CN110751120A - 一种检测方法、装置及电子设备 - Google Patents
一种检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110751120A CN110751120A CN201911028112.7A CN201911028112A CN110751120A CN 110751120 A CN110751120 A CN 110751120A CN 201911028112 A CN201911028112 A CN 201911028112A CN 110751120 A CN110751120 A CN 110751120A
- Authority
- CN
- China
- Prior art keywords
- detection
- detection mode
- target object
- detected
- mode
- 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
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例中提供了一种检测方法、装置及电子设备,属于图像处理技术领域,该方法包括获取当前检测模式下的检测结果,其中,检测结果包括检测到目标对象和未检测到目标对象;若所述当前检测模式下的检测结果为检测到所述目标对象,则切换到第一检测模式,所述第一检测模式对应的第一连续检测次数的阈值为M;若所述当前检测模式下的检测结果为未检测到所述目标对象,则休眠预设时段后切换到第二检测模式,其中,所述第二检测模式对应的第二连续检测次数的阈值为N,M大于N。通过本公开的处理方案,使得设备处理器可以根据不同场景适应性调整检测方案,提高设备处理器检测时的整体运行效率,降低能耗,节约资源。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种检测方法、装置及电子设备。
背景技术
人脸识别的场景检测大多数是基于摄像头拍摄的人脸数据,并结合人脸检测算法来完成。现有的人脸检测过程是持续动态的检测过程,这样,在当前状态下没有人脸需要识别时检测过程也会持续运行,持续的识别检测对检测设备的处理器消耗较高,导致设备的资源浪费。
可见,现有的人脸检测方法存在对设备处理器消耗较高,导致资源浪费的技术问题。
发明内容
有鉴于此,本公开实施例提供一种检测方法、装置及电子设备,至少部分解决现有技术中存在的问题。
第一方面,本公开实施例提供了一种检测方法,包括:
获取当前检测模式下的检测结果,其中,所述检测结果包括检测到目标对象和未检测到目标对象;
若所述当前检测模式下的检测结果为检测到所述目标对象,则切换到第一检测模式,所述第一检测模式对应的第一连续检测次数的阈值为M;
若所述当前检测模式下的检测结果为未检测到所述目标对象,则休眠预设时段后切换到第二检测模式,其中,所述第二检测模式对应的第二连续检测次数的阈值为N,M大于N。
根据本公开实施例的一种具体实现方式,所述获取当前检测模式下的检测结果的步骤,包括:
在当前检测模式下的连续检测次数内,判断是否检测到所述目标对象;
若检测到所述目标对象,则结束当前检测模式,确定所述当前检测模式下的检测结果为检测到所述目标对象;
若未检测到所述目标对象,则在当前模式下的连续检测次数完成时结束所述当前检测模式,确定所述当前检测模式下的检测结果为未检测到目标对象。
根据本公开实施例的一种具体实现方式,所述当前检测模式为所述第一检测模式或者所述第二检测模式。
根据本公开实施例的一种具体实现方式,所述检测方法应用于电子设备;
所述获取当前检测模式下的检测结果的步骤,包括:
设定所述电子设备启动时的初始检测模式为所述第一检测模式。
根据本公开实施例的一种具体实现方式,所述目标对象为人脸图像。
根据本公开实施例的一种具体实现方式,所述获取当前检测模式下的检测结果的步骤,包括:
获取预设区域内的目标图像;
提取所述目标图像中至少部分像素点的特征信息;
利用预设的人脸分析模型,根据所述目标图像中至少部分像素点的特征信息,分析所述目标图像中是否存在对应人脸区域的特征点;
若所述目标图像中存在对应人脸区域的特征点,则所述检测结果为检测到人脸图像;
若所述目标图像中不存在对应人脸区域的特征点,则所述检测结果为未检测到人脸图像。根据本公开实施例的一种具体实现方式,所述若所述目标图像中存在对应人脸区域的特征点,则所述检测结果为检测到人脸图像的步骤之后,包括:
