CN106056079B - 一种图像采集设备及人脸五官的遮挡检测方法 - Google Patents
一种图像采集设备及人脸五官的遮挡检测方法 Download PDFInfo
- Publication number
- CN106056079B CN106056079B CN201610375049.4A CN201610375049A CN106056079B CN 106056079 B CN106056079 B CN 106056079B CN 201610375049 A CN201610375049 A CN 201610375049A CN 106056079 B CN106056079 B CN 106056079B
- Authority
- CN
- China
- Prior art keywords
- face
- image
- detection
- capture device
- image capture
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 87
- 230000000903 blocking effect Effects 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 11
- 210000001508 eye Anatomy 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 210000000887 face Anatomy 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
- G07F19/20—Automatic teller machines [ATMs]
- G07F19/207—Surveillance aspects at ATMs
Landscapes
- Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Accounting & Taxation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像采集设备及人脸五官遮挡检测方法，所述方法包括：步骤1：利用图像采集设备采集监控区域的视频图像；步骤2：对于所述图像采集设备采集得到的视频图像进行背景建模以及检测前景，并判断所述视频图像中有无人脸的出现；步骤3：当检测到所述视频图像中出现人脸时，检测所述图像采集设备是否出现遮挡，当判断出现遮挡时启动报警提示，当判断未出现遮挡时，转至步骤4；步骤4：继续进行人脸及五官的遮挡检测，即人脸完整性检测，并据此判断图像采集设备内是否存在人脸的遮挡。本发明方法实时性好，具有较高的检测准确率，为银行的自动柜员机***提供了自动化、智能化的监控手段，为银行无人值班运行的管理模式提供技术支撑。
Description
技术领域
本发明涉及视频监控领域，特别是一种图像采集设备及人脸五官的遮挡检测方法。
背景技术
近年来，自动柜员机的犯罪呈现高发状态，犯罪分子的蒙面伪装、恶意遮挡镜头等犯罪活动时有发生，严重危害了正常的金融管理秩序，基于自动柜员机的公共安全问题受到了越来越多的重视。然而传统的监控模式是采用“只记录不判断”的方式，只能在事发之后通过视频的回放来对异常情况进行调查和取整，无法做到实时地判断和报警。因此，基于监控视频的异常遮挡检测，可以通过图像处理、机器学习等技术实现监控场景中异常行为的自动检测和报警工作，不仅可以极大地降低人力成本，同时也可以提高监控***的处理能力，具有十分广阔的应用前景。
本发明摄像头等图像采集设备及人脸五官遮挡检测方法，利用计算机自动完成图像采集设备遮挡以及人脸五官遮挡的检测，通过提取目标前景来判断是否有人脸的出现，在判断有人脸出现后对图像进行特征提取，进行图像采集设备遮挡的检测，再使用分类器实现对人脸及五官遮挡的检测，从而实现准确度较高、实时性较好的检测方法。
发明内容
本发明的目的是提供一种视频监控***中的图像采集设备及人脸五官的遮挡检测方法，使得计算机能够自动完成对图像采集设备及人脸五官的遮挡检测，同时保证较高的准确性，以及较好的实时性。
为达到以上目的，本发明提供的一种图像采集设备及人脸五官的遮挡检测方法包括以下步骤：
步骤1：利用图像采集设备采集监控区域的视频图像；
步骤2：对于所述图像采集设备采集得到的视频图像进行背景建模以及检测前景，并判断所述视频图像中有无人脸的出现；
步骤3：当检测到所述视频图像中出现人脸时，检测所述图像采集设备是否出现遮挡，当判断出现遮挡时启动报警提示，当判断未出现遮挡时，转至步骤4；
步骤4：继续进行人脸及五官的遮挡检测，即人脸完整性检测，并据此判断图像采集设备内是否存在人脸的遮挡。
可选地，所述步骤1还包括对采集得到的图像进行处理和显示的步骤。
可选地，利用混合高斯方法对于所述图像采集设备采集得到的视频图像进行背景建模。
可选地，所述步骤2进一步包括以下步骤：
