TWI818824B - 用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法 - Google Patents
用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法 Download PDFInfo
- Publication number
- TWI818824B TWI818824B TW111146885A TW111146885A TWI818824B TW I818824 B TWI818824 B TW I818824B TW 111146885 A TW111146885 A TW 111146885A TW 111146885 A TW111146885 A TW 111146885A TW I818824 B TWI818824 B TW I818824B
- Authority
- TW
- Taiwan
- Prior art keywords
- point
- feature anchor
- candidate
- updated
- points
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 208000032443 Masked facies Diseases 0.000 claims description 49
- 210000004709 eyebrow Anatomy 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims description 4
- 230000000873 masking effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
提供一種用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法。所述方法包括:擷取包括人臉的遮蔽人臉影像;利用非遮蔽式人臉偵測技術獲得遮蔽人臉影像的待取代特徵錨點,利用遮蔽式人臉偵測技術獲得遮蔽人臉影像的多個候選特徵錨點,並且利用多個候選特徵錨點決定出對應於待取代特徵錨點的更新後特徵錨點;對三維模型執行調整操作以獲得調整後的三維模型;以及利用更新後特徵錨點以及調整後的三維模型計算人臉的擺動方向。
Description
本發明是有關於一種用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法。
目前,非遮蔽式人臉偵測技術可用來計算人臉的擺動方向,然而,當人臉被口罩、墨鏡或者帽子遮蔽時,非遮蔽式人臉偵測技術將無法正確地計算人臉的擺動方向。另一方面,遮蔽式人臉偵測技術雖然可用來偵測被遮蔽的人臉,但無法計算人臉的擺動方向。
本發明提供一種用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法,可正確地計算被遮蔽的人臉的擺動方向。
本發明的用於計算遮蔽人臉影像的人臉擺動方向的裝置包括影像擷取裝置、儲存媒體以及處理器。儲存媒體儲存三維模型。處理器耦接影像擷取裝置以及儲存媒體,其中處理器經配置以:通過影像擷取裝置擷取包括人臉的遮蔽人臉影像;利用非遮蔽式人臉偵測技術獲得遮蔽人臉影像的待取代特徵錨點,利用遮蔽式人臉偵測技術獲得遮蔽人臉影像的多個候選特徵錨點,並且利用多個候選特徵錨點決定出對應於待取代特徵錨點的更新後特徵錨點;對三維模型執行調整操作以獲得調整後的三維模型;以及利用更新後特徵錨點以及調整後的三維模型計算人臉的擺動方向。
本發明的用於計算遮蔽人臉影像的人臉擺動方向的方法包括:擷取包括人臉的遮蔽人臉影像;利用非遮蔽式人臉偵測技術獲得遮蔽人臉影像的待取代特徵錨點,利用遮蔽式人臉偵測技術獲得遮蔽人臉影像的多個候選特徵錨點,並且利用多個候選特徵錨點決定出對應於待取代特徵錨點的更新後特徵錨點;對三維模型執行調整操作以獲得調整後的三維模型;以及利用更新後特徵錨點以及調整後的三維模型計算人臉的擺動方向。
基於上述,本發明的用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法可針對遮蔽人臉影像,先利用非遮蔽式人臉偵測技術獲得待取代特徵錨點,接著,利用遮蔽式人臉偵測技術獲得多個候選特徵錨點,並且利用所述多個候選特徵錨點決定出對應於待取代特徵錨點的更新後特徵錨點。如此一來,可利用更新後特徵錨點以及三維模型計算人臉的擺動方向。進一步而言,本發明的用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法還可對三維模型執行調整操作以使三維模型具有左右對稱性,從而能夠正確地計算被遮蔽的人臉的擺動方向。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
