CN109858363B - 一种狗鼻纹特征点的检测方法、装置、***及存储介质 - Google Patents
一种狗鼻纹特征点的检测方法、装置、***及存储介质 Download PDFInfo
- Publication number
- CN109858363B CN109858363B CN201811625868.5A CN201811625868A CN109858363B CN 109858363 B CN109858363 B CN 109858363B CN 201811625868 A CN201811625868 A CN 201811625868A CN 109858363 B CN109858363 B CN 109858363B
- Authority
- CN
- China
- Prior art keywords
- dog nose
- dog
- nose
- nose print
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种狗鼻纹特征点的检测方法、装置、***及存储介质。所述狗鼻纹特征点的检测方法包括:基于狗鼻图像与已经训练好的狗鼻纹模型,得到所述狗鼻图像中狗鼻纹特征点与对应的各个狗鼻纹基准特征点的坐标偏差;根据各个狗鼻纹基准特征点的坐标及所述坐标偏差得到所述狗鼻图像中各个狗鼻纹特征点的坐标。根据本发明的方法、装置、***及存储介质,可以有效地提高狗鼻纹特征点检测的准确性和实时性,以及运行速率。
Description
技术领域
本发明涉及图像处理技术领域,更具体地涉及狗脸图像的处理。
背景技术
特征点标注作为图像对齐前非常重要的一步,很大程度影响到图像识别、分析、搜索***的整体性能。目前在人脸识别的过程中,存在很多有效的特征点标注方法,但是对于动物识别中的特征点标注的方法却非常少此外,计算时间、复杂程度和特征点的个数成正比,待检测的特征点越多,所需的检测器就越多,这使得其在较密特征点的应用中很难实施。
因此,现有技术中缺乏较好的针对狗脸特征点进行检测的方法,传统的特征点检测方法受细微扰动影响很大,容易造成漏报或误报,使得准确度和召回率低,同时运行效率不高。
发明内容
考虑到上述问题而提出了本发明。本发明提供了一种狗鼻纹特征点的检测方法、装置、***及计算机存储介质,通过简便的标注方法结合模型回归得到狗鼻纹特征点的坐标,能够有效地提高狗鼻纹特征点检测的准确性和实时性,运行效率高。
根据本发明一方面,提供了一种狗鼻纹特征点的检测方法,包括:
基于狗鼻图像与已经训练好的狗鼻纹模型,得到所述狗鼻图像中狗鼻纹特征点与对应的各个狗鼻纹基准特征点的坐标偏差;
根据各个狗鼻纹基准特征点的坐标及所述偏差得到所述狗鼻图像中各个狗鼻纹特征点的坐标。
示例性地,所述狗鼻纹模型的训练包括:
基于预定规则对狗鼻纹训练样本图像中的狗鼻纹进行特征点标注,并得到对应的狗鼻纹的基准特征点的坐标;
计算标注后狗鼻纹训练样本图像中狗鼻纹的特征点与对应的所述狗鼻纹的基准特征点之间的坐标偏差;
依据标注后的狗鼻纹训练样本图像以及对应的所述坐标偏离对所述狗鼻纹模型进行训练,得到训练好的狗鼻纹模型。
示例性地,所述得到对应的狗鼻纹的基准特征点的坐标包括:对标注后狗鼻纹训练样本图像中狗鼻纹的同一个特征点的坐标求平均,得到对应的所述狗鼻纹基准特征点的坐标。
示例性地,所述预定规则包括基于所述狗鼻的鼻孔轮廓、鼻子轮廓中的至少一个进行标注。
示例性地,基于所述狗鼻的鼻子轮廓进行特征点标注包括:标注狗鼻中心竖直线与鼻子轮廓上下两侧边界交接的特征点,狗鼻子中心水平线与鼻子轮廓左右两侧边界交接的特征点。
示例性地,基于所述狗鼻的鼻子轮廓进行特征点标注还包括:以以狗鼻中心竖直线和狗鼻中心水平线与鼻子轮廓边界相交的特征点为基准,沿鼻子轮廓等距标注特征点。
示例性地,基于所述狗鼻的鼻孔轮廓进行特征点标注包括:标注左鼻孔中心竖直线与左鼻孔轮廓上下两侧边界交接的特征点、左鼻孔中心水平线与左鼻孔轮廓左右两侧边界交接的特征点;和
和
标注右鼻孔中心竖直线与右鼻孔轮廓上下两侧边界交接的特征点、右鼻孔中心水平线与右鼻孔轮廓左右两侧边界交接的特征点。
