CN115410262B - 面部图像信息预测系统 - Google Patents

面部图像信息预测系统 Download PDF

Info

Publication number
CN115410262B
CN115410262B CN202211226645.8A CN202211226645A CN115410262B CN 115410262 B CN115410262 B CN 115410262B CN 202211226645 A CN202211226645 A CN 202211226645A CN 115410262 B CN115410262 B CN 115410262B
Authority
CN
China
Prior art keywords
current user
face image
age
user
predicted
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
CN202211226645.8A
Other languages
English (en)
Other versions
CN115410262A (zh
Inventor
刘鹏
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.)
Shanghai Benqu Network Technology Co ltd
Original Assignee
Shanghai Benqu Network 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 Shanghai Benqu Network Technology Co ltd filed Critical Shanghai Benqu Network Technology Co ltd
Priority to CN202211226645.8A priority Critical patent/CN115410262B/zh
Publication of CN115410262A publication Critical patent/CN115410262A/zh
Application granted granted Critical
Publication of CN115410262B publication Critical patent/CN115410262B/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
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种面部图像信息预测系统，包括：内容捕获机构，用于获取构成当前用户的真实面部图像的各个像素点；预测执行机构，与所述内容捕获机构连接，用于将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出；即时显示机构，用于即时显示所述预测面部图像。通过本发明，能够根据对登录设备认证用户设置的预测年龄，基于预测年龄、认证用户当前年龄的面部图像以及认证用户当前年龄智能预测认证用户在设置的预测年龄的预测面部图像，从而克服了年龄面部图像预测粗糙的缺陷。