圖1是根據本發明的一實施例繪示的用於計算遮蔽人臉影像的人臉擺動方向的裝置100的示意圖。裝置100可包括影像擷取裝置110、儲存媒體120以及處理器130。處理器130可耦接影像擷取裝置110以及儲存媒體120。在其他實施例中,裝置100還可包括耦接處理器130的輸出裝置140。
影像擷取裝置110例如是相機、攝影機或是其他適用於擷取影像的裝置。
儲存媒體120例如是任何型態的固定式或可移動式的隨機存取記憶體(random access memory,RAM)、唯讀記憶體(read-only memory,ROM)、快閃記憶體(flash memory)、硬碟(hard disk drive,HDD)、固態硬碟(solid state drive,SSD)或類似元件或上述元件的組合,而用於儲存可由處理器130執行的多個模組或各種應用程式。在本實施例中,儲存媒體120可儲存三維模型。後續實施例將對此進一步說明。
處理器130例如是中央處理單元(central processing unit,CPU),或是其他可程式化之一般用途或特殊用途的微控制單元(micro control unit,MCU)、微處理器(microprocessor)、數位信號處理器(digital signal processor,DSP)、可程式化控制器、特殊應用積體電路(application specific integrated circuit,ASIC)、圖形處理器(graphics processing unit,GPU)、影像訊號處理器(image signal processor,ISP)、影像處理單元(image processing unit,IPU)、算數邏輯單元(arithmetic logic unit,ALU)、複雜可程式邏輯裝置(complex programmable logic device,CPLD)、現場可程式化邏輯閘陣列(field programmable gate array,FPGA)或其他類似元件或上述元件的組合。處理器130可存取和執行儲存於儲存媒體120中的多個模組和各種應用程式。
輸出裝置140用以輸出處理器130所計算出的人臉的擺動方向。輸出裝置140例如是顯示器。
圖2是根據本發明的一實施例繪示的用於計算遮蔽人臉影像的人臉擺動方向的方法的流程圖。請同時參照圖1及圖2,本實施例的方法適用於圖1的裝置100,以下即搭配裝置100的各項元件說明本發明的用於計算遮蔽人臉影像的人臉擺動方向的方法的詳細步驟。
在步驟S210中,處理器130可通過影像擷取裝置110擷取包括人臉的遮蔽人臉影像。詳細而言,在本實施例中,遮蔽人臉影像中的人臉例如是被口罩、墨鏡或者帽子遮蔽。在一實施例中,遮蔽人臉影像可包括彩色影像以及紅外線影像。
在步驟S220中,處理器130可利用非遮蔽式人臉偵測技術獲得遮蔽人臉影像的待取代特徵錨點,利用遮蔽式人臉偵測技術獲得遮蔽人臉影像的多個候選特徵錨點,並且利用多個候選特徵錨點決定出對應於待取代特徵錨點的更新後特徵錨點。在此需先說明的是,本發明不限制待取代特徵錨點及/或所述多個候選特徵錨點的數量。為了方便說明,以下將以待取代特徵錨點的數量為68個,且所述多個候選特徵錨點的數量為468個為例來說明。
在一實施例中,所述多個候選特徵錨點的每一者可對應於權重值,且所述多個候選特徵錨點的每一者可對應於候選座標。處理器130可利用權重值以及候選座標計算更新後特徵錨點的更新後座標。舉例來說,處理器130可根據下述公式1及公式2以利用所述468個候選特徵錨點的候選座標以及權重值決定出,與所述68個待取代特徵錨點分別對應的,68個更新後特徵錨點的X軸座標
以及Y軸座標
。值得說明的是,如公式3所示,此468個候選特徵錨點的權重值的總和為1,換言之,所述468個候選特徵錨點的權重值可為正值、負值或0。
… (公式1)
… (公式2)
… (公式3)
其中,
為第i個候選特徵錨點的權重值,
為第i個候選特徵錨點的候選X軸座標,
為第i個候選特徵錨點的候選Y軸座標,i的值為1、2、…直到468。其中,j的值為0、1、2、…直到67。
在一實施例中,處理器130可從所述多個候選特徵錨點中取得M個候選特徵錨點,且所述M個候選特徵錨點的每一者與待取代特徵錨點的距離小於距離門檻值。然後,處理器130可利用所述M個候選特徵錨點的每一者的權重值以及候選座標計算更新後座標,其中M為不為零的自然數。以下將繼續說明。