步骤21，建立高斯混合模型；
步骤22，利用上一时刻的参数值对于当前时刻高斯混合模型的参数进行更新；
步骤23，利用参数更新后的混合高斯模型来表征图像中各个像素点的特征，并据此进行前景检测，得到前景图像；
步骤24，对所述步骤23得到的前景图像进行形态学滤波的开操作；
步骤25，利用连通域分析方法判断经过所述步骤24处理后得到的前景图像中有无人脸的出现。
可选地，所述步骤23中，在进行前景检测时，将当前图像的某个像素点与所述混合高斯模型表征的相应位置处的像素点进行匹配，如果匹配成功则判定该像素点为背景点，否则为前景点。
可选地，所述步骤25进一步包括以下步骤：
步骤251，利用连通域分析方法对于经过所述步骤24处理后得到的前景图像进行分割，得到多个连通域；
步骤252，计算所述步骤251得到的各个连通域的轮廓长度，当存在一个连通域的轮廓长度大于某一预设的最小阈值时，表示图像采集设备中有人脸出现。
可选地，所述步骤3进一步包括以下步骤：
步骤31，对于所述视频图像进行灰度化，得到灰度图像；
步骤32，对得到的灰度图像进行Sobel梯度信息的提取；
步骤33，对提取得到的梯度信息进行二值化操作；
步骤34，统计梯度值大于某一预设阈值的像素点的个数，当得到的像素点个数超过一定数量时，即认为图像采集设备出现遮挡；
步骤35，在所述步骤34检测得到图像采集设备出现遮挡时进行报警提示，然后再继续进行下一帧视频图像序列的检测，当在一预设时间阈值内连续检测到图像采集设备出现遮挡时，则进行拒绝服务的警报，同时终止遮挡检测的工作。
可选地，所述步骤4进一步包括以下步骤：
步骤41，将所述视频图像进行压缩；
步骤42，对压缩后的图像进行直方图均衡操作；
步骤43，进行图像中人脸的检测；
步骤44，当检测到存在人脸时，获取人脸所在外接矩形框的左上顶点坐标以及宽、高，同时判断外接矩形框的大小是否在一定阈值范围内，若是，则检测人脸正确，否则，认为检测的人脸错误；
步骤45，在人脸检测获得的外接矩形框中，分别设置眼睛、鼻子以及嘴检测的感兴趣区域，再在感兴趣区域中分别进行人眼睛、鼻子和嘴的检测，当五官检测完整时，即说明图像采集设备内没有出现人脸的遮挡，否则，认为出现人脸的遮挡并进行报警提示；
步骤46，在检测出现人脸的遮挡时进行报警提示，然后再继续进行下一帧视频图像序列的检测，当在一预设时间阈值内连续检测到出现人脸五官的遮挡时，则进行拒绝服务的警报，同时终止检测的工作。
可选地，所述步骤43中，使用基于Haar-like特征的Adaboost级联分类器进行图像中人脸的检测。
可选地，所述步骤45中，使用基于Haar-like的Adaboost级联分类器分别进行人眼睛、鼻子和嘴的检测。
本发明中图像采集设备及人脸五官遮挡检测所采用的方法具有较高的准确性以及较好的实时性，为银行***的自动柜员机平台等平台提供了自动化、智能化的监控手段，能够促进真正实现异常遮挡的检测与报警工作，为自动柜员机等平台的无人值班运行管理模式提供了强有力的技术支撑。
附图说明
图1是根据本发明一实施例的图像采集设备及人脸五官遮挡检测方法的流程图。
图2是根据本发明一实施例的前景提取方法的流程图。
图3(a)、(b)分别为本发明一实施例中涉及的X和Y方向上的Sobel卷积因子。
图4(a)为本发明一实施例中对图像提取Haar-like特征中的边缘特征示意图。
图4(b)为本发明一实施例中对图像提取Haar-like特征中的线性特征示意图。
图4(c)为本发明一实施例中对图像提取Haar-like特征中的中心环绕特征示意图。
图5是本发明一实施例涉及的积分图的示意图。
图6是本发明一实施例中使用积分图对特征进行计算的方法示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
图1是根据本发明一实施例的图像采集设备及人脸五官遮挡检测方法的流程图，如图1所示，所述图像采集设备及人脸五官遮挡检测方法包括以下步骤：
步骤1：利用图像采集设备采集监控区域的视频图像；
其中，所述图像采集设备可以为数字图像采集设备，比如数字摄像头，也可以为模拟图像采集设备等图像采集设备。
在本发明一实施例中，所述步骤1还包括利用计算机等电子设备对采集得到的图像进行处理和显示的步骤，其中，对图像进行的处理包括二值化处理以及形态学滤波操作。
步骤2：对于所述图像采集设备采集得到的视频图像进行背景建模以及检测前景，并判断所述视频图像中有无人脸的出现；
在本发明一实施例中，利用混合高斯方法对于所述图像采集设备采集得到的视频图像进行背景建模，当然也可以采用其他背景建模方法，对其本发明不作具体限定。
进一步地，如图2所示，所述利用混合高斯方法对于所述图像采集设备采集得到的图像进行背景建模以及检测前景，并判断所述图像中有无人脸的出现的步骤包括以下步骤：
步骤21，建立高斯混合模型；
该步骤中，对于图像中的每个像素点建立K个高斯模型，其中，对于t时刻某个像素的样本值xt，它的概率密度函数由K个多维高斯分布函数的概率密度函数加权和来表示，如公式(1)所示：