Description

面部图像信息预测系统
技术领域
本发明涉及信号处理领域，尤其涉及一种面部图像信息预测系统。
背景技术
信号处理是电信的基础理论与技术。它的数学理论有方程论、函数论、数论、随机过程论、最小二乘方法以及最优化理论等，它的技术支柱是电路分析、合成以及电子计算机技术。信号处理与当代模式识别、人工智能、神经网计算以及多媒体信息处理等有着密切的关系，它把基础理论与工程应用紧密联系起来。因此信号处理是一门既有复杂数理分析背景，又有广阔实用工程前景的学科。
信号处理是以数字信号处理为中心而发展的。这是因为信号普遍可以用数字化形式来表示，而数字化的信号可以在电子计算机上通过软件来实现计算或处理，这样，无论多么复杂的运算，只要数学上能够分析、可以得到最优的求解，就都可以在电子计算机上模拟完成。如果计算速度适当快，还可以用超大规模的专用数字信号处理芯片来实时完成。
现有技术中，在已知认证用户的当前年龄的面部图像时，不仅仅认证用户希望获取到自己在各个年龄时分别对应的各个预测面部图像，通过数据服务访问认证用户使用的登录设备的其他用户也具有获取认证用户在各个年龄时分别对应的各个预测面部图像的需求。
然而，现有技术中仅仅通过简单的面部处理或者简单的特效P图来完成各个预测面部图像的解析，这种解析机制不够智能且可靠性低下。
发明内容
为了解决上述问题，本发明提供了一种面部图像信息预测系统，能够根据对登录设备认证用户设置的预测年龄，基于预测年龄、认证用户当前年龄的面部图像以及认证用户当前年龄智能预测认证用户在设置的预测年龄的预测面部图像，从而提升年龄面部图像解析的精度和效率。
根据本发明的一方面，提供了一种面部图像信息预测系统，所述系统包括：
数据抓取机构，设置在用户登录设备内，用于获取当前用户的真实面部图像以及获取当前用户的当前年龄，所述数据抓取机构包括实时采集设备、身份认定设备以及面部截取设备，所述身份认定设备分别与所述实时采集设备以及所述面部截取设备连接，所述实时采集设备设置在登录设备的前面屏内，用于对所述用户登录设备的前方场景进行图像数据采集以获得前方场景图像，所述身份认定设备用于认定所述前方场景图像中最大人体面部目标是否属于所述用户登录设备的当前用户，所述面部截取设备用于在所述身份认定设备认定所述前方场景图像中最大人体面部目标属于所述用户登录设备的当前用户时，将所述前方场景图像中最大人体面部目标对应的成像区域作为当前用户的真实面部图像从所述前方场景图像中截取出来；
内容捕获机构，设置在所述用户登录设备内且与所述数据抓取机构处于同一柔性电路板上，与所述数据抓取机构连接，用于获取构成当前用户的真实面部图像的各个像素点；
预测执行机构，分别与所述内容捕获机构以及所述数据抓取机构连接，用于将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出；
即时显示机构，设置在所述用户登录设备的前面板内，与所述预测执行机构连接，用于即时显示所述预测面部图像；
其中，将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出包括：输入到卷积神经网络的每一像素点为所述像素点对应的像素值。
通过本发明，能够根据对登录设备认证用户设置的预测年龄，基于预测年龄、认证用户当前年龄的面部图像以及认证用户当前年龄智能预测认证用户在设置的预测年龄的预测面部图像，从而克服了年龄面部图像预测粗糙的缺陷。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明第一实施方案示出的面部图像信息预测系统的结构方框图。
图2为根据本发明第二实施方案示出的面部图像信息预测系统的结构方框图。
图3为根据本发明任一实施方案示出的面部图像信息预测系统所使用的卷积神经网络的拓扑结构示意图。
具体实施方式
下面将参照附图对本发明的面部图像信息预测系统的实施方案进行详细说明。
实施例1
图1为根据本发明第一实施方案示出的面部图像信息预测系统的结构方框图，所述系统包括：
数据抓取机构，设置在用户登录设备内，用于获取当前用户的真实面部图像以及获取当前用户的当前年龄，所述数据抓取机构包括实时采集设备、身份认定设备以及面部截取设备，所述身份认定设备分别与所述实时采集设备以及所述面部截取设备连接，所述实时采集设备设置在登录设备的前面屏内，用于对所述用户登录设备的前方场景进行图像数据采集以获得前方场景图像，所述身份认定设备用于认定所述前方场景图像中最大人体面部目标是否属于所述用户登录设备的当前用户，所述面部截取设备用于在所述身份认定设备认定所述前方场景图像中最大人体面部目标属于所述用户登录设备的当前用户时，将所述前方场景图像中最大人体面部目标对应的成像区域作为当前用户的真实面部图像从所述前方场景图像中截取出来；
内容捕获机构，设置在所述用户登录设备内且与所述数据抓取机构处于同一柔性电路板上，与所述数据抓取机构连接，用于获取构成当前用户的真实面部图像的各个像素点；
