CN109886195A - 基于深度相机近红外单色灰度图的皮肤识别方法 - Google Patents
基于深度相机近红外单色灰度图的皮肤识别方法 Download PDFInfo
- Publication number
- CN109886195A CN109886195A CN201910130178.0A CN201910130178A CN109886195A CN 109886195 A CN109886195 A CN 109886195A CN 201910130178 A CN201910130178 A CN 201910130178A CN 109886195 A CN109886195 A CN 109886195A
- Authority
- CN
- China
- Prior art keywords
- pixel
- depth
- infrared
- skin
- coordinate
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013507 mapping Methods 0.000 claims abstract description 26
- 230000001815 facial effect Effects 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000003333 near-infrared imaging Methods 0.000 abstract description 5
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000009432 framing Methods 0.000 abstract description 2
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于深度相机近红外单色灰度图的皮肤识别方法，先标注出人脸；动态跟踪脸部特征点；分离人脸与背景，抠去背景，保留人脸区域的像素；根据人脸区域边缘像素平面位置以及脸部特征点像素平面位置，获取感兴趣区域；计算感兴趣区域中的像素平面位置所对应的彩色图片像素位置，得到映射像素；运用彩色图片皮肤识别算法判别映射像素是否为人体皮肤像素，并记录判别为非人体皮肤的映射像素；从感兴趣区域中剔除对应映射像素为非人体皮肤的像素。本发明充分利用深度相机的硬件特性，通过融合彩色帧、景深帧和近红外帧，解决了近红外帧的皮肤识别问题，有效发挥近红外成像不受环境光强影响的优势，信噪比有明显提高。
Description
技术领域
本发明属于计算机图像和视觉领域，具体涉及一种近红外灰度图片中识别人体皮肤的方法。
背景技术
目前，基于非接触式的人体体征特征信号检测，例如心跳测量是学术界和工业界的科技研究的方向之一。通过非接触式获取人体心跳在医疗、金融和交通等领域有广泛的业务需求和商业价值。
非接触式的心跳测量，在技术上可以使用基于彩色RGB摄像头通过拍摄目标用户的皮肤露出部分来提取，拍摄部位通常为人脸。彩色摄像头对环境光变化敏感，故对拍摄环境光有较高要求。近年来，深度相机日渐普及，陆续作为手机前置摄像头使用。深度相机通常包含的近红外摄像头，也可以捕捉心跳信号，同时红外摄像头不受环境光影响，对拍摄环境要求较低，所以接收光强稳定，克服了彩色摄像头的缺点。
但是，使用近红外摄像头捕捉心跳信号存在其他技术难度：1）人体对红外光谱的吸收率远低于可见光，因此，红外摄像头捕捉的光线强度远低于彩色摄像头，导致其时序信号信噪较低；2）近红外成像形式为单色灰度图，无彩色信息，因此如何判断拍摄图像中像素为皮肤，是提升心跳检测整体算法精度的重要技术必要细节。
单色灰度图中有效识别人体皮肤像素是机器视觉技术的一个难题。灰度图无颜色信息可以利用，灰度图捕捉的光源为近红外光，光源单一且不同摄像头由不同硬件制造商生产，所使用的近红外光谱波长差异较大，比如有的摄像头利用810nm近红外波长成像，而另一些则使用940nm波长，这些不确定性进一步增加了皮肤识别算法的技术难度。同时，由于无法识别皮肤，基于近红外图像监测心跳的算法受到的噪声干扰加大，使之不能有效发挥近红外成像不受环境光影响的优势。
