CN117593780B - 一种皱纹深度指数确定方法、装置、电子设备及存储介质 - Google Patents
一种皱纹深度指数确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117593780B CN117593780B CN202410044803.0A CN202410044803A CN117593780B CN 117593780 B CN117593780 B CN 117593780B CN 202410044803 A CN202410044803 A CN 202410044803A CN 117593780 B CN117593780 B CN 117593780B
- Authority
- CN
- China
- Prior art keywords
- wrinkle
- pixel
- pixel point
- wrinkles
- cross
- 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
- 230000037303 wrinkles Effects 0.000 title claims abstract description 347
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000000758 substrate Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 208000020154 Acnes Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000005808 skin problem Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V10/30—Noise filtering
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种皱纹深度指数确定方法、装置、电子设备及存储介质;该方法包括:获取待处理图像,对待处理图像进行皱纹检测确定皱纹;计算皱纹的面积和偏心率,基于皱纹的面积和偏心率对皱纹进行过滤,确定目标皱纹,其中,偏心率根据所述皱纹的宽度和高度确定;针对每个目标皱纹,确定目标皱纹的至少一个横截面,对于目标皱纹的每个横截面,提取横截面的像素点的像素值,基于各像素值确定所述像素点的一阶导数,根据各像素点的一阶导数计算横截面的高度差,基于高度差确定所述横截面对应的皱纹深度指数,基于各横截面的皱纹深度指数确定所述目标皱纹的皱纹深度指数,解决了无法判断皱纹深度的问题,准确计算皱纹深度指数,以便判断皱纹深度。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种皱纹深度指数确定方法、装置、电子设备及存储介质。
背景技术
随着生活水平的提高,人们对护肤的追求越来越高。在护肤过程中,着重关注皮肤的皱纹、痘痘等皮肤问题,以便为用户选择或者推荐合适的护肤品,达到有效护肤的目的。现有技术中,在识别皱纹时,无法对皱纹深度进行判断,导致无法精准护肤,进而影响护肤效果。
发明内容
本发明提供了一种皱纹深度指数确定方法、装置、电子设备及存储介质,以解决无法判断皱纹深度的问题。
根据本发明的一方面,提供了一种皱纹深度指数确定方法,包括:
获取待处理图像,对所述待处理图像进行皱纹检测确定皱纹;
计算所述皱纹的面积和偏心率,基于所述皱纹的面积和偏心率对所述皱纹进行过滤,确定目标皱纹,其中,所述偏心率根据所述皱纹的宽度和高度确定;
针对每个目标皱纹,确定所述目标皱纹的至少一个横截面,对于所述目标皱纹的每个横截面,提取所述横截面的像素点的像素值,基于各所述像素值确定所述像素点的一阶导数,根据各所述像素点的一阶导数计算横截面的高度差,基于所述高度差确定所述横截面对应的皱纹深度指数,基于各所述横截面的皱纹深度指数确定所述目标皱纹的皱纹深度指数。
根据本发明的另一方面,提供了一种皱纹深度指数确定装置,包括:
图像获取模块,用于获取待处理图像,对所述待处理图像进行皱纹检测确定皱纹;
目标皱纹确定模块,用于计算所述皱纹的面积和偏心率,基于所述皱纹的面积和偏心率对所述皱纹进行过滤,确定目标皱纹,其中,所述偏心率根据所述皱纹的宽度和高度确定;
皱纹深度指数确定模块,用于针对每个目标皱纹,确定所述目标皱纹的至少一个横截面,对于所述目标皱纹的每个横截面,提取所述横截面的像素点的像素值,基于各所述像素值确定所述像素点的一阶导数,根据各所述像素点的一阶导数计算横截面的高度差,基于所述高度差确定所述横截面对应的皱纹深度指数,基于各所述横截面的皱纹深度指数确定所述目标皱纹的皱纹深度指数。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器,以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的皱纹深度指数确定方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的皱纹深度指数确定方法。
