CN111126113B - 一种人脸图像处理的方法及装置 - Google Patents
一种人脸图像处理的方法及装置 Download PDFInfo
- Publication number
- CN111126113B CN111126113B CN201811294871.3A CN201811294871A CN111126113B CN 111126113 B CN111126113 B CN 111126113B CN 201811294871 A CN201811294871 A CN 201811294871A CN 111126113 B CN111126113 B CN 111126113B
- Authority
- CN
- China
- Prior art keywords
- face
- frame
- image
- newly added
- target picture
- 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
- 238000003672 processing method Methods 0.000 title description 17
- 238000000034 method Methods 0.000 claims abstract description 91
- 238000001514 detection method Methods 0.000 claims abstract description 63
- 230000000875 corresponding effect Effects 0.000 claims description 132
- 238000004891 communication Methods 0.000 claims description 16
- 230000002596 correlated effect Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明的实施例公开了一种人脸图像处理的方法及装置，对从视频有序帧中获取的目标图片，若该目标图片为检测帧，则一方面将列表中已经存在人脸编号的人脸图像在该目标图片中的第一图像信息添加到列表中，另一方面，对在该目标图片中出现的且在列表中不存在人脸编号的人脸图像新增人脸编号，并回溯目标图片之前存在该人脸图像的图片。这种对人脸图像进行回溯的方法将各帧的同一人进行关联，防止丢帧漏检的情况，且降低了运算量。该方法能够实现对视频帧或者图片集中的每一图片进行处理，不需要重复启动检测，提高了处理效率。此外，将各人脸图像的图像信息存储在列表中作为原始数据信息，方便根据列表以不同的形式输出各人脸图像的信息。
Description
技术领域
本发明实施例涉及图像处理技术领域，尤其是涉及一种人脸图像处理的方法及装置。
背景技术
人脸识别技术发展到今天，准确率大大提升已经达到了商用水平，而人脸抓拍是其中的重要环节，现有的抓拍设备对视频或者图片处理的方法是提取视频源中的各帧视频帧，然后逐帧进行人脸检测，实现人脸的识别。该方法目前使用的“人脸检测”部分多数使用深度卷积神经网络方法，其问题是运算量太大，耗时长，虽然精度较高，但是运算复杂，不适合在性能较差的设备上运行。为了降低运算复杂度，现有技术中还存在隔N帧检测的方法，然而该方法常常存在漏检现象，且算法开销依然很大，当人出现在非检测帧时无法获取各帧数据。
在实现本发明实施例的过程中，发明人发现现有的对视频进行处理的方法需要重复启动检测，并且各个帧之间没有关联处理，无法确认各个帧之间为同一人，容易漏检，运算量大。
发明内容
本发明所要解决的技术问题是如何解决现有的对视频进行处理的方法需要重复启动检测，并且各个帧之间没有关联处理，无法确认各个帧之间为同一人，容易漏检，运算量大的问题。
