CN110363107A - 人脸额头点位快速扩展方法、装置、储存介质和处理器 - Google Patents

人脸额头点位快速扩展方法、装置、储存介质和处理器 Download PDF

Info

Publication number
CN110363107A
CN110363107A CN201910562255.XA CN201910562255A CN110363107A CN 110363107 A CN110363107 A CN 110363107A CN 201910562255 A CN201910562255 A CN 201910562255A CN 110363107 A CN110363107 A CN 110363107A
Authority
CN
China
Prior art keywords
face
point
forehead
direction vector
horizontal direction
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
Application number
CN201910562255.XA
Other languages
English (en)
Inventor
王池
徐滢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Pinguo Technology Co Ltd
Original Assignee
Chengdu Pinguo Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Pinguo Technology Co Ltd filed Critical Chengdu Pinguo Technology Co Ltd
Priority to CN201910562255.XA priority Critical patent/CN110363107A/zh
Publication of CN110363107A publication Critical patent/CN110363107A/zh
Pending legal-status Critical Current

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于人脸识别技术领域，公开了提供一种人脸额头点位快速扩展方法、装置、储存介质和处理器，其中，该方法通过人脸识别程序识别获取到的人脸点，然后通过该获取到的人脸点计算人脸高度标准值、水平方向向量和垂直方向向量，最后在分别生成表示的额头中心的人脸点和在该中心点两侧表示额头的对称人脸点，相比于现有人脸额头关键点或特征点获取的方法，本发明不仅快速简单，而且还不占用额外的硬件资源。