本发明实施例的技术方案,通过获取待处理图像,对所述待处理图像进行皱纹检测确定皱纹;计算所述皱纹的面积和偏心率,基于所述皱纹的面积和偏心率对所述皱纹进行过滤,确定目标皱纹,其中,所述偏心率根据所述皱纹的宽度和高度确定;针对每个目标皱纹,确定所述目标皱纹的至少一个横截面,对于所述目标皱纹的每个横截面,提取所述横截面的像素点的像素值,基于各所述像素值确定所述像素点的一阶导数,根据各所述像素点的一阶导数计算横截面的高度差,基于所述高度差确定所述横截面对应的皱纹深度指数,基于各所述横截面的皱纹深度指数确定所述目标皱纹的皱纹深度指数,解决了无法判断皱纹深度的问题,通过对待处理图像进行皱纹检测确定皱纹,通过皱纹的宽度和高度确定偏心率,进一步根据偏心率和面积确定目标皱纹,准确筛选出目标皱纹,过滤掉无效数据;提取目标皱纹的横截面中的像素点的像素值,根据像素值确定像素点的一阶导数,进而根据一阶导数计算横截面的高度差,根据高度差确定横截面的皱纹深度指数,最后综合各横截面的皱纹深度指数确定目标皱纹的皱纹深度指数,通过皱纹深度指数对皱纹深度进行表示,以便判断皱纹深度,本申请提供的皱纹深度指数确定方法可以准确计算皱纹深度指数,实现了对皱纹深度的准确描述,以实现对皱纹深度的准确判断,辅助用户护肤。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种皱纹深度指数确定方法的流程图;
图2是根据本发明实施例一提供的一种目标皱纹中的横截面的示意图;
图3是根据本发明实施例一提供的一种横截面的像素点的分布示例图;
图4是根据本发明实施例二提供的一种皱纹深度指数确定方法的流程图;
图5是根据本发明实施例三提供的一种皱纹深度指数确定装置的结构示意图;
图6是实现本发明实施例的皱纹深度指数确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种皱纹深度指数确定方法的流程图,本实施例可适用于对皱纹深度进行判断的情况,该方法可以由皱纹深度指数确定装置来执行,该皱纹深度指数确定装置可以采用硬件和/或软件的形式实现,该皱纹深度指数确定装置可配置于电子设备中。如图1所示,该方法包括:
S101、获取待处理图像,对待处理图像进行皱纹检测确定皱纹。
在本实施例中,待处理图像具体可以理解为具有识别皱纹深度需求的图像;皱纹实际可以通过像素点的像素值确定,由不同的像素点构成。
采集人脸、颈部等位置的皮肤图像,作为待处理图像;待处理图像可以在实际应用过程中实时采集并处理,也可以在采集后保存,在触发一定条件后获取待处理图像并进行处理。在获取到待处理图像后,对待处理图像进行皱纹检测,检测待处理图像中存在的皱纹,皱纹检测可以通过设定的算法实现,例如,Frangi算法,在进行皱纹检测之前还可以对待处理图像进行过滤、去噪等处理,去除图像中的噪声,提高识别准确率。
本申请技术方案中对数据(例如图像)的获取、存储、使用、处理等均符合国家法律法规的相关规定。
S102、计算皱纹的面积和偏心率,基于皱纹的面积和偏心率对皱纹进行过滤,确定目标皱纹,其中,偏心率根据皱纹的宽度和高度确定。
在本实施例中,目标皱纹具体可以理解为最终确定的皱纹,目标皱纹的数量在不同的图像中可能是变化的,其数量可以是一个或者多个,也可以为0,若为0,此时没有检测到皱纹,无需确定皱纹深度指数。
对于每个皱纹,确定皱纹的宽度和高度,皱纹的宽度和高度可以根据像素点的数量确定,例如,将像素点的数量直接作为宽度或者高度,即将宽度方向(如X轴方向)的像素点的数量作为宽度,将高度方向(如Y轴方向)的像素点的数量作为高度。根据皱纹的宽度和高度计算偏心率,例如,偏心率等于高度除以宽度,偏心率等于高度和宽度的和除以宽度,等等,也可以预先设置偏心率的计算公式,将宽度和高度带入到计算公式中进行计算,得到偏心率。计算皱纹的面积的方式可以是计算高度和宽度的乘积确定面积。预先根据面积和偏心率设置皱纹的过滤条件,根据皱纹的面积和偏心率判断是否满足过滤条件,根据过滤条件过滤掉非皱纹,筛选出满足要求的皱纹作为目标皱纹。例如,将面积大于设定的面积阈值且偏心率大于设定的偏心率阈值的皱纹确定为目标皱纹,示例性的,面积阈值为500,偏心率阈值为0.98。通过上述方式对每个皱纹进行过滤,确定出目标皱纹。
S103、针对每个目标皱纹,确定目标皱纹的至少一个横截面,对于目标皱纹的每个横截面,提取横截面的像素点的像素值,基于各像素值确定像素点的一阶导数,根据各像素点的一阶导数计算横截面的高度差,基于高度差确定横截面对应的皱纹深度指数,基于各横截面的皱纹深度指数确定目标皱纹的皱纹深度指数。
在本实施例中,高度差具体可以理解为皱纹的横截面中的各像素点的像素差值;皱纹深度指数具体可以理解为用于对皱纹的深度进行表示的参数。