式中，K为高斯模型的个数，ωi，t为高斯模型权值，μi，t为第i个高斯分布的均值，为协方差矩阵，其中为该像素在t时刻图像序列的第i个高斯模型的方差，ηi，t(xt，μi，t，∑i，t)是t时刻的第i个高斯分布，如公式(2)所示：
其中，n为xt的维数。
步骤22，利用上一时刻的参数值对于当前时刻高斯混合模型的参数进行更新；
该步骤中，第i个高斯分布的平均值和方差的参数分别按照公式(3)、(4)所示来更新：
其中，为学***均值，μi，t表示当前时刻的第i个高斯分布的平均值，表示上一时刻的第i个高斯分布的方差，表示当前时刻的第i个高斯分布的方差。
步骤23，利用参数更新后的混合高斯模型来表征图像中各个像素点的特征，并据此进行前景检测，得到前景图像，具体地，在进行前景检测时，将当前图像的某个像素点的像素值与该像素点对应的混合高斯模型的均值进行比较，当两者距离小于该混合高斯模型的方差的3倍时，表示匹配成功，若匹配成功则判定该像素点为背景点，否则为前景点；
步骤24，对所述步骤23得到的前景图像进行形态学滤波的开操作，即先腐蚀再膨胀，去掉前景图像中不相关的噪声的同时还能够提高提取图像的完整性；
步骤25，利用连通域分析方法判断经过所述步骤24处理后得到的前景图像中有无人脸的出现。
该步骤进一步包括以下步骤：
步骤251，利用连通域分析方法对于经过所述步骤24处理后得到的前景图像进行分割，得到多个连通域；
步骤252，计算所述步骤251得到的各个连通域的轮廓长度，当存在一个连通域的轮廓长度大于某一预设的最小阈值时，表示图像采集设备中有人脸出现，例如，当图像分辨率为640×480时，最小轮廓长度的阈值可设置为5000。
步骤3：当检测到所述视频图像中出现人脸时，检测所述图像采集设备是否出现遮挡，当判断出现遮挡时启动报警提示，当判断未出现遮挡时，转至步骤4；
所述步骤3中，对图像采集设备进行遮挡检测时，首先将所述视频图像进行灰度化得到灰度图像，然后提取灰度图像的梯度特征信息，从而进行图像采集设备的遮挡检测，具体地，所述步骤3包括以下步骤：
步骤31，对于所述视频图像进行灰度化，得到灰度图像；
步骤32，对得到的灰度图像进行Sobel梯度信息的提取，在本发明一实施例中，选取的卷积因子如图3所示，图3中，(a)(b)图分别表示来计算X和Y方向的导数；
步骤33，对提取得到的梯度信息进行二值化操作，设初始视频图像的像素值为pixel，二值化后的像素值为R，则二值化过程如公式(5)所示：
其中，threshold表示二值化阈值。
步骤34，统计梯度值大于某一预设阈值(比如可设为245～250)的像素点的个数，当得到的像素点个数超过一定数量时，即认为图像采集设备出现遮挡；
步骤35，在所述步骤34检测得到图像采集设备出现遮挡时进行报警提示，然后再继续进行下一帧视频图像序列的检测，当在一预设时间阈值(比如5秒)内连续检测到图像采集设备出现遮挡时，则进行拒绝服务的警报，同时终止遮挡检测的工作。
步骤4：对于所述步骤3得到的检测结果进行进一步判断，当未出现图像采集设备的遮挡时，继续进行人脸及五官的遮挡检测，即人脸完整性检测，并据此判断图像采集设备内是否存在人脸的遮挡。
该步骤中，对视频图像序列进行人脸以及眼睛、鼻子和嘴等五官的完整性检测，具体地，所述步骤4进一步包括以下步骤：
步骤41，将所述视频图像按一定比例缩小，从而提高检测的速度；其中，压缩的比例范围可取为1.1～1.3之间。
步骤42，对压缩后的图像进行直方图均衡操作，去除图像中存在的无关噪声；
步骤43，使用基于Haar-like特征的Adaboost级联分类器进行图像中人脸的检测；
在本发明一实施例中，使用的3类14种Haar-like特征如图4所示，其中，图(a)表示提取的边缘特征，图(b)表示提取的线性特征，图(c)表示提取的中心环绕特征。在提取得到检测特征后，使用如图5所示的积分图对特征值的计算进行加速，即坐标中每一个像素点的积分图的值均为其左上角所有像素之和，在计算出检测窗口中每一个像素点的积分图后，如图6所示即可按照如下公式(6)所示计算出检测窗口的积分图的值：
S(D)＝S(A+B+C+D)+S(A)-S(A+B)-S(A+C) (6)
其中，S(·)代表指定区域的面积大小，例如S(A)代表A区域的面积大小，而A区域的范围如图6所示。
步骤44，当检测到存在人脸时，获取人脸所在外接矩形框的左上顶点坐标以及宽、高，同时判断外接矩形框的大小是否在一定阈值(比如(220，220)～(280，280)之间)范围内，若是，则检测人脸正确，否则，认为检测的人脸错误；
步骤45，在人脸检测获得的外接矩形框中，选取部分大小，分别设置眼睛、鼻子以及嘴检测的感兴趣区域，再在感兴趣区域中使用基于Haar-like的Adaboost级联分类器分别进行人眼睛、鼻子和嘴的检测，当五官检测完整时，即说明图像采集设备内没有出现人脸的遮挡，否则，认为出现人脸的遮挡并进行报警提示；
步骤46，在检测出现人脸的遮挡时进行报警提示，然后再继续进行下一帧视频图像序列的检测，当在一预设时间阈值(比如5秒)内连续检测到出现人脸五官的遮挡时，则进行拒绝服务的警报，同时终止检测的工作。
