CN111160094A - 一种跑步抓拍照片中选手识别方法及装置 - Google Patents
一种跑步抓拍照片中选手识别方法及装置 Download PDFInfo
- Publication number
- CN111160094A CN111160094A CN201911170965.4A CN201911170965A CN111160094A CN 111160094 A CN111160094 A CN 111160094A CN 201911170965 A CN201911170965 A CN 201911170965A CN 111160094 A CN111160094 A CN 111160094A
- Authority
- CN
- China
- Prior art keywords
- face
- model
- detection model
- snapshot
- face detection
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 59
- 239000013598 vector Substances 0.000 claims abstract description 51
- 238000012549 training Methods 0.000 claims description 47
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 7
- 210000000887 face Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- UTTZHZDGHMJDPM-NXCSSKFKSA-N 7-[2-[[(1r,2s)-1-hydroxy-1-phenylpropan-2-yl]amino]ethyl]-1,3-dimethylpurine-2,6-dione;hydrochloride Chemical compound Cl.C1([C@@H](O)[C@@H](NCCN2C=3C(=O)N(C)C(=O)N(C)C=3N=C2)C)=CC=CC=C1 UTTZHZDGHMJDPM-NXCSSKFKSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种跑步抓拍照片中选手识别方法及装置，方法包括：获取选手提供的检索照片，并将所述检索照片输入训练后的人脸检测模型中，提取人脸信息；将所述人脸信息输入训练后的人脸识别模型中，提取所述人脸信息对应的特征向量；将所述特征向量与预设人脸数据库中预存的人脸特征向量进行比对，确定向量之间欧氏距离小于预设阈值的目标照片。本发明实施例提供的一种跑步抓拍照片中选手识别方法及装置，通过对赛中拍摄到的选手照片进行人脸检测和识别实时操作，只需要以选手身份登录并上传自己带有人脸的照片，就能快速地检索人脸库中的图片，减轻人工成本。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种跑步抓拍照片中选手识别方法及装置。
背景技术
随着社会的进步，跑步运动已经逐渐由小众运动发展为全民运动，而跑步选手在赛后往往想要欣赏自己完赛后的抓拍瞬间。
现有技术中，往往是在赛后从收集到的选手照片中，根据选手胸前佩戴的号码牌进行分类，然后再确定该选手的照片集。但由于存在号码被衣服或配饰遮挡，号码牌掉落，以及摄影师或摄像头角度未能完整拍摄到号码等情况，现有技术提供的方法效果较差，不能准确而完整地提供选手的赛中照片，仍然需要大量人工进行后续归档和查找。
因此，现在亟需一种新的跑步抓拍照片中选手识别方法来解决上述问题。
发明内容
为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的一种跑步抓拍照片中选手识别方法及装置。
第一方面本发明实施例提供一种跑步抓拍照片中选手识别方法，包括：
获取选手提供的检索照片，并将所述检索照片输入训练后的人脸检测模型中，提取人脸信息；
将所述人脸信息输入训练后的人脸识别模型中，提取所述人脸信息对应的特征向量；
将所述特征向量与预设人脸数据库中预存的人脸特征向量进行比对，确定向量之间欧氏距离小于预设阈值的目标照片。
其中，在所述获取选手提供的检索照片之前，所述方法还包括：
建立所述人脸检测模型，并对所述人脸检测模型进行训练，得到所述训练好的人脸检测模型。
其中，在所述获取选手提供的检索照片之前，所述方法还包括：
建立所述人脸识别模型，并对所述人脸识别模型进行训练，得到所述训练好的人脸识别模型。
其中，所述建立所述人脸检测模型，并对所述人脸检测模型进行训练，得到所述训练好的人脸检测模型，包括：
获取训练样本，所述训练样本包括带有人脸的图片以及人脸预先标记好关键点的位置信息；
将所述训练样本输入建立的所述人脸检测模型中，输出精确的人脸框以及关键点位置。
第二方面本发明实施例还提供一种跑步抓拍照片中选手识别装置，包括：
人脸检测模块，用于获取选手提供的检索照片，并将所述检索照片输入训练后的人脸检测模型中，提取人脸信息；
人脸识别模块，用于将所述人脸信息输入训练后的人脸识别模型中，提取所述人脸信息对应的特征向量；
检索模块，用于将所述特征向量与预设人脸数据库中预存的人脸特征向量进行比对，确定向量之间欧氏距离小于预设阈值的目标照片。