圖3是根據本發明的一實施例繪示的利用候選特徵錨點來計算更新後座標的示意圖。請同時參照圖1及圖3。當處理器130要決定對應於待取代特徵錨點P
0的更新後特徵錨點時,為了計算此更新後特徵錨點的更新後座標,處理器130可從所述468個候選特徵錨點中選出,距離待取代特徵錨點P
0較近的候選特徵錨點C
127、候選特徵錨點C
139、候選特徵錨點C
162、候選特徵錨點C
34以及候選特徵錨點C
156(即本實施例的M為5)。換言之,由於圖3所示的候選特徵錨點C
21、候選特徵錨點C
71、候選特徵錨點C
70、候選特徵錨點C
124以及候選特徵錨點C
143與待取代特徵錨點P
0的距離大於預設的距離門檻值,處理器130可不考慮候選特徵錨點C
21、候選特徵錨點C
71、候選特徵錨點C
70、候選特徵錨點C
124以及候選特徵錨點C
143的權重值以及候選座標。
接著,處理器130可根據下述公式4及公式5以利用候選特徵錨點C
127、候選特徵錨點C
139、候選特徵錨點C
162、候選特徵錨點C
34以及候選特徵錨點C
156的權重值以及候選座標計算此更新後特徵錨點的更新後座標。詳細而言,更新後座標可包括更新後X軸座標
以及更新後Y軸座標
。
… (公式4)
… (公式5)
其中,
為候選特徵錨點C
127的候選X軸座標,
為候選特徵錨點C
139的候選X軸座標,
為候選特徵錨點C
162的候選X軸座標,
為候選特徵錨點C
34的候選X軸座標,
為候選特徵錨點C
156的候選X軸座標。其中,
為候選特徵錨點C
127的候選Y軸座標,
為候選特徵錨點C
139的候選Y軸座標,
為候選特徵錨點C
162的候選Y軸座標,
為候選特徵錨點C
34的候選Y軸座標,
為候選特徵錨點C
156的候選Y軸座標。
在一實施例中,所述M個候選特徵錨點可包括第一候選特徵錨點以及第二候選特徵錨點,其中第一候選特徵錨點對應於第一權重值,且第二候選特徵錨點對應於第二權重值,其中第一候選特徵錨點與待取代特徵錨點的距離為第一距離,且第二候選特徵錨點與待取代特徵錨點的距離為第二距離,其中第一權重值可關聯於第一距離以及第二距離,且第二權重值可關聯於第一距離以及第二距離。以下將繼續說明。
圖4是根據本發明的一實施例繪示的候選特徵錨點的權重值和距離的示意圖。請同時參照圖1及圖4。如圖4所示,假設處理器130從所述468個候選特徵錨點中選出候選特徵錨點C
127、候選特徵錨點C
34、候選特徵錨點C
139以及候選特徵錨點C
162(即本實施例的M為4),且假設候選特徵錨點C
127與待取代特徵錨點P
0的距離為R
127,候選特徵錨點C
34與待取代特徵錨點P
0的距離為R
34,候選特徵錨點C
139與待取代特徵錨點P
0的距離為R
139,候選特徵錨點C
162與待取代特徵錨點P
0的距離為R
162。當處理器130要決定對應於待取代特徵錨點P
0的更新後特徵錨點時,為了計算此更新後特徵錨點的更新後座標,處理器130可先利用下述公式6~9決定出候選特徵錨點C
127的權重值
、候選特徵錨點C
139的權重值
、候選特徵錨點C
162的權重值
以及候選特徵錨點C
34的權重值
。換言之,此4個候選特徵錨點的各權重值彼此之間的比例可以是,與待取代特徵錨點P
0的距離的倒數。
… (公式6)
… (公式7)
… (公式8)
… (公式9)
在其他實施例中,候選特徵錨點的權重值可以是固定值。舉例來說,承前述圖4及其實施例,候選特徵錨點C
127的權重值
、候選特徵錨點C
139的權重值
、候選特徵錨點C
162的權重值
以及候選特徵錨點C
34的權重值
可依序為64%、27%、8%以及1%,然而本發明不限於此。
在一實施例中,所述M可為1。換言之,為了計算更新後特徵錨點的更新後座標,處理器130可從所述468個候選特徵錨點中選出,距離待取代特徵錨點P
0「最近」的(1個)候選特徵錨點。接著,處理器130可利用此候選特徵錨點的權重值以及候選座標計算更新後特徵錨點的更新後座標。需說明的是,由於此時的候選特徵錨點僅有1個,故處理器130可將其權重值設置為100%。也就是說,處理器130可將此(1個)候選特徵錨點的候選座標直接做為(更新後特徵錨點的)更新後座標。
圖5是根據本發明的一實施例繪示的待取代特徵錨點與更新後特徵錨點的對應關係的示意圖。請同時參照圖1、圖3、圖4及圖5。在本實施例中,假設所述M為1。換言之,如前述實施例所說明的,針對每一個待取代特徵錨點,處理器130可找出距離此待取代特徵錨點「最近」的(1個)候選特徵錨點,並且將此(1個)候選特徵錨點的候選座標直接做為(更新後特徵錨點的)更新後座標。舉例來說,如圖5所示,針對待取代特徵錨點P