示例性地,基于所述狗鼻的鼻孔轮廓进行特征点标注还包括:以以左鼻孔中心竖直线和左鼻孔中心水平线与左鼻孔轮廓交接的特征点为基准,沿左鼻孔轮廓等距标注特征点;和
以右鼻孔中心竖直线和右鼻孔中心水平线与右鼻孔轮廓交接的特征点为基准,沿右鼻孔轮廓等距标注特征点。
根据本发明另一方面,提供了一种狗鼻纹特征点的检测装置,包括:
检测模块,用于基于狗鼻图像与已经训练好的狗鼻纹模型,得到所述狗鼻图像中狗鼻纹特征点与对应的各个狗鼻纹基准特征点的坐标偏差;
坐标计算模块,用于根据各个狗鼻纹基准特征点的坐标及所述坐标偏差得到所述狗鼻图像中各个狗鼻纹特征点的坐标。
示例性地,所述狗鼻纹模型的训练包括:
基于预定规则对狗鼻纹训练样本图像中的狗鼻纹进行特征点标注,并得到对应的狗鼻纹的基准特征点的坐标;
计算标注后狗鼻纹训练样本图像中狗鼻纹的各个特征点与对应的所述狗鼻纹的基准特征点之间的坐标偏差;
依据标注后的狗鼻纹训练样本图像以及对应的所述坐标偏离对所述狗鼻纹模型进行训练,得到训练好的狗鼻纹模型。
示例性地,所述得到对应的狗鼻纹的基准特征点的坐标包括:对标注后狗鼻纹训练样本图像中狗鼻纹的同一个特征点的坐标求平均,得到所述狗鼻纹基准特征点的坐标。
示例性地,所述预定规则包括基于所述狗鼻的鼻孔轮廓、鼻子轮廓中的至少一个进行标注。
示例性地,基于所述狗鼻的鼻子轮廓进行特征点标注包括:标注狗鼻中心竖直线与鼻子轮廓上下两侧边界交接的特征点、狗鼻中心水平线与鼻子轮廓左右两侧边界交接的特征点。
示例性地,基于所述狗鼻的鼻子轮廓进行特征点标注还包括:以狗鼻中心竖直线和狗鼻中心水平线与鼻子轮廓边界相交的特征点为基准,沿鼻子轮廓等距标注特征点。
示例性地,基于所述狗鼻的鼻孔轮廓进行特征点标注包括:标注左鼻孔中心竖直线与左鼻孔轮廓上下两侧边界交接的特征点、左鼻孔中心水平线与左鼻孔轮廓左右两侧边界交接的特征点;和标注右鼻孔中心竖直线与右鼻孔轮廓上下两侧边界交接的特征点、右鼻孔中心水平线与右鼻孔轮廓左右两侧边界交接的特征点。
示例性地,基于所述狗鼻的鼻孔轮廓进行特征点标注还包括:以左鼻孔中心竖直线和左鼻孔中心水平线与左鼻孔轮廓交接的特征点为基准,沿左鼻孔轮廓等距标注特征点;和
以右鼻孔中心竖直线和右鼻孔中心水平线与右鼻孔轮廓交接的特征点为基准,沿右鼻孔轮廓等距标注特征点。
示例性地,坐标计算模块进一步用于:将狗鼻纹基准特征点坐标加上所述坐标偏差得到所述狗鼻图像中狗鼻纹特征点的坐标。
根据本发明另一方面,提供了一种狗鼻纹特征点的检测***,包括存储器、处理器及存储在所述存储器上且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方法的步骤。
根据本发明另一方面,提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被计算机执行时实现上述方法的步骤。
根据本发明实施例的狗鼻纹特征点的检测方法、装置、***及计算机存储介质,通过简便的标注方法结合模型回归得到狗鼻纹特征点的坐标,能够有效地提高狗鼻纹特征点检测的准确性和实时性,运行效率高。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是用于实现根据本发明实施例的狗鼻纹特征点的检测方法和装置的示例电子设备的示意性框图;
图2是根据本发明实施例的狗鼻纹特征点的检测方法的示意性流程图;
图3是根据本发明实施例的标注狗鼻纹特征点的狗鼻图像的示例;
图4是根据本发明实施例的狗鼻纹特征点的检测装置的示意性框图;
图5是根据本发明实施例的狗鼻纹特征点的检测***的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
首先,参考图1来描述用于实现本发明实施例的狗鼻纹特征点的检测方法和装置的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器101、一个或多个存储装置102、输入装置103、输出装置104、图像传感器105,这些组件通过总线***106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101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。
所述存储装置102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103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104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。
所述图像传感器105可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置102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狗鼻纹特征点的检测方法和装置的示例电子设备可以被实现为诸如智能手机、平板电脑、门禁***的视频采集端等。
下面,将参照图2描述根据本发明实施例的狗鼻纹特征点的检测方法200。
首先,在步骤S210,基于狗鼻图像与已经训练好的狗鼻纹模型,得到所述狗鼻图像中狗鼻纹特征点与对应的各个狗鼻纹基准特征点的坐标偏差;
在步骤S220,根据各个狗鼻纹基准特征点及所述坐标偏差得到所述狗鼻图像中各个狗鼻纹特征点的坐标。
其中,狗鼻纹类似人类指纹,不会因为时间的推移而影响纹路的形状,能成为每只狗的唯一识别标识,所以狗鼻纹的标注可以作为后续识别的数据基础。各个狗鼻纹基准特征点是从大量身份的混杂数据中得到,所以它可以表示特征点的基准,但不具备表征具体身份的能力,所以只需要建立回归模型计算每张狗鼻纹图像中狗鼻纹特征点与各个狗鼻纹基准特征点之间的坐标偏差,即可准确的得到所述狗鼻纹图像中狗鼻纹特征点的坐标。与直接采用大量不同的狗鼻纹图像标注狗鼻纹特征点后进行训练建立的检测模型相比,极大的减少了计算量,提高了检测效率;还可以解决传统的特征点标注和检测方法对光照变化、姿态变化等非常敏感,鲁棒性不好的问题。
示例性地,根据本发明实施例的狗鼻纹特征点的检测方法可以在具有存储器和处理器的设备、装置或者***中实现。
根据本发明实施例的狗鼻纹特征点的检测方法可以部署在图像采集端处,例如,可以部署在门禁***的图像采集端;可以部署在个人终端处,诸如智能电话、平板电脑、个人计算机等。替代地,根据本发明实施例的狗鼻纹特征点的检测方法还可以分布地部署在服务器端(或云端)和个人终端处。
根据本发明实施例的狗鼻纹特征点的检测方法,通过简便的标注方法结合模型回归得到狗鼻纹特征点的坐标,能够有效地提高狗鼻纹特征点检测的准确性和实时性,运行效率高。
根据本发明实施例,步骤210可以进一步地包括:所述狗鼻纹模型的训练包括:
基于预定规则对狗鼻纹训练样本图像中的狗鼻纹进行特征点标注,并得到对应的狗鼻纹的基准特征点的坐标;
计算标注后狗鼻纹训练样本图像中狗鼻纹的各个特征点与对应的所述狗鼻纹的基准特征点之间的坐标偏差;
依据标注后的狗鼻纹训练样本图像以及对应的所述坐标偏离对所述狗鼻纹模型进行训练,得到训练好的狗鼻纹模型。
示例性地,所述得到对应的狗鼻纹的基准特征点的坐标包括:对标注后狗鼻纹训练样本图像中狗鼻纹的同一个特征点的坐标求平均,得到所述狗鼻纹基准特征点的坐标。
如前所述,狗鼻纹基准特征点是从大量身份的混杂数据中得到,用以表示狗鼻纹特征点的基准。例如,选取N张狗鼻图像以相同的方式进行狗鼻纹的特征点标注,其中,每张狗鼻图像标注狗鼻纹特征点n个,N和n均为自然数;那么第i个狗鼻纹基准特征点的坐标则为第1张至第N张狗鼻图像中的所有第i个狗鼻纹坐标的平均坐标,i=1,2,……,n。
示例性地,所述预定规则包括基于所述狗鼻的鼻孔轮廓、鼻子轮廓中的至少一个进行标注。
示例性地,基于所述狗鼻的鼻子轮廓进行特征点标注包括:标注狗鼻中心竖直线与鼻子轮廓上下两侧边界交接的特征点、狗鼻中心水平线与鼻子轮廓左右两侧边界交接的特征点。
示例性地,基于所述狗鼻的鼻子轮廓进行特征点标注还包括:以狗鼻中心竖直线和狗鼻中心水平线与鼻子轮廓边界相交的特征点为基准,沿鼻子轮廓等距标注特征点。
示例性地,基于所述狗鼻的鼻孔轮廓进行特征点标注包括:标注左鼻孔中心竖直线与左鼻孔轮廓上下两侧边界交接的特征点、左鼻孔中心水平线与左鼻孔轮廓左右两侧边界交接的特征点;和标注右鼻孔中心竖直线与右鼻孔轮廓上下两侧边界交接的特征点、右鼻孔中心水平线与右鼻孔轮廓左右两侧边界交接的特征点。
示例性地,基于所述狗鼻的鼻孔轮廓进行特征点标注还包括:以左鼻孔中心竖直线和左鼻孔中心水平线与左鼻孔轮廓交接的特征点为基准,沿左鼻孔轮廓等距标注特征点;和
以右鼻孔中心竖直线和右鼻孔中心水平线与右鼻孔轮廓交接的特征点为基准,沿右鼻孔轮廓等距标注特征点。
在一个实施例中,如图3所示,以一张狗鼻图像为例进行说明根据预定规定对狗脸进行标注。具体来说,基于图3所示的狗鼻图像中狗鼻的鼻孔轮廓、鼻子轮廓两个基本部位进行特征点标注。
首先,基于所述狗鼻的鼻子轮廓进行特征点标注,具体包括:标注狗鼻中心竖直线与鼻子轮廓上下两侧边界交接的特征点1、2,狗鼻中心水平线与鼻子轮廓左右两侧边界交接的特征点3、4;以狗鼻中心竖直线和狗鼻中心水平线与鼻子轮廓边界相交的1、2、3、4四个特征点为基准,将鼻子轮廓分为四大块,沿鼻子轮廓,每块等距标注两个特征点,一共等距标注8个特征点:5、6、7、8、9、10、11、12;
接着,基于所述狗鼻的鼻孔轮廓进行特征点标注,具体包括:标注左鼻孔中心竖直线与与左鼻孔轮廓上下两侧边界交接的个特征点13、14,左鼻孔中心水平线与左鼻孔左右两侧边界交接的特征点15、16;以左鼻孔中心竖直线和左鼻孔中心水平线与左鼻孔轮廓交接的特征点13、14、15、16四个特征点为基准,将左侧鼻孔轮廓分为四大块,沿左鼻孔轮廓,每块等距标注一个特征点,一共等距标注4个特征点:17、18、19、20;以及
标注右鼻孔中心竖线与右鼻孔轮廓上下两侧边界交接的特征点21、22,右鼻孔中心水平线与右鼻孔左右两侧边界交接的特征点24、23;以右鼻孔中心竖直线和右鼻孔中心水平线与右鼻孔轮廓交接的特征点21、22、23、24四个特征点为基准,将右侧鼻孔轮廓分为四大块,沿右鼻孔轮廓,每块等距标注一个特征点,一共等距标注4个特征点:25、26、27、28。
因此,基于预定规则对狗鼻纹训练样本图像中的狗鼻纹进行特征点标注,最终对于每一侧的鼻孔环绕性地标注了8个特征点,针对于鼻子轮廓环绕性地标注了12个特征点,一共28个特征点。
需要说明的是,在这一个实施例中的标注步骤仅仅为示例,并不代表所述预定规则的标注步骤;所述预定规则对于标注顺序没有限制。此外,所述预定规则可以根据设计需要和实际情况增加特征点的个数,以提高标注的准确度,为后续程序提供良好的数据基础。
根据本发明实施例,步骤220可以进一步地包括:将狗鼻纹基准特征点坐标加上所述坐标偏差得到所述狗鼻图像中狗鼻纹特征点的坐标。
图4示出了根据本发明实施例的狗鼻纹特征点的检测装置400的示意性框图。如图4所示,根据本发明实施例的狗鼻纹特征点的检测装置400包括:
检测模块410,用于基于狗鼻图像与已经训练好的狗鼻纹模型,得到所述狗鼻图像中狗鼻纹的特征点,以及各个所述狗鼻纹的特征点与对应的各个狗鼻纹基准特征点的坐标偏差;
坐标计算模块420,用于根据狗鼻纹基准特征点的坐标及所述坐标偏差得到所述狗鼻图像中各个狗鼻纹特征点的坐标。
示例性地,所述狗鼻纹模型的训练包括:
基于预定规则对狗鼻纹训练样本图像中的狗鼻纹进行特征点标注,并得到对应的狗鼻纹的基准特征点的坐标;
计算标注后狗鼻纹训练样本图像中狗鼻纹的各个特征点与对应的所述狗鼻纹的基准特征点之间的坐标偏差;
依据标注后的狗鼻纹训练样本图像以及对应的所述坐标偏离对所述狗鼻纹模型进行训练,得到训练好的狗鼻纹模型。
示例性地,所述得到对应的狗鼻纹的基准特征点的坐标包括:对标注后狗鼻纹训练样本图像中狗鼻纹的同一个特征点的坐标求平均,得到所述狗鼻纹基准特征点的坐标。
示例性地,所述预定规则包括基于所述狗鼻的鼻孔轮廓、鼻子轮廓中的至少一个进行标注。
示例性地,基于所述狗鼻的鼻子轮廓进行特征点标注包括:标注狗鼻中心竖直线与鼻子轮廓上下两侧边界交接的特征点、狗鼻中心水平线与鼻子轮廓左右两侧边界交接的特征点。
示例性地,基于所述狗鼻的鼻子轮廓进行特征点标注还包括:以狗鼻中心竖直线和狗鼻中心水平线与鼻子轮廓边界相交的特征点为基准,沿鼻子轮廓等距标注特征点。
示例性地,基于所述狗鼻的鼻孔轮廓进行特征点标注包括:标注左鼻孔中心竖直线与左鼻孔轮廓上下两侧边界交接的特征点、左鼻孔中心水平线与左鼻孔轮廓左右两侧边界交接的特征点;和标注右鼻孔中心竖直线与右鼻孔轮廓上下两侧边界交接的特征点、右鼻孔中心水平线与右鼻孔轮廓左右两侧边界交接的特征点。
示例性地,基于所述狗鼻的鼻孔轮廓进行特征点标注还包括:以左鼻孔中心竖直线和左鼻孔中心水平线与左鼻孔轮廓交接的特征点为基准,沿左鼻孔轮廓等距标注特征点;和
以右鼻孔中心竖直线和右鼻孔中心水平线与右鼻孔轮廓交接的特征点为基准,沿右鼻孔轮廓等距标注特征点。
根据本发明实施例,坐标计算模块420进一步用于:将狗鼻纹基准特征点坐标加上所述坐标偏差得到所述狗鼻图像中狗鼻纹特征点的坐标。
本领域普通技术人员可以意识到,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、或者计算机软件和电子硬件的结合来实现。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。
图5示出了根据本发明实施例的狗鼻纹特征点的检测***500的示意性框图。狗鼻纹特征点的检测***500包括图像传感器510、存储装置520、以及处理器530。
图像传感器510用于采集图像数据。
所述存储装置530存储用于实现根据本发明实施例的狗鼻纹特征点的检测方法中的相应步骤的程序代码。
所述处理器530用于运行所述存储装置520中存储的程序代码,以执行根据本发明实施例的狗鼻纹特征点的检测方法的相应步骤,并且用于实现根据本发明实施例的狗鼻纹特征点的检测装置中的检测模块410和坐标计算模块420。
此外,根据本发明实施例,还提供了一种存储介质,在所述存储介质上存储了程序指令,在所述程序指令被计算机或处理器运行时用于执行本发明实施例的狗鼻纹特征点的检测方法的相应步骤,并且用于实现根据本发明实施例的狗鼻纹特征点的检测装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合,例如一个计算机可读存储介质包含用于随机地生成动作指令序列的计算机可读的程序代码,另一个计算机可读存储介质包含用于进行狗鼻纹特征点的检测的计算机可读的程序代码。
在一个实施例中,所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的狗鼻纹特征点的检测装置的各个功能模块,并且/或者可以执行根据本发明实施例的狗鼻纹特征点的检测方法。
根据本发明实施例的狗鼻纹特征点的检测***中的各模块可以通过根据本发明实施例的狗鼻纹特征点的检测的电子设备的处理器运行在存储器中存储的计算机程序指令来实现,或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
根据本发明实施例的狗鼻纹特征点的检测方法、装置、***以及存储介质,通过简便的检测方法结合模型回归得到狗鼻纹特征点的坐标,能够有效地提高狗鼻纹特征点检测的准确性和实时性,运行效率高。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,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、或者计算机软件和电子硬件的结合来实现。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。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备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,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的物品分析设备中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种狗鼻纹特征点的检测方法,其特征在于,所述方法包括:
基于狗鼻图像与已经训练好的狗鼻纹模型,得到所述狗鼻图像中狗鼻纹特征点与对应的各个狗鼻纹基准特征点的坐标偏差;其中,所述狗鼻纹模型的训练包括:
基于预定规则对狗鼻纹训练样本图像中的狗鼻纹进行特征点标注,并得到对应的狗鼻纹的基准特征点的坐标;
计算标注后狗鼻纹训练样本图像中狗鼻纹的各个特征点与对应的各个所述狗鼻纹的基准特征点之间的坐标偏差;
依据标注后的狗鼻纹训练样本图像以及对应的所述坐标偏差对所述狗鼻纹模型进行训练,得到训练好的狗鼻纹模型;
根据各个狗鼻纹基准特征点的坐标及所述坐标偏差得到所述狗鼻图像中各个狗鼻纹特征点的坐标。
2.如权利要求1所述的检测方法,其特征在于,所述得到对应的狗鼻纹的基准特征点的坐标包括:对标注后狗鼻纹训练样本图像中狗鼻纹的同一个特征点的坐标求平均,得到对应的所述狗鼻纹基准特征点的坐标。
3.如权利要求1所述的检测方法,其特征在于,所述预定规则包括基于所述狗鼻的鼻孔轮廓、鼻子轮廓中的至少一个进行特征点标注。
4.如权利要求3所述的检测方法,其特征在于,基于所述狗鼻的鼻子轮廓进行特征点标注包括:标注狗鼻中心竖直线与鼻子轮廓上下两侧边界交接的特征点、狗鼻中心水平线与鼻子轮廓左右两侧边界交接的特征点。
5.如权利要求4所述的检测方法,其特征在于,基于所述狗鼻的鼻子轮廓进行特征点标注还包括:以狗鼻中心竖直线和狗鼻中心水平线与鼻子轮廓边界相交的特征点为基准,沿鼻子轮廓等距标注特征点。
6.如权利要求3所述的检测方法,其特征在于,基于所述狗鼻的鼻孔轮廓进行特征点标注包括:标注左鼻孔中心竖直线与左鼻孔轮廓上下两侧边界交接的特征点、左鼻孔中心水平线与左鼻孔轮廓左右两侧边界交接的特征点;和
标注右鼻孔中心竖直线与右鼻孔轮廓上下两侧边界交接的特征点、右鼻孔中心水平线与右鼻孔轮廓左右两侧边界交接的特征点。
7.如权利要求6所述的检测方法,其特征在于,基于所述狗鼻的鼻孔轮廓进行特征点标注还包括:以左鼻孔中心竖直线和左鼻孔中心水平线与左鼻孔轮廓交接的特征点为基准,沿左鼻孔轮廓等距标注特征点;和
以右鼻孔中心竖直线和右鼻孔中心水平线与右鼻孔轮廓交接的特征点为基准,沿右鼻孔轮廓等距标注特征点。
8.一种狗鼻纹特征点的检测装置,其特征在于,所述装置包括:
检测模块,用于基于狗鼻图像与已经训练好的狗鼻纹模型,得到所述狗鼻图像中狗鼻纹特征点与对应的各个狗鼻纹基准特征点的坐标偏差;其中,所述狗鼻纹模型的训练包括:
基于预定规则对狗鼻纹训练样本图像中的狗鼻纹进行特征点标注,并得到对应的狗鼻纹的基准特征点的坐标;
计算标注后狗鼻纹训练样本图像中狗鼻纹的各个特征点与对应的各个所述狗鼻纹的基准特征点之间的坐标偏差;
依据标注后的狗鼻纹训练样本图像以及对应的所述坐标偏差对所述狗鼻纹模型进行训练,得到训练好的狗鼻纹模型;
坐标计算模块,用于根据各个狗鼻纹基准特征点的坐标及所述坐标偏差得到所述狗鼻图像中各个狗鼻纹特征点的坐标。
9.一种狗鼻纹特征点的检测***,包括存储器、处理器及存储在所述存储器上且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权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被计算机执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811625868.5A CN109858363B (zh) | 2018-12-28 | 2018-12-28 | 一种狗鼻纹特征点的检测方法、装置、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811625868.5A CN109858363B (zh) | 2018-12-28 | 2018-12-28 | 一种狗鼻纹特征点的检测方法、装置、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109858363A CN109858363A (zh) | 2019-06-07 |
CN109858363B true CN109858363B (zh) | 2020-07-17 |
Family
