卢深视科技有限公司 模型训练、戴口罩人脸识别方法、电子设备及存储介质
CN114495221A (zh) * 2022-01-19 2022-05-13 重庆理工大学 一种戴口罩人脸关键点定位方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826501A (zh) * 2019-11-08 2020-02-21 杭州趣维科技有限公司 一种基于稀疏关键点校准的人脸关键点检测方法与系统
CN111695431A (zh) * 2020-05-19 2020-09-22 深圳禾思众成科技有限公司 一种人脸识别方法、装置、终端设备及存储介质
CN112287802A (zh) * 2020-10-26 2021-01-29 汇纳科技股份有限公司 人脸图像检测方法、系统、存储介质及设备
WO2021190664A1 (zh) * 2020-11-12 2021-09-30 平安科技（深圳）有限公司 基于关键点定位的多人脸检测方法、系统及存储介质
CN112434578A (zh) * 2020-11-13 2021-03-02 浙江大华技术股份有限公司 口罩佩戴规范性检测方法、装置、计算机设备和存储介质
CN113435248A (zh) * 2021-05-18 2021-09-24 武汉天喻信息产业股份有限公司 口罩人脸识别底库增强方法、装置、设备及可读存储介质
CN113963426A (zh) * 2021-12-22 2022-01-21 北京的卢深视科技有限公司 模型训练、戴口罩人脸识别方法、电子设备及存储介质
CN114495221A (zh) * 2022-01-19 2022-05-13 重庆理工大学 一种戴口罩人脸关键点定位方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
SAMUEL W. F. EARP 等: "Sub-pixel face landmarks using heatmaps and a bag of tricks", 《ARXIV》 *
YIWEN CHEN 等: "A Masked Facial Landmarks Localization Method Considering the Mask-Face Contact Characteristics", 《2022 5TH INTERNATIONAL CONFERENCE ON DATA STORAGE AND DATA ENGINEERING》 *
刘鹏: "适用于嵌入式的高性能口罩人脸识别的技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
贾璐: "复杂校园场景下佩戴口罩人脸动态识别方法", 《互联网周刊》 *
郭伟等: "PCANet下的遮挡定位人脸识别算法", 《计算机科学与探索》 *

Also Published As

Publication number Publication date
CN115205951B (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
CN109684925B (zh) 一种基于深度图像的人脸活体检测方法及设备
US6819782B1 (en) Device and method for recognizing hand shape and position, and recording medium having program for carrying out the method recorded thereon
US8218862B2 (en) Automatic mask design and registration and feature detection for computer-aided skin analysis
CN107506693B (zh) 畸变人脸图像校正方法、装置、计算机设备和存储介质
TWI396143B (zh) 照片分割方法及系統及照片之影像配合方法
Wang et al. Frontal-view face detection and facial feature extraction using color and morphological operations
US6389155B2 (en) Image processing apparatus
US8374422B2 (en) Face expressions identification
CN109087261B (zh) 基于非受限采集场景的人脸矫正方法
CN110930374A (zh) 一种基于双深度相机的腧穴定位方法
WO2023103372A1 (zh) 一种人脸口罩佩戴状态下的识别方法
CN111814569A (zh) 一种人脸遮挡区域的检测方法及系统
CN113160036B (zh) 一种保持脸型不变的图像换脸方法
CN112488034A (zh) 基于轻量化人脸口罩检测模型的视频处理方法
CN106682652A (zh) 基于增强现实的结构表面病害巡检和分析方法
KR100839536B1 (ko) 얼굴 특징점 추출 장치 및 그 방법, 머리카락 추출 장치 및 그 방법, 실사 캐릭터 생성 시스템 및 그 방법
CN112329516A (zh) 基于关键点定位及图像分类的驾驶员口罩佩戴检测方法、设备、介质
Lee et al. Hand gesture recognition using orientation histogram
CN104866826A (zh) 一种基于knn和像素比梯度特征的静态手语识别方法
CN115205951B (zh) 一种戴口罩人脸关键点数据生成方法
CN113362221A (zh) 用于门禁的人脸识别系统与人脸识别方法
Celik et al. Region-based super-resolution aided facial feature extraction from low-resolution sequences
CN111738930A (zh) 人脸图像的合成方法、装置、电子设备及存储介质
CN112084840A (zh) 一种基于三维nmi的指静脉识别方法
CN112884642B (zh) 一种基于人脸识别技术的实时面部老化模拟方法

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