对于每个目标皱纹,均可以通过下述方式确定其皱纹深度指数:首先确定目标皱纹的一个或者多个横截面,每个横截面的确定方式为:在目标皱纹的横坐标上选择一个点,过此点作平行于y轴的线,此条线与目标皱纹的相交处即为横截面。示例性的,图2提供了一种目标皱纹中的横截面的示意图,图中仅示例性的展示目标皱纹11中的一个横截面12,在实际应用过程中,可以根据需求选择不同的坐标确定不同的横截面。图3提供了一种横截面的像素点的分布示例图,将横截面中的各像素点在原图像中的纵坐标作为横坐标,将像素值作为纵坐标,在坐标系中确定各点的对应位置,由于各点为离散的点,因此通过对各点进行拟合形成如图3所示的曲线,其中,图3的图像坐标为图2中横截面的纵坐标,单位可以是像素,图3中的图像像素值即为横截面中像素点的像素值。
对于每个横截面,提取横截面的所有像素点的像素值,通过分析各像素点的像素值确定每个像素点的像素值的变化情况,进而计算每个像素点的一阶导数。比较各一阶导数大小,确定像素值的最大值和最小值,基于最大值和最小值确定高度差;将高度差带入皱纹深度指数的计算公式中计算皱纹深度指数,皱纹深度指数的计算公式可以预先确定。在确定每个横截面的皱纹深度指数后,可以确定各皱纹深度指数的平均值、最大值、最小值、加权求和等,综合得到的值作为目标皱纹的皱纹深度指数。
对于每个目标皱纹均可以通过上述的方式确定其皱纹深度指数,每个目标皱纹的横截面的数量可以相同,也可以不同;例如,预先设置横截面的数量,或者,根据目标皱纹的长度确定合适的横截面的数量,等等。
本发明实施例提供了一种皱纹深度指数确定方法,解决了无法判断皱纹深度的问题,通过对待处理图像进行皱纹检测确定皱纹,通过皱纹的宽度和高度确定偏心率,进一步根据偏心率和面积确定目标皱纹,准确筛选出目标皱纹,过滤掉无效数据;提取目标皱纹的横截面中的像素点的像素值,根据像素值确定像素点的一阶导数,进而根据一阶导数计算横截面的高度差,根据高度差确定横截面的皱纹深度指数,最后综合各横截面的皱纹深度指数确定目标皱纹的皱纹深度指数,通过皱纹深度指数对皱纹深度进行表示,以便判断皱纹深度,本申请提供的皱纹深度指数确定方法可以准确计算皱纹深度指数,实现了对皱纹深度的准确描述,以实现对皱纹深度的准确判断,辅助用户护肤。
实施例二
图4为本发明实施例二提供的一种皱纹深度指数确定方法的流程图,本实施例在上述实施例的基础上进行细化。如图4所示,该方法包括:
S201、获取待处理图像。
可选的,待处理图像通过图像采集装置采集,图像采集装置的摄像头前设置偏振片。
在本实施例中,图像采集装置可以是照相机、录像机、红外热成像仪等等。图像采集装置可以设置在固定位置,与美容设备等配合使用,也可以设置在移动设备上,与移动设备配合使用。图像采集装置的摄像头前方设置偏振片,在采集图像时偏振片处于摄像头和用户中间,设置偏振片可以有效抑制脸部反射光不均匀、有部分高亮区域的现象。
S202、提取待处理图像的红色通道的数据,形成候选图像。
在本实施例中,候选图像具体可以理解为用于实现皱纹检测的图像。待处理图像为RGB图像,其包括了红绿蓝三个通过(即RGB三通道)的数据,通过通道分离,分离出R通道的数据,形成的图像作为候选图像。通过提取R通道的数据进行皱纹检测,检测结果更加准确。
S203、对候选图像进行去噪,并对去噪后的候选图像进行皱纹检测,得到皱纹。
可以预先设置去噪的算法对候选图像进行去噪,例如,采用中值滤波进行去噪,可以有效去除噪声。对去噪后的候选图像进行皱纹检测,皱纹检测算法可以是Frangi算法,即Frangi滤波器。通过皱纹检测检测候选图像中的皱纹。
其中,中值滤波基本原理如下:
1、窗口选择:在图像上选定一个邻域窗口(例如3×3、5×5的像素块)。
2、排序:将窗口内的所有像素值按数值大小进行排序。
3、取中值:选择排序后的中间值作为该窗口中心像素的新值。
4、滑动窗口:将窗口在整个图像上滑动,重复上述过程,直至覆盖整个图像。
通过上述方式,中值滤波可以有效地去除图像中的极端值(如噪点),同时保留图像的边缘特征;可以有效处理非高斯噪声。
Frangi算法,是一种在图像处理中用于增强管状结构的算法,基于Hessian矩阵的特征值分析来实现的。Frangi算法的关键在于识别图像中的管状结构,通过分析图像中每个像素点的Hessian矩阵来实现。Hessian矩阵是一个二阶导数矩阵,用于描述图像局部的形状特征。通过分析这些矩阵的特征值,可以区分管状结构和其他类型的结构。此算法的输出是一个增强后的图像,其中管状结构变得更为明显,而其他类型的结构则被相对抑制。可以有效识别出皱纹。
S204、计算皱纹的面积和偏心率,基于皱纹的面积和偏心率对皱纹进行过滤,确定目标皱纹,其中,偏心率根据皱纹的宽度和高度确定。
作为本实施例的一个可选实施例,本可选实施例进一步将计算皱纹的面积,优化为:确定皱纹中所包括的像素点的数量,将像素点的数量确定为皱纹的面积。
统计每条皱纹中包括的所有像素点的数量,将像素点的数量确定为此条皱纹的面积。