其中，所述跑步抓拍照片中选手识别装置还包括：
第一模型训练模块，用于建立所述人脸检测模型，并对所述人脸检测模型进行训练，得到所述训练好的人脸检测模型。
其中，所述跑步抓拍照片中选手识别装置还包括：
第二模型训练模块，用于建立所述人脸识别模型，并对所述人脸识别模型进行训练，得到所述训练好的人脸识别模型。
其中，所述第一模型训练模块具体用于：
获取训练样本，所述训练样本包括带有人脸的图片以及人脸预先标记好关键点的位置信息；
将所述训练样本输入建立的所述人脸检测模型中，输出精确的人脸框以及关键点位置。
第三方面本发明实施例提供了一种电子设备，包括：
处理器、存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述跑步抓拍照片中选手识别方法。
第四方面本发明实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述跑步抓拍照片中选手识别方法。
本发明实施例提供的一种跑步抓拍照片中选手识别方法及装置，通过对赛中拍摄到的选手照片进行人脸检测和识别实时操作，只需要以选手身份登录并上传自己带有人脸的照片，就能快速地检索人脸库中的图片，减轻人工成本。
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一简单地介绍，显而易见地，下面描述中的附图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是本发明实施例提供的一种跑步抓拍照片中选手识别方法流程示意图；
图2是本发明实施例提供的一种跑步抓拍照片中选手识别装置结构示意图；
图3是本发明实施例提供的一种电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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地描述，显然，所描述的实施例是本发明一部分实施例，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。
图1是本发明实施例提供的一种跑步抓拍照片中选手识别方法流程示意图，如图1所示，包括：
101、获取选手提供的检索照片，并将所述检索照片输入训练后的人脸检测模型中，提取人脸信息；
102、将所述人脸信息输入训练后的人脸识别模型中，提取所述人脸信息对应的特征向量；
103、将所述特征向量与预设人脸数据库中预存的人脸特征向量进行比对，确定向量之间欧氏距离小于预设阈值的目标照片。
需要说明的是，本发明实施例的执行主体为计算机设备所预先存储的计算机软件程序，针对的实施场景为在跑步运动项目，例如：马拉松过程中对于选手照片人工识别不准以及人工识别成本过高的环境。
具体的，在步骤101中，本发明实施例对于每个需要进行人脸检索的选手，需要其携带包含自己人脸图像的照片登陆，即获取该选手的检索图像，然后本发明实施例会将该检索图像输入已训练好的人脸检测模型中，该人脸检测模型主要适用于定位图片中的人脸以及人脸图片中的关键点。本发明实施例将上述所有信息称之为人脸信息。
需要说明的是，本发明实施例会根据公开的双眼，鼻尖以及左右两个嘴角的关键点标准位置，将提取出来的人脸以及脸部关键点进行矫正，优选的，通过仿射变换将这些关键点都映射到公开关键点标准位置。从而能够削弱人脸倾斜，仰俯以及侧脸对后续人脸向量提取造成的影响。
进一步的，在步骤102中，本发明实施例会将人脸信息输入到训练好的人脸识别模型中进行识别，该人脸识别模型是用于根据对齐的人脸信息转化为人脸的特征向量。
最后，在步骤103中，本发明实施例将检索图片对应的人脸特征向量输入到预设的人脸数据库中进行检索，确定出向量间欧式距离小于预设阈值的目标照片。可以理解的是，数据库中的照片的特征向量是随着比赛的进行，数据库中会记录下摄像头或拍摄设备拍摄的照片，并同样通过训练后人脸检测模型和人脸识别模型输出得到的。进而能够找到和该检索图片相似的一张或多张照片，那么这些目标照片即全部归属于进行检索的这位选手。
优选的，本发明实施例提供的人脸数据库中包含有两个表格，第一个表格是摄像头或拍摄设备记录下的照片，对应的字段有：照片ID，照片地址。第二个表格是用于记录照片中包含的人脸以及人脸向量，对应的字段有：人脸ID，人脸照片地址，人脸所属照片ID，人脸向量。当根据检索照片进行检索后，将检索结果对应的目标图片打包发送给该选手。
本发明实施例提供的一种跑步抓拍照片中选手识别方法及装置，通过对赛中拍摄到的选手照片进行人脸检测和识别实时操作，只需要以选手身份登录并上传自己带有人脸的照片，就能快速地检索人脸库中的图片，减轻人工成本。
与此同时，使用人脸而不是号码牌来作为判断选手的依据，能够克服号码牌遮挡等特殊情况，在实际运用中具有鲁棒性强，准确率高的特点。
在上述实施例的基础上，在所述获取选手提供的检索照片之前，所述方法还包括：
建立所述人脸检测模型，并对所述人脸检测模型进行训练，得到所述训练好的人脸检测模型。
所述建立所述人脸检测模型，并对所述人脸检测模型进行训练，得到所述训练好的人脸检测模型，包括：
获取训练样本，所述训练样本包括带有人脸的图片以及人脸预先标记好关键点的位置信息；
将所述训练样本输入建立的所述人脸检测模型中，输出精确的人脸框以及关键点位置。
由上述实施例的内容可知，本发明实施例需要训练一个人脸检测模型来定位图片中的人脸以及人脸图片上的关键点。