ID=66893039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811625868.5A Active CN109858363B (zh) | 2018-12-28 | 2018-12-28 | 一种狗鼻纹特征点的检测方法、装置、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858363B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011505B (zh) * | 2020-11-20 | 2022-08-05 | 支付宝(杭州)信息技术有限公司 | 热力图转换模型训练方法以及装置 |
CN113420721B (zh) * | 2021-07-21 | 2022-03-29 | 北京百度网讯科技有限公司 | 标注图像关键点的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6647157B1 (en) * | 1999-07-27 | 2003-11-11 | Canon Kabushiki Kaisha | Image search apparatus and method |
CN101799923A (zh) * | 2009-02-06 | 2010-08-11 | 精工爱普生株式会社 | 检测脸的特征部位的坐标位置的图像处理装置 |
CN105956581A (zh) * | 2016-06-08 | 2016-09-21 | 华南理工大学 | 一种快速的人脸特征点初始化方法 |
CN106326876A (zh) * | 2016-08-31 | 2017-01-11 | 广州市百果园网络科技有限公司 | 一种训练模型生成方法、人脸对齐处理方法及装置 |
CN108304758A (zh) * | 2017-06-21 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 人脸特征点跟踪方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020116390A1 (en) * | 2000-12-22 | 2002-08-22 | Meadows Louis B. | Pet identification system and method |
CN102460507B (zh) * | 2009-06-17 | 2014-12-03 | 富士通株式会社 | 生物体认证装置、生物体认证方法以及生物体认证用计算机程序 |
KR101527801B1 (ko) * | 2013-05-22 | 2015-06-11 | 주식회사 아이싸이랩 | 동물들의 코무늬를 이용한 동물 개체 인식 장치 및 방법 |
US9443166B2 (en) * | 2013-09-17 | 2016-09-13 | William Brian Kinard | Animal / pet identification system and method based on biometrics |
JP5906272B2 (ja) * | 2014-03-28 | 2016-04-20 | 富士重工業株式会社 | 車両用ステレオ画像処理装置 |
JP2017054323A (ja) * | 2015-09-10 | 2017-03-16 | 富士通株式会社 | 生体認証装置、生体認証方法、及び生体認証プログラム |
US9826713B2 (en) * | 2015-09-28 | 2017-11-28 | Hadi Hosseini | Animal muzzle pattern scanning device |
CN109002769A (zh) * | 2018-06-22 | 2018-12-14 | 深源恒际科技有限公司 | 一种基于深度神经网络的牛脸对齐方法及*** |
CN109034095A (zh) * | 2018-08-10 | 2018-12-18 | 杭州登虹科技有限公司 | 一种人脸对齐检测方法、装置和存储介质 |
-
2018
- 2018-12-28 CN CN201811625868.5A patent/CN109858363B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6647157B1 (en) * | 1999-07-27 | 2003-11-11 | Canon Kabushiki Kaisha | Image search apparatus and method |