作为本实施例的一个可选实施例,本可选实施例进一步将计算皱纹的偏心率,优化为:计算皱纹的宽度的平方得到第一平方,计算皱纹的高度的平方得到第二平方;将第一平方和第二平方的和进行开平方,确定算术平方根;将算术平方根与皱纹的宽度的比值确定为偏心率。
在本实施例中,第一平方为皱纹的宽度的平方;第二平方为皱纹的高度的平方。计算皱纹的宽度的平方后得到第一平方,计算皱纹的高度的平方后得到第二平方;对第一平方和第二平方进行求和,然后对和进行开平方,得到算术平方根;将算术平方根除以皱纹的宽度,得到的比值即为偏心率。
示例性的,本申请实施例提供一种偏心率的计算公式:
;
其中,e为偏心率;w为皱纹的宽度;h为皱纹的高度。
S205、针对每个目标皱纹,确定目标皱纹的至少一个横截面,对于目标皱纹的每个横截面,提取横截面的像素点的像素值。
S206、对于每个像素点,若像素点存在上一像素点和下一像素点,计算像素点的上一像素点的像素值和下一像素点的像素值的差值,将差值的一半作为像素点的一阶导数。
在本实施例中,上一像素点具体可以理解为像素点的前一个像素点;下一像素点具体可以理解为像素点的后一个像素点。
对于每个像素点均采用下述方式确定其一阶导数:判断像素点是否同时存在上一像素点和下一像素点,若存在,则确定像素点的上一像素点的像素值,以及下一像素点的像素值,计算上一像素点的像素值和下一像素点的像素值的差值,将差值的一半作为此像素点的一阶导数。可以知道的是,横截面中的第一个像素点没有上一像素点,横截面中的最后一个像素点没有下一像素点,因此,这两个像素点无需确定一阶导数。
S207、比较各像素点的一阶导数,按照预设数量选择一阶导数的绝对值最小的像素点作为候选像素点。
在本实施例中,预设数量可以根据需求设置,最少为2个;候选像素点具体可以理解为从像素点中选择出来用于计算高度差的像素点。
预先设置预设数量N,比较计算得到的各一阶导数,确定各一阶导数的绝对值,将各一阶导数的绝对值按照大小顺序排序,选择绝对值最小的N个像素点作为候选像素点。
S208、将候选像素点划分到第一像素点集合和第二像素点集合中。
在本实施例中,第一像素点集合为由像素点构成的集合,第一像素点集合中的像素点用于确定最高像素值;第二像素点集合同样为由像素点构成的集合,第一像素点集合中的像素点用于确定最低像素值。
各候选像素点按照像素值大小划分至第一像素点集合和第二像素点集合中,将其中像素值较大的像素点划分至第一像素点集合,将像素值较小的像素点划分到第二像素点集合中。例如,将像素值与一定阈值进行比较,像素值大于此阈值的像素点划分到第一像素点集合中,像素值小于此阈值的像素点划分到第二像素点集合中,此阈值可以根据像素值的均值设置。
S209、根据第一像素点集合中的第一候选像素点的像素值计算第一像素值,根据第二像素点集合中的第二候选像素点的像素值计算第二像素值。
在本实施例中,第一候选像素点具体可以理解为第一像素点集合中的像素点;第二候选像素点具体可以理解为第二像素点集合中的像素点。第一像素值具体可以理解为横截面中像素值较大的值;第二像素值具体可以理解为横截面中像素值较小的值。
确定第一像素点集合中的第一候选像素点的像素值,确定平均值、加权求和等,得到第一像素值;确定第二像素点集合中的第二候选像素点的像素值,确定平均值、加权求和等,得到第二像素值。
S210、将第一像素值与第二像素值的差值确定为高度差。
计算第一像素值与第二像素值的差值,将此差值确定为高度差。通过计算一阶导数的方式选择候选像素点计算高度差,可以有效降低误差,提高结果准确性。
可选的,预设数量为三个;第一像素点集合中包括一个第一候选像素点,第二像素点集合中包括两个第二候选像素点,第一候选像素点大于一个第二候选像素点且第一候选像素点小于另一个第二候选像素点;
作为本实施例的一个可选实施例,本可选实施例进一步将根据第一像素点集合中的第一候选像素点的像素值计算第一像素值,优化为:将第一候选像素点的像素值确定为第一像素值;
作为本实施例的一个可选实施例,本可选实施例进一步将根据第一像素点集合中的第二候选像素点的像素值计算第二像素值,优化为:将各第二候选像素点的像素值的平均值确定为第二像素值。
本申请实施例优选将预设数量设置为3个,即选择三个一阶导数的绝对值最小的像素点作为候选像素点,将3个候选像素点中的像素值最大的像素点作为第一候选像素点,剩余两个候选像素点作为第二候选像素点;将第一候选像素点的像素值确直接为第一像素值;计算各第二候选像素点的像素值的平均值,将平均值确定为第二像素值。
S211、计算高度差与皱纹深度参数的比值。
在本实施例中,皱纹深度参数具体可以理解为用于计算皱纹深度指数的参数,可以预先根据经验设置。预先设置皱纹深度参数,在计算皱纹深度指数时,计算高度差与皱纹深度参数的比值,以便根据比值计算皱纹深度指数。
S212、将比值与设定系数的乘积确定为横截面的皱纹深度指数。
在本实施例中,设定系数预先根据实际应用需求设置。计算比值与设定系数的乘积,将此乘积确定为横截面的皱纹深度指数。
S213、基于各横截面的皱纹深度指数确定目标皱纹的皱纹深度指数。
本申请实施例中,根据S205-S213的步骤确定每个目标皱纹的皱纹深度指数。