综上所述，本发明提出了一种图像采集设备及人脸五官的遮挡检测方法。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种图像采集设备及人脸五官遮挡检测方法，其特征在于，包括以下步骤：
步骤1：利用图像采集设备采集监控区域的视频图像；对采集得到的视频图像进行处理和显示，对视频图像进行的处理包括二值化处理以及形态学滤波操作；
步骤2：利用混合高斯方法对于所述图像采集设备采集得到的视频图像进行背景建模以及检测前景，并利用形态学滤波中的开操作以及连通域分析方法判断所述视频图像中有无人脸的出现；
步骤3：当检测到所述视频图像中出现人脸时，检测所述图像采集设备是否出现遮挡，当判断出现遮挡时启动报警提示，当判断未出现遮挡时，转至步骤4；
步骤4：继续进行人脸及五官的遮挡检测，即人脸完整性检测，并据此判断图像采集设备内是否存在人脸的遮挡；
所述步骤4进一步包括以下步骤：
步骤41，将所述视频图像进行压缩；
步骤42，对压缩后的图像进行直方图均衡操作；
步骤43，使用基于Haar-like特征的Adaboost级联分类器对直方图均衡化操作后得到的图像进行人脸检测；
步骤44，当检测到存在人脸时，获取人脸所在外接矩形框的左上顶点坐标以及宽、高，同时判断外接矩形框的大小是否在一定阈值范围内，若是，则检测人脸正确，否则，认为检测的人脸错误；
步骤45，在人脸检测获得的外接矩形框中，分别设置眼睛、鼻子以及嘴检测的感兴趣区域，再在感兴趣区域中分别进行人眼睛、鼻子和嘴的检测，当五官检测完整时，即说明图像采集设备内没有出现人脸的遮挡，否则，认为出现人脸的遮挡并进行报警提示；
步骤46，在检测出现人脸的遮挡时进行报警提示，然后再继续进行下一帧视频图像序列的检测，当在一预设时间阈值内连续检测到出现人脸五官的遮挡时，则进行拒绝服务的警报，同时终止检测的工作。
2.根据权利要求1所述的方法，其特征在于，所述步骤2进一步包括以下步骤：
步骤21，建立高斯混合模型；
步骤22，利用上一时刻的参数值对于当前时刻高斯混合模型的参数进行更新；
步骤23，利用参数更新后的混合高斯模型来表征图像中各个像素点的特征，并据此进行前景检测，得到前景图像；
步骤24，对所述步骤23得到的前景图像进行形态学滤波的开操作；
步骤25，利用连通域分析方法判断经过所述步骤24处理后得到的前景图像中有无人脸的出现。
3.根据权利要求2所述的方法，其特征在于，所述步骤23中，在进行前景检测时，将当前图像的某个像素点与所述混合高斯模型表征的相应位置处的像素点进行匹配，如果匹配成功则判定该像素点为背景点，否则为前景点。
4.根据权利要求2所述的方法，其特征在于，所述步骤25进一步包括以下步骤：
步骤251，利用连通域分析方法对于经过所述步骤24处理后得到的前景图像进行分割，得到多个连通域；
步骤252，计算所述步骤251得到的各个连通域的轮廓长度，当存在一个连通域的轮廓长度大于某一预设的最小阈值时，表示图像采集设备中有人脸出现。
5.根据权利要求1所述的方法，其特征在于，所述步骤3进一步包括以下步骤：
步骤31，对于所述视频图像进行灰度化，得到灰度图像；
步骤32，对得到的灰度图像进行Sobel梯度信息的提取；
步骤33，对提取得到的梯度信息进行二值化操作；
步骤34，统计提取的梯度信息值大于某一预设阈值的像素点的个数，当得到的像素点个数超过一定数量时，即认为图像采集设备出现遮挡；
步骤35，在所述步骤34检测得到图像采集设备出现遮挡时进行报警提示，然后再继续进行下一帧视频图像序列的检测，当在一预设时间阈值内连续检测到图像采集设备出现遮挡时，则进行拒绝服务的警报，同时终止遮挡检测的工作。
6.根据权利要求1所述的方法，其特征在于，所述步骤45中，使用基于Haar-like的Adaboost级联分类器分别进行人眼睛、鼻子和嘴的检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610375049.4A CN106056079B (zh) | 2016-05-31 | 2016-05-31 | 一种图像采集设备及人脸五官的遮挡检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610375049.4A CN106056079B (zh) | 2016-05-31 | 2016-05-31 | 一种图像采集设备及人脸五官的遮挡检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106056079A CN106056079A (zh) | 2016-10-26 |
| CN106056079B true CN106056079B (zh) | 2019-07-05 |
Family