针对以上技术问题，本发明的实施例提供了一种人脸图像处理的方法，包括：
从设置了帧号的视频有序帧中获取目标图片，若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为检测帧，则获取从所述目标图片中检测出的人脸图像的个数；
若从所述目标图片中检测出的人脸图像的个数不为零，且检测出的人脸图像中包括在列表中不存在对应的人脸编号的新增人脸图像，则创建每一新增人脸图像对应的新增人脸编号；
对每一新增人脸编号，将与所述新增人脸编号对应的新增人脸图像在所述目标图片中的第一图像信息添加到所述列表中，并从帧号小于所述目标图片对应的帧号的图片中获取与所述新增人脸编号对应的新增人脸图像的第二图像信息，并将所述第二图像信息添加到所述列表中；
其中，若所述目标图片的帧号与所述帧间距商的余数为零，则所述目标图片为检测帧；所述列表存储了视频有序帧的每一帧图片中与人脸图像有关的信息；播放视频有序帧的过程中，帧号越小的图片播放时间越早。
本发明提供了一种人脸图像处理的装置，包括：
获取模块，用于从设置了帧号的视频有序帧中获取目标图片，若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为检测帧，则获取从所述目标图片中检测出的人脸图像的个数；
编号创建模块，用于若从所述目标图片中检测出的人脸图像的个数不为零，且检测出的人脸图像中包括在列表中不存在对应的人脸编号的新增人脸图像，则创建每一新增人脸图像对应的新增人脸编号；
图像跟踪模块，用于对每一新增人脸编号，将与所述新增人脸编号对应的新增人脸图像在所述目标图片中的第一图像信息添加到所述列表中，并从帧号小于所述目标图片对应的帧号的图片中获取与所述新增人脸编号对应的新增人脸图像的第二图像信息，并将所述第二图像信息添加到所述列表中；
其中，若所述目标图片的帧号与所述帧间距商的余数为零，则所述目标图片为检测帧；所述列表存储了视频有序帧的每一帧图片中与人脸图像有关的信息；播放视频有序帧的过程中，帧号越小的图片播放时间越早。
本实施例提供了一种电子设备，包括：
至少一个处理器、至少一个存储器、通信接口和总线；其中，
所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述通信接口用于该电子设备和其它电子设备的通信设备之间的信息传输；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行以上所述的方法。
本实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行以上所述的方法。
本发明的实施例提供了一种人脸图像处理的方法及装置，对从视频有序帧中获取的目标图片，若该目标图片为检测帧，则一方面将列表中已经存在人脸编号的人脸图像在该目标图片中的图像信息添加到列表中，另一方面，对在该目标图片中出现的且在列表中不存在人脸编号的人脸图像新增人脸编号，并回溯目标图片之前存在该人脸图像的图片。这种对人脸图像进行回溯的方法将各帧的同一人进行关联，防止丢帧漏检的情况，且降低了运算量。该方法能够实现对视频帧或者图片集中的每一图片进行处理，不需要重复启动检测，提高了处理效率。此外，将各人脸图像的图像信息存储在列表中作为原始数据信息，方便根据列表以不同的形式输出各人脸图像的信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，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他的附图。
图1是本发明一个实施例提供的作为对比的人脸图像处理的方法中视频帧组成示意图；