示例性的,本申请实施例提供一种一阶导数的计算公式:
;
其中,F(x)表示像素点x处的一阶导数;f(x+1)表示像素点x的上一像素点的像素值;f(x-1)表示像素点x的下一像素点的像素值。
以预设数量为3个为例,按顺序依次找到一阶导数的绝对值最小的三个数值的像素点P1、P2、P3,对应的像素值为V1、V2、V3,高度差L=V2-(V1+V3)/2,其中,V2为第一像素值,(V1+V3)/2(即,V1和V3的平均值)为第二像素值;高度差L是皱纹深度的一个表征。
皱纹深度指数DE=L/C×100,其中,C为皱纹深度参数,C=90,设定系数为100,DE∈[0,100]。
本发明实施例提供了一种皱纹深度指数确定方法,解决了无法判断皱纹深度的问题,通过在图像采集装置的摄像头前方设置偏振片,由于偏振片能有效抑制脸部反射光不均匀、有部分高亮区域的现象,因此采集的待处理图像噪声较少,更利于识别;本实施例进一步提供了偏心率的具体计算方式,准确筛选出目标皱纹,过滤掉无效数据;通过提取目标皱纹的横截面中的像素点的像素值,根据像素点的上一像素点和下一像素点的像素值计算像素点的一阶导数,根据一阶导数计算横截面的高度差,可以有效降低误差,提高结果准确性,根据高度差确定横截面的皱纹深度指数,最后综合各横截面的皱纹深度指数确定目标皱纹的皱纹深度指数,通过皱纹深度指数对皱纹深度进行表示,以便判断皱纹深度,本申请提供的皱纹深度指数确定方法可以准确计算皱纹深度指数,实现了对皱纹深度的准确描述,以实现对皱纹深度的准确判断,辅助用户护肤。
实施例三
图5为本发明实施例三提供的一种皱纹深度指数确定装置的结构示意图。如图5所示,该装置包括:图像获取模块31、目标皱纹确定模块32和皱纹深度指数确定模块33。
其中,图像获取模块31,用于获取待处理图像,对所述待处理图像进行皱纹检测确定皱纹;
目标皱纹确定模块32,用于计算所述皱纹的面积和偏心率,基于所述皱纹的面积和偏心率对所述皱纹进行过滤,确定目标皱纹,其中,所述偏心率根据所述皱纹的宽度和高度确定;
皱纹深度指数确定模块33,用于针对每个目标皱纹,确定所述目标皱纹的至少一个横截面,对于所述目标皱纹的每个横截面,提取所述横截面的像素点的像素值,基于各所述像素值确定所述像素点的一阶导数,根据各所述像素点的一阶导数计算横截面的高度差,基于所述高度差确定所述横截面对应的皱纹深度指数,基于各所述横截面的皱纹深度指数确定所述目标皱纹的皱纹深度指数。
本发明实施例提供了一种皱纹深度指数确定装置,解决了无法判断皱纹深度的问题,通过对待处理图像进行皱纹检测确定皱纹,通过皱纹的宽度和高度确定偏心率,进一步根据偏心率和面积确定目标皱纹,准确筛选出目标皱纹,过滤掉无效数据;提取目标皱纹的横截面中的像素点的像素值,根据像素值确定像素点的一阶导数,进而根据一阶导数计算横截面的高度差,根据高度差确定横截面的皱纹深度指数,最后综合各横截面的皱纹深度指数确定目标皱纹的皱纹深度指数,通过皱纹深度指数对皱纹深度进行表示,以便判断皱纹深度,本申请提供的皱纹深度指数确定方法可以准确计算皱纹深度指数,实现了对皱纹深度的准确描述,以实现对皱纹深度的准确判断,辅助用户护肤。
可选的,所述待处理图像通过图像采集装置采集,所述图像采集装置的摄像头前设置偏振片。
可选的,图像获取模块31包括:
候选图像确定单元,用于提取所述待处理图像的红色通道的数据,形成候选图像;
皱纹检测单元,用于对所述候选图像进行去噪,并对去噪后的候选图像进行皱纹检测,得到皱纹。
可选的,目标皱纹确定模块32,具体用于:确定所述皱纹中所包括的像素点的数量,将所述像素点的数量确定为皱纹的面积。
可选的,目标皱纹确定模块32,具体用于:计算所述皱纹的宽度的平方得到第一平方,计算所述皱纹的高度的平方得到第二平方;将所述第一平方和所述第二平方的和进行开平方,确定算术平方根;将所述算术平方根与皱纹的宽度的比值确定为偏心率。
可选的,皱纹深度指数确定模块33,包括:
导数确定单元,用于对于每个像素点,若所述像素点存在上一像素点和下一像素点,计算所述像素点的上一像素点的像素值和下一像素点的像素值的差值,将所述差值的一半作为所述像素点的一阶导数。
可选的,皱纹深度指数确定模块33,包括:
高度差计算单元,用于比较各所述像素点的一阶导数,按照预设数量选择一阶导数的绝对值最小的像素点作为候选像素点;将所述候选像素点划分到第一像素点集合和第二像素点集合中;根据所述第一像素点集合中的第一候选像素点的像素值计算第一像素值,根据所述第二像素点集合中的第二候选像素点的像素值计算第二像素值;将所述第一像素值与所述第二像素值的差值确定为高度差。
可选的,所述预设数量为三个;
所述第一像素点集合中包括一个第一候选像素点,所述第二像素点集合中包括两个第二候选像素点,所述第一候选像素点大于一个第二候选像素点且所述第一候选像素点小于另一个第二候选像素点;
所述根据所述第一像素点集合中的第一候选像素点的像素值计算第一像素值,包括:
将所述第一候选像素点的像素值确定为第一像素值;
所述根据所述第一像素点集合中的第二候选像素点的像素值计算第二像素值,包括:
将各所述第二候选像素点的像素值的平均值确定为第二像素值。
可选的,皱纹深度指数确定模块33,包括:
指数计算单元,用于计算所述高度差与皱纹深度参数的比值;将所述比值与设定系数的乘积确定为横截面的皱纹深度指数。
本发明实施例所提供的皱纹深度指数确定装置可执行本发明任意实施例所提供的皱纹深度指数确定方法,具备执行方法相应的功能模块和有益效果。
实施例四
图6示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字助理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示,电子设备40包括至少一个处理器41,以及与至少一个处理器41通信连接的存储器,如只读存储器(ROM)42、随机访问存储器(RAM)43等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器41可以根据存储在只读存储器(ROM)42中的计算机程序或者从存储单元48加载到随机访问存储器(RAM)43中的计算机程序,来执行各种适当的动作和处理。在RAM 43中,还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM 42以及RAM 43通过总线44彼此相连。输入/输出(I/O)接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45,包括:输入单元46,例如键盘、鼠标等;输出单元47,例如各种类型的显示器、扬声器等;存储单元48,例如磁盘、光盘等;以及通信单元49,例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理,例如皱纹深度指数确定方法。
在一些实施例中,皱纹深度指数确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元48。在一些实施例中,计算机程序的部分或者全部可以经由ROM 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM 43并由处理器41执行时,可以执行上文描述的皱纹深度指数确定方法的一个或多个步骤。备选地,在其他实施例中,处理器41可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行皱纹深度指数确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (9)
1.一种皱纹深度指数确定方法,其特征在于,包括:
获取待处理图像,对所述待处理图像进行皱纹检测确定皱纹;
计算所述皱纹的面积和偏心率,基于所述皱纹的面积和偏心率对所述皱纹进行过滤,确定目标皱纹,其中,所述偏心率根据所述皱纹的宽度和高度确定;
针对每个目标皱纹,确定所述目标皱纹的至少一个横截面,对于所述目标皱纹的每个横截面,提取所述横截面的像素点的像素值,基于各所述像素值确定所述像素点的一阶导数,根据各所述像素点的一阶导数计算横截面的高度差,基于所述高度差确定所述横截面对应的皱纹深度指数,基于各所述横截面的皱纹深度指数确定所述目标皱纹的皱纹深度指数;
计算所述皱纹的偏心率,包括:
计算所述皱纹的宽度的平方得到第一平方,计算所述皱纹的高度的平方得到第二平方;
将所述第一平方和所述第二平方的和进行开平方,确定算术平方根;
将所述算术平方根与皱纹的宽度的比值确定为偏心率;
所述根据各所述像素点的一阶导数计算横截面的高度差,包括:
比较各所述像素点的一阶导数,按照预设数量选择一阶导数的绝对值最小的像素点作为候选像素点;
将所述候选像素点划分到第一像素点集合和第二像素点集合中;
根据所述第一像素点集合中的第一候选像素点的像素值计算第一像素值,根据所述第二像素点集合中的第二候选像素点的像素值计算第二像素值;
将所述第一像素值与所述第二像素值的差值确定为高度差;
所述基于所述高度差确定所述横截面对应的皱纹深度指数,包括:
计算所述高度差与皱纹深度参数的比值;
将所述比值与设定系数的乘积确定为横截面的皱纹深度指数。
2.根据权利要求1所述的方法,其特征在于,所述待处理图像通过图像采集装置采集,所述图像采集装置的摄像头前设置偏振片。
3.根据权利要求1所述的方法,其特征在于,所述对所述待处理图像进行皱纹检测确定皱纹,包括:
提取所述待处理图像的红色通道的数据,形成候选图像;
对所述候选图像进行去噪,并对去噪后的候选图像进行皱纹检测,得到皱纹。
4.根据权利要求1所述的方法,其特征在于,
计算所述皱纹的面积,包括:
确定所述皱纹中所包括的像素点的数量,将所述像素点的数量确定为皱纹的面积。
5.根据权利要求1所述的方法,其特征在于,所述基于各所述像素值确定所述像素点的一阶导数,包括:
对于每个像素点,若所述像素点存在上一像素点和下一像素点,计算所述像素点的上一像素点的像素值和下一像素点的像素值的差值,将所述差值的一半作为所述像素点的一阶导数。
6.根据权利要求1所述的方法,其特征在于,所述预设数量为三个;
所述第一像素点集合中包括一个第一候选像素点,所述第二像素点集合中包括两个第二候选像素点,所述第一候选像素点大于一个第二候选像素点且所述第一候选像素点小于另一个第二候选像素点;
所述根据所述第一像素点集合中的第一候选像素点的像素值计算第一像素值,包括:
将所述第一候选像素点的像素值确定为第一像素值;
所述根据所述第一像素点集合中的第二候选像素点的像素值计算第二像素值,包括:
将各所述第二候选像素点的像素值的平均值确定为第二像素值。
7.一种皱纹深度指数确定装置,其特征在于,包括:
图像获取模块,用于获取待处理图像,对所述待处理图像进行皱纹检测确定皱纹;
目标皱纹确定模块,用于计算所述皱纹的面积和偏心率,基于所述皱纹的面积和偏心率对所述皱纹进行过滤,确定目标皱纹,其中,所述偏心率根据所述皱纹的宽度和高度确定;
皱纹深度指数确定模块,用于针对每个目标皱纹,确定所述目标皱纹的至少一个横截面,对于所述目标皱纹的每个横截面,提取所述横截面的像素点的像素值,基于各所述像素值确定所述像素点的一阶导数,根据各所述像素点的一阶导数计算横截面的高度差,基于所述高度差确定所述横截面对应的皱纹深度指数,基于各所述横截面的皱纹深度指数确定所述目标皱纹的皱纹深度指数;
所述目标皱纹确定模块,具体用于:计算所述皱纹的宽度的平方得到第一平方,计算所述皱纹的高度的平方得到第二平方;将所述第一平方和所述第二平方的和进行开平方,确定算术平方根;将所述算术平方根与皱纹的宽度的比值确定为偏心率;
所述皱纹深度指数确定模块,包括:
高度差计算单元,用于比较各所述像素点的一阶导数,按照预设数量选择一阶导数的绝对值最小的像素点作为候选像素点;将所述候选像素点划分到第一像素点集合和第二像素点集合中;根据所述第一像素点集合中的第一候选像素点的像素值计算第一像素值,根据所述第二像素点集合中的第二候选像素点的像素值计算第二像素值;将所述第一像素值与所述第二像素值的差值确定为高度差;
所述皱纹深度指数确定模块,包括:
指数计算单元,用于计算所述高度差与皱纹深度参数的比值;将所述比值与设定系数的乘积确定为横截面的皱纹深度指数。
8.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器,以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的皱纹深度指数确定方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的皱纹深度指数确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044803.0A CN117593780B (zh) | 2024-01-12 | 2024-01-12 | 一种皱纹深度指数确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044803.0A CN117593780B (zh) | 2024-01-12 | 2024-01-12 | 一种皱纹深度指数确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117593780A CN117593780A (zh) | 2024-02-23 |
CN117593780B true CN117593780B (zh) | 2024-05-17 |
Family
ID=89918598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410044803.0A Active CN117593780B (zh) | 2024-01-12 | 2024-01-12 | 一种皱纹深度指数确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117593780B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2962553A1 (en) * | 2016-04-14 | 2017-10-14 | The Boeing Company | Ultrasonic inspection of wrinkles in composite objects |
CN114187347A (zh) * | 2021-12-03 | 2022-03-15 | 林丹柯 | 皮肤皱纹非接触测量方法、存储介质及处理器 |
CN116778559A (zh) * | 2023-07-03 | 2023-09-19 | 云南贝泰妮生物科技集团股份有限公司 | 基于高斯过程与随机变换的面部皱纹三维评价方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8804122B2 (en) * | 2011-09-22 | 2014-08-12 | Brightex Bio-Photonics Llc | Systems and methods for determining a surface profile using a plurality of light sources |
US10094794B2 (en) * | 2016-01-22 | 2018-10-09 | The Boeing Company | Characterization of wrinkles and periodic variations in material using infrared thermography |
-
2024
- 2024-01-12 CN CN202410044803.0A patent/CN117593780B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2962553A1 (en) * | 2016-04-14 | 2017-10-14 | The Boeing Company | Ultrasonic inspection of wrinkles in composite objects |
CN114187347A (zh) * | 2021-12-03 | 2022-03-15 | 林丹柯 | 皮肤皱纹非接触测量方法、存储介质及处理器 |
CN116778559A (zh) * | 2023-07-03 | 2023-09-19 | 云南贝泰妮生物科技集团股份有限公司 | 基于高斯过程与随机变换的面部皱纹三维评价方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117593780A (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Juneja et al. | Performance evaluation of edge detection techniques for images in spatial domain | |
JP6336117B2 (ja) | 建物高さの計算方法、装置及び記憶媒体 | |
WO2020232910A1 (zh) | 基于图像处理的目标物统计方法、装置、设备及存储介质 | |
CN117392733B (zh) | 一种痤疮分级检测方法、装置、电子设备及存储介质 | |
CN113569708A (zh) | 活体识别方法、装置、电子设备以及存储介质 | |
CN113392681A (zh) | 人体跌倒检测方法、装置及终端设备 | |
CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
CN114119466A (zh) | 铝箔表面缺陷检测方法、装置、设备及计算机存储介质 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN116559177A (zh) | 一种缺陷检测方法、装置、设备以及存储介质 | |
CN116703925B (zh) | 一种轴承缺陷检测方法、装置、电子设备及存储介质 | |
CN117593780B (zh) | 一种皱纹深度指数确定方法、装置、电子设备及存储介质 | |
CN112329572B (zh) | 一种基于边框和闪光点的快速静态活体检测方法及装置 | |
CN112991308B (zh) | 一种图像质量的确定方法、装置、电子设备和介质 | |
CN115205163A (zh) | 一种标识图像的处理方法、装置、设备及存储介质 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN115187918B (zh) | 一种监控视频流中移动物体的识别方法及系统 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN114037865B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
KR20130036511A (ko) | 객체 영역의 유효성 판단 방법 및 장치, 객체 추출 방법 | |
CN114994671B (zh) | 基于雷达图像的目标检测方法、装置、设备及介质 | |
CN118191935A (zh) | 基于边缘检测的断层识别方法、装置、电子设备和介质 | |
CN116580296A (zh) | 一种道路积水区域的检测方法、装置、设备及存储介质 | |
CN118038552A (zh) | 一种蒙头行为检测方法、装置、电子设备及可读存储介质 | |
CN114581989A (zh) | 基于人工智能的图像实名化方法、装置及电子设备 |
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 |