ID=57173186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610375049.4A Active CN106056079B (zh) | 2016-05-31 | 2016-05-31 | 一种图像采集设备及人脸五官的遮挡检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106056079B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107316312A (zh) * | 2017-06-30 | 2017-11-03 | 深圳信路通智能技术有限公司 | 一种视频图像遮挡检测方法及*** |
| CN107633204B (zh) * | 2017-08-17 | 2019-01-29 | 平安科技（深圳）有限公司 | 人脸遮挡检测方法、装置及存储介质 |
| CN107958572B (zh) * | 2017-11-30 | 2019-12-10 | 深圳市百川安防科技有限公司 | 一种婴儿监控*** |
| CN108009496A (zh) * | 2017-11-30 | 2018-05-08 | 西安科锐盛创新科技有限公司 | 面部遮挡识别方法 |
| CN107909065B (zh) * | 2017-12-29 | 2020-06-16 | 百度在线网络技术（北京）有限公司 | 用于检测人脸遮挡的方法及装置 |
| CN108734927B (zh) * | 2018-04-27 | 2020-10-02 | 济南中维世纪科技有限公司 | 一种电子猫眼遮挡报警*** |
| CN109101923B (zh) * | 2018-08-14 | 2020-11-27 | 罗普特（厦门）科技集团有限公司 | 一种人员佩戴口罩情况的检测方法以及装置 |
| CN110516649B (zh) * | 2019-09-02 | 2023-08-22 | 南京微小宝信息技术有限公司 | 基于人脸识别的校友认证方法及*** |
| CN110647858B (zh) * | 2019-09-29 | 2023-06-06 | 上海依图网络科技有限公司 | 一种视频遮挡判断方法、装置和计算机存储介质 |
| CN111951176A (zh) * | 2020-06-30 | 2020-11-17 | 重庆灵翎互娱科技有限公司 | 一种去除人脸图像局部阴影的方法和设备 |
| CN112487921B (zh) * | 2020-11-25 | 2023-09-08 | 奥比中光科技集团股份有限公司 | 一种用于活体检测的人脸图像预处理方法及*** |
| CN112651322B (zh) * | 2020-12-22 | 2024-05-24 | 北京眼神智能科技有限公司 | 脸颊遮挡检测方法、装置及电子设备 |
| CN112801963B (zh) * | 2021-01-19 | 2022-09-06 | 湖南优美科技发展有限公司 | 一种视频图像遮挡检测方法及*** |
| CN114708657A (zh) * | 2022-03-30 | 2022-07-05 | 深圳可视科技有限公司 | 一种基于多媒体教学的学生注意力检测方法及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101556717A (zh) * | 2009-05-19 | 2009-10-14 | 上海海隆软件股份有限公司 | 一种atm智能安保***及监测方法 |
| CN102289672A (zh) * | 2011-06-03 | 2011-12-21 | 天津大学 | 红外步态双信道特征融合识别方法 |
| CN103873825A (zh) * | 2014-02-28 | 2014-06-18 | 北京航科威视光电信息技术有限公司 | 一种atm智能监控***及方法 |
| CN104424721A (zh) * | 2013-08-22 | 2015-03-18 | 辽宁科大聚龙集团投资有限公司 | 一种结合atm机的脸部遮挡识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8331674B2 (en) * | 2007-04-06 | 2012-12-11 | International Business Machines Corporation | Rule-based combination of a hierarchy of classifiers for occlusion detection |
-
2016
- 2016-05-31 CN CN201610375049.4A patent/CN106056079B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101556717A (zh) * | 2009-05-19 | 2009-10-14 | 上海海隆软件股份有限公司 | 一种atm智能安保***及监测方法 |