图2是本发明另一个实施例提供作为对比的人脸图像处理的方法中对视频帧中的图像进行处理的示意图；
图3是本发明另一个实施例提供的人脸图像处理的方法流程示意图；
图4是本发明另一个实施例提供的人脸图像处理的方法中对视频帧中的图像进行处理的示意图；
图5是本发明另一个实施例提供的具体的人脸图像处理的方法流程示意图；
图6是本发明另一个实施例提供的人脸图像处理的装置的结构框图；
图7是本发明另一个实施例提供的电子设备的结构框图。
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，下面将结合本发明实施例中的附图，对本发明实施例中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。
在介绍本实施例提供的人脸图像处理的方法之前，先介绍一种作为对比的人脸图像处理的方法，图1为本实施例示出的作为对比的人脸图像处理的方法中视频帧组成示意图，图2为本实施例示出的作为对比的人脸图像处理的方法中对视频帧中的图像进行处理的示意图，参见图1和图2所示，通常检测帧为视频中抽取的几帧图片，在作为对比的方法中，要么对视频中的每一帧图片进行人脸的识别，运算量极大，无法在功耗和计算能力较低环境下使用，要么仅对视频帧中的检测帧(标记为D的帧)进行检测，容易忽略非检测帧中出现的人脸，造成漏检。为了降低对视频进行人脸检测过程的运算量，使得对人脸图像处理的方法在功耗和计算能力较低环境下中也能运行，同时避免对人脸图像的漏检，图3为本实施例提供的人脸图像处理的方法流程示意图，参见图3，该方法包括：
301：从设置了帧号的视频有序帧中获取目标图片，若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为检测帧，则获取从所述目标图片中检测出的人脸图像的个数；
302：若从所述目标图片中检测出的人脸图像的个数不为零，且检测出的人脸图像中包括在列表中不存在对应的人脸编号的新增人脸图像，则创建每一新增人脸图像对应的新增人脸编号；
303：对每一新增人脸编号，将与所述新增人脸编号对应的新增人脸图像在所述目标图片中的第一图像信息添加到所述列表中，并从帧号小于所述目标图片对应的帧号的图片中获取与所述新增人脸编号对应的新增人脸图像的第二图像信息，并将所述第二图像信息添加到所述列表中；
其中，若所述目标图片的帧号与所述帧间距商的余数为零，则所述目标图片为检测帧；所述列表存储了视频有序帧的每一帧图片中与人脸图像有关的信息；播放视频有序帧的过程中，帧号越小的图片播放时间越早。
本实施例可由计算机或者服务器执行，本实施例对此不做具体限制，例如，由摄像头将拍摄的视频有序帧输入到计算机中，计算机按照本实施例提供的人脸图像处理的方法对输入的图片进行处理，输出采用不同的标记方式标记不同人的视频有序帧，以便于工作人员根据视频有序帧中的标记实现人脸个体识别和人体行为的研究。
通常按照视频有序帧中图片播放先后顺序为每一图片设置帧号，由0开始。帧间距为人为设定的值，例如，帧间距N为8。同一人物的人脸图像对应同一人脸编号。列表中存储了每一图片中各人脸图像的图像信息，根据列表可以将视频的每一帧图片中的人脸加以区分，结合视频的各帧图片可以对每一人脸图像对应的人物的行动轨迹进行跟踪。视频有序帧包括视频或者图片集。其中，图片集需是时间维度上连续获得的图片的集合。
需要说明的是，识别目标图片之前的图片中是否存在新增人脸编号对应的新增人脸图像时，可以采用跟踪算法实现，例如，采用KCF、DCF、PLD、Medianflow或者GOTURN算法识别不同帧图片中的某一人脸图像是否为同一人对应的人脸图像。