根据预设的全部人员面部特征的信息集合,分析所述人脸图像的特征点信息,判断所述人脸图像对应的人员身份信息。
第二方面,本公开实施例提供了一种检测装置,包括:
获取模块,用于获取当前检测模式下的检测结果,其中,所述检测结果包括检测到目标对象和未检测到目标对象;
切换模块,用于:
若所述当前检测模式下的检测结果为检测到所述目标对象,则切换到第一检测模式,所述第一检测模式对应的第一连续检测次数的阈值为M;
若所述当前检测模式下的检测结果为未检测到所述目标对象,则休眠预设时段后切换到第二检测模式,其中,所述第二检测模式对应的第二连续检测次数的阈值为N,M大于N。
第三方面,本公开实施例还提供了一种电子设备,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的检测方法。
第四方面,本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的检测方法。
第五方面,本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述第一方面或第一方面的任一实现方式中的检测方法。
本公开实施例中的检测方法方案,包括获取当前检测模式下的检测结果,其中,所述检测结果包括检测到目标对象和未检测到目标对象;若所述当前检测模式下的检测结果为检测到所述目标对象,则切换到第一检测模式,所述第一检测模式对应的第一连续检测次数的阈值为M;若所述当前检测模式下的检测结果为未检测到所述目标对象,则休眠预设时段后切换到第二检测模式,其中,所述第二检测模式对应的第二连续检测次数的阈值为N,M大于N。通过本公开的方案,使得设备处理器可以根据不同场景适应性调整检测方案,提高设备处理器检测时的整体运行效率,降低能耗,节约资源。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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它的附图。
图1为本公开实施例提供的一种检测方法流程示意图;
图2为本公开实施例提供的另一种检测方法流程示意图;
图3为本公开实施例提供的一种检测装置结构示意图;
图4为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种检测方法。本实施例提供的检测方法可以由一计算装置来执行,该计算装置可以实现为软件,或者实现为软件和硬件的组合,该计算装置可以集成设置在服务器、终端设备等中。
参见图1,本公开实施例提供的一种检测方法,包括:
S101,获取当前检测模式下的检测结果,其中,所述检测结果包括检测到目标对象和未检测到目标对象;
本公开实施例提供的检测方法,可以应用于多数特定对象的监测场景,例如人脸检测场景,或者人员手部等其他部位的图像检测。将包含人脸、手部或其他部位的图像定义为目标对象。在检测之前,首先需要在设备中设置检测模型及根据不同场景下的目标对象设置检测算法。可选地,所述检测模型为卷积神经网络模型。设置所述卷积神经网络模型的步骤包括:搭建卷积神经网络框架,添加多个卷积层,以及在每个卷积层之后添加优化网络结构的优化层,以提升卷积神经网络检测精度。在所述卷积神经网络模型内,设置检测算法,所述检测算法根据不同的场景可以包括多个检测模式,不同检测模式对应的预设检测周期、预设检测频率以及实际检测周期和实际检测频率均不同。将当前场景下的检测模式定义为当前检测模式。
本公开实施例提供的检测方法还可以应用于预设区域的人脸检测,预设区域可以为门禁处、考场入口等。预设区域内设置至少一个图像采集装置,例如转向式摄像头,按照检测模式对应的频率或者周期采集预设区域的图像,由电子设备对所采集到的图像进行分析处理,得到对应的检测结果。所述检测结果可以包括检测到目标对象和未检测到目标对象。若采集的图像中包含目标对象的对应特征,则确定检测结果为检测到目标对象;若采集的图像中不包含目标对象的对应特征,则确定检测结果为未检测到目标对象。所述目标对象可以为人脸图像、手部图像或其他对应场景下的图像,不作限定。
S102,若所述当前检测模式下的检测结果为检测到所述目标对象,则切换到第一检测模式,所述第一检测模式对应的第一连续检测次数的阈值为M;
通过上述步骤获取了当前检测模式下的检测结果,所述检测结果为检测到所述目标对象。当检测到目标对象时,可以理解为,对应场景的视频画面中从当前帧开始,目标对象出现的概率变大,则需要改变当前的检测模式以适应对应场景中目标对象的检测。
这种情况下,电子设备可以将当前检测模式切换到第一检测模式,其中,所述第一检测模式对应的第一连续检测次数的阈值为M;所述阈值M根据不同的场景设定。例如,目标对象为特征点较少的图像时,分析检测目标对象的难度变大,则所述阈值M可设置较大的数值。相应地,目标对象为特征点较多的图像时,分析检测目标对象相对容易,则所述阈值M可设置偏小的数值。所述阈值M根据不同的场景、不同的视频画面可以有不同的设置,不作限定。
具体地,设备处理器接收检测到的所述目标对象的检测结果,并以检测到的所述目标对象为判断条件,将当前检测模式切换到第一检测模式。启动所述第一检测模式,计数器置零,即设置COUNT=0,对所述第一检测模式下的检测次数开始计数。当未检测到目标对象的次数增加一次,则计数器累积计数一次,即设置COUNT+1,直至计数器累积计数等于阈值M时,结束所述第一检测模式,进入预设时间的休眠。若计数器累积计数小于阈值M时,检测到目标对象,则结束当前所述第一检测模式;重置参数,计数器置零,再次切换到第一检测模式,如此循环。
S103,若所述当前检测模式下的检测结果为未检测到所述目标对象,则休眠预设时段后切换到第二检测模式,其中,所述第二检测模式对应的第二连续检测次数为N,M大于N。
由所述步骤S101获取了当前检测模式下的检测结果,所述检测结果为未检测到所述目标对象。当未检测到目标对象时,可以理解为,对应场景的视频画面中目标对象出现的概率较小,则可以改变当前的检测模式以减少连续检测的次数,进而减少设备处理器的资源消耗,实现设备间歇性的运行。可选地,检测模式由当前检测模式切换到第二检测模式,其中,所述第二检测模式对应的第二连续检测次数的阈值为N,M大于N。在本公开的实施例中,阈值M可设置为200,阈值N可设置为5。
具体地,设备处理器接收未检测到所述目标对象的检测结果。休眠预设的时间;结束休眠后,将当前检测模式切换到第二检测模式。启动所述第二检测模式,计数器置零,即设置COUNT=0,对所述第二检测模式下的检测次数开始计数。当未检测到目标对象的次数增加一次,则计数器累积计数一次,即设置COUNT+1,直至计数器累积计数等于阈值N时,结束当前的第二检测模式;设备处理器开始进入休眠状态;休眠时间T可根据不同检测场景适应性的设置。在本公开的实施例中,休眠时间T可设置为小于或等于1s,例如T=500ms。此时,重置参数,计数器置零;待休眠结束后,再次切换到第二检测模式。若计数器累积计数小于阈值N时,检测到目标对象,则结束所述第二检测模式。重置参数,计数器置零,并切换到第一检测模式,如此循环。
上述本实施例公开的检测方法,通过获取当前检测模式下的检测结果,来选择切换为匹配的第一检测模式或第二检测模式进行目标对象的检测。在没有人脸图像等目标对象的场景下,设备处理器进行预设时间的休眠,休眠结束后重新检测,实现间歇性的运行,减少设备处理器的资源消耗。而在有人脸图像等目标对象的场景下,设备处理器会持续运行且对人脸图像等目标对象进行检测,保证检测的速度和准确度。通过本公开的方案,提高了设备处理器在不同场景下检测时的运行效率,降低能耗,节约资源。
根据本公开实施例的一种具体实现方式,如图2所示,所述获取当前检测模式下的检测结果的步骤,包括:
S201,在当前检测模式下的连续检测次数内,判断是否检测到所述目标对象;
S202,若检测到所述目标对象,则结束当前检测模式,确定所述当前检测模式下的检测结果为检测到所述目标对象;
S203,若未检测到所述目标对象,则在当前模式下的连续检测次数完成时结束所述当前检测模式,确定所述当前检测模式下的检测结果为未检测到目标对象。
本公开实施例中,预设当前模式下的连续检测次数的阈值。在当前检测模式下的连续检测次数的阈值内,分析判断是否检测到对应场景中的目标对象。若检测到所述目标对象,则结束当前检测模式,并且确定所述当前检测模式下的检测结果为检测到所述目标对象;若未检测到所述目标对象,则在当前模式下的连续检测次数等于阈值时,结束所述当前检测模式,确定所述当前检测模式下的检测结果为未检测到目标对象。
可选地,当前检测模式为所述第一检测模式。所述获取第一检测模式下的检测结果的步骤,包括:
在第一检测模式的连续检测次数M内,判断是否检测到目标对象;
若检测到目标对象,则结束第一检测模式,确定所述第一检测模式下的检测结果为检测到目标对象;
若未检测到目标对象,则在第一检测模式的连续检测次数等于阈值M时结束,确定所述第一检测模式下的检测结果为未检测到目标对象。
相应地,当前检测模式为所述第二检测模式。所述获取第二检测模式下的检测结果的步骤,包括:
在第二检测模式的连续检测次数N内,判断是否检测到目标对象;
若检测到目标对象,则结束第二检测模式,确定所述第二检测模式下的检测结果为检测到目标对象;
若未检测到目标对象,则在第二检测模式的连续检测次数等于阈值N时结束,确定所述第二检测模式下的检测结果为未检测到目标对象。
上述步骤在获取当前检测模式的检测结果后,根据检测结果切换到第一检测模式或第二检测模式。本公开的实施例中,将当前检测模式直接设置为第一检测模式或第二检测模式,而无须再次预设其他模式以及与检测模式对应的参数信息,这样,可以简化检测过程,提高设备处理器的检测速度和准确度。
根据本公开实施例的一种具体实现方式,所述检测方法应用于电子设备;
步骤S101所述的,获取当前检测模式下的检测结果,还可以包括:
设定所述电子设备启动时的初始检测模式为第一检测模式。
具体地,在电子设备启动时运行的初始检测模式可以为第一检测模式。将连续检测次数较多的第一检测模式作为初始检测模式,避免遗漏检测到目标对象的情况,提高检测结果的准确度。在所述第一检测模式之后,电子设备继续运行,检测目标对象,并获取当前检测模式下的检测结果。所述的当前检测模式可以为第一检测模式、第二检测模式或其他预设的检测模式,不作限定。
当然,在电子设备启动时运行的初始检测模式为第一检测模式时,若当前检测模式为第一检测模式,而无须再次预设其他模式以及与检测模式对应的参数信息,这样,可以简化检测过程,提高设备处理器的检测速度和准确度。
相应地,在一些其他实施方式中,所述检测方法应用于电子设备;
所述获取当前检测模式下的检测结果的步骤,还包括:
设定所述电子设备启动时的初始检测模式为第二检测模式。
具体地,在电子设备启动时运行的初始检测模式可以为第二检测模式。将连续检测次数较少的第二检测模式作为初始检测模式,应用于目标对象出现概率较低的场景,可以简化检测操作。在所述第二检测模式之后,电子设备继续运行,检测目标对象,并获取当前检测模式下的检测结果。所述的当前检测模式可以为第一检测模式、第二检测模式或其他预设的检测模式,不作限定。
当然,在电子设备启动时运行的初始检测模式为第二检测模式时,若当前检测模式为第二检测模式,而无须再次预设其他模式以及与检测模式对应的参数信息,这样,可以简化检测过程,提高设备处理器的检测速度和准确度。
根据本公开实施例的一种具体实现方式,所述目标对象为人脸图像。所述获取当前检测模式下的检测结果的步骤,包括:
获取预设区域内的目标图像;
提取所述目标图像中至少部分像素点的特征信息;
利用预设的人脸分析模型,根据所述目标图像中至少部分像素点的特征信息,分析所述目标图像中是否存在对应人脸区域的特征点;
若所述目标图像中存在对应人脸区域的特征点,则所述检测结果为检测到人脸图像;
若所述目标图像中不存在对应人脸区域的特征点,则所述检测结果为未检测到人脸图像。
可选地,获取预设区域内的人脸图像,将此人脸图像定义为目标图像。标注目标图像的至少部分像素点,并提取所述目标图像中至少部分像素点的特征信息,所述特征信息包括位置坐标信息和像素点的像素信息等。利用预设的人脸分析模型,根据所述目标图像中至少部分像素点的特征信息,分析目标区域内的人脸图像像素点的位置坐标,是否位于人脸分析模型中预设的人脸图像对应特征点的位置预设区域内。若所述目标图像中存在对应人脸区域的特征点,则所述检测结果为检测到人脸图像;若所述目标图像中不存在对应人脸区域的特征点,则所述检测结果为未检测到人脸图像。需要说明的是,当对应场景视频的某帧画面中存在多个包含人脸特征点的目标图像时,检测到一张或以上的目标图像即可将检测结果认定为检测到目标对象。
根据本公开实施例的一种具体实现方式,所述若所述目标图像中存在人脸图像的特征点,则所述检测结果为检测到人脸图像的步骤之后,包括:
根据预设的全部人员面部特征的信息集合,分析所述人脸图像的特征点信息,判断所述人脸图像对应的人员身份信息。
具体地,在上述步骤之前,获取全部人员面部特征的信息集合。实施时,采集全部人员中每个人员的面部图像,并在所述面部图像上标注特征点,提取各特征点的信息。将每个人员面部图像及对应的特征点信息存储于全部人员面部特征的信息集合内。此外,采集相应人员的身份信息,将人员身份信息与其面部图像对应存储于全部人员面部特征的信息集合内。所述身份信息可以包括姓名、工牌信息或身份证信息中的至少一种,也可以为与相应人员身份匹配的其他身份识别信息。
若所述目标图像中存在对应人脸区域的特征点,则所述检测结果为检测到人脸图像的步骤之后,根据预设的全部人员面部特征的信息集合,分析所述人脸图像的特征点信息,判断所述人脸图像是否与全部人员面部特征的信息集合中的某个具体人员的面部图像匹配。分析后,标注与所述人脸图像匹配的人员面部图像,并调取所述人员面部图像对应的身份信息,从而判断出所述人脸图像对应的人员身份信息。
与上面的方法实施例相对应,参见图3,本公开实施例还提供了一种检测装置30,包括:
获取模块301,用于获取当前检测模式下的检测结果,其中,检测结果包括检测到目标对象和未检测到目标对象;
切换模块302,用于:
若所述当前检测模式下的检测结果为检测到所述目标对象,则切换到第一检测模式,所述第一检测模式对应的第一连续检测次数为M;
若所述当前检测模式下的检测结果为未检测到所述目标对象,则休眠预设时段后切换到第二检测模式,其中,所述第二检测模式对应的第二连续检测次数为N,M大于N。
图3所示装置可以对应的执行上述方法实施例中的内容,本实施例未详细描述的部分,参照上述方法实施例中记载的内容,在此不再赘述。
参见图4,本公开实施例还提供了一种电子设备40,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述方法实施例中的检测方法。
本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述方法实施例中的检测方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述方法实施例中的的检测方法。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备40的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备40可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备40操作所需的各种程序和数据。处理装置401、ROM 602以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备40与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备40,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本公开的具体实施方式,但本公开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公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种检测方法,其特征在于,包括:
获取当前检测模式下的检测结果,其中,所述检测结果包括检测到目标对象和未检测到目标对象;
若所述当前检测模式下的检测结果为检测到所述目标对象,则切换到第一检测模式,所述第一检测模式对应的第一连续检测次数的阈值为M;
若所述当前检测模式下的检测结果为未检测到所述目标对象,则休眠预设时段后切换到第二检测模式,其中,所述第二检测模式对应的第二连续检测次数的阈值为N,M大于N。
2.根据权利要求1所述的检测方法,其特征在于,所述获取当前检测模式下的检测结果的步骤,包括:
在当前检测模式下的连续检测次数内,判断是否检测到所述目标对象;
若检测到所述目标对象,则结束当前检测模式,确定所述当前检测模式下的检测结果为检测到所述目标对象;
若未检测到所述目标对象,则在当前模式下的连续检测次数完成时结束所述当前检测模式,确定所述当前检测模式下的检测结果为未检测到目标对象。
3.根据权利要求1或2所述的检测方法,其特征在于,所述当前检测模式为所述第一检测模式或者所述第二检测模式。
4.根据权利要求3所述的检测方法,其特征在于,所述检测方法应用于电子设备;
所述获取当前检测模式下的检测结果的步骤,包括:
设定所述电子设备启动时的初始检测模式为所述第一检测模式。
5.根据权利要求1所述的检测方法,其特征在于,所述目标对象为人脸图像。
6.根据权利要求5所述的检测方法,其特征在于,所述获取当前检测模式下的检测结果的步骤,包括:
获取预设区域内的目标图像;
提取所述目标图像中至少部分像素点的特征信息;
利用预设的人脸分析模型,根据所述目标图像中至少部分像素点的特征信息,分析所述目标图像中是否存在对应人脸区域的特征点;
若所述目标图像中存在对应人脸区域的特征点,则所述检测结果为检测到人脸图像;
若所述目标图像中不存在对应人脸区域的特征点,则所述检测结果为未检测到人脸图像。
7.根据权利要求6所述的检测方法,其特征在于,所述若所述目标图像中存在对应人脸区域的特征点,则所述检测结果为检测到人脸图像的步骤之后,包括:
根据预设的全部人员面部特征的信息集合,分析所述人脸图像的特征点信息,判断所述人脸图像对应的人员身份信息。
8.一种检测装置,其特征在于,所述装置包括:
获取模块,用于获取当前检测模式下的检测结果,其中,检测结果包括检测到目标对象和未检测到目标对象;
切换模块,用于:
若所述当前检测模式下的检测结果为检测到所述目标对象,则切换到第一检测模式,所述第一检测模式对应的第一连续检测次数的阈值为M;
若所述当前检测模式下的检测结果为未检测到所述目标对象,则休眠预设时段后切换到第二检测模式,其中,所述第二检测模式对应的第二连续检测次数的阈值为N,M大于N。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述权利要求1-7中任一项所述的检测方法。
10.一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述权利要求1-7中任一项所述的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911028112.7A CN110751120A (zh) | 2019-10-28 | 2019-10-28 | 一种检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911028112.7A CN110751120A (zh) | 2019-10-28 | 2019-10-28 | 一种检测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110751120A true CN110751120A (zh) | 2020-02-04 |
Family
ID=69280245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911028112.7A Pending CN110751120A (zh) | 2019-10-28 | 2019-10-28 | 一种检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751120A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111309137A (zh) * | 2020-02-18 | 2020-06-19 | 深圳云天励飞技术有限公司 | 一种芯片控制方法、装置、芯片及终端设备 |
CN111444854A (zh) * | 2020-03-27 | 2020-07-24 | 科大讯飞(苏州)科技有限公司 | 异常事件检测方法、相关设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1963839A (zh) * | 2002-12-06 | 2007-05-16 | 三星电子株式会社 | 人的检测方法和设备 |
CN102681643A (zh) * | 2011-03-08 | 2012-09-19 | 联想(北京)有限公司 | 检测装置、计算机和检测方法 |
CN103885568A (zh) * | 2014-03-24 | 2014-06-25 | 深圳市欧珀通信软件有限公司 | 一种拍照时降低电流的方法及装置 |
CN108010065A (zh) * | 2017-11-07 | 2018-05-08 | 西安天和防务技术股份有限公司 | 低空目标快速检测方法及装置、存储介质及电子终端 |
CN108446659A (zh) * | 2018-03-28 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于检测人脸图像的方法和装置 |
CN109522775A (zh) * | 2017-09-19 | 2019-03-26 | 杭州海康威视数字技术股份有限公司 | 人脸属性检测方法、装置及电子设备 |
-
2019
- 2019-10-28 CN CN201911028112.7A patent/CN110751120A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1963839A (zh) * | 2002-12-06 | 2007-05-16 | 三星电子株式会社 | 人的检测方法和设备 |
CN102681643A (zh) * | 2011-03-08 | 2012-09-19 | 联想(北京)有限公司 | 检测装置、计算机和检测方法 |
CN103885568A (zh) * | 2014-03-24 | 2014-06-25 | 深圳市欧珀通信软件有限公司 | 一种拍照时降低电流的方法及装置 |
CN109522775A (zh) * | 2017-09-19 | 2019-03-26 | 杭州海康威视数字技术股份有限公司 | 人脸属性检测方法、装置及电子设备 |
CN108010065A (zh) * | 2017-11-07 | 2018-05-08 | 西安天和防务技术股份有限公司 | 低空目标快速检测方法及装置、存储介质及电子终端 |
CN108446659A (zh) * | 2018-03-28 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于检测人脸图像的方法和装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111309137A (zh) * | 2020-02-18 | 2020-06-19 | 深圳云天励飞技术有限公司 | 一种芯片控制方法、装置、芯片及终端设备 |
CN111309137B (zh) * | 2020-02-18 | 2021-07-06 | 深圳云天励飞技术有限公司 | 一种芯片控制方法、装置、芯片及终端设备 |
CN111444854A (zh) * | 2020-03-27 | 2020-07-24 | 科大讯飞(苏州)科技有限公司 | 异常事件检测方法、相关设备及可读存储介质 |
CN111444854B (zh) * | 2020-03-27 | 2021-03-02 | 科大讯飞(苏州)科技有限公司 | 异常事件检测方法、相关设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287891B (zh) | 基于人体关键点的手势控制方法、装置及电子设备 | |
CN112101305B (zh) | 多路图像处理方法、装置及电子设备 | |
CN110619314A (zh) | 安全帽检测方法、装置及电子设备 | |
CN111222509B (zh) | 目标检测方法、装置及电子设备 | |
CN110070063B (zh) | 目标对象的动作识别方法、装置和电子设备 | |
CN111582090A (zh) | 人脸识别方法、装置及电子设备 | |
CN111738316B (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
CN111191556A (zh) | 人脸识别方法、装置及电子设备 | |
CN110751120A (zh) | 一种检测方法、装置及电子设备 | |
CN110287810B (zh) | 车门动作检测方法、装置和计算机可读存储介质 | |
CN111783632B (zh) | 针对视频流的人脸检测方法、装置、电子设备及存储介质 | |
CN113342170A (zh) | 手势控制方法、装置、终端和存储介质 | |
CN110197459B (zh) | 图像风格化生成方法、装置及电子设备 | |
CN110264430B (zh) | 视频美化方法、装置及电子设备 | |
CN110378936B (zh) | 光流计算方法、装置及电子设备 | |
CN111382694A (zh) | 人脸识别方法、装置及电子设备 | |
CN110852253A (zh) | 梯控场景检测方法、装置及电子设备 | |
CN111626990A (zh) | 目标检测框处理方法、装置及电子设备 | |
CN111832354A (zh) | 目标对象年龄识别方法、装置及电子设备 | |
CN111681267B (zh) | 基于图像识别的轨道防侵入方法 | |
CN114740975A (zh) | 目标内容的获取方法及相关设备 | |
CN110377362B (zh) | 清理应用程序的方法、装置、终端及存储介质 | |
CN112560700A (zh) | 一种基于动作分析的信息关联方法、装置及电子设备 | |
CN110879975B (zh) | 人员流量检测方法、装置及电子设备 | |
CN112560958A (zh) | 基于人像识别的人员接待方法、装置及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200204 |