CN116343312A - 人脸图像中佩戴物的识别方法及设备 - Google Patents

人脸图像中佩戴物的识别方法及设备 Download PDF

Info

Publication number
CN116343312A
CN116343312A CN202310608954.XA CN202310608954A CN116343312A CN 116343312 A CN116343312 A CN 116343312A CN 202310608954 A CN202310608954 A CN 202310608954A CN 116343312 A CN116343312 A CN 116343312A
Authority
CN
China
Prior art keywords
identified
face
wearing object
determining
face image
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
Application number
CN202310608954.XA
Other languages
English (en)
Inventor
李松
郝静
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 Youyou Internet Co ltd
Original Assignee
Shenzhen Youyou Internet 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 Youyou Internet Co ltd filed Critical Shenzhen Youyou Internet Co ltd
Priority to CN202310608954.XA priority Critical patent/CN116343312A/zh
Publication of CN116343312A publication Critical patent/CN116343312A/zh
Pending legal-status Critical Current

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种人脸图像中佩戴物的识别方法及设备，方法包括：获取待识别人脸图像，确定并分割出待识别人脸图像中的待识别人脸区域。将分割出的待识别人脸区域在第一预设方向进行扩张。对扩张后的待识别人脸区域进行分割，根据待识别佩戴物的类别，在分割后的多个区域中确定佩戴物识别区域。在佩戴物识别区域判断是否存在待识别佩戴物，且待识别佩戴物在第二预设方向上所占比值是否超过预设阈值；在佩戴物识别区域存在待识别佩戴物，且待识别佩戴物在第二预设方向上所占比值超过预设阈值时，确定待识别人脸图像中存在待识别佩戴物。本申请的技术方案通过上述识别流程，可以大大提高当人脸背景复杂时或者人像的头发很少时，对人像上帽子的识别率。

