CN109658323A - 图像获取方法、装置、电子设备和计算机存储介质 - Google Patents
图像获取方法、装置、电子设备和计算机存储介质 Download PDFInfo
- Publication number
- CN109658323A CN109658323A CN201811561328.5A CN201811561328A CN109658323A CN 109658323 A CN109658323 A CN 109658323A CN 201811561328 A CN201811561328 A CN 201811561328A CN 109658323 A CN109658323 A CN 109658323A
- Authority
- CN
- China
- Prior art keywords
- information
- processed
- default
- posture information
- angle
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Robotics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像获取方法、装置、电子设备和计算机存储介质,该方法包括:获取预览图像帧;若预览图像帧中包含待处理对象,则确定预览图像帧中待处理对象的姿态信息;若待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集待处理对象的图像,得到抓拍图像。在本发明中,当要对待处理对象进行抓拍时,用户只需事先设置待处理对象的预设姿态信息,这样,当预览图像帧中的待处理对象的姿态信息与预设姿态信息之间的误差在预设误差范围内时,便会对待处理对象进行自动抓拍,进而得到精美的抓拍图像,准确性好,缓解了现有的图像获取方法操作繁琐,抓拍瞬间不准确的技术问题。
Description
技术领域
本发明涉及图像处理的技术领域,尤其是涉及一种图像获取方法、装置、电子设备和计算机存储介质。
背景技术
随着科学技术的发展和技术产业化应用水平的提升,手机的性能越来越好、硬件配置已经越来越完备。但同时,随着手机市场竞争越来越激烈,拼硬件配置已经不能吸引到更多的电子消费者,所以,大部分的手机厂商都在追求手机产品的差异化功能规划、设计、营销等。如正逐步流行的手机技术应用有:人脸解锁、人脸重塑、3D美颜、3D打光等等。
对于图像获取的应用场景,在现有技术中,用户通过朋友帮忙、或者借助无人机等设备,通过不断的抓拍、或者开启连续拍照、或者借助第三方设备,才能抓拍获取到精美瞬间的照片。
综上,现有的图像获取方法存在操作繁琐,抓拍瞬间不准确的问题。
发明内容
有鉴于此,本发明的目的在于提供一种图像获取方法、装置、电子设备和计算机存储介质,以缓解现有的图像获取方法操作繁琐,抓拍瞬间不准确的技术问题。
第一方面,本发明实施例提供了一种图像获取方法,包括:获取预览图像帧;若所述预览图像帧中包含待处理对象,则确定所述预览图像帧中所述待处理对象的姿态信息;若所述待处理对象的姿态信息与所述待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集所述待处理对象的图像,得到抓拍图像。
进一步地,确定所述预览图像帧中所述待处理对象的姿态信息包括:采用姿态检测模型对所述预览图像帧进行姿态检测,得到所述预览图像帧中所述待处理对象的轮廓数据集合,其中,所述轮廓数据集合为利用表征所述待处理对象轮廓的轮廓点确定的数据集合;将所述轮廓数据集合确定为所述预览图像帧中待处理对象的姿态信息。
进一步地,所述轮廓数据集合包括以下至少一种数据:各个轮廓点的索引信息、各个轮廓点在所述预览图像帧中的位置信息、所述待处理对象的轮廓姿态信息,其中,所述索引信息用于确定轮廓点的类型信息,所述待处理对象的轮廓姿态信息包括:各个轮廓点中相连接的轮廓点之间的位移信息和连接线段与水平方向的夹角信息,所述连接线段为各个轮廓点中相连接轮廓点的连接线段。
进一步地,所述预设误差范围包括:夹角误差范围,所述预设姿态信息包括第一预设姿态信息;若所述待处理对象的姿态信息与所述待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集所述待处理对象的图像包括:获取所述第一预设姿态信息,其中,所述第一预设姿态信息中包含第一预设夹角信息,所述第一预设夹角信息为预设轮廓点之间的连接线段与水平方向的夹角,所述预设轮廓点为所述待处理对象的多个轮廓点中相连接的轮廓点;在所述轮廓姿态信息所包含的夹角信息中查找第一目标夹角信息,其中,所述第一目标夹角信息所对应轮廓点的索引信息与所述预设轮廓点的索引信息相同;若所述第一目标夹角信息和所述第一预设夹角信息之间的误差在所述夹角误差范围内,则采集所述待处理对象的图像。
进一步地,所述预设误差范围包括:夹角误差范围和位移误差范围,所述预设姿态信息包括第二预设姿态信息;若所述待处理对象的姿态信息与所述待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集所述待处理对象的图像还包括:获取所述第二预设姿态信息,其中,所述第二预设姿态信息中包含第二预设夹角信息和预设位移信息,所述第二预设夹角信息为预设轮廓点之间的连接线段与水平方向的夹角,所述预设位移信息为相连接的预设轮廓点之间的位移信息,所述预设轮廓点为所述待处理对象的多个轮廓点中相连接的轮廓点;在所述轮廓姿态信息所包含的夹角信息中查找第二目标夹角信息,并在所述轮廓姿态信息所包含的位移信息中查找目标位移信息,其中,所述第二目标夹角信息所对应的轮廓点索引信息与所述第二预设夹角信息所对应预设轮廓点的索引信息相同,所述目标位移信息所对应轮廓点的索引信息与所述预设位移信息所对应预设轮廓点的索引信息相同;若所述第二目标夹角信息和所述第二预设夹角信息之间的误差在所述夹角误差范围内,且所述目标位移信息和所述预设位移信息之间的误差在所述位移误差范围内,则采集所述待处理对象的图像。
