CN107463914A - 图像切割方法 - Google Patents
图像切割方法 Download PDFInfo
- Publication number
- CN107463914A CN107463914A CN201710685212.1A CN201710685212A CN107463914A CN 107463914 A CN107463914 A CN 107463914A CN 201710685212 A CN201710685212 A CN 201710685212A CN 107463914 A CN107463914 A CN 107463914A
- Authority
- CN
- China
- Prior art keywords
- face
- information
- cutting
- image
- central point
- 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
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
- G06V40/164—Detection; Localisation; Normalisation using holistic features
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
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)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例涉及一种图像切割方法,方法包括:获取图像信息;对图像信息进行识别,从而查找到人脸的局部特征信息;根据人脸的局部特征信息进行脸部识别,从而获取到脸部信息;查找脸部信息在图像信息中的位置坐标(x,y),(x+w,y+h);计算脸部信息中的脸部中心点位置坐标(x+w/2,y+h/2);计算脸部中心点距离图像信息中的边缘位置最近的点;以该最近的点与脸部中心点的距离为第一切割距离,以脸部中心点为第一中心点进行矩形切割,从而获取到第一切割图像。本发明实施例提供的图像切割方法通过判断人脸在演员图片中的位置,从而更准确得截取演员图片,保证人脸的完整展示。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种图像切割方法。
背景技术
在影片节目介绍时,目前一些主流视频软件将头像以圆形显示,使得终端界面显示更丰富。但由于原始图片通常都是长方形的,在显示头像时会截取成圆形。在截取时,由于演员图片各不相同,人脸的位置也不统一,普通的截取方法常常会导致部分演员图片不能完整展示人脸。
发明内容
本发明的目的是提供通过判断人脸在演员图片中的位置,从而更准确得截取演员图片,保证人脸的完整展示的图像切割方法。
为实现上述目的,本发明提供了一种图像切割方法,所述方法包括:
获取图像信息;
对所述图像信息进行识别,从而查找到人脸的局部特征信息;
根据所述人脸的局部特征信息进行脸部识别,从而获取到脸部信息;
查找所述脸部信息在所述图像信息中的位置坐标(x,y),(x+w,y+h);
计算脸部信息中的脸部中心点位置坐标(x+w/2,y+h/2);
计算脸部中心点距离所述图像信息中的边缘位置最近的点;
以该最近的点与脸部中心点的距离为第一切割距离,以脸部中心点为第一中心点进行矩形切割,从而获取到第一切割图像。
进一步地,所述方法对所述图像信息进行识别,从而查找到人脸的局部特征信息之后还包括:
根据所述人脸的局部特征信息进行脸部识别,从而获取到人脸数量信息;
若人脸的数量大于1,则针对每个人脸的局部特征信息获取相应的脸部子信息数据。
进一步地,所述方法针对每个人脸的局部特征信息获取相应的脸部子信息数据之后还包括:
根据所述脸部子信息数据,计算脸部中心点位置子坐标,并获取脸部中心点平均位置坐标;
计算脸部中心点平均位置距离所述图像信息中的边缘位置最近的点;
以该最近的点与脸部中心点平均位置的距离为第二切割距离,以脸部中心点平均位置为第二中心点进行矩形切割,从而获取到第二切割图像。
进一步地,所述以脸部中心点为第一中心点进行矩形切割,从而获取到第一切割图像之后还包括:
计算所述第一切割图像中脸部所占的面积比例;
预先设定第一阈值;
当所述第一切割图像中脸部所占的面积比例小于第一阈值时,缩小所述第一切割距离,使所述第一切割图像中脸部所占的面积比例大于第一阈值。
进一步地,根据以脸部中心点平均位置为第二中心点进行矩形切割,从而获取到第二切割图像之后还包括:
计算所述第二切割图像中脸部所占的面积比例;
预先设定第二阈值;
当所述第二切割图像中脸部所占的面积比例小于第二阈值时,缩小所述第二切割距离,使所述第二切割图像中脸部所占的面积比例大于第二阈值。
进一步地,所述根据所述人脸的局部特征信息进行脸部识别,从而获取到脸部信息之后还包括:
对所述脸部信息进行解析,是否包含完整的人脸信息;
如果所述脸部信息包含了完整的人脸信息,则查找所述脸部信息在所述图像信息中的位置坐标。
进一步地,所述若人脸的数量大于1,则针对每个人脸的局部特征信息获取相应的脸部子信息数据之后还包括:
对所述脸部子信息进行解析,是否包含完整的人脸信息;
如果所述脸部子信息包含了完整的人脸信息,则根据所述脸部子信息数据,计算脸部中心点位置子坐标,并获取脸部中心点平均位置坐标。
进一步地,所述计算人脸中心点距离所述图像信息中的边缘位置最近的点之后包括:
以该最近的点与脸部中心点的距离为第一切割半径,以脸部中心点为第一圆心进行切割,从而获取到第三切割图像。
进一步地,所述计算脸部中心点平均位置距离所述图像信息中的边缘位置最近的点之后包括:
以该最近的点与脸部中心点平均位置的距离为第二切割半径,以脸部中心点平均位置为第二圆心进行切割,从而获取到第四切割图像。
本发明实施例提供的图像切割方法通过判断人脸在演员图片中的位置,从而更准确得截取演员图片,保证人脸的完整展示。
附图说明
图1为本发明实施例提供的图像切割方法的流程图;
图2为本发明实施例提供的图像切割方法的示意图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
本发明实施例提供的图像切割方法,对图像进行识别得到局部特征信息后,再通过局部特征信息获取完整的脸部信息,对脸部信息在图像中的位置进行定位后,进而在保证脸部信息的完整度的前提下,根据图像的尺寸确定图像的切割区域。
图1为本发明实施例提供的图像切割方法的流程图,如图所示,所述方法包括:
S101:获取图像信息。
确定要进行图像切割的图像后,获取该图像的数据包,该数据包包括待处理图像的全部图像信息。
S102:对所述图像信息进行识别,从而查找到人脸的局部特征信息。
获取到待处理图像的数据包后,对该数据包包括的图像信息进行识别,查找到数据包中包括的人脸的局部特征信息,该局部特征信息指的是,在人脸上能起到典型识别作用的信息,比如关于鼻子的数据信息,关于双眼的数据信息。
由于一个图像中包含的东西可能不止是人脸,因此如果对数据包中所有数据都进行识别检测,检测是否符合要求的话,会产生很多不必要的工作量,因此先在数据包中查找具有典型识别作用的数据,若该具有典型识别作用的数据被查找到,则证明该图像可用,否则则认为该图像不符合要求。
例如,上传一张图片,首先在该图片的数据包中检测是否存在关于鼻子和关于眼睛的数据信息,若能检测到关于鼻子和眼睛的数据,则进行下一步的操作,否则反馈该图片不符合要求的信息。
进一步地,所述方法对所述图像信息进行识别,从而查找到人脸的局部特征信息之后还包括:
根据所述人脸的局部特征信息进行脸部识别,从而获取到人脸数量信息;
若人脸的数量大于1,则针对每个人脸的局部特征信息获取相应的脸部子信息数据。
当上一步骤中查找到人脸的局部特征信息后,还存在着人脸的局部特征信息不唯一的情形,即在图像信息中查找到多套局部特征信息,比如,查找到两个鼻子,四只眼睛等。在这种情况下,将包含有一组鼻子信息和一组眼睛信息的数据视为一个人脸的局部特征信息,当该图像信息中可以匹配出多个局部特征信息时,即将匹配的局部特征信息的数量作为人脸的数量。
当人脸的数量信息为1时,则获取该局部特征信息对应的脸部信息数据。
当人脸的数量信息大于1时,则获取每个局部特征信息对应的脸部子信息数据,每组脸部子信息数据都仅与其所对应的局部特征信息存在相关性。
S103:根据所述人脸的局部特征信息进行脸部识别,从而获取到脸部信息。
当在图像数据包中查找到局部特征信息后,对该图像进行脸部识别,即识别脸部的其他信息,比如脸部轮廓和五官分布等数据。
检测到人脸的局部特征信息后,意味着该图片上存在着目标信息,即存在着人脸的图案,而检测到了局部特征信息后再对数据包中其他数据进行查找,确认是否存在着完整的脸部信息,如果存在着完整的脸部信息,则应当能查找到脸部的详细信息,比如轮廓信息,五官形态的信息和五官分布信息等。
S104:查找所述脸部信息在所述图像信息中的位置坐标(x,y),(x+w,y+h)。
当在数据包中查找到完整的脸部信息后,即查找脸部区域在图像信息中的位置坐标,该位置坐标表示为(x,y),(x+w,y+h),其中w、h分别为该脸部区域的宽度和长度。
S105:计算脸部信息中的脸部中心点位置坐标(x+w/2,y+h/2)。
获取到脸部区域在图像信息中的位置坐标(x,y),(x+w,y+h)后,进一步计算获取脸部信息中的脸部中心点的位置坐标(x+w/2,y+h/2)。
一般来讲脸部区域的中心点即是脸部的中心点,因此,当确认了脸部区域的中心点后,可以认为同时确认了脸部中心点。若某脸部区域的中心点不是脸部的中心点,排除五官畸形等要素外,则可认为是该脸部区域未能包含完整的脸部信息,或者说是完整的正面脸部信息。
S106:计算脸部中心点距离所述图像信息中的边缘位置最近的点。
上一步骤确认好脸部中心点后,进一步计算该脸部中心点距离图像信息的边缘位置的最近距离,即确认图像信息的边缘位置距离该脸部中心点最近的点。
选取距离最近的点是因为,可以最大限度地防止漏选脸部信息,而若再扩大距离则会导致选取的区域中出现空白。
S107:以该最近的点与脸部中心点的距离为第一切割距离,以脸部中心点为第一中心点进行矩形切割,从而获取到第一切割图像。
以上一步获取的最近距离作为第一切割距离,以脸部中心点为中心点进行矩形切割,即该最近距离的两倍的值作为矩形切割的边长,需要注意的是,在切割的同时,要注意到保持脸部区域的脸部信息的完整性。
进一步地,所述计算人脸中心点距离所述图像信息中的边缘位置最近的点之后包括:
以该最近的点与脸部中心点的距离为第一切割半径,以脸部中心点为圆心进行切割,从而获取到第三切割图像。
当希望截取的图像为圆形图像时,只需要以上述的最近距离作为第一切割半径,以上述的脸部中心点作为圆心进行切割,即可获取到圆形的第三切割图像。需要注意的是,在切割的同时,要注意到保持脸部区域的脸部信息的完整性。若该切割距离破坏了脸部区域的完整性,则加大该第一切割半径,直到第三切割图像包括有完整的脸部信息为止。
进一步地,所述以脸部中心点为第一中心点进行矩形切割,从而获取到第一切割图像之后还包括:
计算所述第一切割图像中脸部所占的面积比例;
预先设定第一阈值;
当所述第一切割图像中脸部所占的面积比例小于第一阈值时,缩小所述第一切割距离,使所述第一切割图像中脸部所占的面积比例大于第一阈值。
当上一步骤以脸部中心点为第一中心点进行矩形切割获取到第一切割图像之后,对第一切割图像中脸部所占的面积比例进行计算,即计算脸部信息数据占第一切割图像数据的比例。同时预先设定一个第一阈值,该第一阈值表示脸部区域占第一切割图像的最小面积比例,当小于该第一阈值时,脸部区域过小,不利于辨识。因此当检测到脸部所占的面积小于该第一阈值时,即在保证脸部信息完整的情况下缩短第一切割距离,并再次进行切割,直至切割到的图像的脸部所占面积比例大于或等于该第一阈值。
如果不能在保证脸部信息完整的情况下使得切割图像的脸部所占面积比例达到第一阈值,则认为该图像信息不符合要求。
进一步地,所述方法针对每个人脸的局部特征信息获取相应的脸部子信息数据之后还包括:
根据所述脸部子信息数据,计算脸部中心点位置子坐标,并获取脸部中心点平均位置坐标;
计算脸部中心点平均位置距离所述图像信息中的边缘位置最近的点;
以该最近的点与脸部中心点平均位置的距离为第二切割距离,以脸部中心点平均位置为第二中心点进行矩形切割,从而获取到第二切割图像。
当图像信息中识别出的局部特征信息不唯一,且查找到的脸部子信息也不唯一时,获取其各个脸部子信息的中心点位置坐标,即(x1,y1),(x1+w1,y1+h1);(x2,y2),(x2+w2,y2+h2)…(xn,yn),(xn+wn,yn+hn)。
查找到各个脸部子信息的中心点位置坐标后,对该脸部子信息的中心点位置坐标进行计算,计算的是各个脸部子信息的脸部中心点平均位置坐标((Σxi)/n(Σyi)/n)。
上一步骤确认好脸部中心点平均位置坐标后,进一步计算该脸部中心点平均位置距离图像信息的边缘位置的最近距离,即确认图像信息的边缘位置距离该脸部中心点平均位置最近的点。
以上一步获取的最近距离作为第二切割距离,以脸部中心点平均位置为中心点进行矩形切割,即该最近距离的两倍的值作为矩形切割的边长,需要注意的是,在切割的同时,要注意到保持脸部区域的脸部信息的完整性。
进一步地,所述若人脸的数量大于1,则针对每个人脸的局部特征信息获取相应的脸部子信息数据之后还包括:
对所述脸部子信息进行解析,是否包含完整的人脸信息;
如果所述脸部子信息包含了完整的人脸信息,则根据所述脸部子信息数据,计算脸部中心点位置子坐标,并获取脸部中心点平均位置坐标。
在人脸数量大于1的情况下,对每个局部特征信息后相对应的脸部子信息进行查找,确认是否存在着完整的脸部信息,如果存在着完整的脸部信息,则应当能查找到脸部的详细信息,比如轮廓信息,五官形态的信息和五官分布信息等。
获取到完整的脸部子信息后,对该脸部子信息数据进行计算获取脸部中心点位置子坐标和脸部中心点平均位置坐标。
进一步地,根据以脸部中心点平均位置为第二中心点进行矩形切割,从而获取到第二切割图像之后还包括:
计算所述第二切割图像中脸部所占的面积比例;
预先设定第二阈值;
当所述第二切割图像中脸部所占的面积比例小于第二阈值时,缩小所述第二切割距离,使所述第二切割图像中脸部所占的面积比例大于第二阈值。
当上一步骤以脸部中心点平均位置为第二中心点进行矩形切割获取到第二切割图像之后,对第二切割图像中脸部所占的面积比例进行计算,即计算脸部信息数据占第二切割图像数据的比例。同时预先设定一个第二阈值,该第二阈值表示脸部区域占第二切割图像的最小面积比例,当小于该第二阈值时,脸部区域过小,不利于辨识。因此当检测到脸部所占的面积小于该第二阈值时,即在保证脸部信息完整的情况下缩短第二切割距离,并再次进行切割,直至切割到的图像的脸部所占面积比例大于或等于该第而阈值。
如果不能在保证脸部信息完整的情况下使得切割图像的脸部所占面积比例达到第二阈值,则认为该图像信息不符合要求。
进一步地,所述计算脸部中心点平均位置距离所述图像信息中的边缘位置最近的点之后包括:
以该最近的点与脸部中心点平均位置的距离为第二切割半径,以脸部中心点平均位置为第二中心点进行圆形切割,从而获取到第四切割图像。
当希望截取的图像为圆形图像时,只需要以上述的最近距离作为第二切割半径,以上述的脸部中心点平均位置作为圆心进行切割,即可获取到圆形的第四切割图像。需要注意的是,在切割的同时,要注意到保持脸部区域的脸部信息的完整性。若该切割距离破坏了脸部区域的完整性,则加大该第二切割半径,直到第四切割图像包括有完整的脸部信息为止。
本发明实施例提供的图像切割方法通过判断人脸在演员图片中的位置,从而更准确得截取演员图片,保证人脸的完整展示。
图2为本发明实施例提供的图像切割方法的示意图,如图2所示对一张常规的单人图像进行图像切割,首先识别到图像信息中所包含的眼睛、鼻子和嘴巴等元素,其次在查找到上述元素的基础上查找完整的脸部信息,在图中表示为B,查找并确认图像中包含完整的脸部信息后,确认脸部中心点,图中所示为鼻子区域,表示为A,再根据查找到的脸部中心点A计算其距离图像边缘的最近距离,并以该最近距离作为第一切割距离进行矩形切割,图中所示为C。若切割得到的第一切割图像中,完整的脸部面积所占的比例过小,小于第一阈值,则缩小第一切割距离,即缩小图中所示C的边长,也即缩小图中C的总面积,从而增大第一切割图像中脸部面积所占的比例。
由于图2中脸部信息是完整的,因此在图2中,查找到脸部信息后,判断脸部信息完整之后便进入下个步骤,若其他图像中脸部信息不完整,例如存在遮挡脸部、侧脸相片等情况时,认为该图像不符合要求。
本发明实施例提供的图像切割方法通过判断人脸在演员图片中的位置,从而更准确得截取演员图片,保证人脸的完整展示。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,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方式而已,并不用于限定本发明的保护范围,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 (9)
1.一种图像切割方法,其特征在于,所述方法包括:
获取图像信息;
对所述图像信息进行识别,从而查找到人脸的局部特征信息;
根据所述人脸的局部特征信息进行脸部识别,从而获取到脸部信息;
查找所述脸部信息在所述图像信息中的位置坐标(x,y),(x+w,y+h);
计算脸部信息中的脸部中心点位置坐标(x+w/2,y+h/2);
计算脸部中心点距离所述图像信息中的边缘位置最近的点;
以该最近的点与脸部中心点的距离为第一切割距离,以脸部中心点为第一中心点进行矩形切割,从而获取到第一切割图像。
2.根据权利要求1所述的方法,其特征在于,所述方法对所述图像信息进行识别,从而查找到人脸的局部特征信息之后还包括:
根据所述人脸的局部特征信息进行脸部识别,从而获取到人脸数量信息;
若人脸的数量大于1,则针对每个人脸的局部特征信息获取相应的脸部子信息数据。
3.根据权利要求2所述的方法,其特征在于,所述方法针对每个人脸的局部特征信息获取相应的脸部子信息数据之后还包括:
根据所述脸部子信息数据,计算脸部中心点位置子坐标,并获取脸部中心点平均位置坐标;
计算脸部中心点平均位置距离所述图像信息中的边缘位置最近的点;
以该最近的点与脸部中心点平均位置的距离为第二切割距离,以脸部中心点平均位置为第二中心点进行矩形切割,从而获取到第二切割图像。
4.根据权利要求1所述的方法,其特征在于,所述以脸部中心点为第一中心点进行矩形切割,从而获取到第一切割图像之后还包括:
计算所述第一切割图像中脸部所占的面积比例;
预先设定第一阈值;
当所述第一切割图像中脸部所占的面积比例小于第一阈值时,缩小所述第一切割距离,使所述第一切割图像中脸部所占的面积比例大于第一阈值。
5.根据权利要求3所述的方法,其特征在于,根据以脸部中心点平均位置为第二中心点进行矩形切割,从而获取到第二切割图像之后还包括:
计算所述第二切割图像中脸部所占的面积比例;
预先设定第二阈值;
当所述第二切割图像中脸部所占的面积比例小于第二阈值时,缩小所述第二切割距离,使所述第二切割图像中脸部所占的面积比例大于第二阈值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述人脸的局部特征信息进行脸部识别,从而获取到脸部信息之后还包括:
对所述脸部信息进行解析,是否包含完整的人脸信息;
如果所述脸部信息包含了完整的人脸信息,则查找所述脸部信息在所述图像信息中的位置坐标。
7.根据权利要求2所述的方法,其特征在于,所述若人脸的数量大于1,则针对每个人脸的局部特征信息获取相应的脸部子信息数据之后还包括:
对所述脸部子信息进行解析,是否包含完整的人脸信息;
如果所述脸部子信息包含了完整的人脸信息,则根据所述脸部子信息数据,计算脸部中心点位置子坐标,并获取脸部中心点平均位置坐标。
8.根据权利要求1所述的方法,其特征在于,所述计算人脸中心点距离所述图像信息中的边缘位置最近的点之后包括:
以该最近的点与脸部中心点的距离为第一切割半径,以脸部中心点为第一圆心进行切割,从而获取到第三切割图像。
9.根据权利要求3所述的方法,其特征在于,所述计算脸部中心点平均位置距离所述图像信息中的边缘位置最近的点之后包括:
以该最近的点与脸部中心点平均位置的距离为第二切割半径,以脸部中心点平均位置为第二圆心进行切割,从而获取到第四切割图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710685212.1A CN107463914A (zh) | 2017-08-11 | 2017-08-11 | 图像切割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710685212.1A CN107463914A (zh) | 2017-08-11 | 2017-08-11 | 图像切割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107463914A true CN107463914A (zh) | 2017-12-12 |
Family
ID=60548914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710685212.1A Pending CN107463914A (zh) | 2017-08-11 | 2017-08-11 | 图像切割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107463914A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241307A (zh) * | 2018-08-29 | 2019-01-18 | 山东浪潮商用***有限公司 | 一种演职人员内容管理方法及*** |
CN109308452A (zh) * | 2018-08-10 | 2019-02-05 | 中山全播网络科技有限公司 | 一种基于人脸识别的课堂考勤图像处理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040190753A1 (en) * | 2003-03-31 | 2004-09-30 | Honda Motor Co., Ltd. | Image transmission system for a mobile robot |
US20110069888A1 (en) * | 2009-09-22 | 2011-03-24 | Samsung Electronics Co., Ltd. | Image processing apparatus and method |
CN102982568A (zh) * | 2012-11-12 | 2013-03-20 | 东莞宇龙通信科技有限公司 | 一种自动裁剪图像的方法及装置 |
CN103914689A (zh) * | 2014-04-09 | 2014-07-09 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的图片裁剪方法及装置 |
CN103996186A (zh) * | 2014-04-29 | 2014-08-20 | 小米科技有限责任公司 | 图像裁剪方法及装置 |
CN104361329A (zh) * | 2014-11-25 | 2015-02-18 | 成都品果科技有限公司 | 一种基于人脸识别的照片裁剪方法及*** |
CN105357436A (zh) * | 2015-11-03 | 2016-02-24 | 广东欧珀移动通信有限公司 | 用于图像拍摄中的图像裁剪方法和*** |
-
2017
- 2017-08-11 CN CN201710685212.1A patent/CN107463914A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040190753A1 (en) * | 2003-03-31 | 2004-09-30 | Honda Motor Co., Ltd. | Image transmission system for a mobile robot |
US20110069888A1 (en) * | 2009-09-22 | 2011-03-24 | Samsung Electronics Co., Ltd. | Image processing apparatus and method |
CN102982568A (zh) * | 2012-11-12 | 2013-03-20 | 东莞宇龙通信科技有限公司 | 一种自动裁剪图像的方法及装置 |
CN103914689A (zh) * | 2014-04-09 | 2014-07-09 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的图片裁剪方法及装置 |
CN103996186A (zh) * | 2014-04-29 | 2014-08-20 | 小米科技有限责任公司 | 图像裁剪方法及装置 |
CN104361329A (zh) * | 2014-11-25 | 2015-02-18 | 成都品果科技有限公司 | 一种基于人脸识别的照片裁剪方法及*** |
CN105357436A (zh) * | 2015-11-03 | 2016-02-24 | 广东欧珀移动通信有限公司 | 用于图像拍摄中的图像裁剪方法和*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308452A (zh) * | 2018-08-10 | 2019-02-05 | 中山全播网络科技有限公司 | 一种基于人脸识别的课堂考勤图像处理方法 |
CN109241307A (zh) * | 2018-08-29 | 2019-01-18 | 山东浪潮商用***有限公司 | 一种演职人员内容管理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112488064B (zh) | 一种人脸追踪方法、***、终端及存储介质 | |
CN110688930B (zh) | 人脸检测方法、装置、移动终端及存储介质 | |
US20120070042A1 (en) | Automatic Face Detection and Identity Masking In Images, and Applications Thereof | |
Joly et al. | Logo retrieval with a contrario visual query expansion | |
US8077930B2 (en) | Method for recognizing content in an image sequence | |
CN110210276A (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
US20050185054A1 (en) | System, method and article of manufacture for tracking a head of a camera-generated image of a person | |
CN111639522B (zh) | 活体检测方法、装置、计算机设备和存储介质 | |
CN1323370C (zh) | 一种色情图像检测方法 | |
CN105740778B (zh) | 一种改进的三维人脸活体检测方法及其装置 | |
WO2021218293A1 (zh) | 图像处理方法、装置、电子设备和存储介质 | |
US8761441B2 (en) | System and method for measuring flight information of a spherical object with high-speed stereo camera | |
WO2021169668A1 (zh) | 图像处理方法及相关装置 | |
CN107463914A (zh) | 图像切割方法 | |
CN110288715A (zh) | 虚拟项链试戴方法、装置、电子设备及存储介质 | |
Wang et al. | R-histogram: quantitative representation of spatial relations for similarity-based image retrieval | |
Karmakar et al. | Face recognition using face-autocropping and facial feature points extraction | |
CN110929738A (zh) | 证卡边缘检测方法、装置、设备及可读存储介质 | |
Asteriadis et al. | Head pose estimation with one camera, in uncalibrated environments | |
EP3291179A1 (en) | Image processing device, image processing method, and image processing program | |
CN105426877B (zh) | 利用汗腺位置信息的信息识别方法及*** | |
CN115049840B (zh) | 屏摄水印识别方法、存储介质及电子设备 | |
Kuang et al. | LipAuth: securing smartphone user authentication with lip motion patterns | |
CN110443147A (zh) | 一种坐姿识别方法、***和存储介质 | |
CN108537843A (zh) | 根据深度图像得到景深距离的方法及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171212 |
|
WD01 | Invention patent application deemed withdrawn after publication |