具体的，本发明实施例训练该人脸检测模型时所采用的训练样本是带有人脸的图片，以及该图片中人脸的位置以及人脸部5个关键点的位置，即双眼，鼻尖以及左右嘴角。目的是让模型学习从图像到人脸位置和关键点位置的映射。
该人脸检测模型优选的可以分为四个子模型：
分别是提案网络(P-net):P-net采用少量的卷积核和较浅的结构，目的是想用少量的计算开销来过滤掉大部分的无用的人脸框；精炼网络(R-net):对于P-net得到的人脸框，使用R-net进一步地分析人脸框的位置，并进行边框回归。从而得到更加准确的人脸框；输出网络(O-net):O-net针对精炼网络得到的准确的人脸框，进行人脸关键点的定位，其输出为是否为人脸，人脸框的位置，以及人脸关键点的位置；定位网络(L-net):为了提取更为精准的人脸关键点，L-net使用5个分支来分别预测5个关键点的位置。
那么通过这4层网络的级联，人脸检测模型就能得到更为准确的人脸框以及关键点位置。
在上述实施例的基础上，在所述获取选手提供的检索照片之前，所述方法还包括：
建立所述人脸识别模型，并对所述人脸识别模型进行训练，得到所述训练好的人脸识别模型。
由上述实施例的内容可知，本发明实施例还需要建立一个人脸识别模型来将对齐的人脸转化为人脸向量。
具体的，在训练人脸识别模型时，有丰富特征且能够用来进行度量分类的特征向量，模型需要学习到在能够区分不同人的同时还能够保留属于同一个人的特征，即需要学习到类间差异大，类内差异小的特征向量。
该模型的主体部分采用的是100层残差网络。深度网络能提取更为鲁棒的特征。在训练阶段，对网络提取到的倒数第二层的特征以及权重进行L2范数归一化，并计算arccos得到权重W和特征X之间的夹角θ。在此基础上增加夹角margin，用来监督模型得到更为集中的类内特征。再乘上放缩值s用来补偿L2范数归一化带来的尺度差异，最后再使用softmaxloss来得到网络的分类损失。对于训练数据，只需要n类人的人脸图像，以及人脸图像对应的分类标签。在模型的测试阶段，人脸经过训练好的模型，得到最后一层输出的512维度的特征，即为人脸图像转化成的人脸向量。
图2是本发明实施例提供的一种跑步抓拍照片中选手识别装置结构示意图，如图2所示，包括：人脸检测模块201、人脸识别模块202和检索模块203，其中：
人脸检测模块201用于获取选手提供的检索照片，并将所述检索照片输入训练后的人脸检测模型中，提取人脸信息；
人脸识别模块202用于将所述人脸信息输入训练后的人脸识别模型中，提取所述人脸信息对应的特征向量；
检索模块203用于将所述特征向量与预设人脸数据库中预存的人脸特征向量进行比对，确定向量之间欧氏距离小于预设阈值的目标照片。
具体的如何通过人脸检测模块201、人脸识别模块202和检索模块203可用于执行图1所示的跑步抓拍照片中选手识别方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明实施例提供的一种跑步抓拍照片中选手识别装置，通过对赛中拍摄到的选手照片进行人脸检测和识别实时操作，只需要以选手身份登录并上传自己带有人脸的照片，就能快速地检索人脸库中的图片，减轻人工成本。
在上述实施例的基础上，所述跑步抓拍照片中选手识别装置还包括：
第一模型训练模块，用于建立所述人脸检测模型，并对所述人脸检测模型进行训练，得到所述训练好的人脸检测模型。
在上述实施例的基础上，所述跑步抓拍照片中选手识别装置还包括：
第二模型训练模块，用于建立所述人脸识别模型，并对所述人脸识别模型进行训练，得到所述训练好的人脸识别模型。
在上述实施例的基础上，所述第一模型训练模块具体用于：
获取训练样本，所述训练样本包括带有人脸的图片以及人脸预先标记好关键点的位置信息；
将所述训练样本输入建立的所述人脸检测模型中，输出精确的人脸框以及关键点位置。
图3是本发明实施例提供的一种电子设备的结构框图，参照图3，所述电子设备，包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和总线304，其中，处理器301，通信接口302，存储器303通过总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令，以执行如下方法：获取选手提供的检索照片，并将所述检索照片输入训练后的人脸检测模型中，提取人脸信息；将所述人脸信息输入训练后的人脸识别模型中，提取所述人脸信息对应的特征向量；将所述特征向量与预设人脸数据库中预存的人脸特征向量进行比对，确定向量之间欧氏距离小于预设阈值的目标照片。
本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取选手提供的检索照片，并将所述检索照片输入训练后的人脸检测模型中，提取人脸信息；将所述人脸信息输入训练后的人脸识别模型中，提取所述人脸信息对应的特征向量；将所述特征向量与预设人脸数据库中预存的人脸特征向量进行比对，确定向量之间欧氏距离小于预设阈值的目标照片。
本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取选手提供的检索照片，并将所述检索照片输入训练后的人脸检测模型中，提取人脸信息；将所述人脸信息输入训练后的人脸识别模型中，提取所述人脸信息对应的特征向量；将所述特征向量与预设人脸数据库中预存的人脸特征向量进行比对，确定向量之间欧氏距离小于预设阈值的目标照片。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行每个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种跑步抓拍照片中选手识别方法，其特征在于，包括：
获取选手提供的检索照片，并将所述检索照片输入训练后的人脸检测模型中，提取人脸信息；
将所述人脸信息输入训练后的人脸识别模型中，提取所述人脸信息对应的特征向量；
将所述特征向量与预设人脸数据库中预存的人脸特征向量进行比对，确定向量之间欧氏距离小于预设阈值的目标照片。
2.根据权利要求1所述的跑步抓拍照片中选手识别方法，其特征在于，在所述获取选手提供的检索照片之前，所述方法还包括：
建立所述人脸检测模型，并对所述人脸检测模型进行训练，得到所述训练好的人脸检测模型。
3.根据权利要求2所述的跑步抓拍照片中选手识别方法，其特征在于，在所述获取选手提供的检索照片之前，所述方法还包括：
建立所述人脸识别模型，并对所述人脸识别模型进行训练，得到所述训练好的人脸识别模型。
4.根据权利要求2所述的跑步抓拍照片中选手识别方法，其特征在于，所述建立所述人脸检测模型，并对所述人脸检测模型进行训练，得到所述训练好的人脸检测模型，包括：
获取训练样本，所述训练样本包括带有人脸的图片以及人脸预先标记好关键点的位置信息；
将所述训练样本输入建立的所述人脸检测模型中，输出精确的人脸框以及关键点位置。
5.一种跑步抓拍照片中选手识别装置，其特征在于，包括：
人脸检测模块，用于获取选手提供的检索照片，并将所述检索照片输入训练后的人脸检测模型中，提取人脸信息；
人脸识别模块，用于将所述人脸信息输入训练后的人脸识别模型中，提取所述人脸信息对应的特征向量；
检索模块，用于将所述特征向量与预设人脸数据库中预存的人脸特征向量进行比对，确定向量之间欧氏距离小于预设阈值的目标照片。
6.根据权利要求5所述的跑步抓拍照片中选手识别装置，其特征在于，所述跑步抓拍照片中选手识别装置还包括：
第一模型训练模块，用于建立所述人脸检测模型，并对所述人脸检测模型进行训练，得到所述训练好的人脸检测模型。
7.根据权利要求6所述的跑步抓拍照片中选手识别装置，其特征在于，所述跑步抓拍照片中选手识别装置还包括：
第二模型训练模块，用于建立所述人脸识别模型，并对所述人脸识别模型进行训练，得到所述训练好的人脸识别模型。
8.根据权利要求6所述的跑步抓拍照片中选手识别装置，其特征在于，所述第一模型训练模块具体用于：
获取训练样本，所述训练样本包括带有人脸的图片以及人脸预先标记好关键点的位置信息；
将所述训练样本输入建立的所述人脸检测模型中，输出精确的人脸框以及关键点位置。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述跑步抓拍照片中选手识别方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一项所述跑步抓拍照片中选手识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911170965.4A CN111160094A (zh) | 2019-11-26 | 2019-11-26 | 一种跑步抓拍照片中选手识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911170965.4A CN111160094A (zh) | 2019-11-26 | 2019-11-26 | 一种跑步抓拍照片中选手识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111160094A true CN111160094A (zh) | 2020-05-15 |
Family
ID=70556068
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911170965.4A Pending CN111160094A (zh) | 2019-11-26 | 2019-11-26 | 一种跑步抓拍照片中选手识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111160094A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112633325A (zh) * | 2020-11-28 | 2021-04-09 | 武汉虹信技术服务有限责任公司 | 基于战法模型的人员识别方法、装置、电子设备及可读介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609108A (zh) * | 2017-09-13 | 2018-01-19 | 杭州景联文科技有限公司 | 一种基于号码牌识别和人脸识别的运动员照片分拣方法 |
| CN109376717A (zh) * | 2018-12-14 | 2019-02-22 | 中科软科技股份有限公司 | 人脸对比的身份识别方法、装置、电子设备及存储介质 |
| WO2019128646A1 (zh) * | 2017-12-28 | 2019-07-04 | 深圳励飞科技有限公司 | 人脸检测方法、卷积神经网络参数的训练方法、装置及介质 |
| CN110147458A (zh) * | 2019-05-24 | 2019-08-20 | 涂哲 | 一种照片筛选方法、系统及电子终端 |
| CN110458097A (zh) * | 2019-08-09 | 2019-11-15 | 软通动力信息技术有限公司 | 一种人脸图片识别方法、装置、电子设备及存储介质 |
-
2019
- 2019-11-26 CN CN201911170965.4A patent/CN111160094A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609108A (zh) * | 2017-09-13 | 2018-01-19 | 杭州景联文科技有限公司 | 一种基于号码牌识别和人脸识别的运动员照片分拣方法 |
| WO2019128646A1 (zh) * | 2017-12-28 | 2019-07-04 | 深圳励飞科技有限公司 | 人脸检测方法、卷积神经网络参数的训练方法、装置及介质 |
| CN109376717A (zh) * | 2018-12-14 | 2019-02-22 | 中科软科技股份有限公司 | 人脸对比的身份识别方法、装置、电子设备及存储介质 |
| CN110147458A (zh) * | 2019-05-24 | 2019-08-20 | 涂哲 | 一种照片筛选方法、系统及电子终端 |
| CN110458097A (zh) * | 2019-08-09 | 2019-11-15 | 软通动力信息技术有限公司 | 一种人脸图片识别方法、装置、电子设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112633325A (zh) * | 2020-11-28 | 2021-04-09 | 武汉虹信技术服务有限责任公司 | 基于战法模型的人员识别方法、装置、电子设备及可读介质 |
| CN112633325B (zh) * | 2020-11-28 | 2022-08-05 | 武汉虹信技术服务有限责任公司 | 基于战法模型的人员识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109816092B (zh) | 深度神经网络训练方法、装置、电子设备及存储介质 | |
| Yan et al. | Learning the change for automatic image cropping | |
| WO2019184464A1 (zh) | 检测近似重复图像 | |
| CN110428399B (zh) | 用于检测图像的方法、装置、设备和存储介质 | |
| CN104933443A (zh) | 一种敏感数据自动识别与分类的方法 | |
| CN107423306B (zh) | 一种图像检索方法及装置 | |
| AU2021203869B2 (en) | Methods, devices, electronic apparatuses and storage media of image processing | |
| WO2021004186A1 (zh) | 一种人脸采集方法、装置、系统、设备及介质 | |
| CN109815823B (zh) | 数据处理方法及相关产品 | |
| CN111178252A (zh) | 多特征融合的身份识别方法 | |
| CN112633221B (zh) | 一种人脸方向的检测方法及相关装置 | |
| CN110460838B (zh) | 一种镜头切换的检测方法、装置及计算机设备 | |
| CN112101315A (zh) | 一种基于深度学习的运动评判指导方法和系统 | |
| CN112766065A (zh) | 一种移动端考生身份认证方法、装置、终端及存储介质 | |
| CN111160094A (zh) | 一种跑步抓拍照片中选手识别方法及装置 | |
| CN113705310A (zh) | 特征学习的方法、目标物体的识别方法和对应装置 | |
| Zhou et al. | Pose comparison based on part affinity fields | |
| KR102683444B1 (ko) | Cgam을 이용한 스포츠 동영상 내 활동 인식 장치 및 그 방법 | |
| CN112560728B (zh) | 目标对象识别方法及装置 | |
| Fakhfour et al. | Video alignment using unsupervised learning of local and global features | |
| CN113361568A (zh) | 目标识别方法、装置和电子系统 | |
| WO2021056531A1 (zh) | 人脸性别识别方法、人脸性别分类器的训练方法及装置 | |
| CN113129252A (zh) | 一种图像评分方法及电子设备 | |
| CN113496243A (zh) | 背景音乐获取方法及相关产品 | |
| CN116433939B (zh) | 样本图像生成方法、训练方法、识别方法以及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200515 |