针对基于近红外图像的心跳检测应用，其常规做法是在近红外图片中捕捉到人脸以后，通过计算人脸区域（通常是长方形区域或椭圆区域）中各个像素的强度平均值，生成时间序列信号进一步分析。这种计算方式由于没有区分和剔除非皮肤像素，由此产生的信号噪声无法在后期去除，同时，引入的噪声将进一步恶化红外摄像头本就不高的信噪比。
彩色图像下皮肤的判别技术上相对成熟，而单色灰度图像下皮肤识别目前还没有成熟有效的技术方案。综上所述，如何充分利用彩色图像和近红外图像各自优势，成为使用深度相机捕捉心跳信号的技术障碍之一。
发明内容
发明目的：为了解决现有技术近红外图像下皮肤识别的技术难点，本发明提供一种基于深度相机近红外单色灰度图的皮肤识别方法。
技术方案：一种基于深度相机近红外单色灰度图的皮肤识别方法，包括以下步骤：
（1）在红外图片中自动识别人脸，并标注框图；
（2）在框图中识别脸部特征点，动态跟踪识别的脸部特征点像素平面位置；
（3）计算景深帧与近红外图片像素映射关系，根据景深帧含有的每个像素的景深距离的大小分离人脸与背景，抠去背景，仅保留人脸区域的像素；
（4）提取人脸区域边缘像素平面位置，根据人脸区域边缘像素平面位置以及脸部特征点像素平面位置，获取感兴趣区域；
（5）计算感兴趣区域中的像素平面位置所对应的彩色图片像素位置，得到映射像素；
（6）运用彩色图片皮肤识别算法判别映射像素是否为人体皮肤像素，并记录判别为非人体皮肤的映射像素；
（7）从感兴趣区域中剔除对应映射像素为非人体皮肤的像素。
进一步的，步骤（3）包括：
（31）将景深换算成标准距离单位；在景深帧建立平面坐标系；
（32）将景深帧平面坐标系映射到景深相机坐标系的三维坐标系，得到景深帧点云坐标；
（33）将景深帧点云坐标系映射到近红外摄像头的点云坐标系，得到近红外点云坐标；
（34）匹配近红外像素坐标与景深的关系；
（35）设定景深阈值，对景深进行筛选，在景深阈值内的景深对应的红外像素为前景像素，在景深阈值外的景深对应的红外像素为背景像素，剔除背景像素，输出只包含前景像素的近红外图片。
进一步的，步骤（32）具体为：设景深帧平面坐标为（X,Y），景深相机坐标系的三维坐标为（X,Y,Z），根据深度相机的内参数，包括焦距（fx，fy）、主点坐标（px，py）、倾斜参数及额外的畸变补偿计算将将景深帧平面坐标系映射到景深相机坐标系的三维坐标系。
进一步的，步骤（33）具体为：使用近红外摄像头外参数，包含旋转矩阵和平移向量，将景深帧点云坐标系投影到近红外摄像头的点云坐标系。
进一步的，步骤（34）具体为：根据步骤（33）得到的近红外点云坐标计算对应的平面映射坐标（X’,Y’）；计算近红外帧原生像素点（M,N）与景深映射点云坐标点的竖坐标Z的对应关系。
进一步的，步骤（2）中的动态跟踪采用KLT跟踪算法动态跟踪每一帧的脸部特征点的位置；利用MSAC算法估算两个连续拍摄帧中脸部特征点的像素位置，得到二维几何变换矩阵A；利用二维几何变换矩阵A更新ROI向量，更新公式为：新ROI向量= A*旧ROI向量。
进一步的，步骤（6）的皮肤识别算法包括：
（61）利用景深帧作为中转，将近红外图片的像素二维坐标系映射到三维坐标系，得到近红外图片三维坐标系；
（62）将近红外图片三维坐标系映射到彩色图片三维坐标系；
（63）将彩色图片三维坐标系投影到二维坐标系；
（64）在二维坐标系的彩色图片像素域进行皮肤识别，判断投影的像素是否为皮肤像素并返回结果。
进一步的，步骤（64）彩色图片像素域皮肤识别方法包括：
（a）提取彩色图片的RGB颜色空间，对像素值进行判断，若像素值为1，执行步骤（b）；若像素值不为1，则该像素为非皮肤像素；
（b）提取彩色图片的YCrCb颜色空间，对像素值进行判断，若像素值为1，则该像素为皮肤像素；若像素值不为1，则该像素为非皮肤像素。
进一步的，还包括对图像进行白平衡，归一化，去噪点的预处理，预处理在步骤（1）前执行。
进一步的，步骤（2）动态跟踪包括头部位置、脸部特征点、目光位置的跟踪。
有益效果：本发明提供一种基于深度相机近红外单色灰度图的皮肤识别方法，相比较现有技术，充分利用深度相机的硬件特性，通过融合彩色帧、景深帧和近红外帧，解决了近红外帧的皮肤识别问题，心跳检测算法才可以有效发挥近红外成像不受环境光强影响的优势，对其生成的时序信号信噪比较传统方法也有明显提高。
附图说明
图1是应用本专利的心跳监测方法流程图；
图2是抠图去背景实施方案流程图；
图3是近红外原始像素平面坐标与景深帧中的景深距离实现一一对应的计算流程图；
图4展示了人脸ROI计算后的视觉划分效果图；
图5是近红外图片皮肤识别方法流程细节图；
图6是彩色图皮肤识别方法细节图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
参照图1，基于深度相机近红外单色灰度图的皮肤识别方法包括以下步骤：
（1）对红外图片进行预处理；
（2）在红外图片中自动识别人脸，并标注框图；
（3）在框图中识别脸部特征点，动态跟踪识别的脸部特征点像素平面位置；
（4）计算景深帧与近红外图片像素映射关系，根据景深帧含有的每个像素的景深距离的大小分离人脸与背景，抠去背景，仅保留人脸区域的像素；
（5）提取人脸区域边缘像素平面位置，根据人脸区域边缘像素平面位置以及脸部特征点像素平面位置，获取感兴趣区域ROI；
（6）计算感兴趣区域中的像素平面位置所对应的彩色图片像素位置，得到映射像素；
（7）运用彩色图片皮肤识别算法判别映射像素是否为人体皮肤像素，并记录判别为非人体皮肤的映射像素；
（8）从感兴趣区域中剔除对应映射像素为非人体皮肤的像素。
如图1所示，步骤（4）抠图去背景环节实施方案，如图2所示，涉及以下技术细节：
1、景深信息的单位换算。根据具体硬件的不同，景深图像含有的景深距离信息需要进行单位换算到标准距离单位，比如米。例如在本实施方案中，单位换算系数为常数，需要指出的是换算公式根据硬件而不同。
2、经过单位换算，景深帧的数值变为物理距离单位。下一步需要把景深帧平面坐标（X,Y）映射到景深相机坐标系的三维坐标（X,Y,Z）。这一步骤需要使用深度相机的内参数。相机内参数获取一般由硬件厂商提供，也可以通过校准算法计算获得。内参数包括焦距（fx，fy）、主点坐标（px，py）、倾斜参数。在计算景深平面坐标映射到三维坐标（又称点云坐标）过程中，除了需使用摄像头内参数，根据摄像头拍摄畸变情况（又称鱼眼畸变），可进行额外的畸变补偿计算。
3、景深帧的点云坐标系和近红外摄像头的点云坐标系不一定为同一坐标系，因此需要把景深帧点云坐标映射为近红外成像的点云坐标系的这一实施步骤。这一步需要使用近红外摄像头外参数，包含旋转矩阵和平移向量。
4、根据步骤3得到的近红外点云映射，计算其对应的平面映射坐标（X’,Y’），需要使用近红外内参数单位为像素。这里可能出现映射坐标数值非整数，所以需要计算近红外帧原生像素点与景深映射点云坐标点的一一对应关系，如图3所示。继而在后续步骤中，通过对景深距离（Z坐标值）的筛选，从而确定近红外原生像素中哪一些是背景像素可以剔除。
感兴趣区域ROI区域的皮肤检测环节的具体实施方案为：
参照图1，脸部特征点识别之后，因为拍摄对象往往不可能静止不动，所以需要对人脸特征点进行动态跟踪。本实施方案使用了KLT跟踪算法，动态跟踪每一帧脸部特征点的位置，然后利用M-estimator SAmple Consensus(MSAC)算法估算2个连续拍摄帧中的人脸特征点的像素位置，得到其对应的二维几何变换矩阵A。该几何变换矩阵A同时被用作ROI跟踪，即新ROI向量= A*旧ROI向量，这里的“*”为矩阵乘法运算。
ROI在本专利具体实施中，使用了图4（右侧）区域包括的2块人脸区域。这2片区域是根据人脸特征点位置动态计算所得覆盖了心跳较为明显的人脸皮肤区域。在这2块区域下，可以进一步划分成20像素乘20像素的小格，构成ROI网状区域。
获取了ROI后，判断ROI内每个像素是否为皮肤像素的流程如图5所示。该皮肤识别流程总体可归纳为以下4个步骤：
（61）利用景深帧作为中转，将近红外图片的像素二维坐标系映射到三维坐标系，得到近红外图片三维坐标系；
（62）将近红外图片三维坐标系映射到彩色图片三维坐标系；
（63）将彩色图片三维坐标系投影到二维坐标系；
（64）在二维坐标系的彩色图片像素域进行皮肤识别，判断投影的像素是否为皮肤像素并返回结果。对于在彩色图片像素域进行的皮肤识别方法，本实施例采用的方法参照图6，具体包括：
（a）提取彩色图片的RGB颜色空间，对像素值进行判断，若像素值为1，执行步骤（b）；若像素值不为1，则该像素为非皮肤像素；
（b）提取彩色图片的YCrCb颜色空间，对像素值进行判断，若像素值为1，则该像素为皮肤像素；若像素值不为1，则该像素为非皮肤像素。
该方法只是其中一种实施方案，对本专利保护的范围和方法不构成局限，原则上任何彩色图的皮肤识别方法都可以在这一步使用。
Claims (10)
1.一种基于深度相机近红外单色灰度图的皮肤识别方法，其特征在于，包括以下步骤：
（1）在红外图片中自动识别人脸，并标注框图；
（2）在框图中识别脸部特征点，动态跟踪识别的脸部特征点像素平面位置；
（3）计算景深帧与近红外图片像素映射关系，根据景深帧含有的每个像素的景深距离的大小分离人脸与背景，抠去背景，仅保留人脸区域的像素；
（4）提取人脸区域边缘像素平面位置，根据人脸区域边缘像素平面位置以及脸部特征点像素平面位置，获取感兴趣区域；
（5）计算感兴趣区域中的像素平面位置所对应的彩色图片像素位置，得到映射像素；
（6）运用彩色图片皮肤识别算法判别映射像素是否为人体皮肤像素，并记录判别为非人体皮肤的映射像素；
（7）从感兴趣区域中剔除对应映射像素为非人体皮肤的像素。
2.根据权利要求1所述的基于深度相机近红外单色灰度图的皮肤识别方法，其特征在于，步骤（3）包括：
（31）将景深换算成标准距离单位；在景深帧建立平面坐标系；
（32）将景深帧平面坐标系映射到景深相机坐标系的三维坐标系，得到景深帧点云坐标；
（33）将景深帧点云坐标系映射到近红外摄像头的点云坐标系，得到近红外点云坐标；
（34）匹配近红外像素坐标与景深的关系；
（35）设定景深阈值，对景深进行筛选，在景深阈值内的景深对应的红外像素为前景像素，在景深阈值外的景深对应的红外像素为背景像素，剔除背景像素，输出只包含前景像素的近红外图片。
3.根据权利要求2所述的基于深度相机近红外单色灰度图的皮肤识别方法，其特征在于，步骤（32）具体为：设景深帧平面坐标为（X,Y），景深相机坐标系的三维坐标为（X,Y,Z），根据深度相机的内参数，包括焦距（fx，fy）、主点坐标（px，py）、倾斜参数及额外的畸变补偿计算将将景深帧平面坐标系映射到景深相机坐标系的三维坐标系。
4.根据权利要求2所述的基于深度相机近红外单色灰度图的皮肤识别方法，其特征在于，步骤（33）具体为：使用近红外摄像头外参数，包含旋转矩阵和平移向量，将景深帧点云坐标系投影到近红外摄像头的点云坐标系。
5.根据权利要求2所述的基于深度相机近红外单色灰度图的皮肤识别方法，其特征在于，步骤（34）具体为：根据步骤（33）得到的近红外点云坐标计算对应的平面映射坐标（X’,Y’）；计算近红外帧原生像素点（M,N）与景深映射点云坐标点的竖坐标Z的对应关系。
6.根据权利要求1所述的基于深度相机近红外单色灰度图的皮肤识别方法，其特征在于，步骤（2）中的动态跟踪采用KLT跟踪算法动态跟踪每一帧的脸部特征点的位置；利用MSAC算法估算两个连续拍摄帧中脸部特征点的像素位置，得到二维几何变换矩阵A；利用二维几何变换矩阵A更新ROI向量，更新公式为：新ROI向量= A*旧ROI向量。
7.根据权利要求1所述的基于深度相机近红外单色灰度图的皮肤识别方法，其特征在于，步骤（6）的皮肤识别算法包括：
（61）利用景深帧作为中转，将近红外图片的像素二维坐标系映射到三维坐标系，得到近红外图片三维坐标系；
（62）将近红外图片三维坐标系映射到彩色图片三维坐标系；
（63）将彩色图片三维坐标系投影到二维坐标系；
（64）在二维坐标系的彩色图片像素域进行皮肤识别，判断投影的像素是否为皮肤像素并返回结果。
8.根据权利要求7所述的基于深度相机近红外单色灰度图的皮肤识别方法，其特征在于，步骤（64）彩色图片像素域皮肤识别方法包括：
（a）提取彩色图片的RGB颜色空间，对像素值进行判断，若像素值为1，执行步骤（b）；若像素值不为1，则该像素为非皮肤像素；
（b）提取彩色图片的YCrCb颜色空间，对像素值进行判断，若像素值为1，则该像素为皮肤像素；若像素值不为1，则该像素为非皮肤像素。
9.根据权利要求1所述的基于深度相机近红外单色灰度图的皮肤识别方法，其特征在于，还包括对图像进行白平衡，归一化，去噪点的预处理，预处理在步骤（1）前执行。
10.根据权利要求1所述的基于深度相机近红外单色灰度图的皮肤识别方法，其特征在于，步骤（2）动态跟踪包括头部位置、脸部特征点、目光位置的跟踪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910130178.0A CN109886195B (zh) | 2019-02-21 | 2019-02-21 | 基于深度相机近红外单色灰度图的皮肤识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910130178.0A CN109886195B (zh) | 2019-02-21 | 2019-02-21 | 基于深度相机近红外单色灰度图的皮肤识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109886195A true CN109886195A (zh) | 2019-06-14 |
| CN109886195B CN109886195B (zh) | 2022-07-22 |
Family
ID=66928795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910130178.0A Active CN109886195B (zh) | 2019-02-21 | 2019-02-21 | 基于深度相机近红外单色灰度图的皮肤识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109886195B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110634111A (zh) * | 2019-09-20 | 2019-12-31 | 福建工程学院 | 基于血管区域灰度和像数的皮肤光透明分析方法及*** |
| CN112507818A (zh) * | 2020-11-25 | 2021-03-16 | 奥比中光科技集团股份有限公司 | 一种基于近红外图像的光照估计方法及*** |
| WO2022007128A1 (zh) * | 2020-07-08 | 2022-01-13 | 胡飞青 | 利用内容解析的压迫区域识别平台及方法 |
| CN114827561A (zh) * | 2022-03-07 | 2022-07-29 | 成都极米科技股份有限公司 | 投影控制方法、装置、计算机设备和计算机可读存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105913013A (zh) * | 2016-04-08 | 2016-08-31 | 青岛万龙智控科技有限公司 | 双目视觉人脸识别算法 |
| CN108510583A (zh) * | 2018-04-03 | 2018-09-07 | 北京华捷艾米科技有限公司 | 人脸图像的生成方法和人脸图像的生成装置 |
-
2019
- 2019-02-21 CN CN201910130178.0A patent/CN109886195B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105913013A (zh) * | 2016-04-08 | 2016-08-31 | 青岛万龙智控科技有限公司 | 双目视觉人脸识别算法 |
| CN108510583A (zh) * | 2018-04-03 | 2018-09-07 | 北京华捷艾米科技有限公司 | 人脸图像的生成方法和人脸图像的生成装置 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110634111A (zh) * | 2019-09-20 | 2019-12-31 | 福建工程学院 | 基于血管区域灰度和像数的皮肤光透明分析方法及*** |
| CN110634111B (zh) * | 2019-09-20 | 2022-07-19 | 福建工程学院 | 基于血管区域灰度和像数的皮肤光透明分析方法及*** |
| WO2022007128A1 (zh) * | 2020-07-08 | 2022-01-13 | 胡飞青 | 利用内容解析的压迫区域识别平台及方法 |
| CN112507818A (zh) * | 2020-11-25 | 2021-03-16 | 奥比中光科技集团股份有限公司 | 一种基于近红外图像的光照估计方法及*** |
| CN112507818B (zh) * | 2020-11-25 | 2024-03-15 | 奥比中光科技集团股份有限公司 | 一种基于近红外图像的光照估计方法及*** |
| CN114827561A (zh) * | 2022-03-07 | 2022-07-29 | 成都极米科技股份有限公司 | 投影控制方法、装置、计算机设备和计算机可读存储介质 |
| CN114827561B (zh) * | 2022-03-07 | 2023-03-28 | 成都极米科技股份有限公司 | 投影控制方法、装置、计算机设备和计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109886195B (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106570486B (zh) | 基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法 | |
| CN109886195A (zh) | 基于深度相机近红外单色灰度图的皮肤识别方法 | |
| CN103810478B (zh) | 一种坐姿检测方法和装置 | |
| EP0932114B1 (en) | A method of and apparatus for detecting a face-like region | |
| CN109684925B (zh) | 一种基于深度图像的人脸活体检测方法及设备 | |
| CN108549886A (zh) | 一种人脸活体检测方法及装置 | |
| CN107103589B (zh) | 一种基于光场图像的高光区域修复方法 | |
| CN103927741B (zh) | 增强目标特征的sar图像合成方法 | |
| CN102737370B (zh) | 检测图像前景的方法及设备 | |
| CN108052976B (zh) | 一种多波段图像融合识别方法 | |
| CN103035013A (zh) | 一种基于多特征融合的精确运动阴影检测方法 | |
| CN109086724A (zh) | 一种加速的人脸检测方法及存储介质 | |
| CN111144207A (zh) | 一种基于多模态信息感知的人体检测和跟踪方法 | |
| CN108154087A (zh) | 一种基于特征匹配的红外人体目标检测跟踪方法 | |
| CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
| CN111539980B (zh) | 一种基于可见光的多目标追踪方法 | |
| CN108898132A (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
| CN108416291A (zh) | 人脸检测识别方法、装置和*** | |
| CN110210292A (zh) | 一种基于深度学习的目标识别方法 | |
| CN111665199A (zh) | 一种基于机器视觉的电线电缆颜色检测识别方法 | |
| Fang et al. | Image quality assessment on image haze removal | |
| CN115375991A (zh) | 一种强/弱光照和雾环境自适应目标检测方法 | |
| CN102510437B (zh) | 基于rgb分量分布的视频图像背景检测方法 | |
| CN107145820B (zh) | 基于hog特征和fast算法的双眼定位方法 | |
| CN109815784A (zh) | 一种基于红外热像仪的智能分类方法、***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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 210000 room 707, building 4, financial city, plot 45, Jianye District, Nanjing City, Jiangsu Province Patentee after: Jiangsu Sushang Bank Co.,Ltd. Country or region after: China Address before: 210000 room 707, building 4, financial city, plot 45, Jianye District, Nanjing City, Jiangsu Province Patentee before: JIANGSU SUNING BANK Co.,Ltd. Country or region before: China |