对于某一新增人脸编号对应的人脸图像，第一图像信息为该人脸图像在目标图片中的图像信息(例如，位置信息)，第二图像信息为该人脸图像在目标图片之前的图片中的图像信息。在检测帧检测到新增人脸图像后，将该新增人脸图像的第一图像信息和第二图像信息均添加到列表中。其中，第二图像信息是由目标图片向前回溯到首次出现该新增人脸图像的图片为止，得到的该新增人脸图像在目标图片之前的各图片中的图像信息。将第一图像信息和第二图像信息添加到列表中后，使得列表中包括了新增人脸图像从在视频中首次出现到出现在该目标图片之间的所有图像信息，这也使得出现了该新增人脸图像的图片之间进行了关联。这种回溯的方法使得在不需要对每一帧图片进行检测的情况下，将新增人脸图像在各帧图片中的图像信息补充到列表中，使得通过列表能够读取到新增人脸图像在各帧图片中的图像信息。进一步地，通过该列表也能将视频有序帧的每一帧图片中出现的各人脸图像进行区分。
本实施例提供了一种人脸图像处理的方法，对从视频有序帧中获取的目标图片，若该目标图片为检测帧，则一方面将列表中已经存在人脸编号的人脸图像在该目标图片中的第一图像信息添加到列表中，另一方面，对在该目标图片中出现的且在列表中不存在人脸编号的人脸图像新增人脸编号，并回溯目标图片之前存在该人脸图像的图片。这种对人脸图像进行回溯的方法将各帧的同一人进行关联，防止丢帧漏检的情况，且降低了运算量。该方法能够实现对视频帧或者图片集中的每一图片进行处理，不需要重复启动检测，提高了处理效率。此外，将各人脸图像的图像信息存储在列表中作为原始数据信息，方便根据列表以不同的形式输出各人脸图像的信息。
进一步地，在上述实施例的基础上，还包括：
按照所述列表中记录的每一帧图片中的各人脸图像对应的人脸编号和图像信息，输出区分了每一帧图片中不同人脸编号对应的人脸图像的视频有序帧。
例如，根据列表将视频中同一人对应的所有人脸图像用同样颜色的方框作为该人脸图像的边界线。
本实施例提供了一种人脸图像处理的方法，根据列表以直观的方式将视频有序帧中的人物进行区分，便于快捷地区分视频有序帧中不同的人。
进一步地，在上述各实施例的基础上，所述若从所述目标图片中检测出的人脸图像的个数不为零，且检测出的人脸图像中包括在列表中不存在对应的人脸编号的新增人脸图像，则创建每一新增人脸图像对应的新增人脸编号，包括：
若从所述目标图片中检测出的人脸图像的个数不为零，则对每一人脸图像，判断所述人脸图像在所述列表中是否存在对应的人脸编号；
若所述人脸图像在所述列表中存在对应的人脸编号，则将所述人脸图像在所述目标图片中的位置信息、所述人脸图像对应的人脸编号、所述目标图片对应的帧号和所述人脸图像对应的***关联地存储到所述列表中；
若所述人脸图像在所述列表中不存在对应的人脸编号，则将所述人脸图像作为新增人脸图像，创建与所述新增人脸图像对应的新增人脸编号；
其中，所述人脸图像对应的***根据所述人脸图像的特征生成，用于对所述人脸图像进行识别。
需要说明的是，记录在列表中的位置信息可以由人脸图像左上点的坐标、人脸图像的宽和高组成，例如，表1为本实施例提供的人脸图像信息列表，在表1中，数字为帧号，字母为人脸编号，同一人的人脸图像对应相同的人脸编号，x和y分别为人脸图像左上点的坐标，h，w分别为人脸图像的高度和宽度。例如，在表1中以格式i-J(Xji，Yji，Wji，Hji)表示人脸图像的图像信息，其中，i表示图片的帧号，i为数字，J和j均表示人脸编号，J和j为字母，Xji表示在帧号为i的图片中，人脸编号为j(j和J相同)的人脸图像的左上点的横坐标，Yji表示在帧号为i的图片中，人脸编号为j的人脸图像的左上点的纵坐标，Wji表示在帧号为i的图片中，人脸编号为j的人脸图像的图像区域的宽，Hji表示在帧号为i的图片中，人脸编号为j的人脸图像的图像区域的高。
人脸***是人脸图像中特征信息从图片中识别出该人脸图像的算法，例如，利用面积匹配法或者特征匹配法识别出图片中的人脸图像的***，本实施例对此不做具体限制。