进一步地,所述方法还包括:获取原始样本对象图像;对所述原始样本对象图像进行姿态信息标注,得到携带姿态信息的原始样本对象图像;对所述携带姿态信息的原始样本对象图像进行划分,得到训练样本集合和测试样本集合;通过所述训练样本集合和所述测试样本集合对初始姿态检测模型进行训练,得到所述姿态检测模型。
进一步地,通过所述训练样本集合和所述测试样本集合对初始姿态检测模型进行训练,得到所述姿态检测模型包括:通过所述训练样本集合对所述初始姿态检测模型进行训练;利用所述测试样本集合对训练之后的所述初始姿态检测模型进行测试,以测试训练之后的所述初始姿态检测模型的处理精度是否满足预设精度;若是,则将训练之后的所述初始姿态检测模型作为所述姿态检测模型;若否,则通过所述训练样本集合继续对所述初始姿态检测模型进行训练,直至训练之后的所述初始姿态检测模型的处理精度满足预设精度。
进一步地,所述方法还包括:若所述待处理对象的姿态信息与所述待处理对象的预设姿态信息之间的误差不在所述预设误差范围内,则获取所述预览图像帧的下一个图像帧。
进一步地,所述方法还包括:对所述预览图像帧进行脸部检测;若基于脸部检测结果确定出所述预览图像帧中包含目标脸部,则确定所述预览图像帧中包含所述待处理对象,其中,所述目标脸部为所述待处理对象的所属脸部;若基于所述脸部检测结果确定出所述预览图像帧中不包含目标脸部,则获取所述预览图像帧的下一个图像帧。
第二方面,本发明实施例还提供了一种图像获取装置,包括:获取单元,用于获取预览图像帧;确定单元,若所述预览图像帧中包含待处理对象,则确定所述预览图像帧中所述待处理对象的姿态信息;图像采集单元,若所述待处理对象的姿态信息与所述待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集所述待处理对象的图像,得到抓拍图像。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
第四方面,本发明实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述第一方面任一项所述的方法的步骤。
在本发明实施例中,首先,获取预览图像帧,若预览图像帧包含待处理对象,则确定预览图像帧中待处理对象的姿态信息;若待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集待处理对象的图像,得到抓拍图像。通过上述描述可知,在本发明实施例中,当要对待处理对象进行抓拍时,用户只需事先设置待处理对象的预设姿态信息,这样,当预览图像帧中的待处理对象的姿态信息与预设姿态信息之间的误差在预设误差范围内时,便会对待处理对象进行自动抓拍,进而得到精美的抓拍图像。抓拍过程中操作简单,能够自动的把控抓拍瞬间,准确性好,缓解了现有的图像获取方法操作繁琐,抓拍瞬间不准确的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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电子设备的示意图;
图2为本发明实施例提供的一种图像获取方法的流程图;
图3为本发明实施例提供的另一种图像获取方法的流程图;
图4为本发明实施例提供的包含轮廓数据集合的待处理对象的示意图;
图5为本发明实施例提供的轮廓点和连接线段的示意图;
图6为本发明实施例提供的抓拍图像的示意图;
图7为本发明实施例提供的一种图像获取装置的示意图。
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,下面将结合附图对本发明的技术方案进行清楚、完整地描述,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。
实施例1:
首先,参照图1来描述用于实现本发明实施例的电子设备100,该电子设备可以用于运行本发明各实施例的图像获取方法。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储器104、输入装置106、输出装置108以及摄像机110,这些组件通过总线***112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以采用数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)和ASIC(Application Specific Integrated Circuit)中的至少一种硬件形式来实现,所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储器104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述摄像机110用于获取预览图像帧,其中,摄像机所获取的预览图像帧经过所述图像获取方法进行处理之后得到抓拍图像,例如,摄像机可以获取用户期望的图像(例如照片、视频等),然后,将该图像经过所述图像获取方法进行处理之后得到抓拍图像,摄像机还可以将所获取的图像存储在所述存储器104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的图像获取方法的电子设备可以被实现为诸如智能手机、平板电脑等智能移动终端。
实施例2:
根据本发明实施例,提供了一种图像获取方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本发明实施例的一种图像获取方法的流程图,如图2所示,该方法包括如下步骤:
步骤S202,获取预览图像帧;
在本发明实施例中,该图像获取方法可以应用于图像采集设备,比如,可以应用于摄像头,摄像机,相机,或其它带有拍照功能设备(手机,平板电脑)等,还可以应用于图像采集设备上安装的目标应用上。例如,可以预先在图像采集设备上安装一个应用程序插件,进而通过该应用程序插件来实现上述步骤。又例如,可以在图像采集设备中安装目标应用时,即安装该应用程序插件,此时,在运行该目标应用时,该应用程序插件来实现上述步骤。
具体的,图像采集设备开启预览视频流,进而从预览视频流中获取预览图像帧。
步骤S204,若预览图像帧中包含待处理对象,则确定预览图像帧中待处理对象的姿态信息;
具体的,若要对人的姿态进行抓拍时,那么待处理对象就是人;若要对动物的姿态进行抓拍时,那么待处理对象就是动物,也就是待处理对象可根据具体的抓拍内容而定。本发明中所指的待处理对象可以是指能发生动作变化的实物(比如,上文中的人,动物等),还可以是存在姿态变化的景物,比如,毕业时,毕业生抛出的学士帽的景物等等。
步骤S206,若待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集待处理对象的图像,得到抓拍图像。
具体的,待处理对象的姿态信息可能无法与预设姿态信息完全一致,所以设置了预设误差范围。只要待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差在预设误差范围内,则对待处理对象进行抓拍。预设误差范围包括预设误差为0的情况。
另外,抓拍时,可以抓拍预设数量张待处理对象的图像。
在本发明实施例中,首先,获取预览图像帧,若预览图像帧包含待处理对象,则确定预览图像帧中待处理对象的姿态信息;若待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集待处理对象的图像,得到抓拍图像。通过上述描述可知,在本发明实施例中,当要对待处理对象进行抓拍时,用户只需事先设置待处理对象的预设姿态信息,这样,当预览图像帧中的待处理对象的姿态信息与预设姿态信息之间的误差在预设误差范围内时,便会对待处理对象进行自动抓拍,进而得到精美的抓拍图像。抓拍过程中操作简单,能够自动的把控抓拍瞬间,准确性好,缓解了现有的图像获取方法操作繁琐,抓拍瞬间不准确的技术问题。
在本发明的一个可选实施例中,参考图3,该方法还包括:
步骤S208,若待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差不在预设误差范围内,则获取预览图像帧的下一个图像帧。
下面以一具体应用场景对上述方法进行简要介绍:
用户开启图像获取的功能;例如,在目标应用(比如:手机的相机应用)中启动上述应用程序插件。启动之后,图像采集设备(比如:手机摄像头)开启预览视频流,进而该应用程序插件从预览视频流中获取预览图像帧,当预览图像帧中包含待处理对象时,确定预览图像帧中待处理对象的姿态信息,并进一步确定待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差是否在预设误差范围内。如果在预设误差范围内,那么抓拍预设数量张待处理对象的图像;而如果不在预设误差范围内,那么获取预览图像帧的下一个图像帧,以对下一图像帧进行处理。
在本发明的一个可选实施例中,当要对人或动物进行抓拍时,在获取预览图像帧之后,可以通过如下(1)-(3)步骤确定预览图像帧中是否包含待处理对象:
(1)对预览图像帧进行脸部检测;
(2)若基于脸部检测结果确定出预览图像帧中包含目标脸部,则确定预览图像帧中包含待处理对象,其中,目标脸部为待处理对象的所属脸部;
具体的,如果待处理对象为人,那么目标脸部即为人脸;如果待处理对象为动物,那么目标脸部为动物的面部。本发明实施例对目标脸部不进行具体限定。
(3)若基于脸部检测结果确定出预览图像帧中不包含目标脸部,则获取预览图像帧的下一个图像帧。
下面对本发明的图像获取方法进行详细介绍。
在本发明的一个可选实施例中,步骤S204,确定预览图像帧中待处理对象的姿态信息包括如下步骤:
步骤S2041,采用姿态检测模型对预览图像帧进行姿态检测,得到预览图像帧中待处理对象的轮廓数据集合,其中,轮廓数据集合为利用表征待处理对象轮廓的轮廓点确定的数据集合;
具体的,轮廓数据集合包括以下至少一种数据:各个轮廓点的索引信息、各个轮廓点在预览图像帧中的位置信息、待处理对象的轮廓姿态信息,其中,索引信息用于确定轮廓点的类型信息,待处理对象的轮廓姿态信息包括:各个轮廓点中相连接的轮廓点之间的位移信息和连接线段与水平方向的夹角信息,连接线段为各个轮廓点中相连接轮廓点的连接线段。
下面以待处理对象为人的情况进行说明:
如图4所示,轮廓数据集合可以为骨架数据集合,其中包含:各个骨架节点(即轮廓点)的索引信息(用于确定骨架节点的类型信息,比如,图4中骨架节点4表示右手的节点,骨架节点0表示头顶的节点)、各个骨架节点在预览图像帧中的位置信息、各个骨架节点中相连接的骨架节点之间的位移信息(比如,图4中的骨架节点6和骨架节点7之间的位移信息d(6-7))、连接线段与水平方向(具体为水平向右的方向)的夹角信息(比如,图4中的骨架节点3和骨架节点4之间的连接线段与水平方向的夹角θ(3-4))。
另外,每个骨架节点对应唯一的索引信息。
当待处理对象为动物,且动物存在骨骼时,轮廓数据集合也可以为骨架数据集合;而当动物不存在骨骼时(比如,软体动物),轮廓数据集合可以根据动物的具体形态而设定,本发明实施例对其不进行具体限定。
在本发明实施例中,上述的姿态检测模型是事先通过原始样本对象图像对初始神经网络进行训练得到的。具体过程如下:
1)获取原始样本对象图像;
具体的,如果待处理对象为人,那么获取的原始样本对象图像即为原始样本人体图像;如果待处理对象为具体的某一种动物,那么获取的原始样本对象图像即为原始样本动物图像。可根据待处理对象的不同,从而设置不同的样本对象图像。
2)对原始样本对象图像进行姿态信息标注,得到携带姿态信息的原始样本对象图像;
对于不同类型的待处理对象,姿态信息的标注也不尽相同。比如,如上所述,如果待处理对象为人,那么可以按照图4中的形式进行标注,而对于其它类型的待处理对象,可以参考图4中的形式进行标注,这里不再对其它类型的待处理对象进行一一说明。
3)对携带姿态信息的原始样本对象图像进行划分,得到训练样本集合和测试样本集合;
4)通过训练样本集合和测试样本集合对初始姿态检测模型进行训练,得到姿态检测模型。
具体的,通过训练样本集合对初始姿态检测模型进行训练;利用测试样本集合对训练之后的初始姿态检测模型进行测试,以测试训练之后的初始姿态检测模型的处理精度是否满足预设精度;若是,则将训练之后的初始姿态检测模型作为姿态检测模型;若否,则通过训练样本集合继续对初始姿态检测模型进行训练,直至训练之后的初始姿态检测模型的处理精度满足预设精度。
步骤S2042,将轮廓数据集合确定为预览图像帧中待处理对象的姿态信息。
下面对姿态信息满足要求(即待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差在预设误差范围内)的两种情形进行具体说明。
情形一:
步骤S206,预设误差范围包括:夹角误差范围,预设姿态信息包括第一预设姿态信息;若待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集待处理对象的图像包括如下步骤:
步骤S2061,获取第一预设姿态信息,其中,第一预设姿态信息中包含第一预设夹角信息,第一预设夹角信息为预设轮廓点之间的连接线段与水平方向的夹角,预设轮廓点为待处理对象的多个轮廓点中相连接的轮廓点;
步骤S2062,在轮廓姿态信息所包含的夹角信息中查找第一目标夹角信息,其中,第一目标夹角信息所对应轮廓点的索引信息与预设轮廓点的索引信息相同;
步骤S2063,若第一目标夹角信息和第一预设夹角信息之间的误差在预设误差范围内,则采集待处理对象的图像。
步骤S2064,若第一目标夹角信息和第一预设夹角信息之间的误差不在预设误差范围内,则获取预览图像帧的下一个图像帧。
下面参考图5对该情形进行介绍,假设现在的第一预设姿态信息为预第一设夹角信息,该第一预设夹角信息为待处理对象的多个轮廓点中,轮廓点6和轮廓点7之间的连接线段与水平方向(具体是水平方向的正方向,水平方向的正方向可以事先设定)的夹角信息θ(6-7),然后,在得到的待处理对象的轮廓姿态信息中,查找轮廓点6和轮廓点7之间的连接线段与水平方向的第一目标夹角信息,若第一目标夹角信息与θ(6-7)之间的误差在预设误差范围(比如,-10度至+10度的误差范围)内,则采集待处理对象的图像;若第一目标夹角信息与θ(6-7)之间的误差不在预设误差范围内,则不对待处理对象进行抓拍,并获取预览图像帧的下一个图像帧。
需要说明的是,上述第一预设夹角信息的数量可以为一个(如上描述的轮廓点6和轮廓点7之间的连接线段与水平方向的夹角),也可以为多个(其它轮廓点之间的连接线段与水平方向的夹角)。当预设夹角信息的数量为多个时,查找得到的第一目标夹角信息的数量对应也为多个。
情形二:
预设误差范围包括:夹角误差范围和位移误差范围,预设姿态信息包括第二预设姿态信息;步骤S206,若待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集待处理对象的图像还包括如下步骤:
步骤S2065,获取第二预设姿态信息,其中,第二预设姿态信息中包含第二预设夹角信息和预设位移信息,第二预设夹角信息为预设轮廓点之间的连接线段与水平方向的夹角,预设位移信息为相连接的预设轮廓点之间的位移信息,预设轮廓点为待处理对象的多个轮廓点中相连接的轮廓点;
步骤S2066,在轮廓姿态信息所包含的夹角信息中查找第二目标夹角信息,并在轮廓姿态信息所包含的位移信息中查找目标位移信息,其中,第二目标夹角信息所对应轮廓点的索引信息与第二预设夹角信息所对应预设轮廓点的索引信息相同,目标位移信息所对应轮廓点的索引信息与预设位移信息所对应预设轮廓点的索引信息相同;
步骤S2067,若第二目标夹角信息和第二预设夹角信息之间的误差在夹角误差范围内,且目标位移信息和预设位移信息之间的误差在位移误差范围内,则采集待处理对象的图像。
步骤S2068,若第二目标夹角信息和第二预设夹角信息之间的误差不在夹角误差范围内,或目标位移信息和预设位移信息之间的误差不在位移误差范围内,则获取预览图像帧的下一个图像帧。
下面参考图5对该情形进行介绍,假设现在的第二预设姿态信息为第二预设夹角信息和预设位移信息,该第二预设夹角信息为待处理对象的多个轮廓点中,轮廓点6和轮廓点7之间的连接线段与水平方向的夹角信息θ(6-7),该预设位移信息为相连接轮廓点6和轮廓点7之间的位移信息d(6-7),然后,在得到的待处理对象的轮廓姿态信息中,查找轮廓点6和轮廓点7之间的连接线段与水平方向的第二目标夹角信息,并查找轮廓点6和轮廓点7之间的目标位移信息。若第二目标夹角信息与θ(6-7)之间的误差在夹角误差范围(比如,-10度至+10度的误差范围)内,且目标位移信息与d(6-7)之间的误差在位移误差范围内,则采集待处理对象的图像,得到抓拍图像(如图6中所示的抓拍图像);若不满足上述条件,则不对待处理对象进行抓拍,并获取预览图像帧的下一个图像帧。
需要说明的是,上述预设夹角信息的数量可以为一个(如上描述的轮廓点6和轮廓点7之间的连接线段与水平方向的夹角θ(6-7)),也可以为多个(其它轮廓点之间的连接线段与水平方向的夹角),并且,预设位移信息可以为一个(如上描述的相连接轮廓点6和轮廓点7之间的位移信息d(6-7)),也可以为多个(其它相连接轮廓点之间的位移信息)。当第二预设夹角信息的数量为多个时,查找得到的第二目标夹角信息的数量对应也为多个;当预设位移信息的数量为多个时,查找得到的目标位移信息的数量对应也为多个。
另外,上述的预设姿态信息可以为用户事先在姿态设置列表中设置得到的,也可以为算法设计时固定的,还可以为用户对图像采集设备中的姿态模型的姿态进行改变后,确定保存得到的,本发明实施例对预设姿态信息的获取方式不进行限制。
通过上述描述可知,在本发明实施例中,当要对待处理对象进行抓拍时,用户只需事先设置待处理对象的预设姿态信息,这样,当预览图像帧中的待处理对象的姿态信息与预设姿态信息之间的误差在预设误差范围内时,便会对待处理对象进行自动抓拍,进而得到精美的抓拍图像。抓拍过程中操作简单,能够自动的把控抓拍瞬间,准确性好,缓解了现有的图像获取方法操作繁琐,抓拍瞬间不准确的技术问题。
实施例3:
本发明实施例还提供了一种图像获取装置,该图像获取装置主要用于执行本发明实施例上述内容所提供的图像获取方法,以下对本发明实施例提供的图像获取装置做具体介绍。
图7是根据本发明实施例的一种图像获取装置的示意图,如图7所示,该图像获取装置主要包括获取单元10,确定单元20和图像采集单元30,其中:
获取单元,用于获取预览图像帧;
确定单元,若预览图像帧中包含待处理对象,则确定预览图像帧中待处理对象的姿态信息;
图像采集单元,若待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集待处理对象的图像,得到抓拍图像。
在本发明实施例中,首先,获取预览图像帧,若预览图像帧包含待处理对象,则确定预览图像帧中待处理对象的姿态信息;若待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集待处理对象的图像,得到抓拍图像。通过上述描述可知,在本发明实施例中,当要对待处理对象进行抓拍时,用户只需事先设置待处理对象的预设姿态信息,这样,当预览图像帧中的待处理对象的姿态信息与预设姿态信息之间的误差在预设误差范围内时,便会对待处理对象进行自动抓拍,进而得到精美的抓拍图像。抓拍过程中操作简单,能够自动的把控抓拍瞬间,准确性好,缓解了现有的图像获取方法操作繁琐,抓拍瞬间不准确的技术问题。
可选地,确定单元还用于:采用姿态检测模型对预览图像帧进行姿态检测,得到预览图像帧中待处理对象的轮廓数据集合,其中,轮廓数据集合为利用表征待处理对象轮廓的轮廓点确定的数据集合;将轮廓数据集合确定为预览图像帧中待处理对象的姿态信息。
可选地,轮廓数据集合包括以下至少一种数据:各个轮廓点的索引信息、各个轮廓点在预览图像帧中的位置信息、待处理对象的轮廓姿态信息,其中,索引信息用于确定轮廓点的类型信息,待处理对象的轮廓姿态信息包括:各个轮廓点中相连接的轮廓点之间的位移信息和连接线段与水平方向的夹角信息,连接线段为各个轮廓点中相连接轮廓点的连接线段。
可选地,预设误差范围包括:夹角误差范围,预设姿态信息包括第一预设姿态信息;图像采集单元还用于:获取第一预设姿态信息,其中,第一预设姿态信息中包含第一预设夹角信息,第一预设夹角信息为预设轮廓点之间的连接线段与水平方向的夹角,预设轮廓点为待处理对象的多个轮廓点中相连接的轮廓点;在轮廓姿态信息所包含的夹角信息中查找第一目标夹角信息,其中,第一目标夹角信息所对应轮廓点的索引信息与预设轮廓点的索引信息相同;若第一目标夹角信息和第一预设夹角信息之间的误差在夹角误差范围内,则采集待处理对象的图像。
可选地,预设误差范围包括:夹角误差范围和位移误差范围,预设姿态信息包括第二预设姿态信息;图像采集单元还用于:获取第二预设姿态信息,其中,第二预设姿态信息中包含第二预设夹角信息和预设位移信息,第二预设夹角信息为预设轮廓点之间的连接线段与水平方向的夹角,预设位移信息为相连接的预设轮廓点之间的位移信息,预设轮廓点为待处理对象的多个轮廓点中相连接的轮廓点;在轮廓姿态信息所包含的夹角信息中查找第二目标夹角信息,并在轮廓姿态信息所包含的位移信息中查找目标位移信息,其中,第二目标夹角信息所对应轮廓点的索引信息与第二预设夹角信息所对应预设轮廓点的索引信息相同,目标位移信息所对应轮廓点的索引信息与预设位移信息所对应预设轮廓点的索引信息相同;若第二目标夹角信息和第二预设夹角信息之间的误差在夹角误差范围内,且目标位移信息和预设位移信息之间的误差在位移误差范围内,则采集待处理对象的图像。
可选地,该装置还用于:获取原始样本对象图像;对原始样本对象图像进行姿态信息标注,得到携带姿态信息的原始样本对象图像;对携带姿态信息的原始样本对象图像进行划分,得到训练样本集合和测试样本集合;通过训练样本集合和测试样本集合对初始姿态检测模型进行训练,得到姿态检测模型。
可选地,该装置还用于:通过训练样本集合对初始姿态检测模型进行训练;利用测试样本集合对训练之后的初始姿态检测模型进行测试,以测试训练之后的初始姿态检测模型的处理精度是否满足预设精度;若是,则将训练之后的初始姿态检测模型作为姿态检测模型;若否,则通过训练样本集合继续对初始姿态检测模型进行训练,直至训练之后的初始姿态检测模型的处理精度满足预设精度。
可选地,该装置还用于:若待处理对象的姿态信息与待处理对象的预设姿态信息之间的误差不在预设误差范围内,则并获取预览图像帧的下一个图像帧。
可选地,该装置还用于:对预览图像帧进行脸部检测;若基于脸部检测结果确定出预览图像帧中包含目标脸部,则确定预览图像帧中包含待处理对象,其中,目标脸部为待处理对象的所属脸部;若基于脸部检测结果确定出预览图像帧中不包含目标脸部,则获取预览图像帧的下一个图像帧。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在本发明的另一个实施例中,还提供了一种计算机存储介质,其上存储有计算机程序,计算机运行计算机程序时执行上述方法实施例所述的方法的步骤。
在本发明的另一个实施例中,还提供了一种计算机程序,该计算机程序可以存储在云端或本地的存储介质上。在该计算机程序被计算机或处理器运行时用于执行本发明实施例的所述方法的相应步骤,并且用于实现根据本发明实施例的图像获取装置中的相应模块。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个分析单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个分析器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (12)
1.一种图像获取方法,其特征在于,包括:
获取预览图像帧;
若所述预览图像帧中包含待处理对象,则确定所述预览图像帧中所述待处理对象的姿态信息;
若所述待处理对象的姿态信息与所述待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集所述待处理对象的图像,得到抓拍图像。
2.根据权利要求1所述的图像获取方法,其特征在于,确定所述预览图像帧中所述待处理对象的姿态信息包括:
采用姿态检测模型对所述预览图像帧进行姿态检测,得到所述预览图像帧中所述待处理对象的轮廓数据集合,其中,所述轮廓数据集合为利用表征所述待处理对象轮廓的轮廓点确定的数据集合;
将所述轮廓数据集合确定为所述预览图像帧中待处理对象的姿态信息。
3.根据权利要求2所述的图像获取方法,其特征在于,所述轮廓数据集合包括以下至少一种数据:各个轮廓点的索引信息、各个轮廓点在所述预览图像帧中的位置信息、所述待处理对象的轮廓姿态信息,其中,所述索引信息用于确定轮廓点的类型信息,所述待处理对象的轮廓姿态信息包括:各个轮廓点中相连接的轮廓点之间的位移信息和连接线段与水平方向的夹角信息,所述连接线段为各个轮廓点中相连接轮廓点的连接线段。
4.根据权利要求3所述的图像获取方法,其特征在于,所述预设误差范围包括:夹角误差范围,所述预设姿态信息包括第一预设姿态信息;
若所述待处理对象的姿态信息与所述待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集所述待处理对象的图像包括:
获取所述第一预设姿态信息,其中,所述第一预设姿态信息中包含第一预设夹角信息,所述第一预设夹角信息为预设轮廓点之间的连接线段与水平方向的夹角,所述预设轮廓点为所述待处理对象的多个轮廓点中相连接的轮廓点;
在所述轮廓姿态信息所包含的夹角信息中查找第一目标夹角信息,其中,所述第一目标夹角信息所对应轮廓点的索引信息与所述预设轮廓点的索引信息相同;
若所述第一目标夹角信息和所述第一预设夹角信息之间的误差在所述夹角误差范围内,则采集所述待处理对象的图像。
5.根据权利要求3所述的图像获取方法,其特征在于,所述预设误差范围包括:夹角误差范围和位移误差范围,所述预设姿态信息包括第二预设姿态信息;
若所述待处理对象的姿态信息与所述待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集所述待处理对象的图像还包括:
获取所述第二预设姿态信息,其中,所述第二预设姿态信息中包含第二预设夹角信息和预设位移信息,所述第二预设夹角信息为预设轮廓点之间的连接线段与水平方向的夹角,所述预设位移信息为相连接的预设轮廓点之间的位移信息,所述预设轮廓点为所述待处理对象的多个轮廓点中相连接的轮廓点;
在所述轮廓姿态信息所包含的夹角信息中查找第二目标夹角信息,并在所述轮廓姿态信息所包含的位移信息中查找目标位移信息,其中,所述第二目标夹角信息所对应轮廓点的索引信息与所述第二预设夹角信息所对应预设轮廓点的索引信息相同,所述目标位移信息所对应轮廓点的索引信息与所述预设位移信息所对应预设轮廓点的索引信息相同;
若所述第二目标夹角信息和所述第二预设夹角信息之间的误差在所述夹角误差范围内,且所述目标位移信息和所述预设位移信息之间的误差在所述位移误差范围内,则采集所述待处理对象的图像。
6.根据权利要求2所述的图像获取方法,其特征在于,所述方法还包括:
获取原始样本对象图像;
对所述原始样本对象图像进行姿态信息标注,得到携带姿态信息的原始样本对象图像;
对所述携带姿态信息的原始样本对象图像进行划分,得到训练样本集合和测试样本集合;
通过所述训练样本集合和所述测试样本集合对初始姿态检测模型进行训练,得到所述姿态检测模型。
7.根据权利要求6所述的图像获取方法,其特征在于,通过所述训练样本集合和所述测试样本集合对初始姿态检测模型进行训练,得到所述姿态检测模型包括:
通过所述训练样本集合对所述初始姿态检测模型进行训练;
利用所述测试样本集合对训练之后的所述初始姿态检测模型进行测试,以测试训练之后的所述初始姿态检测模型的处理精度是否满足预设精度;
若是,则将训练之后的所述初始姿态检测模型作为所述姿态检测模型;
若否,则通过所述训练样本集合继续对所述初始姿态检测模型进行训练,直至训练之后的所述初始姿态检测模型的处理精度满足预设精度。
8.根据权利要求1所述的图像获取方法,其特征在于,所述方法还包括:
若所述待处理对象的姿态信息与所述待处理对象的预设姿态信息之间的误差不在所述预设误差范围内,则获取所述预览图像帧的下一个图像帧。
9.根据权利要求1所述的图像获取方法,其特征在于,所述方法还包括:
对所述预览图像帧进行脸部检测;
若基于脸部检测结果确定出所述预览图像帧中包含目标脸部,则确定所述预览图像帧中包含所述待处理对象,其中,所述目标脸部为所述待处理对象的所属脸部;
若基于所述脸部检测结果确定出所述预览图像帧中不包含目标脸部,则获取所述预览图像帧的下一个图像帧。
10.一种图像获取装置,其特征在于,包括:
获取单元,用于获取预览图像帧;
确定单元,若所述预览图像帧中包含待处理对象,则确定所述预览图像帧中所述待处理对象的姿态信息;
图像采集单元,若所述待处理对象的姿态信息与所述待处理对象的预设姿态信息之间的误差在预设误差范围内,则采集所述待处理对象的图像,得到抓拍图像。
11.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述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计算机程序时实现上述权利要求1至9中任一项所述的方法的步骤。
12.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行上述权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811561328.5A CN109658323A (zh) | 2018-12-19 | 2018-12-19 | 图像获取方法、装置、电子设备和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811561328.5A CN109658323A (zh) | 2018-12-19 | 2018-12-19 | 图像获取方法、装置、电子设备和计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109658323A true CN109658323A (zh) | 2019-04-19 |
Family
ID=66115927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811561328.5A Pending CN109658323A (zh) | 2018-12-19 | 2018-12-19 | 图像获取方法、装置、电子设备和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658323A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754451A (zh) * | 2019-12-31 | 2020-10-09 | 广州极飞科技有限公司 | 测绘无人机成果检测方法、装置、电子设备及存储介质 |
CN113114924A (zh) * | 2020-01-13 | 2021-07-13 | 北京地平线机器人技术研发有限公司 | 图像拍摄方法、装置、计算机可读存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598867A (zh) * | 2013-10-30 | 2015-05-06 | 中国艺术科技研究所 | 一种人体动作自动评估方法及舞蹈评分*** |
CN105635567A (zh) * | 2015-12-24 | 2016-06-01 | 小米科技有限责任公司 | 拍照方法和装置 |
CN107169456A (zh) * | 2017-05-16 | 2017-09-15 | 湖南巨汇科技发展有限公司 | 一种基于坐姿深度图像的坐姿检测方法 |
CN107481292A (zh) * | 2017-09-05 | 2017-12-15 | 百度在线网络技术(北京)有限公司 | 车载摄像头的姿态误差估计方法和装置 |
CN108307116A (zh) * | 2018-02-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 图像拍摄方法、装置、计算机设备和存储介质 |
CN108600628A (zh) * | 2018-05-02 | 2018-09-28 | 腾讯科技(深圳)有限公司 | 图像抓拍方法、装置、终端及可读介质 |
-
2018
- 2018-12-19 CN CN201811561328.5A patent/CN109658323A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598867A (zh) * | 2013-10-30 | 2015-05-06 | 中国艺术科技研究所 | 一种人体动作自动评估方法及舞蹈评分*** |
CN105635567A (zh) * | 2015-12-24 | 2016-06-01 | 小米科技有限责任公司 | 拍照方法和装置 |
CN107169456A (zh) * | 2017-05-16 | 2017-09-15 | 湖南巨汇科技发展有限公司 | 一种基于坐姿深度图像的坐姿检测方法 |
CN107481292A (zh) * | 2017-09-05 | 2017-12-15 | 百度在线网络技术(北京)有限公司 | 车载摄像头的姿态误差估计方法和装置 |
CN108307116A (zh) * | 2018-02-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 图像拍摄方法、装置、计算机设备和存储介质 |
CN108600628A (zh) * | 2018-05-02 | 2018-09-28 | 腾讯科技(深圳)有限公司 | 图像抓拍方法、装置、终端及可读介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754451A (zh) * | 2019-12-31 | 2020-10-09 | 广州极飞科技有限公司 | 测绘无人机成果检测方法、装置、电子设备及存储介质 |
CN113114924A (zh) * | 2020-01-13 | 2021-07-13 | 北京地平线机器人技术研发有限公司 | 图像拍摄方法、装置、计算机可读存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6807877B2 (ja) | ゲームシーンにおけるターゲットをロックするための方法および端末 | |
CN109791625A (zh) | 使用人工神经网络进行面部识别 | |
Liu et al. | Real-time robust vision-based hand gesture recognition using stereo images | |
CN109978755A (zh) | 全景图像合成方法、装置、设备与存储介质 | |
CN109740571A (zh) | 图像采集的方法、图像处理的方法、装置和电子设备 | |
CN110457414A (zh) | 离线地图处理、虚拟对象显示方法、装置、介质和设备 | |
US20190116323A1 (en) | Method and system for providing camera effect | |
CN107918767B (zh) | 目标检测方法、装置、电子设备及计算机可读介质 | |
CN109727264A (zh) | 图像生成方法、神经网络的训练方法、装置和电子设备 | |
CN108960114A (zh) | 人体识别方法及装置、计算机可读存储介质及电子设备 | |
CN110267008A (zh) | 图像处理方法、装置、服务器及存储介质 | |
CN109544496A (zh) | 训练数据的生成方法、对象检测模型的训练方法和装置 | |
CN109117760A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN109242961A (zh) | 一种脸部建模方法、装置、电子设备和计算机可读介质 | |
CN110866977B (zh) | 增强现实处理方法及装置、***、存储介质和电子设备 | |
CN108875539B (zh) | 表情匹配方法、装置和***及存储介质 | |
CN106165386A (zh) | 用于照片上传和选择的自动化技术 | |
CN112927363B (zh) | 体素地图构建方法及装置、计算机可读介质和电子设备 | |
CN108961149A (zh) | 图像处理方法、装置和***及存储介质 | |
CN109801335A (zh) | 图像处理方法、装置、电子设备和计算机存储介质 | |
CN108351791A (zh) | 具有用户输入配件的计算设备 | |
CN112052186A (zh) | 目标检测方法、装置、设备以及存储介质 | |
CN107766349A (zh) | 一种生成文本的方法、装置、设备及客户端 | |
CN110296686A (zh) | 基于视觉的定位方法、装置及设备 | |
CN109670517A (zh) | 目标检测方法、装置、电子设备和目标检测模型 |
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 |