Description

人脸图像中佩戴物的识别方法及设备
技术领域
本申请涉及图像识别技术领域，尤其涉及一种人脸图像中佩戴物的识别方法及设备。
背景技术
人脸图像识别中一般也会涉及对人脸图像中佩戴物（比如帽子、耳钉、项链等）的识别。以帽子举例，现有技术中在识别人脸图像中是否存在帽子时，通过深度学习网络进行人脸的分割，把人脸分割成18个部分：左耳、右耳、左眉毛、右眉毛、左眼瞳孔、右眼瞳孔、左眼球、右眼球、鼻子、上嘴唇、下嘴唇、牙齿、脖子、项链、衣服、头发、帽子、眼睛。当人脸背景复杂时或者人像的头发很少时，不带帽子的人像可能会识别成带帽子的人像，这就导致了现有技术中对于人脸图像中佩戴物的识别准确度较低。
发明内容
为至少在一定程度上克服相关技术中当人脸背景复杂时或者人像的头发很少时，不带帽子的人像可能会识别成带帽子的人像的问题，本申请提供一种人脸图像中佩戴物的识别方法及设备。
本申请的方案如下：
根据本申请实施例的第一方面，提供一种人脸图像中佩戴物的识别方法，包括：
获取待识别人脸图像；
确定并分割出所述待识别人脸图像中的待识别人脸区域；
将分割出的待识别人脸区域在第一预设方向进行扩张；
对扩张后的待识别人脸区域进行分割；
根据待识别佩戴物的类别，在分割后的多个区域中确定佩戴物识别区域；
在所述佩戴物识别区域判断是否存在所述待识别佩戴物，且所述待识别佩戴物在第二预设方向上所占比值是否超过预设阈值；
在所述佩戴物识别区域存在所述待识别佩戴物，且所述待识别佩戴物在第二预设方向上所占比值超过预设阈值时，确定所述待识别人脸图像中存在所述待识别佩戴物。
优选地，所述确定并分割出所述待识别人脸图像中的待识别人脸区域，包括：
基于第一人脸检测方法，对所述待识别人脸图像进行人脸位置检测，确定所述待识别人脸图像中的人脸区域数量；
若基于第一人脸检测方法检测得到的人脸区域数量等于1，则将检测得到的人脸区域确定为待识别人脸区域；
若基于第一人脸检测方法检测得到的人脸区域数量大于1，则将检测得到的人脸区域中，面积最大的人脸区域确定为待识别人脸区域。
优选地，所述确定并分割出所述待识别人脸图像中的待识别人脸区域，还包括：
若基于第一人脸检测方法检测得到的人脸区域数量小于1，则基于第二人脸检测方法对所述待识别人脸图像进行人脸位置检测，确定所述待识别人脸图像中的人脸区域数量；
若基于第二人脸检测方法检测得到的人脸区域数量等于1，则将检测得到的人脸区域确定为待识别人脸区域；
若基于第二人脸检测方法检测得到的人脸区域数量小于1，则输出识别结果为待识别人脸图像中不存在人脸区域。
优选地，确定并分割出所述待识别人脸图像中的待识别人脸区域后，所述方法还包括：
对分割出的待识别人脸区域进行关键点识别，并根据识别出的关键点对分割出的待识别人脸区域进行校正。
优选地，所述将分割出的待识别人脸区域在第一预设方向进行扩张，包括：
根据待识别佩戴物的类别，确定所述待识别佩戴物与人脸中心点的相对方向；
以所述相对方向的反方向为第一预设方向，将分割出的待识别人脸区域在第一预设方向进行扩张。
优选地，所述方法还包括：
在所述佩戴物识别区域不存在所述待识别佩戴物时，确定所述待识别人脸图像中不存在所述待识别佩戴物；
在所述佩戴物识别区域存在所述待识别佩戴物时，但所述待识别佩戴物在第二预设方向上所占比值未超过预设阈值时，确定所述待识别人脸图像中不存在所述待识别佩戴物。
优选地，所述第一预设方向与所述第二预设方向平行，或垂直。
优选地，所述方法还包括：
根据待识别佩戴物的类别，确定所述第一预设方向与所述第二预设方向的相对关系。
优选地，所述对扩张后的待识别人脸区域进行分割，包括：
根据待识别佩戴物的类别，对扩张后的待识别人脸区域进行分割。
根据本申请实施例的第二方面，提供一种人脸图像中佩戴物的识别设备，包括：
处理器和存储器；
所述处理器与存储器通过通信总线相连接：
其中，所述处理器，用于调用并执行所述存储器中存储的程序；
所述存储器，用于存储程序，所述程序至少用于执行如以上任一项所述的一种人脸图像中佩戴物的识别方法。
本申请提供的技术方案可以包括以下有益效果：本申请中的人脸图像中佩戴物的识别方法，包括：获取待识别人脸图像，确定并分割出待识别人脸图像中的待识别人脸区域，以减少来自图像背景的干扰。将分割出的待识别人脸区域在第一预设方向进行扩张，以将待识别人脸区域中的佩戴物区域进行更好的露出，从而对佩戴物进行更准确的识别。对扩张后的待识别人脸区域进行分割，根据待识别佩戴物的类别，在分割后的多个区域中确定佩戴物识别区域。本申请的技术方案中，还提出了更准确的佩戴物识别方案，在佩戴物识别区域判断是否存在待识别佩戴物，且待识别佩戴物在第二预设方向上所占比值是否超过预设阈值；在佩戴物识别区域存在待识别佩戴物，且待识别佩戴物在第二预设方向上所占比值超过预设阈值时，确定待识别人脸图像中存在待识别佩戴物。本申请的技术方案通过上述识别流程，可以大大提高当人脸背景复杂时或者人像的头发很少时，对人像上帽子的识别率。
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，并不能限制本申请。
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，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请一个实施例提供的一种人脸图像中佩戴物的识别方法的流程示意图；
图2是本申请一个实施例提供的另一种人脸图像中佩戴物的识别方法的流程示意图；
图3是本申请一个实施例提供的一种人脸图像中佩戴物的识别设备的示意框图。
附图标记：处理器-21；存储器-22。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
实施例一
图1是本申请一个实施例提供的一种人脸图像中佩戴物的识别方法的流程示意图，参照图1，一种人脸图像中佩戴物的识别方法，包括：
S11：获取待识别人脸图像；
S12：确定并分割出待识别人脸图像中的待识别人脸区域；
S13：将分割出的待识别人脸区域在第一预设方向进行扩张；
S14：对扩张后的待识别人脸区域进行分割；
S15：根据待识别佩戴物的类别，在分割后的多个区域中确定佩戴物识别区域；
S16：在佩戴物识别区域判断是否存在待识别佩戴物，且待识别佩戴物在第二预设方向上所占比值是否超过预设阈值；
S17：在佩戴物识别区域存在待识别佩戴物，且待识别佩戴物在第二预设方向上所占比值超过预设阈值时，确定待识别人脸图像中存在待识别佩戴物。
需要说明的是，本实施例中的技术方案应用于人脸图像识别过程中，具体应用于人脸图像中佩戴物的识别。人脸图像中的佩戴物可以但不限于为帽子、耳钉、项链等。本实施例中的技术方案以人脸图像中的佩戴物为帽子进行解释说明。
需要说明的是，参照图2，确定并分割出待识别人脸图像中的待识别人脸区域，包括：
S121：基于第一人脸检测方法，对待识别人脸图像进行人脸位置检测，确定待识别人脸图像中的人脸区域数量；
S122：若基于第一人脸检测方法检测得到的人脸区域数量等于1，则将检测得到的人脸区域确定为待识别人脸区域；
S123：若基于第一人脸检测方法检测得到的人脸区域数量大于1，则将检测得到的人脸区域中，面积最大的人脸区域确定为待识别人脸区域。
在具体实践中，第一人脸检测方法可以但不限于为yolov5和opencv算法。目标检测是计算机视觉领域的一大任务，大致分为一阶段目标检测与两阶段目标检测。其中一阶段目标检测模型以YOLO系列为代表。最新的yolov5在各个数据集上体现出收敛速度快、模型可定制性强的特点，广泛应用于人脸检测领域。opencv是一个非常强大的计算机视觉库，现有的一系列特征检测和特征匹配算法，有很大一部分都已经在opencv的库中得以实现，故此只需调用opencv库中函数即可简单实现人脸识别。上述的yolov5和opencv算法均为现有技术中已经成熟的人脸检测方法，yolov5用于进行人脸检测时，一般通过以下步骤执行：
1、在 yolov5网络中加了一个关键点 regression head，损失函数用 Wing loss。
2、用 Stem块结构取代yolov5的 Focus 层。增加了网络的泛化能力，并降低了计算的复杂性，同时性能也没有下降。
3、对 SPP块进行了改变，使用一个更小的 kernel（内核）。促使yolov5 更适合于人脸检测，并提高检测精度。
4、增加一个stride为 64的 P6输出块。可以增加检测大型人脸的能力。
本实施例中，先基于第一人脸检测方法，对待识别人脸图像进行人脸位置检测，确定待识别人脸图像中的人脸区域数量，若只检测到1张人脸，则将检测得到的人脸区域确定为待识别人脸区域，若检测到多张人脸，则将面积最大的人脸区域确定为待识别人脸区域。
为了避免第一人脸检测方法不够完善，无法精准的完成人脸检测，本实施例中，确定并分割出待识别人脸图像中的待识别人脸区域，还包括：
S124：若基于第一人脸检测方法检测得到的人脸区域数量小于1，则基于第二人脸检测方法对待识别人脸图像进行人脸位置检测，确定待识别人脸图像中的人脸区域数量；
S125：若基于第二人脸检测方法检测得到的人脸区域数量等于1，则将检测得到的人脸区域确定为待识别人脸区域；
S126：若基于第二人脸检测方法检测得到的人脸区域数量小于1，则输出识别结果为待识别人脸图像中不存在人脸区域。
可以理解的是，本实施例中还通过第二人脸检测方法对第一人脸检测方法无法检测识别出的待识别人脸图像进行复验，从而保证对待识别人脸图像中人脸位置识别的准确度。
在具体实践中，第二人脸检测方法可以但不限于为opencvface级联分类器。现有技术中通过opencvface的级联分类器实现人脸检测，比人脸检测模型方便，opencvface的级联分类器也为现有技术中已经成熟的人脸检测方法，举例说明：
CascadeClassifier就是opencvface下objdetect模块中用来做目标检测的级联分类器的一个类，它可以检测例如车牌、眼睛、人脸等物体。它的大概原理就是判别某个物体是否属于某个分类。以人脸为例，可以把眼睛、鼻子、眉毛、嘴巴等属性定义成一个分类器，如果检测到一个模型符合定义人脸的所有属性，那么就认为它是一个人脸。本实施例中实现的人脸识别功能，需要先导入一个后缀名为.xml的分类器文件，它是预先已经创建好的分类器，本实施例中可以直接使用。
可以理解的是，虽然本实施例中的第一人脸检测方法和第二人脸检测方法均为现有技术中已经成熟的人脸检测方法，但是本实施例中通过第二人脸检测方法对第一人脸检测方法无法检测识别出的待识别人脸图像进行复验，从而保证对待识别人脸图像中人脸位置识别的准确度。
需要说明的是，确定并分割出待识别人脸图像中的待识别人脸区域后，方法还包括：
对分割出的待识别人脸区域进行关键点识别，并根据识别出的关键点对分割出的待识别人脸区域进行校正。
可以理解的是，一般情况下，大部分待识别人脸图像中的人脸往往都是倾斜的，所以为了能够减少人脸姿势对提取特征的影响，需要将图片进行仿射变换，让人脸尽量接近正面镜头的效果。人脸矫正的工作就是利用得到的关键点计算人脸的倾斜，将之转换到一个比较正的角度。
需要说明的是，将分割出的待识别人脸区域在第一预设方向进行扩张，包括：
根据待识别佩戴物的类别，确定待识别佩戴物与人脸中心点的相对方向；
以相对方向的反方向为第一预设方向，将分割出的待识别人脸区域在第一预设方向进行扩张。
可以理解的是，以待识别佩戴物的类别为帽子进行举例说明，在待识别佩戴物的类别为帽子时，确定待识别佩戴物与人脸中心点的相对方向为向下，则以向上为第一预设方向，将分割出的待识别人脸区域在Y轴方向上，向上进行扩张15%-20%左右，以将待识别人脸区域中的帽子进行更好的露出，从而对帽子进行更准确的识别。
需要说明的是，方法还包括：
在佩戴物识别区域不存在待识别佩戴物时，确定待识别人脸图像中不存在待识别佩戴物；
在佩戴物识别区域存在待识别佩戴物时，但待识别佩戴物在第二预设方向上所占比值未超过预设阈值时，确定待识别人脸图像中不存在待识别佩戴物。
可以理解的是，以待识别佩戴物的类别为帽子进行举例说明，在分割出的帽子识别区域存在帽子，且帽子在X轴上所占比值超过预设阈值（如60%）时，确定待识别人脸图像中存在帽子；在分割出的帽子识别区域存在帽子，且帽子在X轴上所占比值未超过预设阈值（如60%）时，确定待识别人脸图像中不存在帽子；在分割出的帽子识别区域不存在帽子时，确定待识别人脸图像中不存在帽子。
需要说明的是，第一预设方向与第二预设方向平行，或垂直。
进一步的，方法还包括：
根据待识别佩戴物的类别，确定第一预设方向与第二预设方向的相对关系。
在具体实践中，如上述示例说明中，待识别佩戴物的类别为帽子时，第一预设方向为Y轴方向且向上，第二预设方向为X轴方向，第一预设方向与第二预设方向垂直。在待识别佩戴物的类别为耳钉或项链等其他佩戴物时，也可以根据具体情况进行具体设计。如待识别佩戴物的类别为耳钉时，第一预设方向与第二预设方向均为X轴方向，第一预设方向与第二预设方向平行。即，根据待识别佩戴物的类别，确定第一预设方向与第二预设方向的相对关系。
需要说明的是，对扩张后的待识别人脸区域进行分割，包括：
根据待识别佩戴物的类别，对扩张后的待识别人脸区域进行分割。
在具体实践中，如待识别佩戴物的类别为帽子时，一般对扩张后的待识别人脸区域分割为18个部分：左耳、右耳、左眉毛、右眉毛、左眼瞳孔、右眼瞳孔、左眼球、右眼球、鼻子、上嘴唇、下嘴唇、牙齿、脖子、项链、衣服、头发、帽子、眼睛。在待识别佩戴物的类别为耳环时，则将人脸分成了20个区域，并且针对耳朵这个区域是否有遮挡来判断是否有耳环。
可以理解的是，本实施例中的人脸图像中佩戴物的识别方法，包括：获取待识别人脸图像，确定并分割出待识别人脸图像中的待识别人脸区域，以减少来自图像背景的干扰。将分割出的待识别人脸区域在第一预设方向进行扩张，以将待识别人脸区域中的佩戴物区域进行更好的露出，从而对佩戴物进行更准确的识别。对扩张后的待识别人脸区域进行分割，根据待识别佩戴物的类别，在分割后的多个区域中确定佩戴物识别区域。本实施例的技术方案中，还提出了更准确的佩戴物识别方案，在佩戴物识别区域判断是否存在待识别佩戴物，且待识别佩戴物在第二预设方向上所占比值是否超过预设阈值；在佩戴物识别区域存在待识别佩戴物，且待识别佩戴物在第二预设方向上所占比值超过预设阈值时，确定待识别人脸图像中存在待识别佩戴物。本申请的技术方案通过上述识别流程，可以大大提高当人脸背景复杂时或者人像的头发很少时，对人像上帽子的识别率。
实施例二
图3是本申请一个实施例提供的一种人脸图像中佩戴物的识别设备的示意框图，参照图3，一种人脸图像中佩戴物的识别设备，包括：
处理器21和存储器22；
处理器21与存储器22通过通信总线相连接：
其中，处理器21，用于调用并执行存储器中存储的程序；
存储器22，用于存储程序，程序至少用于执行以上实施例中的一种人脸图像中佩戴物的识别方法。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种人脸图像中佩戴物的识别方法，其特征在于，包括：
获取待识别人脸图像；
确定并分割出所述待识别人脸图像中的待识别人脸区域；
将分割出的待识别人脸区域在第一预设方向进行扩张；
对扩张后的待识别人脸区域进行分割；
根据待识别佩戴物的类别，在分割后的多个区域中确定佩戴物识别区域；
在所述佩戴物识别区域判断是否存在所述待识别佩戴物，且所述待识别佩戴物在第二预设方向上所占比值是否超过预设阈值；
在所述佩戴物识别区域存在所述待识别佩戴物，且所述待识别佩戴物在第二预设方向上所占比值超过预设阈值时，确定所述待识别人脸图像中存在所述待识别佩戴物。
2.根据权利要求1所述的方法，其特征在于，所述确定并分割出所述待识别人脸图像中的待识别人脸区域，包括：
基于第一人脸检测方法，对所述待识别人脸图像进行人脸位置检测，确定所述待识别人脸图像中的人脸区域数量；
若基于第一人脸检测方法检测得到的人脸区域数量等于1，则将检测得到的人脸区域确定为待识别人脸区域；
若基于第一人脸检测方法检测得到的人脸区域数量大于1，则将检测得到的人脸区域中，面积最大的人脸区域确定为待识别人脸区域。
3.根据权利要求2所述的方法，其特征在于，所述确定并分割出所述待识别人脸图像中的待识别人脸区域，还包括：
若基于第一人脸检测方法检测得到的人脸区域数量小于1，则基于第二人脸检测方法对所述待识别人脸图像进行人脸位置检测，确定所述待识别人脸图像中的人脸区域数量；
若基于第二人脸检测方法检测得到的人脸区域数量等于1，则将检测得到的人脸区域确定为待识别人脸区域；
若基于第二人脸检测方法检测得到的人脸区域数量小于1，则输出识别结果为待识别人脸图像中不存在人脸区域。
4.根据权利要求1所述的方法，其特征在于，确定并分割出所述待识别人脸图像中的待识别人脸区域后，所述方法还包括：
对分割出的待识别人脸区域进行关键点识别，并根据识别出的关键点对分割出的待识别人脸区域进行校正。
5.根据权利要求1所述的方法，其特征在于，所述将分割出的待识别人脸区域在第一预设方向进行扩张，包括：
根据待识别佩戴物的类别，确定所述待识别佩戴物与人脸中心点的相对方向；
以所述相对方向的反方向为第一预设方向，将分割出的待识别人脸区域在第一预设方向进行扩张。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述佩戴物识别区域不存在所述待识别佩戴物时，确定所述待识别人脸图像中不存在所述待识别佩戴物；
在所述佩戴物识别区域存在所述待识别佩戴物时，但所述待识别佩戴物在第二预设方向上所占比值未超过预设阈值时，确定所述待识别人脸图像中不存在所述待识别佩戴物。
7.根据权利要求1所述的方法，其特征在于，所述第一预设方向与所述第二预设方向平行，或垂直。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
根据待识别佩戴物的类别，确定所述第一预设方向与所述第二预设方向的相对关系。
9.根据权利要求1所述的方法，其特征在于，所述对扩张后的待识别人脸区域进行分割，包括：
根据待识别佩戴物的类别，对扩张后的待识别人脸区域进行分割。
10.一种人脸图像中佩戴物的识别设备，其特征在于，包括：
处理器和存储器；
所述处理器与存储器通过通信总线相连接：
其中，所述处理器，用于调用并执行所述存储器中存储的程序；
所述存储器，用于存储程序，所述程序至少用于执行权利要求1-9任一项所述的一种人脸图像中佩戴物的识别方法。
CN202310608954.XA 2023-05-29 2023-05-29 人脸图像中佩戴物的识别方法及设备 Pending CN116343312A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310608954.XA CN116343312A (zh) 2023-05-29 2023-05-29 人脸图像中佩戴物的识别方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310608954.XA CN116343312A (zh) 2023-05-29 2023-05-29 人脸图像中佩戴物的识别方法及设备