预测执行机构，分别与所述内容捕获机构以及所述数据抓取机构连接，用于将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出，图3为所述卷积神经网络的拓扑结构示意图；
即时显示机构，设置在所述用户登录设备的前面板内，与所述预测执行机构连接，用于即时显示所述预测面部图像；
示例地，所述即时显示机构可以为液晶显示器件或者LCD显示器件，用于即时显示所述预测面部图像；
其中，将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出包括：输入到卷积神经网络的每一像素点为所述像素点对应的像素值；
其中，输入到卷积神经网络的每一像素点为所述像素点对应的像素值包括：所述像素点对应的像素值为所述像素点对应的亮度值。
实施例2
图2为根据本发明第二实施方案示出的面部图像信息预测系统的结构方框图。
如图2所示，与本发明第一实施方案相比，本发明第二实施方案还可以包括：
特效设置机构，设置在所述用户登录设备内，分别与所述数据抓取机构、所述内容捕获机构以及所述预测执行机构连接，用于在用户的操作下设置用户登录设备进入年龄面部虚拟特效时，分别控制所述数据抓取机构、所述内容捕获机构以及所述预测执行机构进入使能状态；
其中，在用户的操作下设置用户登录设备进入年龄面部虚拟特效时，分别控制所述数据抓取机构、所述内容捕获机构以及所述预测执行机构进入使能状态包括：在用户的操作下设置用户登录设备进入年龄面部虚拟特效时，采用三个同步控制时钟分别控制所述数据抓取机构、所述内容捕获机构以及所述预测执行机构进入使能状态；
其中，所述特效设置机构还用于在用户的操作下设置用户登录设备退出年龄面部虚拟特效时，分别控制所述数据抓取机构、所述内容捕获机构以及所述预测执行机构进入禁用状态。
接着，继续对本发明的面部图像信息预测系统的具体结构进行进一步的说明。
在根据本发明的各个实施方案的面部图像信息预测系统中：
将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出还包括：在同时输入到卷积神经网络之前，将构成当前用户的真实面部图像的各个像素点分别对应的各个像素值、当前用户的当前年龄以及当前用户的预测年龄中每一项数值都执行归一化处理；
其中，将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出还包括：所述卷积神经网络输出的是所述预测面部图像的各个像素点分别对应的各个像素值；
其中，将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出还包括：当前用户的真实面部图像与预测面部图像的分辨率相同。
在根据本发明的各个实施方案的面部图像信息预测系统中：
将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出包括：所述预测面部图像不包括当前用户的面部目标之外的其他目标；
其中，所述数据抓取机构包括实时采集设备、身份认定设备以及面部截取设备，所述身份认定设备分别与所述实时采集设备以及所述面部截取设备连接。
在根据本发明的各个实施方案的面部图像信息预测系统中：
获取当前用户的真实面部图像以及获取当前用户的当前年龄包括：所述当前用户的真实面部图像为所述当前用户的无任何特效的实时采集的面部图像；
其中，所述当前用户的真实面部图像为所述当前用户的无任何特效的实时采集的面部图像包括：所述当前用户的真实面部图像中每一个像素点都是构成所述当前用户的面部目标的像素点。
另外，在所述面部图像信息预测系统中，在同时输入到卷积神经网络之前，将构成当前用户的真实面部图像的各个像素点分别对应的各个像素值、当前用户的当前年龄以及当前用户的预测年龄中每一项数值都执行归一化处理包括：在同时输入到卷积神经网络之前，将构成当前用户的真实面部图像的各个像素点分别对应的各个像素值、当前用户的当前年龄以及当前用户的预测年龄中每一项数值都执行八进制编码处理。
由此可见，本发明具有以下两处突出的技术效果：
技术效果一、在用户登录设备前方的成像面积最大的人体目标属于登录设备的认证用户时，解析出所述认证用户的当前无特效成像画面以及所述认证用户的当前年龄；
技术效果二、采用智能化预测机制执行设定的预测年龄的认证用户面部图像的智能预测处理，其中，将当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以执行智能化预测处理，获得当前用户在预测年龄时的面部图像，从而完成对当前用户的各个预测年龄的预测面部图像。
采用本发明的面部图像信息预测系统，针对现有技术中用户目标面部图像预测机制粗糙、可靠性低下的技术问题，能够根据对登录设备认证用户设置的预测年龄，基于预测年龄、认证用户当前年龄的面部图像以及认证用户当前年龄智能预测认证用户在设置的预测年龄的预测面部图像，从而克服了年龄面部图像预测粗糙的缺陷。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种面部图像信息预测系统，其特征在于，所述系统包括：
数据抓取机构，设置在用户登录设备内，用于获取当前用户的真实面部图像以及获取当前用户的当前年龄，所述数据抓取机构包括实时采集设备、身份认定设备以及面部截取设备，所述身份认定设备分别与所述实时采集设备以及所述面部截取设备连接，所述实时采集设备设置在登录设备的前面屏内，用于对所述用户登录设备的前方场景进行图像数据采集以获得前方场景图像，所述身份认定设备用于认定所述前方场景图像中最大人体面部目标是否属于所述用户登录设备的当前用户，所述面部截取设备用于在所述身份认定设备认定所述前方场景图像中最大人体面部目标属于所述用户登录设备的当前用户时，将所述前方场景图像中最大人体面部目标对应的成像区域作为当前用户的真实面部图像从所述前方场景图像中截取出来；
内容捕获机构，设置在所述用户登录设备内且与所述数据抓取机构处于同一柔性电路板上，与所述数据抓取机构连接，用于获取构成当前用户的真实面部图像的各个像素点；
预测执行机构，分别与所述内容捕获机构以及所述数据抓取机构连接，用于将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出；
即时显示机构，设置在所述用户登录设备的前面板内，与所述预测执行机构连接，用于即时显示所述预测面部图像；
其中，将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出包括：输入到卷积神经网络的每一像素点为所述像素点对应的像素值。
2.如权利要求1所述的面部图像信息预测系统，其特征在于，所述系统还包括：
特效设置机构，设置在所述用户登录设备内，分别与所述数据抓取机构、所述内容捕获机构以及所述预测执行机构连接，用于在用户的操作下设置用户登录设备进入年龄面部虚拟特效时，分别控制所述数据抓取机构、所述内容捕获机构以及所述预测执行机构进入使能状态；
其中，在用户的操作下设置用户登录设备进入年龄面部虚拟特效时，分别控制所述数据抓取机构、所述内容捕获机构以及所述预测执行机构进入使能状态包括：在用户的操作下设置用户登录设备进入年龄面部虚拟特效时，采用三个同步控制时钟分别控制所述数据抓取机构、所述内容捕获机构以及所述预测执行机构进入使能状态。
3.如权利要求2所述的面部图像信息预测系统，其特征在于：
所述特效设置机构还用于在用户的操作下设置用户登录设备退出年龄面部虚拟特效时，分别控制所述数据抓取机构、所述内容捕获机构以及所述预测执行机构进入禁用状态。
4.如权利要求1-3任一所述的面部图像信息预测系统，其特征在于：
将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出还包括：在同时输入到卷积神经网络之前，将构成当前用户的真实面部图像的各个像素点分别对应的各个像素值、当前用户的当前年龄以及当前用户的预测年龄中每一项数值都执行归一化处理。
5.如权利要求4所述的面部图像信息预测系统，其特征在于：
将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出还包括：所述卷积神经网络输出的是所述预测面部图像的各个像素点分别对应的各个像素值。
6.如权利要求5所述的面部图像信息预测系统，其特征在于：
将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出还包括：当前用户的真实面部图像与预测面部图像的分辨率相同。
7.如权利要求1-3任一所述的面部图像信息预测系统，其特征在于：
将构成当前用户的真实面部图像的各个像素点、当前用户的当前年龄以及当前用户的预测年龄同时输入到卷积神经网络以获得当前用户在预测年龄时的面部图像以作为预测面部图像输出包括：所述预测面部图像不包括当前用户的面部目标之外的其他目标。
8.如权利要求1-3任一所述的面部图像信息预测系统，其特征在于：
获取当前用户的真实面部图像以及获取当前用户的当前年龄包括：所述当前用户的真实面部图像为所述当前用户的无任何特效的实时采集的面部图像。
CN202211226645.8A 2022-10-09 2022-10-09 面部图像信息预测系统 Active CN115410262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211226645.8A CN115410262B (zh) 2022-10-09 2022-10-09 面部图像信息预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211226645.8A CN115410262B (zh) 2022-10-09 2022-10-09 面部图像信息预测系统

Publications (2)

Publication Number Publication Date
CN115410262A CN115410262A (zh) 2022-11-29
CN115410262B true CN115410262B (zh) 2023-06-23

Family

ID=84167368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211226645.8A Active CN115410262B (zh) 2022-10-09 2022-10-09 面部图像信息预测系统

Country Status (1)

Country Link
CN (1) CN115410262B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461971A (zh) * 2020-05-19 2020-07-28 北京字节跳动网络技术有限公司 图像处理方法、装置、设备及计算机可读存储介质
CN113095358A (zh) * 2021-03-05 2021-07-09 北京中电联达信息技术有限公司 一种图像融合方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11398127B2 (en) * 2019-10-07 2022-07-26 Sg Gaming, Inc. Gaming systems and methods using image analysis authentication
JP2022176415A (ja) * 2019-11-08 2022-11-29 株式会社 資生堂 情報処理装置及びプログラム
CN111402113B (zh) * 2020-03-09 2021-10-15 北京字节跳动网络技术有限公司 图像处理方法、装置、电子设备及计算机可读介质
CN114565532A (zh) * 2022-02-28 2022-05-31 Oppo广东移动通信有限公司 视频美颜处理方法、装置、存储介质与电子设备
CN115035007A (zh) * 2022-05-05 2022-09-09 上海大学 基于像素级对齐生成对抗网络的人脸老化系统及建立方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461971A (zh) * 2020-05-19 2020-07-28 北京字节跳动网络技术有限公司 图像处理方法、装置、设备及计算机可读存储介质
CN113095358A (zh) * 2021-03-05 2021-07-09 北京中电联达信息技术有限公司 一种图像融合方法及系统

Also Published As

Publication number Publication date
CN115410262A (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN110378264B (zh) 目标跟踪方法及装置
US20190205629A1 (en) Behavior predicton method, behavior predicton system, and non-transitory recording medium
CN111260037B (zh) 图像数据的卷积运算方法、装置、电子设备及存储介质
WO2020093724A1 (zh) 生成信息的方法和装置
CN112991274B (zh) 一种人群计数方法、装置、计算机设备及存储介质
CN113096158A (zh) 运动对象的识别方法、装置、电子设备及可读存储介质
CN111783626A (zh) 图像识别方法、装置、电子设备及存储介质
CN112115900B (zh) 图像处理方法、装置、设备及存储介质
CN114612987A (zh) 一种表情识别方法及装置
CN112183431A (zh) 实时行人数量统计方法、装置、相机和服务器
DE102020133445A1 (de) Kameraorchestrierungstechnologie zum verbessern von automatischer personenidentifizierung
CN107316131A (zh) 一种基于图像识别的电能计量装置安装工艺质量检测系统
CN114330565A (zh) 一种人脸识别方法及装置
CN115048954A (zh) 一种仿视网膜的目标检测方法、装置、存储介质及终端
CN114581535A (zh) 图像中用户骨关键点标注方法、装置、存储介质及设备
CN115410262B (zh) 面部图像信息预测系统
CN113486861A (zh) 摩尔纹图片生成方法和装置
CN109697408A (zh) 一种基于fpga的人脸识别系统
Liu et al. Abnormal behavior analysis strategy of bus drivers based on deep learning
CN111539420B (zh) 基于注意力感知特征的全景图像显著性预测方法及系统
CN115167742A (zh) 弹幕显示方法、装置、设备以及存储介质
CN111821688A (zh) 虚拟现实游戏画面处理方法及相关设备
JP7107544B2 (ja) 情報処理装置、制御方法、及びプログラム
KR20200005853A (ko) 심층 구조 학습 기반 사람 계수 방법 및 시스템
Yi Design of moving object detection system based on FPGA

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
TA01 Transfer of patent application right

Effective date of registration: 20230601

Address after: Room 1003, Building 1, 100 Qinzhou Road, Xuhui District, Shanghai 200030

Applicant after: SHANGHAI BENQU NETWORK TECHNOLOGY Co.,Ltd.

Address before: 3/F, Building 1, Zone C, Tianfu Software Park, No. 219, Tianhua Second Road, High tech Zone, Chengdu, Sichuan 610041

Applicant before: Liu Peng

GR01 Patent grant
GR01 Patent grant