0,處理器130可將離待取代特徵錨點P
0最近的候選特徵錨點C
127的候選座標直接做為(更新後特徵錨點的)更新後座標。相似地,針對待取代特徵錨點P
1,處理器130可將離待取代特徵錨點P
1最近的候選特徵錨點C
227的候選座標直接做為(更新後特徵錨點的)更新後座標。依此類推,處理器130可對所有待取代特徵錨點分別執行同樣操作,以得出如圖5所示的對應關係。
請回到圖2。在步驟S230中,處理器130可對三維模型執行調整操作以獲得調整後的三維模型。
圖6是根據本發明的一實施例繪示的三維模型點位的示意圖。圖7是圖6所示的三維模型的中心軸點位以及相對於中心軸的相對點位的示意圖。請同時參照圖1、圖6及圖7。在本實施例中,所述三維模型可包括多個點位。詳細而言,如圖6所示,人臉的三維模型可包括點位M
0、點位M
1、…直到點位M
67等68個點位。進一步而言,所述多個點位可包括基準點位以及多個其餘點位。處理器130可根據基準點位的基準座標計算所述多個其餘點位的每一者的座標。舉例來說,處理器130可將點位M
27(即人臉的眉心)設置為基準點位,並且將點位M
27的座標平移至(0,0,0)。然後,處理器130可依據公式10、公式11以及公式12分別計算其餘67個點位的X軸座標、Y軸座標以及Z軸座標。
… (公式10)
… (公式11)
… (公式12)
其中,
為點位M
27未平移前的原始X軸座標,
為點位M
27未平移前的原始Y軸座標,
為點位M
27未平移前的原始Z軸座標。其中,
為所述68個點位中除了點位M
27以外的各點位的原始X軸座標,
為所述68個點位中除了點位M
27以外的各點位的更新X軸座標,
為所述68個點位中除了點位M
27以外的各點位的原始Y軸座標,
為所述68個點位中除了點位M
27以外的各點位的更新Y軸座標,
為所述68個點位中除了點位M
27以外的各點位的原始Z軸座標,
為所述68個點位中除了點位M
27以外的各點位的更新Z軸座標,其中j的值為0、1、2、…直到26、28、29、…直到67(即,j不為27)。
在一實施例中,所述多個點位可包括中心軸點位以及非中心軸點位。處理器130可將中心軸點位的更新X軸座標設置為0。舉例來說,如圖6及圖7所示,中心軸點位可包括點位M
8、點位M
27、點位M
28、點位M
29、點位M
30、點位M
33、點位M
51、點位M
57、點位M
62以及點位M
66。處理器130可根據公式13將中心軸點位的更新X軸座標設置為0。也就是說,中心軸點位的Y軸座標以及Z軸座標將保持不變。
… (公式13)
其中,
為點位M
8的更新X軸座標,
為點位M
27的更新X軸座標,
為點位M
28的更新X軸座標,
為點位M
29的更新X軸座標,
為點位M
30的更新X軸座標,
為點位M
33的更新X軸座標,
為點位M
51的更新X軸座標,
為點位M
57的更新X軸座標,
為點位M
62的更新X軸座標,
為點位M
66的更新X軸座標。
進一步而言,所述非中心軸點位可包括第一點位以及第二點位,且所述第一點位以及所述第二點位相對於三維模型的中心軸。處理器130可利用所述第一點位的原始座標以及所述第二點位的原始座標計算所述第一點位的更新座標,並且計算所述第二點位的更新座標。詳細而言,如圖6及圖7所示,在各非中心軸點位之中,點位M
0以及點位M
16是相對於三維模型的中心軸。處理器130可利用點位M
0的原始座標以及點位M
16的原始座標計算點位M
0的更新座標,且可利用點位M
0的原始座標以及點位M
16的原始座標計算點位M
16的更新座標。舉例來說,處理器130可利用公式14計算點位M
0的更新Y軸座標以及點位M
16的更新Y軸座標。然後,處理器130可利用公式15計算點位M
0的更新Z軸座標以及點位M
16的更新Z軸座標。
… (公式14)
其中,
為點位M
0的更新Y軸座標,
為點位M
16的更新Y軸座標,
為點位M
0的原始Y軸座標,
為點位M
16的原始Y軸座標。
… (公式15)
其中,
為點位M
0的更新Z軸座標,
為點位M
16的更新Z軸座標,
為點位M
0的原始Z軸座標,
為點位M
16的原始Z軸座標。
接著,處理器130可利用公式16以及公式17計算點位M
0的更新X軸座標以及點位M
16的更新X軸座標。換言之,點位M
0的更新X軸座標以及點位M
16的更新X軸座標的總和為0。
… (公式16)
… (公式17)
其中,
為點位M
0的更新X軸座標,
為點位M
16的更新X軸座標,
為點位M
0的原始X軸座標,
為點位M
16的原始X軸座標。
在對如圖6所示的三維模型的各點位執行如上述公式10~17的調整操作之後,調整後的三維模型將可具有左右對稱性。