Description

人脸额头点位快速扩展方法、装置、储存介质和处理器
技术领域
本发明涉及人脸识别技术，特别是涉及一种人脸额头点位快速扩展方法、装置、储存介质和处理器。
背景技术
目前人脸识别技术已经相当成熟，因此基于人脸识别的软件工具开发包(Software Development Kit，即SDK)也是较为普遍。因此，软件工程师也开始根据基于人脸识别的软件工具开发包在各种应用程序中也开始逐渐加入人脸识别功能。不过技术人员发现现有人脸识别的软件工具开发包提供识别到的特征点中不包含额头部位的点位，但在一些应用软件中额头位置的特征点位非常重要(例如相机软件)。
然而现有技术中，并没有根据软件工具开发包来直接得到额头特征点的技术，而是采用独立开发的额头识别模型或算法来实现额头特征点的识别。例如，申请号为2018114938557的现有技术就公开了一种人脸额头关键点的识别方法，该识别方法就是采用对人脸图像进行标注来形成样本，然后进行网络训练得到神经网络模型，可以根据该神经网络模型来对人脸中的额头关键点进行识别。虽然该现有技术可以实现对人脸额头关键点的识别，不过其实现方法过于复杂，运行时需要占用硬件资源较大。
所以，本领域技术人员希望在现有软件工具开发包的基础上来快速提取识别到人脸额头的特征点，且做到不占用硬件资源。
发明内容
技术目的
用于解决如何在额外占用硬件资源的基础上快速获取到表示人脸额头特征的人脸点的技术问题。
技术方案
第一方面
提供一种基于人脸识别的人脸额头点位快速扩展方法，其特征在于，所述人脸额头点位快速扩展方法包括以下步骤：S101，使用人脸识别程序识别出当前人脸图像的以二维特征点表示的人脸点；S102，根据所述人脸点分别计算获取当前人脸图像中人脸高度标准值、水平方向向量和垂直方向向量，其中，所述水平方向向量为人脸水平方向自左到右的方向向量，所述垂直方向向量为人脸垂直方向自下往上的方向向量；S103，在获取到垂直方向向量的方向上一第一参考倍数的标准高度的位置生成一以二维特征点表示的额头中心点；S104，在获取到所述额头中心点左右水平方向上一第二参考倍数的水平方向向量的位置各生成一以二维特征点表示的对称额头点。
在一些实施方案中，所述人脸高度标准值的计算获取方法包括：将识别出的人脸中表示鼻子最上端和鼻子最下端两端所在人脸点对应的二维特征点进行差值运算得到。
在一些实施方案中，所述水平方向向量的计算获取方法包括：将识别出的人脸中表示眼角所在人脸点对应的二维特征点进行向量运算得到。
在一些实施方案中，所述垂直方向向量的计算获取方法包括：将识别出的人脸中表示鼻梁上端和鼻梁下端下两端所在人脸点对应的二维特征点进行向量运算得到。
第二方面
提供一种基于人脸识别的人脸额头点位快速扩展装置，包括点位识别模块，用于使用人脸识别程序识别出当前人脸图像的以二维特征点表示的人脸点；计算模块，根据所述人脸点分别计算获取当前人脸图像中人脸高度标准值、水平方向向量和垂直方向向量，其中，所述水平方向向量为人脸水平方向自左到右的方向向量，所述垂直方向向量为人脸垂直方向自下往上的方向向量；第一点位扩展模块，用于在获取到垂直方向向量的方向上一第一参考倍数的标准高度的位置生成一以二维特征点表示的额头中心点；第二点位扩展模块，用于在获取到所述额头中心点左右水平方向上一第二参考倍数的水平方向向量的位置各生成一以二维特征点表示的对称额头点。
在一些实施方案中，所述人脸高度标准值的计算获取方法包括：将识别出的人脸中表示鼻子最上下两端所在人脸点对应的二维特征点进行差值运算得到。
在一些实施方案中，所述水平方向向量的计算获取方法包括：将识别出的人脸中表示眼角所在人脸点对应的二维特征点进行向量运算得到。
在一些实施方案中，所述垂直方向向量的计算获取方法包括：将识别出的人脸中表示鼻梁上下两端所在人脸点对应的二维特征点进行向量运算得到。
第三方面
提供一种储存介质，所述存储介质包括储存的程序，所述程序运行时执行第一方面中任一项所述的人脸额头点位快速扩展方法。
第四方面
提供一种处理器，所述处理器用于运行程序，所述程序运行时执行第一方面中任一项所述的人脸额头点位快速扩展方法。
技术效果
通过本发明可以在现有人脸识别SDK获取到的人脸点的基础上，通过简单的运算即可快速得到表示人脸额头的以二维特征点表示的人脸特征点，相比于现有人脸额头关键点或特征点获取的方法，本发明不仅快速简单，而且还不占用额外的硬件资源。
附图说明
图1为本发明基于人脸识别的人脸额头点位快速扩展方法在一实施例中的流程图。
图2为根据现有人脸识别SDK获取到的人脸点和依据本发明得到额头扩张点的效果图。
图3本发明基于人脸识别的人脸额头点位快速扩展装置在一实例中的原理框架图。
附图标号说明
200 人脸额头点位快速扩展装置
210 点位识别模块
220 计算模块
230 第一点位扩展模块
240 第二点位扩展模块
S101-S104 方法步骤
具体实施方式
实施例1
见图1，示出了本发明基于人脸识别的人脸额头点位快速扩展方法在一实施例中的流程图，如图所示，所述人脸额头点位快速扩展方法包括以下步骤：
步骤S101，使用人脸识别程序识别出当前人脸图像的以二维特征点表示的人脸点；
步骤S102，根据所述人脸点分别计算获取当前人脸图像中人脸高度标准值、水平方向向量和垂直方向向量，其中，所述水平方向向量为人脸水平方向自左到右的方向向量，所述垂直方向向量为人脸垂直方向自下往上的方向向量；
步骤S103，在获取到垂直方向向量的方向上一第一参考倍数的标准高度的位置生成一以二维特征点表示的额头中心点；
步骤S104，在获取到所述额头中心点左右水平方向上一第二参考倍数的水平方向向量的位置各生成一以二维特征点表示的对称额头点。
通过上述方法可以在现有人脸识别SDK获取到的人脸点的基础上，通过简单的数学计算即可快速得到表示人脸额头的以二维特征点表示的人脸特征点，相比于现有人脸额头关键点或特征点获取的方法，本发明不仅快速简单，而且还不占用额外的硬件资源。
具体的，上述步骤S102中人脸高度标准值是指人脸识别软件所识别出的人脸中的鼻子最上端和鼻子最下端之间的距离值，其计算获取方法可以是将识别出的人脸中表示鼻子最上端和鼻子最下端所在人脸点对应的二维特征点进行差值运算得到。应当理解，人脸高度标准值的参考标准并不仅限于这一种方法，也可以根据获取到的人脸点来进行具体设计，例如可以根据鼻梁的上端和鼻梁的下端进行差值运算得到。只要是计算得到的距离所在线段的延长线与本实施例中的计算方式得到的距离所在线段重合或者原理相同都应当视为等同计算手段。
具体的，上述步骤S102中水平方向向量的计算获取方法包括：将识别出的人脸中表示眼角所在人脸点对应的二维特征点进行向量运算得到。其中，该眼角可以为人脸中左眼和右眼的眼角，还可以为人脸中左眼眼角轮廓和右眼眼角轮廓。
具体的，上述步骤S102中垂直方向向量的计算获取方法包括：将识别出的人脸中表示鼻梁上端和鼻梁下端两端所在人脸点对应的二维特征点进行向量运算得到。
具体的，所述第一参考倍数包括常数2.7，所述第二参考倍数包括常数0.7。其中，本发明中的第一参考倍数和第二参考倍数的并非唯一，这里公开的参考是基于技术人员根据大量的实验来得到的一个较为合理的值。当然在具体实施中，也可以使用其他相近的常数来作为该参考倍数，但其只是解决本发明技术目的中技术问题的优选技术手段而并非必要技术手段。
为便于本领域技术人员能够更加清楚地理解上述技术方案，下面以现有的一人脸识别SDK为例，其可以对人脸图像进行识别获取到106个二维特征点，详见图2，其中，每个二维特征点包含以二维坐标上x和y表示的坐标值，以下表示人脸点的二维特征点均以Px表示，x为在该获取到的106个二维特征点中的顺序。
其中，由于获取到的二维特征点都是表示人脸特征的坐标点，因此可以根据这些获取的二维特征点进行数学运算。
具体的，关于人脸高度标准值的计算，这里将鼻子最下端与鼻子最上端之间的距离作为人脸高度标准值，结合图2可知，根据人脸识别SDK获取到的人脸点中表示鼻子最上端的人脸点为P43，表示鼻子最下端的人脸点为P49，那么依据距离计算公式计算P43和P49两个人脸点之间的距离来得到人脸高度标准值。
具体的，关于水平方向向量的计算，结合图2可知，根据人脸识别SDK获取到的人脸点中表示右眼内眼角轮廓的人脸点为P78，表示左眼内眼角轮廓的人脸点为P79，那么将人脸点P79减去人脸点P78获取到当前人脸水平方向自左到右的方向向量。应当理解，水平方向向量的计算方式并不仅限于前述方法，例如还可以是分别表示左右眼角的P58和P55来进行向量计算得到。
具体的，关于垂直方向向量的计算，结合图2可知，根据人脸识别SDK获取到的人脸点中表示鼻梁最上端的人脸点为P43，表示鼻梁最下端的人脸点为P46，那么可以将人脸点P46减去人脸点P43获取到当前人脸垂直方向自下往上的方向向量。
在得到上述人脸高度标准值、水平方向向量和垂直方向向量以后，再以P46点为起点，在获取到的垂直方向向量方向上一2.3倍垂直方向向量的绝对距离处得到一个新的人脸点，将该人脸点作为额头的中心点，如图2，以P108表示。
接着，再将得到的P108减去0.7倍的水平方向向量得到一人脸点，即左额头点，如图2，以P107表示。
最后，再将得到的P108加上0.7倍的水平方向向量得到一人脸点，即右额头点，如图2，以PP106表示。这样既可在获取到所述额头中心点左右水平方向上一第二参考倍数的水平方向向量的位置各生成一以二维特征点表示的对称额头点。
通过上述例子可以清楚的了解到，根据人脸识别SDK获取到的人脸点的基础上通过计算来快速获取到表示额头特征的人脸点。
实施例2
见图3，示出了本发明基于人脸识别的人脸额头点位快速扩展装置在一实例中的原理框架图，如图所示，该装置200包括点位识别模块210、计算模块220、第一点位扩展模块230和第二点位扩展模块240，其中，点位识别模块210用于使用人脸识别程序识别出当前人脸图像的以二维特征点表示的人脸点；计算模块220根据所述人脸点分别计算获取当前人脸图像中人脸高度标准值、水平方向向量和垂直方向向量，其中，所述水平方向向量为人脸水平方向自左到右的方向向量，所述垂直方向向量为人脸垂直方向自下往上的方向向量；第一点位扩展模块230用于在获取到垂直方向向量的方向上一第一参考倍数的标准高度的位置生成一以二维特征点表示的额头中心点；第二点位扩展模块240用于在获取到所述额头中心点左右水平方向上一第二参考倍数的水平方向向量的位置各生成一以二维特征点表示的对称额头点。
具体的，在一些实施例中，所述人脸高度标准值的计算获取方法包括：将识别出的人脸中表示鼻子最上端和鼻子最下端两端所在人脸点对应的二维特征点进行差值运算得到。
具体的，在一些实施例中，所述水平方向向量的计算获取方法包括：将识别出的人脸中表示眼角所在人脸点对应的二维特征点进行向量运算得到。
具体的，在一些实施例中，所述垂直方向向量的计算获取方法包括：将识别出的人脸中表示鼻梁上端和鼻梁下端两端所在人脸点对应的二维特征点进行向量运算得到。
具体的，在一些实施例中，所述第一参考倍数包括常数2.7，所述第二参考倍数包括常数0.7。
需要理解的是，本实施例中的各模块可有是通过计算机程序来得到的标准软件单元，也可以是通过硬件来实现的标准硬件单元，通过这些标准软件单元或标准硬件单元的耦合连接可以构成能够解决本发明技术目的中技术问题的装置。
实施例3
本实施例还提供了一种储存介质，所述存储介质包括储存的程序，所述程序运行时执行实施例1中任一可实施的人脸额头点位快速扩展方法。
在具体实施中，所述储存介质可以为随机存取存储器、只读存储器或者服务器等储存介质。
实施例4
本实施例还提供了一种处理器，所述处理器用于运行程序，所述程序运行时执行实施例1中任一可实施的人脸额头点位快速扩展方法。
在具体实施中，所述处理器可以为CPU，或者也可以为单片机等微型计算机***。

Claims (10)

1.一种基于人脸识别的人脸额头点位快速扩展方法，其特征在于，所述人脸额头点位快速扩展方法包括以下步骤：
S101，使用人脸识别程序识别出当前人脸图像的以二维特征点表示的人脸点；
S102，根据所述人脸点分别计算获取当前人脸图像中人脸高度标准值、水平方向向量和垂直方向向量，其中，所述水平方向向量为人脸水平方向自左到右的方向向量，所述垂直方向向量为人脸垂直方向自下往上的方向向量；
S103，在获取到垂直方向向量的方向上一第一参考倍数的标准高度的位置生成一以二维特征点表示的额头中心点；
S104，在获取到所述额头中心点左右水平方向上一第二参考倍数的水平方向向量的位置各生成一以二维特征点表示的对称额头点。
2.根据权利要求1所述的基于人脸识别的人脸额头点位快速扩展方法，其特征在于，所述人脸高度标准值的计算获取方法包括：将识别出的人脸中表示鼻子最上端和鼻子最下端两端所在人脸点对应的二维特征点进行差值运算得到。
3.根据权利要求1所述的基于人脸识别的人脸额头点位快速扩展方法，其特征在于，其中，所述水平方向向量的计算获取方法包括：将识别出的人脸中表示眼角所在人脸点对应的二维特征点进行向量运算得到。
4.根据权利要求1所述的基于人脸识别的人脸额头点位快速扩展方法，其特征在于，所述垂直方向向量的计算获取方法包括：将识别出的人脸中表示鼻梁上端和鼻梁下端两端所在人脸点对应的二维特征点进行向量运算得到。
5.一种基于人脸识别的人脸额头点位快速扩展装置，其特征在于，包括：
点位识别模块，用于使用人脸识别程序识别出当前人脸图像的以二维特征点表示的人脸点；
计算模块，根据所述人脸点分别计算获取当前人脸图像中人脸高度标准值、水平方向向量和垂直方向向量，其中，所述水平方向向量为人脸水平方向自左到右的方向向量，所述垂直方向向量为人脸垂直方向自下往上的方向向量；
第一点位扩展模块，用于在获取到垂直方向向量的方向上一第一参考倍数的标准高度的位置生成一以二维特征点表示的额头中心点；
第二点位扩展模块，用于在获取到所述额头中心点左右水平方向上一第二参考倍数的水平方向向量的位置各生成一以二维特征点表示的对称额头点。
6.根据权利要求5所述的基于人脸识别的人脸额头点位快速扩展装置，其特征在于，所述人脸高度标准值的计算获取方法包括：将识别出的人脸中表示鼻子最上端和鼻子最下端两端所在人脸点对应的二维特征点进行差值运算得到。
7.根据权利要求5所述的基于人脸识别的人脸额头点位快速扩展装置法，其特征在于，其中，所述水平方向向量的计算获取方法包括：将识别出的人脸中表示眼角所在人脸点对应的二维特征点进行向量运算得到。
8.根据权利要求5所述的基于人脸识别的人脸额头点位快速扩展装置，其特征在于，所述垂直方向向量的计算获取方法包括：将识别出的人脸中表示鼻梁上端和鼻梁下端下两端所在人脸点对应的二维特征点进行向量运算得到。
9.一种储存介质，其特征在于，所述存储介质包括储存的程序，所述程序运行时执行权利要求1-4任一项所述的人脸额头点位快速扩展方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，所述程序运行时执行权利要求1-4任一项所述的人脸额头点位快速扩展方法。
CN201910562255.XA 2019-06-26 2019-06-26 人脸额头点位快速扩展方法、装置、储存介质和处理器 Pending CN110363107A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910562255.XA CN110363107A (zh) 2019-06-26 2019-06-26 人脸额头点位快速扩展方法、装置、储存介质和处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910562255.XA CN110363107A (zh) 2019-06-26 2019-06-26 人脸额头点位快速扩展方法、装置、储存介质和处理器

Publications (1)

Publication Number Publication Date
CN110363107A true CN110363107A (zh) 2019-10-22

Family

ID=68216946

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910562255.XA Pending CN110363107A (zh) 2019-06-26 2019-06-26 人脸额头点位快速扩展方法、装置、储存介质和处理器

Country Status (1)

Country Link
CN (1) CN110363107A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126344A (zh) * 2019-12-31 2020-05-08 杭州趣维科技有限公司 一种生成人脸额头关键点的方法与***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021550A (zh) * 2014-05-22 2014-09-03 西安理工大学 一种人脸三庭五眼自动定位及比例确定方法
CN104157001A (zh) * 2014-08-08 2014-11-19 中科创达软件股份有限公司 一种头部漫画的绘制方法及装置
CN106934375A (zh) * 2017-03-15 2017-07-07 中南林业科技大学 基于特征点运动轨迹描述的人脸表情识别方法
CN108009470A (zh) * 2017-10-20 2018-05-08 深圳市朗形网络科技有限公司 一种图像提取的方法和装置
CN109410298A (zh) * 2018-11-02 2019-03-01 北京恒信彩虹科技有限公司 一种虚拟模型的制作方法及表情变化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021550A (zh) * 2014-05-22 2014-09-03 西安理工大学 一种人脸三庭五眼自动定位及比例确定方法
CN104157001A (zh) * 2014-08-08 2014-11-19 中科创达软件股份有限公司 一种头部漫画的绘制方法及装置
CN106934375A (zh) * 2017-03-15 2017-07-07 中南林业科技大学 基于特征点运动轨迹描述的人脸表情识别方法
CN108009470A (zh) * 2017-10-20 2018-05-08 深圳市朗形网络科技有限公司 一种图像提取的方法和装置
CN109410298A (zh) * 2018-11-02 2019-03-01 北京恒信彩虹科技有限公司 一种虚拟模型的制作方法及表情变化方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126344A (zh) * 2019-12-31 2020-05-08 杭州趣维科技有限公司 一种生成人脸额头关键点的方法与***
CN111126344B (zh) * 2019-12-31 2023-08-01 杭州趣维科技有限公司 一种生成人脸额头关键点的方法与***

Similar Documents

Publication Publication Date Title
Wang et al. SaliencyGAN: Deep learning semisupervised salient object detection in the fog of IoT
CN111339990B (zh) 一种基于人脸特征动态更新的人脸识别***和方法
WO2016023264A1 (zh) 指纹识别方法及其指纹识别装置
CN104680144B (zh) 基于投影极速学习机的唇语识别方法和装置
WO2021208601A1 (zh) 基于人工智能的图像处理方法、装置、设备及存储介质
US20220139061A1 (en) Model training method and apparatus, keypoint positioning method and apparatus, device and medium
WO2022228252A1 (zh) 人体行为检测方法、装置、电子设备以及存储介质
US20230230305A1 (en) Online streamer avatar generation method and apparatus
CN111680550B (zh) 情感信息识别方法、装置、存储介质及计算机设备
WO2021223738A1 (zh) 模型参数的更新方法、装置、设备及存储介质
CN110675469A (zh) 一种施工场景中检测目标之间空间关系的图像描述方法
CN110059637A (zh) 一种人脸对齐的检测方法及装置
CN111754637A (zh) 一种样本相似度抑制的大尺度三维人脸合成***
TW202201275A (zh) 手部作業動作評分裝置、方法及電腦可讀取存儲介質
CN113095421A (zh) 生成字体数据库的方法、神经网络模型的训练方法和装置
CN107330363B (zh) 一种快速的互联网广告牌检测方法
CN110363107A (zh) 人脸额头点位快速扩展方法、装置、储存介质和处理器
CN110377526A (zh) 一种ai智能软件的测试方法
CN104573726B (zh) 基于四等分及各成分重构误差最优组合的人脸图像识别方法
CN114170686A (zh) 一种基于人体关键点的屈肘行为检测方法
CN113723280A (zh) 基于静态人脸的对抗样本检测方法、装置、设备、介质
CN111126344B (zh) 一种生成人脸额头关键点的方法与***
CN110826501B (zh) 一种基于稀疏关键点校准的人脸关键点检测方法与***
CN113903071A (zh) 人脸识别方法、装置、电子设备和存储介质
CN110363110A (zh) 人脸正向坐标快速建立方法、装置、储存介质和处理器

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191022

RJ01 Rejection of invention patent application after publication