| CN102289672A (zh) * | 2011-06-03 | 2011-12-21 | 天津大学 | 红外步态双信道特征融合识别方法 |
| CN104424721A (zh) * | 2013-08-22 | 2015-03-18 | 辽宁科大聚龙集团投资有限公司 | 一种结合atm机的脸部遮挡识别方法 |
| CN103873825A (zh) * | 2014-02-28 | 2014-06-18 | 北京航科威视光电信息技术有限公司 | 一种atm智能监控***及方法 |
Non-Patent Citations (2)
| Title |
|---|
| Quality-Driven Face Occlusion Detection and Recovery;Dahua Lin et al.;《2007 IEEE Conference on Computer Vision and Pattern Recognition》;20070622;第1-7页 * |
| 用于ATM机遮挡人脸检测的模糊级联分类器和ORB算法的研究;黄征宇;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140615;第I138-930页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106056079A (zh) | 2016-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106056079B (zh) | 一种图像采集设备及人脸五官的遮挡检测方法 | |
| CN107527009B (zh) | 一种基于yolo目标检测的遗留物检测方法 | |
| CN111091098B (zh) | 检测模型的训练方法、检测方法及相关装置 | |
| CN108062542B (zh) | 被遮挡的人脸的检测方法 | |
| CN103839085B (zh) | 一种列车车厢异常人群密度的检测方法 | |
| CN109918971B (zh) | 监控视频中人数检测方法及装置 | |
| CN111723644A (zh) | 一种监控视频遮挡检测方法及*** | |
| CN101556717A (zh) | 一种atm智能安保***及监测方法 | |
| CN107911663A (zh) | 一种基于计算机视觉检测的电梯乘客危险行为智能识别预警*** | |
| CN104881643B (zh) | 一种快速的遗留物检测方法及*** | |
| CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
| CN103605971A (zh) | 一种捕获人脸图像的方法及装置 | |
| KR20170104521A (ko) | 생동감 평가에 근거하는 비디오 스푸핑 검출을 위한 시스템 및 프로세스 | |
| CN111369521A (zh) | 一种基于图像质量的图像过滤方法和相关装置 | |
| Al-Hmouz et al. | License plate localization using a statistical analysis of Discrete Fourier Transform signal | |
| KR20090044957A (ko) | 도난 및 방치 감시 시스템 및 도난 및 방치 검출 방법 | |
| CN114627526A (zh) | 基于多摄像头抓拍图像的融合去重方法、装置及可读介质 | |
| Bhaskar et al. | Advanced algorithm for gender prediction with image quality assessment | |
| CN115984973B (zh) | 一种用于防偷窥屏幕的人体异常行为监测方法 | |
| Sun et al. | A real-time video surveillance and state detection approach for elevator cabs | |
| CN111985331B (zh) | 预防商业秘密被窃照的检测方法及装置 | |
| CN114694090A (zh) | 一种基于改进PBAS算法与YOLOv5的校园异常行为检测方法 | |
| CN116416565A (zh) | 一种特定区域行人尾随及翻越检测方法和*** | |
| Narwal et al. | Real time system for unattended Baggag e detection | |
| CN113554685A (zh) | 遥感卫星运动目标检测方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |