CN109035246B - 一种人脸的图像选择方法及装置 - Google Patents
一种人脸的图像选择方法及装置 Download PDFInfo
- Publication number
- CN109035246B CN109035246B CN201810962203.7A CN201810962203A CN109035246B CN 109035246 B CN109035246 B CN 109035246B CN 201810962203 A CN201810962203 A CN 201810962203A CN 109035246 B CN109035246 B CN 109035246B
- Authority
- CN
- China
- Prior art keywords
- image
- face
- stored
- sequence
- score
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
-
- 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
- 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
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种人脸的图像选择方法及装置,所述方法包括:获取视频流的当前图像帧中存在的每张人脸的第一图像,确定表示每张第一图像人脸质量的第一质量分值;针对从当前图像帧中获取的每张第一图像对应的人脸,在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,将获取质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存;并在获取到该人脸的图像的总次数大于该人脸对应的次数阈值,且该人脸的第二图像的获取顺序小于该人脸对应的顺序阈值时,将该人脸的第二图像作为目标图像输出。用以提供一种快速高效的人脸的图像选择方案。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种人脸的图像选择方法及装置。
背景技术
随着经济的飞速发展,科学技术的不断创新,人脸识别技术已经广泛的应用于门禁系统、卡口系统、信息采集系统等,给人们的生产生活带来了巨大的便利。但是在人脸识别过程中,因人脸的图像的质量原因,很容易出现识别不出来或者识别存在误差的情况,因此如何选择一张高质量的人脸的图像用于人脸识别成为一个重要的问题。
现有技术在进行人脸的图像选择时,通常是以人脸的清晰度作为选择指标,针对视频流的图像帧中出现的每张人脸,确定视频流的图像帧中出现的该人脸的每张图像的清晰度,直至视频流的图像帧中不再出现该人脸的图像,输出该人脸的清晰度最高的图像,然而该人脸的图像选择方法处理速度慢、时延较长,不适用在如卡口系统、门禁系统等实时性要求高的场景,此外,如果视频流中出现的人脸较多也会造成缓存的占用量过高,造成缓存压力过大的问题。
发明内容
本发明提供一种人脸的图像选择方法及装置,用以解决现有技术中在人脸的图像选择时,处理速度慢、时延较长、缓存的占用量过高的问题。
本发明公开了一种人脸的图像选择方法,所述方法包括:
获取视频流的当前图像帧中存在的每张人脸的第一图像,并确定表示每张第一图像人脸质量的第一质量分值;
针对从当前图像帧中获取的每张第一图像对应的人脸,在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,并将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存;
针对从当前图像帧中获取的每张第一图像对应的人脸,判断获取到该人脸的图像的总次数是否大于该人脸对应的次数阈值;如果是,判断该人脸的第二图像的获取顺序是否小于该人脸对应的顺序阈值,如果该人脸的第二图像的获取顺序小于该人脸对应的顺序阈值,将该人脸的第二图像作为该人脸的目标图像输出。
进一步地,所述在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,并将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存包括:
判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值;
如果是,将该人脸的第一图像作为第二图像对保存的该人脸的第二图像进行更新,并根据获取该人脸的第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,对保存的该人脸的第二图像的获取顺序进行更新。
进一步地,所述判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值之前,所述方法还包括:
判断是否保存有该人脸的第二图像;
如果是,进行后续步骤;如果否,将该人脸的第一图像作为该人脸的第二图像保存,并将获取所述第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序保存。
进一步地,如果该人脸的第二图像的获取顺序不小于该人脸对应的顺序阈值,所述方法还包括:
按照预设的阈值增大规则,对该人脸对应的次数阈值和顺序阈值进行更新。
进一步地,如果在当前图像帧中未获取到保存的第二图像对应的人脸的第一图像,所述方法还包括:
将所述第二图像作为目标图像输出。
进一步地,所述方法还包括:
将输出的目标图像对应的人脸标记为已选择。
进一步地,所述获取视频流的当前图像帧中存在的每张人脸的第一图像包括:
识别视频流当前图像帧中存在的每张人脸,并针对当前图像帧中存在的每张人脸,判断该人脸是否被标记为已选择;
如果否,获取该人脸的第一图像。
进一步地,所述确定表示每张第一图像人脸质量的第一质量分值包括:
针对每张第一图像,确定该第一图像的人脸角度评分、人脸清晰度评分、人脸尺寸评分;并根据所述人脸角度评分、人脸清晰度评分、人脸尺寸评分及预设的角度权重值、清晰度权重值、尺寸权重值确定该第一图像的第一质量分值。
本发明公开了一种人脸的图像选择装置,所述装置包括:
获取确定模块,用于获取视频流的当前图像帧中存在的每张人脸的第一图像,并确定表示每张第一图像人脸质量的第一质量分值;
选取存储模块,用于针对从当前图像帧中获取的每张第一图像对应的人脸,在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,并将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存;
判断输出模块,用于针对从当前图像帧中获取的每张第一图像对应的人脸,判断获取到该人脸的图像的总次数是否大于该人脸对应的次数阈值;如果是,判断该人脸的第二图像的获取顺序是否小于该人脸对应的顺序阈值,如果该人脸的第二图像的获取顺序小于所述顺序阈值,将该人脸的第二图像作为该人脸的目标图像输出。
进一步地,所述选取存储模块,具体用于判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值;如果是,将该人脸的第一图像作为第二图像对保存的该人脸的第二图像进行更新,并根据获取该人脸的第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,对保存的该人脸的第二图像的获取顺序进行更新。
进一步地,所述选取存储模块,还用于判断是否保存有该人脸的第二图像;如果是,进行判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值的步骤;如果否,将该人脸的第一图像作为该人脸的第二图像保存,并将获取所述第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序保存。
进一步地,所述装置还包括:
更新模块,用于如果该人脸的第二图像的获取顺序不小于该人脸对应的顺序阈值,按照预设的阈值增大规则,对该人脸对应的次数阈值和顺序阈值进行更新。
进一步地,所述判断输出模块,还用于如果在当前图像帧中未获取到保存的第二图像对应的人脸的第一图像,将所述第二图像作为目标图像输出。
进一步地,所述装置还包括:
标记模块,用于将输出的目标图像对应的人脸标记为已选择。
进一步地,所述获取确定模块,具体用于识别视频流当前图像帧中存在的每张人脸,并针对当前图像帧中存在的每张人脸,判断该人脸是否被标记为已选择;如果否,获取该人脸的第一图像。
进一步地,所述获取确定模块,具体用于针对每张第一图像,确定该第一图像的人脸角度评分、人脸清晰度评分、人脸尺寸评分;并根据所述人脸角度评分、人脸清晰度评分、人脸尺寸评分及预设的角度权重值、清晰度权重值、尺寸权重值确定该第一图像的第一质量分值。
本发明有益效果如下:
由于在本发明实施例中,针对从当前图像帧中获取的每张第一图像对应的人脸,在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存,并在获取该人脸的图像的总次数大于该人脸对应的次数阈值,且该人脸的第二图像的获取顺序小于该人脸对应的顺序阈值时,确定在视频流中顺序阈值对应的图像帧之后,该人脸的图像的人脸质量呈下降趋势,无需再对该人脸的图像进行选择,将该人脸的第二图像作为目标图像输出,提高了处理速度、减小时延和缓存占用量,提高了用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明实施例提供的一种人脸的图像选择过程示意图;
图2为本发明实施例提供的一种人脸的图像选择过程示意图;
图3为本发明实施例提供的一种人脸的图像选择装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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,都属于本发明保护的范围。
实施例1:
图1为本发明实施例提供的一种人脸的图像选择过程示意图,该过程包括:
S101:获取视频流的当前图像帧中存在的每张人脸的第一图像,并确定表示每张第一图像人脸质量的第一质量分值。
本发明实施例提供的人脸的图像选择方法应用于电子设备,该电子设备可以为图像采集设备,如摄像机、照相机等,也可以是手机、个人电脑(PC)、平板电脑等设备。
具体的,电子获取视频流的当前图像帧,并通过人脸检测算法,如基于直方图粗分割和奇异值特征的人脸检测算法、基于二进小波变换的人脸检测算法等,检测当前图像帧中存在的每张人脸,确定每张人脸的第一图像。较佳的,电子设备还可以运用图像跟踪算法,为在视频流中出现的每张人脸赋予一个唯一标识值,如ID值,并为从视频流的不同图像帧中获取的该人脸的不同图像,均用该人脸的标识值标识,便于对同一人脸在视频流的不同图像帧中获取的图像进行识别。
另外,电子设备在获取视频流的当前图像帧中存在的每张人脸的第一图像后,确定表示每张第一图像人脸质量的第一质量分值。具体的,电子设备中可以保存有预先训练完成的打分模型,并在对打分模型训练时,电子设备也是根据每张人脸的样本图像对应的质量分值,对打分模型进行训练完成的,训练完成的打分模型可以根据输入的图像,确定表示该图像的人脸质量的质量分值。
此外,在本发明实施例中,电子设备可以实时获取视频流的当前图像帧;当然了,为节约电子设备的处理资源,电子设备也可以按照设定的周期获取视频流的当前图像帧,其中设定的周期可以为0.1s、0.2s等。
S102:针对从当前图像帧中获取的每张第一图像对应的人脸,在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,并将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存。
具体的,电子设备针对从当前图像帧中获取的每张第一图像对应的人脸,根据该人脸的第一图像的第一质量分值和电子设备中保存的该人脸的第二图像的第二质量分值,选取质量分值较高的图像,作为该人脸的第二图像重新保存,并将获取该人脸质量分值较高的图像的图像帧,在从视频流中获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存。
例如:针对人脸A,电子设备从当前图像帧中获取的人脸A的第一图像的第一质量分值为90、电子设备保存的人脸A的第二图像的第二质量分值为85,第一质量分值大于第二质量分值,电子设备将人脸A的第一图像作为人脸A的第二图像重新保存;此外人脸A的第一图像对应的图像帧为电子设备从视频流中获取的第30帧图像帧,电子设备获取到人脸A的图像的图像帧包括:从视频流中获取的第25帧图像帧、第26帧图像帧、第27帧图像帧、第28帧图像帧、第29帧图像帧、第30帧图像帧,确定获取人脸A的第一图像对应的图像帧,在获取到人脸A的图像的图像帧中的顺序为“6”,将“6”作为人脸A的第二图像的获取顺序重新保存。
S103:针对从当前图像帧中获取的每张第一图像对应的人脸,判断获取到该人脸的图像的总次数是否大于该人脸对应的次数阈值;如果是,判断该人脸的第二图像的获取顺序是否小于该人脸对应的顺序阈值,如果该人脸的第二图像的获取顺序小于该人脸对应的顺序阈值,将该人脸的第二图像作为该人脸的目标图像输出。
具体的,电子设备针对从当前图像帧中获取的人脸图像对应的人脸,如果判断获取到该人脸的图像的总次数大于该人脸对应的次数阈值,且该人脸的第二图像的获取顺序小于该人脸对应的顺序阈值,则确定在视频流中该人脸对应的顺序阈值对应的图像帧之后,该人脸的图像的人脸质量呈下降趋势,电子设备保存的该人脸的第二图像的人脸质量最优,将该人脸的第二图像作为目标图像输出。
较佳的,为了简化对人脸对应的次数阈值和顺序阈值的设定,电子设备可以针对每张人脸默认相同的初始次数阈值和顺序阈值。
由于在本发明实施例中,针对从当前图像帧中获取的每张第一图像对应的人脸,在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存,并在获取该人脸的图像的总次数大于该人脸对应的次数阈值,且该人脸的第二图像的获取顺序小于该人脸对应的顺序阈值时,确定在视频流中顺序阈值对应的图像帧之后,该人脸的图像的人脸质量呈下降趋势,无需再对该人脸的图像进行选择,将该人脸的第二图像作为目标图像输出,提高了处理速度、减小时延和缓存占用量,提高了用户体验。
实施例2:
为了保证人脸的图像选择的准确性,在上述实施例的基础上,在本发明实施例中,如果在当前图像帧中未获取到保存的第二图像对应的人脸的第一图像,所述方法还包括:
将所述第二图像作为目标图像输出。
具体的,如果在当前图像帧中未获取到保存的第二图像对应的人脸的第一图像,则确定所述第二图像对应的人脸已从视频流中消失,且电子设备保存的该人脸的第二图像的人脸质量最优,电子设备将该人脸的第二图像作为目标图像输出。
另外,为了进一步提高人脸的图像选择的准确性,如果该人脸的第二图像的获取顺序不小于该人脸对应的顺序阈值,所述方法还包括:
按照预设的阈值增大规则,对该人脸对应的次数阈值和顺序阈值进行更新。
具体的,如果人脸的第二图像的获取顺序不小于该人脸对应的顺序阈值,则确定在视频流中该人脸对应的顺序阈值对应的图像帧之后,可能出现比保存的该人脸的第二图像的人脸质量更优的图像,按照预设的阈值增大规则,对该人脸对应的次数阈值和顺序阈值进行更新,其中所述预设的阈值增大规则,可以为将次数阈值和顺序阈值增大百分之十、增大百分之二十等。
另外,在本发明实施例中,同一人脸对应的顺序阈值小于对应的次数阈值,较佳的,顺序阈值可以为次数阈值的1/2、1/3等,其中,顺序阈值的值越小,人脸的图像选择效率越高,反之,顺序阈值的值越大,人脸的图像选择效率越低,较佳的,用户可以根据自身对人脸的图像的选择需求,设置次数阈值、顺序阈值和阈值增加规则。
实施例3:
为了保证人脸的图像选择的效率和准确性,在上述各实施例的基础上,在本发明实施例中,所述在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,并将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存包括:
判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值;
如果是,将该人脸的第一图像作为第二图像对保存的该人脸的第二图像进行更新,并根据获取该人脸的第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,对保存的该人脸的第二图像的获取顺序进行更新。
具体的,电子设备针对从当前图像帧中获取的每张第一图像对应的人脸,判断该人脸的第一图像的第一质量分值是否大于电子设备保存的该人脸的第二图像的第二质量分值;如果否,则说明电子设备保存的该人脸的第二图像的人脸质量高于该人脸的第一图像,不对电子设备保存的第二图像进行更新,不对电子设备保存的该人脸的第二图像的获取顺序进行更新;如果是,则说明该人脸的第一图像的人脸质量高于电子设备保存的该人脸的第二图像,将该人脸的第一图像作为第二图像对电子设备保存的该人脸的第二图像进行更新,并根据获取该人脸的第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,对电子设备保存的该人脸的第二图像的获取顺序进行更新。
另外,为了进一步提高人脸的图像选择效率,所述判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值之前,所述方法还包括:
判断是否保存有该人脸的第二图像;
如果是,进行后续步骤;如果否,将该人脸的第一图像作为该人脸的第二图像保存,并将获取所述第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序保存。
具体的,电子设备在针对从当前图像帧中获取的每张第一图像对应的人脸,判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值之前,电子设备判断是否保存有该人脸的第二图像,如果是,则说明在当前图像帧之前,电子设备已从视频流的当前图像帧之前的图像帧中,获取到该人脸的图像,进行判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值的步骤,如果否,则说明,电子设备未从视频流的当前图像帧之前的图像帧中,获取到该人脸的图像,电子设备是首次获取到该人脸的图像,将该人脸的第一图像作为该人脸的第二图像保存,并将获取所述第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序保存。因电子设备是首次获取到该人脸的图像,因此该人脸的第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序为“1”,将“1”作为该人脸的第二图像的获取顺序保存。
图2为本发明实施例提供的一种人脸的图像选择过程示意图,该过程包括:
S201:获取视频流的当前图像帧中存在的每张人脸的第一图像,并确定表示每张第一图像人脸质量的第一质量分值。
S202:针对从当前图像帧中获取的每张第一图像对应的人脸,判断是否保存有该人脸的第二图像;如果是,进行S203,如果否,进行S205。
S203:判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值;如果是,进行S204,如果否,进行S206。
S204:将该人脸的第一图像作为第二图像对保存的该人脸的第二图像进行更新,并根据获取该人脸的第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,对保存的该人脸的第二图像的获取顺序进行更新。
S205:将该人脸的第一图像作为该人脸的第二图像保存,并将获取所述第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序保存。
S206:判断获取到该人脸的图像的总次数是否大于该人脸对应的次数阈值;如果是,进行S207,如果否,则结束。
S207:判断该人脸的第二图像的获取顺序是否小于该人脸对应的顺序阈值;如果是,进行S208,如果否,进行S209。
S208:将该人脸的第二图像作为该人脸的目标图像输出。
S209:按照预设的阈值增大规则,对该人脸对应的次数阈值和顺序阈值进行更新。
实施例4:
为了减少对电子设备处理资源的占用量,防止重复输出同一人脸对应的图像,在上述各实施例的基础上,在本发明实施例中,所述方法还包括:
将输出的目标图像对应的人脸标记为已选择。
所述获取视频流的当前图像帧中存在的每张人脸的第一图像包括:
识别视频流当前图像帧中存在的每张人脸,并针对当前图像帧中存在的每张人脸,判断该人脸是否被标记为已选择;
如果否,获取该人脸的第一图像。
具体的,电子设备可以可将目标图像对应的人脸的标识值,如ID值,标记为已选择,用以记录电子设备已经输出该人脸的目标图像。
此外,电子设备在识别视频流当前图像帧中存在的每张人脸时,首先针对当前图像帧中存在的每张人脸,判断该人脸是否被标记为已选择,如果该人脸已被标记为已选择,则说明该人脸的目标图像已被输出,无需再对该人脸的图像进行选择,电子设备不在视频流的当前图像帧中获取该人脸的第一图像;如果该人脸未被标记为已选择,则说明该人脸的目标图像未被输出,电子设备在视频流的当前图像帧中获取该人脸的第一图像。
实施例5:
为了保证人脸的图像选择的准确性,在上述各实施例的基础上,在本发明实施例中,所述确定表示每张第一图像人脸质量的第一质量分值包括:
针对每张第一图像,确定该第一图像的人脸角度评分、人脸清晰度评分、人脸尺寸评分;并根据所述人脸角度评分、人脸清晰度评分、人脸尺寸评分及预设的角度权重值、清晰度权重值、尺寸权重值确定该第一图像的第一质量分值。
具体的,针对每张第一图像,电子设备可以根据人脸朝向检测算法,如基于支持向量机(Support Vector Machine,SVM)神经网络的人脸朝向检测算法等,确定该第一图像的人脸角度评分;根据人脸的清晰度检测算法,如能量梯度函数等,确定该第一图像的人脸清晰度评分;根据人脸尺寸算法,如人脸区域面积检测算法,确定该第一图像的人脸尺寸评分;并根据预设的角度权重值、清晰度权重值、尺寸权重值确定该第一图像的第一质量分值。在本发明实施例中,人脸角度越接近正视,人脸角度评分越高;人脸清晰度越高,人脸清晰度评分越高;人脸尺寸越大,人脸尺寸评分越高。具体的,在本发明实施例中,确定第一图像的人脸角度评分、人脸清晰度评分、人脸尺寸评分为现有技术,不再进行赘述。
例如:针对第一图像1,确定的人脸角度评分为s1、人脸清晰度评分为s2、人脸尺寸评分为s3,预设的角度权重值为f1、清晰度权重值为f2、尺寸权重值为f3,确定第一图像1的第一质量分值S=s1*f1+s2*f2+s3*f3。
实施例6:
图3为本发明实施例提供的一种人脸的图像选择装置结构示意图,该装置包括:
获取确定模块31,用于获取视频流的当前图像帧中存在的每张人脸的第一图像,并确定表示每张第一图像人脸质量的第一质量分值;
选取存储模块32,用于针对从当前图像帧中获取的每张第一图像对应的人脸,在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,并将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存;
判断输出模块33,用于针对从当前图像帧中获取的每张第一图像对应的人脸,判断获取到该人脸的图像的总次数是否大于该人脸对应的次数阈值;如果是,判断该人脸的第二图像的获取顺序是否小于该人脸对应的顺序阈值,如果该人脸的第二图像的获取顺序小于所述顺序阈值,将该人脸的第二图像作为该人脸的目标图像输出。
所述选取存储模块32,具体用于判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值;如果是,将该人脸的第一图像作为第二图像对保存的该人脸的第二图像进行更新,并根据获取该人脸的第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,对保存的该人脸的第二图像的获取顺序进行更新。
所述选取存储模块32,还用于判断是否保存有该人脸的第二图像;如果是,进行判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值的步骤;如果否,将该人脸的第一图像作为该人脸的第二图像保存,并将获取所述第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序保存。
所述装置还包括:
更新模块34,用于如果该人脸的第二图像的获取顺序不小于该人脸对应的顺序阈值,按照预设的阈值增大规则,对该人脸对应的次数阈值和顺序阈值进行更新。
所述判断输出模块33,还用于如果在当前图像帧中未获取到保存的第二图像对应的人脸的第一图像,将所述第二图像作为目标图像输出。
所述装置还包括:
标记模块35,用于将输出的目标图像对应的人脸标记为已选择。
所述获取确定模块31,具体用于识别视频流当前图像帧中存在的每张人脸,并针对当前图像帧中存在的每张人脸,判断该人脸是否被标记为已选择;如果否,获取该人脸的第一图像。
所述获取确定模块31,具体用于针对每张第一图像,确定该第一图像的人脸角度评分、人脸清晰度评分、人脸尺寸评分;并根据所述人脸角度评分、人脸清晰度评分、人脸尺寸评分及预设的角度权重值、清晰度权重值、尺寸权重值确定该第一图像的第一质量分值。
本发明公开了一种人脸的图像选择方法及装置,所述方法包括:电子设备获取视频流的当前图像帧中存在的每张人脸的第一图像,并确定表示每张第一图像人脸质量的第一质量分值;针对从当前图像帧中获取的每张第一图像对应的人脸,在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,并将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存;针对从当前图像帧中获取的每张第一图像对应的人脸,判断获取到该人脸的图像的总次数是否大于该人脸对应的次数阈值;如果是,判断该人脸的第二图像的获取顺序是否小于该人脸对应的顺序阈值,如果该人脸的第二图像的获取顺序小于该人脸对应的顺序阈值,将该人脸的第二图像作为该人脸的目标图像输出。由于在本发明实施例中,针对从当前图像帧中获取的每张第一图像对应的人脸,在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存,并在获取该人脸的图像的总次数大于该人脸对应的次数阈值,且该人脸的第二图像的获取顺序小于该人脸对应的顺序阈值时,确定在视频流中顺序阈值对应的图像帧之后,该人脸的图像的人脸质量呈下降趋势,无需再对该人脸的图像进行选择,将该人脸的第二图像作为目标图像输出,提高了处理速度、减小时延和缓存占用量,提高了用户体验。
对于系统/装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种人脸的图像选择方法,其特征在于,所述方法包括:
获取视频流的当前图像帧中存在的每张人脸的第一图像,并确定表示每张第一图像人脸质量的第一质量分值;
针对从当前图像帧中获取的每张第一图像对应的人脸,在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,并将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存;
针对从当前图像帧中获取的每张第一图像对应的人脸,判断获取到该人脸的图像的总次数是否大于该人脸对应的次数阈值;如果是,判断该人脸的第二图像的获取顺序是否小于该人脸对应的顺序阈值,如果该人脸的第二图像的获取顺序小于该人脸对应的顺序阈值,将该人脸的第二图像作为该人脸的目标图像输出;
其中,如果该人脸的第二图像的获取顺序不小于该人脸对应的顺序阈值,所述方法还包括:
按照预设的阈值增大规则,对该人脸对应的次数阈值和顺序阈值进行更新。
2.如权利要求1所述的方法,其特征在于,所述在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,并将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存包括:
判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值;
如果是,将该人脸的第一图像作为第二图像对保存的该人脸的第二图像进行更新,并根据获取该人脸的第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,对保存的该人脸的第二图像的获取顺序进行更新。
3.如权利要求2所述的方法,其特征在于,所述判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值之前,所述方法还包括:
判断是否保存有该人脸的第二图像;
如果是,进行后续步骤;如果否,将该人脸的第一图像作为该人脸的第二图像保存,并将获取所述第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序保存。
4.如权利要求1所述的方法,其特征在于,如果在当前图像帧中未获取到保存的第二图像对应的人脸的第一图像,所述方法还包括:
将所述第二图像作为目标图像输出。
5.如权利要求1或4所述的方法,其特征在于,所述方法还包括:
将输出的目标图像对应的人脸标记为已选择。
6.如权利要求1所述的方法,其特征在于,所述获取视频流的当前图像帧中存在的每张人脸的第一图像包括:
识别视频流当前图像帧中存在的每张人脸,并针对当前图像帧中存在的每张人脸,判断该人脸是否被标记为已选择;
如果否,获取该人脸的第一图像。
7.如权利要求1所述的方法,其特征在于,所述确定表示每张第一图像人脸质量的第一质量分值包括:
针对每张第一图像,确定该第一图像的人脸角度评分、人脸清晰度评分、人脸尺寸评分;并根据所述人脸角度评分、人脸清晰度评分、人脸尺寸评分及预设的角度权重值、清晰度权重值、尺寸权重值确定该第一图像的第一质量分值。
8.一种人脸的图像选择装置,其特征在于,所述装置包括:
获取确定模块,用于获取视频流的当前图像帧中存在的每张人脸的第一图像,并确定表示每张第一图像人脸质量的第一质量分值;
选取存储模块,用于针对从当前图像帧中获取的每张第一图像对应的人脸,在该人脸的第一图像与保存的该人脸的第二图像中选取质量分值较高的图像,作为该人脸的第二图像重新保存,并将获取所述质量分值较高的图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序重新保存;
判断输出模块,用于针对从当前图像帧中获取的每张第一图像对应的人脸,判断获取到该人脸的图像的总次数是否大于该人脸对应的次数阈值;如果是,判断该人脸的第二图像的获取顺序是否小于该人脸对应的顺序阈值,如果该人脸的第二图像的获取顺序小于所述顺序阈值,将该人脸的第二图像作为该人脸的目标图像输出;
其中,所述装置还包括:
更新模块,用于如果该人脸的第二图像的获取顺序不小于该人脸对应的顺序阈值,按照预设的阈值增大规则,对该人脸对应的次数阈值和顺序阈值进行更新。
9.如权利要求8所述的装置,其特征在于,所述选取存储模块,具体用于判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值;如果是,将该人脸的第一图像作为第二图像对保存的该人脸的第二图像进行更新,并根据获取该人脸的第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,对保存的该人脸的第二图像的获取顺序进行更新。
10.如权利要求9所述的装置,其特征在于,所述选取存储模块,还用于判断是否保存有该人脸的第二图像;如果是,进行判断该人脸的第一图像的第一质量分值是否大于保存的该人脸的第二图像的第二质量分值的步骤;如果否,将该人脸的第一图像作为该人脸的第二图像保存,并将获取所述第一图像的图像帧,在获取到该人脸的图像的图像帧中的顺序,作为该人脸的第二图像的获取顺序保存。
11.如权利要求8所述的装置,其特征在于,所述判断输出模块,还用于如果在当前图像帧中未获取到保存的第二图像对应的人脸的第一图像,将所述第二图像作为目标图像输出。
12.如权利要求8或11所述的装置,其特征在于,所述装置还包括:
标记模块,用于将输出的目标图像对应的人脸标记为已选择。
13.如权利要求8所述的装置,其特征在于,所述获取确定模块,具体用于识别视频流当前图像帧中存在的每张人脸,并针对当前图像帧中存在的每张人脸,判断该人脸是否被标记为已选择;如果否,获取该人脸的第一图像。
14.如权利要求8所述的装置,其特征在于,所述获取确定模块,具体用于针对每张第一图像,确定该第一图像的人脸角度评分、人脸清晰度评分、人脸尺寸评分;并根据所述人脸角度评分、人脸清晰度评分、人脸尺寸评分及预设的角度权重值、清晰度权重值、尺寸权重值确定该第一图像的第一质量分值。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810962203.7A CN109035246B (zh) | 2018-08-22 | 2018-08-22 | 一种人脸的图像选择方法及装置 |
EP19852760.8A EP3818497A4 (en) | 2018-08-22 | 2019-08-09 | SYSTEMS AND METHODS FOR SELECTING A BETTER FACIAL IMAGE OF A TARGET HUMAN FACE |
PCT/CN2019/099998 WO2020038242A1 (en) | 2018-08-22 | 2019-08-09 | Systems and methods for selecting a best facial image of a target human face |
US17/171,242 US11557147B2 (en) | 2018-08-22 | 2021-02-09 | Systems and methods for selecting a best facial image of a target human face |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810962203.7A CN109035246B (zh) | 2018-08-22 | 2018-08-22 | 一种人脸的图像选择方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109035246A CN109035246A (zh) | 2018-12-18 |
CN109035246B true CN109035246B (zh) | 2020-08-04 |
Family
ID=64627944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810962203.7A Active CN109035246B (zh) | 2018-08-22 | 2018-08-22 | 一种人脸的图像选择方法及装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11557147B2 (zh) |
EP (1) | EP3818497A4 (zh) |
CN (1) | CN109035246B (zh) |
WO (1) | WO2020038242A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035246B (zh) * | 2018-08-22 | 2020-08-04 | 浙江大华技术股份有限公司 | 一种人脸的图像选择方法及装置 |
CN109711311B (zh) * | 2018-12-20 | 2020-11-20 | 北京以萨技术股份有限公司 | 一种基于动态人脸最优帧选取方法 |
CN110335237B (zh) * | 2019-05-06 | 2022-08-09 | 北京字节跳动网络技术有限公司 | 用于生成模型的方法、装置和用于识别图像的方法、装置 |
CN110263680B (zh) * | 2019-06-03 | 2022-01-28 | 北京旷视科技有限公司 | 图像处理方法、装置和系统及存储介质 |
CN111783512B (zh) * | 2019-11-11 | 2024-05-14 | 西安宇视信息科技有限公司 | 图像处理方法、装置、设备及存储介质 |
CN111339889A (zh) * | 2020-02-20 | 2020-06-26 | 浙江大华技术股份有限公司 | 人脸优选方法、装置及存储介质 |
CN111652131A (zh) * | 2020-06-02 | 2020-09-11 | 浙江大华技术股份有限公司 | 人脸识别装置及其补光方法、可读存储介质 |
CN113011345B (zh) * | 2021-03-11 | 2024-03-05 | 百度在线网络技术(北京)有限公司 | 图像质量检测方法、装置、电子设备、可读存储介质 |
CN113505700A (zh) * | 2021-07-12 | 2021-10-15 | 北京字跳网络技术有限公司 | 一种图像处理方法、装置、设备及存储介质 |
CN113553971A (zh) * | 2021-07-29 | 2021-10-26 | 青岛以萨数据技术有限公司 | 一种人脸序列最优帧的提取方法、装置及存储介质 |
CN113435428B (zh) * | 2021-08-27 | 2021-12-31 | 深圳市爱深盈通信息技术有限公司 | 基于相册选取大头贴的方法、电子设备与存储介质 |
WO2023041963A1 (en) * | 2021-09-20 | 2023-03-23 | Sensetime International Pte. Ltd. | Face identification methods and apparatuses |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799877A (zh) * | 2012-09-11 | 2012-11-28 | 上海中原电子技术工程有限公司 | 人脸图像筛选方法及系统 |
CN103942525A (zh) * | 2013-12-27 | 2014-07-23 | 高新兴科技集团股份有限公司 | 一种基于视频序列的实时人脸优选方法 |
CN105938552A (zh) * | 2016-06-29 | 2016-09-14 | 北京旷视科技有限公司 | 底图自动更新的人脸识别方法及装置 |
WO2016164720A1 (en) * | 2015-04-10 | 2016-10-13 | Microsoft Technology Licensing, Llc | Snapshot capture for a communication session |
CN107256388A (zh) * | 2017-05-25 | 2017-10-17 | 武汉普利商用机器有限公司 | 一种获取正面人脸图像的方法及装置 |
CN108229260A (zh) * | 2016-12-21 | 2018-06-29 | 杭州海康威视系统技术有限公司 | 一种身份信息核验方法及系统 |
CN108346139A (zh) * | 2018-01-09 | 2018-07-31 | 阿里巴巴集团控股有限公司 | 一种图像筛选方法及装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6993166B2 (en) * | 2003-12-16 | 2006-01-31 | Motorola, Inc. | Method and apparatus for enrollment and authentication of biometric images |
US8131022B2 (en) * | 2004-08-31 | 2012-03-06 | Panasonic Corporation | Surveillance recorder and its method |
US8139817B2 (en) * | 2007-04-27 | 2012-03-20 | Telewatch Inc. | Face image log creation |
DE102012216191A1 (de) * | 2011-09-14 | 2013-03-14 | Hitachi Information & Communication Engineering, Ltd. | Authentifizierungssystem |
US9195883B2 (en) * | 2012-04-09 | 2015-11-24 | Avigilon Fortress Corporation | Object tracking and best shot detection system |
JP2014017114A (ja) * | 2012-07-09 | 2014-01-30 | Panasonic Corp | 照明システム |
CN104794439A (zh) | 2015-04-10 | 2015-07-22 | 上海交通大学 | 基于多相机的准正面人脸图像实时优选方法及系统 |
US10146797B2 (en) * | 2015-05-29 | 2018-12-04 | Accenture Global Services Limited | Face recognition image data cache |
CN106446851A (zh) | 2016-09-30 | 2017-02-22 | 厦门大图智能科技有限公司 | 一种基于可见光的人脸优选方法及系统 |
US20210192185A1 (en) * | 2016-12-15 | 2021-06-24 | Hewlett-Packard Development Company, L.P. | Image storage |
US9971933B1 (en) * | 2017-01-09 | 2018-05-15 | Ulsee Inc. | Facial image screening method and face recognition system thereof |
CN108288261A (zh) * | 2017-01-10 | 2018-07-17 | 爱唯秀股份有限公司 | 脸部照片的筛选方法及脸部辨识系统 |
CN106815575B (zh) | 2017-01-22 | 2019-12-10 | 上海银晨智能识别科技有限公司 | 人脸检测结果集的优选系统及其方法 |
CN109035246B (zh) | 2018-08-22 | 2020-08-04 | 浙江大华技术股份有限公司 | 一种人脸的图像选择方法及装置 |
-
2018
- 2018-08-22 CN CN201810962203.7A patent/CN109035246B/zh active Active
-
2019
- 2019-08-09 WO PCT/CN2019/099998 patent/WO2020038242A1/en unknown
- 2019-08-09 EP EP19852760.8A patent/EP3818497A4/en active Pending
-
2021
- 2021-02-09 US US17/171,242 patent/US11557147B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799877A (zh) * | 2012-09-11 | 2012-11-28 | 上海中原电子技术工程有限公司 | 人脸图像筛选方法及系统 |
CN103942525A (zh) * | 2013-12-27 | 2014-07-23 | 高新兴科技集团股份有限公司 | 一种基于视频序列的实时人脸优选方法 |
WO2016164720A1 (en) * | 2015-04-10 | 2016-10-13 | Microsoft Technology Licensing, Llc | Snapshot capture for a communication session |
CN105938552A (zh) * | 2016-06-29 | 2016-09-14 | 北京旷视科技有限公司 | 底图自动更新的人脸识别方法及装置 |
CN108229260A (zh) * | 2016-12-21 | 2018-06-29 | 杭州海康威视系统技术有限公司 | 一种身份信息核验方法及系统 |
CN107256388A (zh) * | 2017-05-25 | 2017-10-17 | 武汉普利商用机器有限公司 | 一种获取正面人脸图像的方法及装置 |
CN108346139A (zh) * | 2018-01-09 | 2018-07-31 | 阿里巴巴集团控股有限公司 | 一种图像筛选方法及装置 |
Non-Patent Citations (1)
Title |
---|
人脸检测建模源照片筛选方法;吴限等;《应用科技》;20150112(第01期);第33-35页 * |
Also Published As
Publication number | Publication date |
---|---|
US11557147B2 (en) | 2023-01-17 |
US20210166003A1 (en) | 2021-06-03 |
EP3818497A1 (en) | 2021-05-12 |
CN109035246A (zh) | 2018-12-18 |
WO2020038242A1 (en) | 2020-02-27 |
EP3818497A4 (en) | 2021-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109035246B (zh) | 一种人脸的图像选择方法及装置 | |
CN108121986B (zh) | 目标检测方法及装置、计算机装置和计算机可读存储介质 | |
CN105938552B (zh) | 底图自动更新的人脸识别方法及装置 | |
CN107403424B (zh) | 一种基于图像的车辆定损方法、装置及电子设备 | |
CN111950723B (zh) | 神经网络模型训练方法、图像处理方法、装置及终端设备 | |
WO2017185630A1 (zh) | 基于情绪识别的信息推荐方法、装置和电子设备 | |
WO2017054442A1 (zh) | 一种图像信息识别处理方法及装置、计算机存储介质 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN110781770B (zh) | 基于人脸识别的活体检测方法、装置及设备 | |
CN110852257B (zh) | 一种人脸关键点的检测方法、装置及存储介质 | |
WO2021004186A1 (zh) | 一种人脸采集方法、装置、系统、设备及介质 | |
CN106101540B (zh) | 对焦点确定方法及装置 | |
CN111626371A (zh) | 一种图像分类方法、装置、设备及可读存储介质 | |
CN113490947A (zh) | 检测模型训练方法、装置、检测模型使用方法及存储介质 | |
CN111182367A (zh) | 一种视频的生成方法、装置及计算机系统 | |
JP2022540101A (ja) | ポジショニング方法及び装置、電子機器、コンピュータ読み取り可能な記憶媒体 | |
CN109800675A (zh) | 一种确定人脸对象的识别图像的方法及装置 | |
EP2998928A1 (en) | Apparatus and method for extracting high watermark image from continuously photographed images | |
CN109598201B (zh) | 动作检测方法、装置、电子设备及可读存储介质 | |
CN112906571B (zh) | 活体识别方法、装置及电子设备 | |
CN111382606A (zh) | 摔倒检测方法、摔倒检测装置和电子设备 | |
JP2014170979A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
CN110799984A (zh) | 跟踪控制方法、设备、计算机可读存储介质 | |
CN110210425B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN115131826B (zh) | 物品检测识别方法、网络模型的训练方法和装置 |
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 |