請回到圖2。在步驟S240中,處理器130可利用更新後特徵錨點以及調整後的三維模型計算人臉的擺動方向。詳細而言,處理器130可利用步驟S220中所決定出的各更新後特徵錨點(例如圖5所示的68個更新後特徵錨點),以及步驟S230所獲得的調整後的三維模型(例如包括68個點位),來執行三維姿態計算。所述三維姿態計算例如slovePnP技術,然而本發明不限於此。接著,處理器130可利用旋轉向量技術、旋轉向量與旋轉矩陣的轉換技術(例如Rodrigues技術)、旋轉矩陣技術以及反三角函數技術,計算出人臉的擺動方向,然而本發明不限於此。
在一實施例中,所述更新後特徵錨點可對應於人臉的眉心。處理器130可將所述更新後特徵錨點平移至遮蔽人臉影像的中心位置。以下將繼續說明。
圖8是根據本發明的一實施例繪示的平移更新後特徵錨點至遮蔽人臉影像的中心位置的示意圖。請同時參照圖1、圖5及圖8。在此假設待取代特徵錨點P
27是人臉的眉心。由於處理器130在前述步驟S220中已決定出,對應於待取代特徵錨點P
27的更新後特徵錨點C
168,處理器130可如圖8所示將更新後特徵錨點C
168平移至遮蔽人臉影像的中心位置。接著,處理器130可將圖5所示的其餘67個更新後特徵錨點也隨著更新後特徵錨點C
168平移,以利用平移後的各更新後特徵錨點的座標來計算人臉的擺動方向。基此,不論人臉在遮蔽人臉影像的哪一個位置,本發明都可以計算出正確的人臉的擺動方向。
在一實施例中,所述擺動方向可包括在第一時間點的第一擺動方向,且可包括在第二時間點的第二擺動方向。處理器130可利用移動平均演算法來通過輸出裝置140顯示第一擺動方向以及第二擺動方向。
圖9是根據本發明的一實施例繪示的擺動方向的示意圖。請同時參照圖1及圖9。在此需先說明的是,本實施例的擺動方向是以偏離角(yaw)為例,然而本發明不限於此。如圖9所示,針對遮蔽人臉影像的在不同時間點的多個連續幀(Frame),在對此些連續幀分別執行了上述圖2所示的步驟S210~步驟S240之後,處理器130可利用移動平均演算法來通過輸出裝置140分別顯示不同時間點的擺動方向,藉此,可平滑化所顯示的擺動方向。
綜上所述,本發明的用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法可針對遮蔽人臉影像,先利用非遮蔽式人臉偵測技術獲得待取代特徵錨點,接著,利用遮蔽式人臉偵測技術獲得多個候選特徵錨點,並且利用所述多個候選特徵錨點決定出對應於待取代特徵錨點的更新後特徵錨點。如此一來,可利用更新後特徵錨點以及三維模型計算人臉的擺動方向。進一步而言,本發明的用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法還可對三維模型執行調整操作以使三維模型具有左右對稱性,從而能夠正確地計算被遮蔽的人臉的擺動方向。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
100:用於計算遮蔽人臉影像的人臉擺動方向的裝置
110:影像擷取裝置
120:儲存媒體
130:處理器
140:輸出裝置
S210、S220、S230、S240:步驟
P
0:待取代特徵錨點
C
127、C
139、C
162、C
34、C
156、C
21、C
71、C
70、C
124、C
143、C
168:候選特徵錨點
R
127、R
34、R
139、R
162:距離
M
0~ M
67:點位
圖1是根據本發明的一實施例繪示的用於計算遮蔽人臉影像的人臉擺動方向的裝置的示意圖。
圖2是根據本發明的一實施例繪示的用於計算遮蔽人臉影像的人臉擺動方向的方法的流程圖。
圖3是根據本發明的一實施例繪示的利用候選特徵錨點來計算更新後座標的示意圖。
圖4是根據本發明的一實施例繪示的候選特徵錨點的權重值和距離的示意圖。
圖5是根據本發明的一實施例繪示的待取代特徵錨點與更新後特徵錨點的對應關係的示意圖。
圖6是根據本發明的一實施例繪示的三維模型點位的示意圖。
圖7是圖6所示的三維模型的中心軸點位以及相對於中心軸的相對點位的示意圖。
圖8是根據本發明的一實施例繪示的平移更新後特徵錨點至遮蔽人臉影像的中心位置的示意圖。
圖9是根據本發明的一實施例繪示的人臉擺動方向的示意圖。
S210、S220、S230、S240:步驟
Claims (18)
- 一種用於計算遮蔽人臉影像的人臉擺動方向的裝置,包括:影像擷取裝置;儲存媒體,儲存三維模型;以及處理器,耦接所述影像擷取裝置以及所述儲存媒體,其中所述處理器經配置以:通過所述影像擷取裝置擷取包括人臉的遮蔽人臉影像;利用非遮蔽式人臉偵測技術獲得所述遮蔽人臉影像的待取代特徵錨點,利用遮蔽式人臉偵測技術獲得所述遮蔽人臉影像的多個候選特徵錨點,並且利用所述多個候選特徵錨點決定出對應於所述待取代特徵錨點的更新後特徵錨點;對所述三維模型執行調整操作以獲得調整後的所述三維模型;以及利用所述更新後特徵錨點以及調整後的所述三維模型計算所述人臉的擺動方向,其中所述多個候選特徵錨點的每一者對應於權重值,且所述多個候選特徵錨點的每一者對應於候選座標,其中所述處理器更經配置以:利用所述權重值以及所述候選座標計算所述更新後特徵錨點的更新後座標。
- 如請求項1所述的裝置,其中所述處理器更經配置以:從所述多個候選特徵錨點中取得M個候選特徵錨點,且所述M個候選特徵錨點的每一者與所述待取代特徵錨點的距離小於距離門檻值;以及利用所述M個候選特徵錨點的每一者的所述權重值以及所述候選座標計算所述更新後座標,其中所述M為不為零的自然數。
- 如請求項2所述的裝置,其中所述M個候選特徵錨點包括第一候選特徵錨點以及第二候選特徵錨點,其中所述第一候選特徵錨點對應於第一權重值,且所述第二候選特徵錨點對應於第二權重值,其中所述第一候選特徵錨點與所述待取代特徵錨點的距離為第一距離,且所述第二候選特徵錨點與所述待取代特徵錨點的距離為第二距離,其中所述第一權重值關聯於所述第一距離以及所述第二距離,且所述第二權重值關聯於所述第一距離以及所述第二距離。
- 如請求項2所述的裝置,其中所述M為1。
- 如請求項1所述的裝置,其中所述三維模型包括多個點位,且所述多個點位包括基準點位以及多個其餘點位,其中所述處理器更經配置以:根據所述基準點位的基準座標計算所述多個其餘點位的每一者的座標。
- 如請求項5所述的裝置,其中所述多個點位包括中心軸點位以及非中心軸點位,其中所述非中心軸點位包括第一點位以及第二點位,且所述第一點位以及所述第二點位相對於所述三維模型的中心軸,其中所述處理器更經配置以:將所述中心軸點位的更新X軸座標設置為0;以及利用所述第一點位的原始座標以及所述第二點位的原始座標計算所述第一點位的更新座標,並且計算所述第二點位的更新座標。
- 如請求項1所述的裝置,其中所述更新後特徵錨點對應於所述人臉的眉心,其中所述處理器更經配置以:將所述更新後特徵錨點平移至所述遮蔽人臉影像的中心位置。
- 如請求項1所述的裝置,更包括耦接所述處理器的輸出裝置,其中所述擺動方向包括在第一時間點的第一擺動方向,且包括在第二時間點的第二擺動方向,其中所述處理器更經配置以:利用移動平均演算法來通過所述輸出裝置顯示所述第一擺動方向以及所述第二擺動方向。
- 如請求項1所述的裝置,其中所述遮蔽人臉影像包括彩色影像以及紅外線影像。
- 一種用於計算遮蔽人臉影像的人臉擺動方向的方法,包括:擷取包括人臉的遮蔽人臉影像;利用非遮蔽式人臉偵測技術獲得所述遮蔽人臉影像的待取代 特徵錨點,利用遮蔽式人臉偵測技術獲得所述遮蔽人臉影像的多個候選特徵錨點,並且利用所述多個候選特徵錨點決定出對應於所述待取代特徵錨點的更新後特徵錨點;對所述三維模型執行調整操作以獲得調整後的所述三維模型;以及利用所述更新後特徵錨點以及調整後的所述三維模型計算所述人臉的擺動方向,其中所述多個候選特徵錨點的每一者對應於權重值,且所述多個候選特徵錨點的每一者對應於候選座標,其中利用所述多個候選特徵錨點決定出對應於所述待取代特徵錨點的所述更新後特徵錨點的步驟包括:利用所述權重值以及所述候選座標計算所述更新後特徵錨點的更新後座標。
- 如請求項10所述的方法,其中利用所述權重值以及所述候選座標計算所述更新後特徵錨點的所述更新後座標的步驟包括:從所述多個候選特徵錨點中取得M個候選特徵錨點,且所述M個候選特徵錨點的每一者與所述待取代特徵錨點的距離小於距離門檻值;以及利用所述M個候選特徵錨點的每一者的所述權重值以及所述候選座標計算所述更新後座標,其中所述M為不為零的自然數。
- 如請求項11所述的方法,其中所述M個候選特徵錨點包括第一候選特徵錨點以及第二候選特徵錨點,其中所述第一候選特徵錨點對應於第一權重值,且所述第二候選特徵錨點對應於第二權重值,其中所述第一候選特徵錨點與所述待取代特徵錨點的距離為第一距離,且所述第二候選特徵錨點與所述待取代特徵錨點的距離為第二距離,其中所述第一權重值關聯於所述第一距離以及所述第二距離,且所述第二權重值關聯於所述第一距離以及所述第二距離。
- 如請求項11所述的方法,其中所述M為1。
- 如請求項10所述的方法,其中所述三維模型包括多個點位,且所述多個點位包括基準點位以及多個其餘點位,其中對所述三維模型執行調整操作以獲得調整後的所述三維模型的步驟包括:根據所述基準點位的基準座標計算所述多個其餘點位的每一者的座標。
- 如請求項14所述的方法,其中所述多個點位包括中心軸點位以及非中心軸點位,其中所述非中心軸點位包括第一點位以及第二點位,且所述第一點位以及所述第二點位相對於所述三維模型的中心軸,其中對所述三維模型執行調整操作以獲得調整後的所述三維模型的步驟更包括:將所述中心軸點位的更新X軸座標設置為0;以及利用所述第一點位的原始座標以及所述第二點位的原始座標 計算所述第一點位的更新座標,並且計算所述第二點位的更新座標。
- 如請求項10所述的方法,其中所述更新後特徵錨點對應於所述人臉的眉心,其中利用所述更新後特徵錨點以及調整後的所述三維模型計算所述人臉的所述擺動方向的步驟包括:將所述更新後特徵錨點平移至所述遮蔽人臉影像的中心位置。
- 如請求項10所述的方法,其中所述擺動方向包括在第一時間點的第一擺動方向,且包括在第二時間點的第二擺動方向,其中所述方法更包括:利用移動平均演算法來顯示所述第一擺動方向以及所述第二擺動方向。
- 如請求項10所述的方法,其中所述遮蔽人臉影像包括彩色影像以及紅外線影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111146885A TWI818824B (zh) | 2022-12-07 | 2022-12-07 | 用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111146885A TWI818824B (zh) | 2022-12-07 | 2022-12-07 | 用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWI818824B true TWI818824B (zh) | 2023-10-11 |
Family
ID=89857671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111146885A TWI818824B (zh) | 2022-12-07 | 2022-12-07 | 用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI818824B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10331942B2 (en) * | 2017-05-31 | 2019-06-25 | Facebook, Inc. | Face liveness detection |
CN108319953B (zh) * | 2017-07-27 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 目标对象的遮挡检测方法及装置、电子设备及存储介质 |
CN111274916A (zh) * | 2020-01-16 | 2020-06-12 | 华为技术有限公司 | 人脸识别方法和人脸识别装置 |
CN111582238A (zh) * | 2020-05-28 | 2020-08-25 | 上海依图网络科技有限公司 | 一种应用于人脸遮挡场景的活体检测方法及装置 |
US10891511B1 (en) * | 2018-09-30 | 2021-01-12 | Plex-Vr Digital Technology (Shanghai) Co., Ltd. | Human hairstyle generation method based on multi-feature retrieval and deformation |
WO2022077139A1 (zh) * | 2020-10-12 | 2022-04-21 | 鸿富锦精密工业(武汉)有限公司 | 人脸识别方法、装置及可读存储介质 |
TW202217611A (zh) * | 2020-10-15 | 2022-05-01 | 義隆電子股份有限公司 | 身份驗證方法 |
-
2022
- 2022-12-07 TW TW111146885A patent/TWI818824B/zh active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10331942B2 (en) * | 2017-05-31 | 2019-06-25 | Facebook, Inc. | Face liveness detection |
CN108319953B (zh) * | 2017-07-27 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 目标对象的遮挡检测方法及装置、电子设备及存储介质 |