图4为本实施例提供的人脸图像处理的方法中对视频帧中的图像进行处理的示意图，图5为具体的人脸图像处理的方法流程示意图，图4中标注为D的为视频帧，标注为T的为跟踪帧，帧间距N取8，在图4所示的视频帧中，帧号为0、8和16的图片为检测帧。参见图5，包括以下步骤：
步骤1：令帧号f＝0，最大人脸编号max＝0；
步骤2：取第f视频帧；
步骤3：判断是否为D类帧(检测帧)，是D类帧执行4，否则执行13，其中，若满足公式f％N＝0，则为D类帧，否则为T类帧，N为帧间距，f为视频的帧号；
步骤4：对第f视频帧全图检测，检测到人脸图像的个数为x个；
步骤5：判断检测到的人脸图像的个数x是否为0，是则执行19，否则执行6；
步骤6：判断是否与列表内已有人脸编号的人脸图像匹配，若存在匹配项且匹配的人脸编号为i则执行7，否则执行8；
步骤7：按列表中已有人脸编号i计入将该人脸图像在第f视频帧中的位置信息计入列表，执行12；
步骤8：检测到新的人脸图像，则新建人脸编号max＝max+1计入列表，令回溯偏移帧n＝0。
例如，按照上述方法检测到第8帧图片时，检测到了新的人脸图像，这些人脸图像在列表的前7帧中不存在对应的人脸编号，故在列表中第8帧图片对应的位置处，为新的人脸图像分别新增人脸编号B和C，并利用B和C的人脸区域子图(即人脸图像所在的区域的图片)，生成B和C的人脸跟踪模板分别存入列表中B和C信息中。在列表中存储人脸跟踪模板，便于使用该人脸跟踪模板进行人脸图像的跟踪。例如，使用人脸编号为B的人脸跟踪模板可以对人脸编号为B的人脸图像进行跟踪。
需要说明的是，在判断所述人脸图像在所述列表中是否存在对应的人脸编号，是将该人脸图像和列表中各人脸编号对应的人脸图像进行匹配，若能匹配，则该人脸图像的人脸编号即为该匹配上的人脸图像的人脸编号。这种人脸图像匹配的方法(例如，步骤6中的人脸图像匹配)可以通过面积匹配法或者特征匹配法实现。
其中，面积匹配法包括利用上一帧生成的***对本帧图片进行跟踪，若跟踪框选区域和本帧检测到的某个人脸图像的重合面积占检测框选区域的面积超过阈值，则这两个人脸图像匹配成功，对应同一人脸编号。具体来说，面积匹配法包括：对本帧同时进行检测和跟踪(利用上一检测帧生成的***)，若跟踪框选区域和本检测帧框选区域重合面积进行比较，如大于阈值比如百分之80则匹配且框选区长宽差距小于80％，则匹配。
特征匹配法，例如采用surf，sift或hog等图像特征匹配算法直接根据图像信息提取框选区域子图，和检测框选子图进行匹配，设置特征匹配阈值，特征相似度大于阈值则匹配，面积匹配法算法简单适用于人脸出现稀疏的场景，相反的特征匹配法直接对子图小区域进行匹配，效果受其他因素影响小。
本实施例提供了一种人脸图像处理的方法，在检测帧中出现新的人脸图像时，为新出现的人脸图像新增人脸编号，以便在列表中增加新出现的人脸图像的图像信息。
进一步地，在上述各实施例的基础上，所述对每一新增人脸编号，将与所述新增人脸编号对应的新增人脸图像在所述目标图片中的第一图像信息添加到所述列表中，并从帧号小于所述目标图片对应的帧号的图片中获取与所述新增人脸编号对应的新增人脸图像的第二图像信息，并将所述第二图像信息添加到所述列表中，包括：
对每一新增人脸编号，获取所述新增人脸编号对应的新增人脸图像在所述目标图片中的位置信息，作为所述第一图像信息，将所述第一图像信息、所述新增人脸编号和所述新增人脸图像生成的***对应的帧号关联地存储到所述列表中；
从帧号小于所述目标图片对应的帧号，且包括所述新增人脸编号对应的人脸图像的每一图片中，获取所述新增人脸编号对应的人脸图像在该图片中的位置信息，作为第二图像信息，将第二图像信息、所述新增人脸编号、所述新增人脸图像对应的***和所述目标图片对应的帧号关联地存储到所述列表中。
进一步地，在上述各实施例的基础上，所述从帧号小于所述目标图片对应的帧号，且包括所述新增人脸编号对应的人脸图像的每一图片中，获取所述新增人脸编号对应的人脸图像在该图片中的位置信息，作为第二图像信息，将第二图像信息、所述新增人脸编号、所述新增人脸图像对应的***和所述目标图片对应的帧号关联地存储到所述列表中，包括：