CN101799923A (zh) * | 2009-02-06 | 2010-08-11 | 精工爱普生株式会社 | 检测脸的特征部位的坐标位置的图像处理装置 |
CN105956581A (zh) * | 2016-06-08 | 2016-09-21 | 华南理工大学 | 一种快速的人脸特征点初始化方法 |
CN106326876A (zh) * | 2016-08-31 | 2017-01-11 | 广州市百果园网络科技有限公司 | 一种训练模型生成方法、人脸对齐处理方法及装置 |
CN108304758A (zh) * | 2017-06-21 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 人脸特征点跟踪方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109858363A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543663B (zh) | 一种犬只身份识别方法、装置、***及存储介质 | |
CN106203305B (zh) | 人脸活体检测方法和装置 | |
CN109508688B (zh) | 基于骨架的行为检测方法、终端设备及计算机存储介质 | |
CN108932456B (zh) | 人脸识别方法、装置和***及存储介质 | |
CN106385640B (zh) | 视频标注方法及装置 | |
CN109376631B (zh) | 一种基于神经网络的回环检测方法及装置 | |
CN106327546B (zh) | 人脸检测算法的测试方法和装置 | |
CN112561948B (zh) | 基于时空轨迹的伴随轨迹识别方法、设备及存储介质 | |
CN109145904A (zh) | 一种字符识别方法及装置 | |
US20150092981A1 (en) | Apparatus and method for providing activity recognition based application service | |
CN110263680B (zh) | 图像处理方法、装置和***及存储介质 | |
CN108875470B (zh) | 对访客进行登记的方法、装置及计算机存储介质 | |
CN109829380B (zh) | 一种狗脸特征点的检测方法、装置、***及存储介质 | |
CN109325456A (zh) | 目标识别方法、装置、目标识别设备及存储介质 | |
CN108875731A (zh) | 目标识别方法、装置、***及存储介质 | |
CN109241888B (zh) | 神经网络训练与对象识别方法、装置和***及存储介质 | |
CN110941736B (zh) | 一种电子照片显示方法、装置和移动设备 | |
CN107918767B (zh) | 目标检测方法、装置、电子设备及计算机可读介质 | |
CN109858363B (zh) | 一种狗鼻纹特征点的检测方法、装置、***及存储介质 | |
CN106156794B (zh) | 基于文字风格识别的文字识别方法及装置 | |
CN109948521A (zh) | 图像纠偏方法和装置、设备及存储介质 | |
CN106682187B (zh) | 用于建立图像底库的方法及装置 | |
US20230410222A1 (en) | Information processing apparatus, control method, and program | |
CN110647931A (zh) | 物体检测方法、电子设备、***及介质 | |
CN108875506B (zh) | 人脸形状点跟踪方法、装置和***及存储介质 |
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 |