US10891511B1 (en) * | 2018-09-30 | 2021-01-12 | Plex-Vr Digital Technology (Shanghai) Co., Ltd. | Human hairstyle generation method based on multi-feature retrieval and deformation |
CN111274916A (zh) * | 2020-01-16 | 2020-06-12 | 华为技术有限公司 | 人脸识别方法和人脸识别装置 |
CN111582238A (zh) * | 2020-05-28 | 2020-08-25 | 上海依图网络科技有限公司 | 一种应用于人脸遮挡场景的活体检测方法及装置 |
WO2022077139A1 (zh) * | 2020-10-12 | 2022-04-21 | 鸿富锦精密工业(武汉)有限公司 | 人脸识别方法、装置及可读存储介质 |
TW202217611A (zh) * | 2020-10-15 | 2022-05-01 | 義隆電子股份有限公司 | 身份驗證方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10691923B2 (en) | Face anti-spoofing using spatial and temporal convolutional neural network analysis | |
CN109523581B (zh) | 一种三维点云对齐的方法和装置 | |
WO2019179200A1 (zh) | 多目相机的三维重建方法、vr相机和全景相机 | |
WO2016065632A1 (zh) | 一种图像处理方法和设备 | |
JP6793151B2 (ja) | オブジェクトトラッキング装置、オブジェクトトラッキング方法およびオブジェクトトラッキングプログラム | |
WO2017143745A1 (zh) | 一种确定待测对象的运动信息的方法及装置 | |
JP7427188B2 (ja) | 3dポーズ取得方法及び装置 | |
WO2021208486A1 (zh) | 一种相机坐标变换方法、终端以及存储介质 | |
JP2012185772A (ja) | 非固定ズームカメラを用いた自由視点映像の合成画質高精度化方法およびプログラム | |
JP6594170B2 (ja) | 画像処理装置、画像処理方法、画像投影システムおよびプログラム | |
US11288543B1 (en) | Systems and methods for depth refinement using machine learning | |
JP2013066164A (ja) | 画像処理装置、および画像処理方法、並びにプログラム | |
WO2021244161A1 (zh) | 基于多目全景图像的模型生成方法及装置 | |
JP2019197311A (ja) | 学習方法、学習プログラム、および学習装置 | |
CN110807833A (zh) | 一种网状拓扑获得方法、装置、电子设备及存储介质 | |
US10791321B2 (en) | Constructing a user's face model using particle filters | |
US20220319041A1 (en) | Egocentric pose estimation from human vision span | |
TWI818824B (zh) | 用於計算遮蔽人臉影像的人臉擺動方向的裝置及方法 | |
CN115049738A (zh) | 人与相机之间距离的估计方法及系统 | |
El Habchi et al. | Social distance monitoring using YoloV4 on aerial drone images | |
WO2018214492A1 (zh) | 用户体验数据的处理方法、装置、电子设备和计算机存储介质 | |
JP5559749B2 (ja) | 位置検出装置、位置検出方法及びコンピュータプログラム | |
CN118155255A (zh) | 用于计算遮蔽人脸图像的人脸摆动方向的装置及方法 | |
TWI817540B (zh) | 深度圖像獲取方法、電子設備及計算機可讀存儲媒體 | |
Ma et al. | A lighting robust fitting approach of 3D morphable model using spherical harmonic illumination |