Publications (1)

Publication Number Publication Date
CN116343312A true CN116343312A (zh) 2023-06-27

Family

ID=86879051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310608954.XA Pending CN116343312A (zh) 2023-05-29 2023-05-29 人脸图像中佩戴物的识别方法及设备

Country Status (1)

Country Link
CN (1) CN116343312A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407911A (zh) * 2016-08-31 2017-02-15 乐视控股（北京）有限公司 基于图像的眼镜识别方法及装置
CN108537256A (zh) * 2018-03-26 2018-09-14 北京智芯原动科技有限公司 一种安全帽佩戴识别方法及装置
CN112949354A (zh) * 2019-12-10 2021-06-11 顺丰科技有限公司 安全帽佩戴检测方法和装置、电子设备、计算机可读存储介质
CN113553938A (zh) * 2021-07-19 2021-10-26 黑芝麻智能科技(上海)有限公司 安全带检测方法、装置、计算机设备和存储介质
WO2022130616A1 (ja) * 2020-12-18 2022-06-23 富士通株式会社 認証方法、情報処理装置、及び認証プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407911A (zh) * 2016-08-31 2017-02-15 乐视控股（北京）有限公司 基于图像的眼镜识别方法及装置
CN108537256A (zh) * 2018-03-26 2018-09-14 北京智芯原动科技有限公司 一种安全帽佩戴识别方法及装置
CN112949354A (zh) * 2019-12-10 2021-06-11 顺丰科技有限公司 安全帽佩戴检测方法和装置、电子设备、计算机可读存储介质
WO2022130616A1 (ja) * 2020-12-18 2022-06-23 富士通株式会社 認証方法、情報処理装置、及び認証プログラム
CN113553938A (zh) * 2021-07-19 2021-10-26 黑芝麻智能科技(上海)有限公司 安全带检测方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
KR102036963B1 (ko) Cnn 기반의 와일드 환경에 강인한 얼굴 검출 방법 및 시스템
US9939893B2 (en) Eye gaze tracking
US10521661B2 (en) Detailed eye shape model for robust biometric applications
EP3418944A2 (en) Information processing apparatus, information processing method, and program
EP1774470B1 (en) Face recognition method and apparatus therefor
KR20210100602A (ko) 안면 이미지 기반의 리스크 인식 방법, 장치, 컴퓨터 디바이스 및 저장 매체
CN106682578B (zh) 基于眨眼检测的弱光人脸识别方法
CN106257489A (zh) 表情识别方法及系统
JP6325405B2 (ja) 特徴点検出装置、方法及びプログラム
US20070031033A1 (en) Method and apparatus for converting skin color of image
KR20170056860A (ko) 이미지 생성 방법 및 장치
CN113392699A (zh) 用于人脸遮挡检测的多标签深度卷积神经网络方法、装置和电子设备
Choi et al. Accurate eye pupil localization using heterogeneous CNN models
Yuen et al. On looking at faces in an automobile: Issues, algorithms and evaluation on naturalistic driving dataset
US11972634B2 (en) Image processing method and apparatus
Escalera et al. Fast greyscale road sign model matching and recognition
Lu et al. Eye detection based on rectangle features and pixel-pattern-based texture features
US20120328150A1 (en) Methods for assisting with object recognition in image sequences and devices thereof
US11048926B2 (en) Adaptive hand tracking and gesture recognition using face-shoulder feature coordinate transforms
CN116343312A (zh) 人脸图像中佩戴物的识别方法及设备
Gürel Development of a face recognition system
US20150023558A1 (en) System and method for face detection and recognition using locally evaluated zernike and similar moments
Hu et al. Gesture detection from RGB hand image using modified convolutional neural network
JP2011232845A (ja) 特徴点抽出装置および方法
CN114565531A (zh) 一种图像修复方法、装置、设备和介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20230627