设定初始的回溯偏移帧数为0，循环执行第一人脸跟踪操作，直到跟踪帧中不存在所述新增人脸编号对应的人脸图像；
其中，所述第一人脸跟踪操作包括：
获取最新一次检测到存在与所述新增人脸编号对应的人脸图像的图片对应的帧号，作为当前帧号，计算当前的回溯偏移帧数减去1后与所述当前帧号的和，得到跟踪帧号；
获取所述跟踪帧号对应的图片，作为跟踪帧，判断跟踪帧中是否存在与所述新增人脸编号对应的人脸图像，若是，则将所述新增人脸编号对应的人脸图像在跟踪帧中的位置信息作为第二图像信息，将第二图像信息、所述新增人脸编号、所述新增人脸图像对应的***和所述目标图片对应的帧号关联地存储到所述列表中。
进一步，还包括：
存储自所述目标图片对应的帧号之前，数量等于所述帧间距的图片，以根据所述列表，在存储的图片中回溯新增人脸图像。
需要说明的是，跟踪帧实际上是帧号与帧间距商的余数不为零的帧图片，但是由于本实施例提供的方法是将每一检测帧中新出现的人脸图像均添加到了列表中，所以在对新的人脸图像回溯时，一定是查找在本检测帧和上一检测帧之间的跟踪帧中，哪些图片中存在新增的人脸图像。
如图5所示，人脸图像处理的方法还包括：
步骤9：令回溯偏移帧数n＝n-1，并取第f+n视频帧并进行人脸跟踪；
步骤10：通过对前n帧进行跟踪人脸跟踪，若找到max号人脸出现，则执行11，否则，说明回溯到该帧无max号人脸出现，则执行12；
步骤11：按人脸编号max计入列表，重复从9开始执行，直至条件10退出到12；
步骤12：令x＝x-1，并针对检测到的下一个人脸目标继续从5开始执行。
例如，按照上述方法检测到第8帧图片时，因跟踪发现与列表中的人脸图像无匹配项，第8帧图片中为新的人脸图像，则分别新增人脸编号B和C，对人脸编号为B的人脸图像回溯，执行步骤9-11，发现第4、5、6和7帧图片中均存在人脸编号为B的人脸图像，则将第二图像信息、所述新增人脸编号和跟踪帧号关联地存储到所述列表中，即将7-B(Xb7,Yb7,Wb7,Hb7)，6-B(Xb6,Yb6,Wb6,Hb6)，5-B(Xb5,Yb5,Wb5,Hb5)和4-B(Xb4,Yb4,Wb4,Hb4)添加到列表中。对人脸编号为C的人脸图像回溯(反向启动跟踪)，执行步骤9-11，发现仅第7帧图片中均存在人脸编号为C的人脸图像，则将7-C(Xc7,Yc7,Wc7,Hc7)添加到列表中。其中，当前帧的全景图片和根据检测区域子图生成的关于B和C的追踪器(包含B和C的特征属性)也需要存储到列表中。
本实施例提供了一种人脸图像处理的方法，通过回溯完善了列表中人脸图像的图像信息，避免了漏检。
进一步地，在上述各实施例的基础上，所述从设置了帧号的视频有序帧中获取目标图片，若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为检测帧，则获取从所述目标图片中检测出的人脸图像的个数，还包括：
若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为跟踪帧，则从所述列表中获取最大的人脸编号，作为初始的跟踪人脸编号，循环执行第二人脸跟踪操作，直到在所述目标图片中不存在当前的跟踪人脸编号对应的人脸图像；
其中，所述第二人脸跟踪操作包括：
判断所述目标图片中是否存在当前的跟踪人脸编号对应的人脸图像，若存在，则将当前的跟踪人脸编号对应的人脸图像在所述目标图片中的位置信息、当前的跟踪人脸编号和所述目标图片对应的帧号关联地存储到所述列表中，否则，将跟踪人脸编号减去1，得到当前的跟踪人脸编号；
其中，若所述目标图片的帧号与所述帧间距商的余数不为零，则所述目标图片为跟踪帧。
进一步地，还包括：计算所述目标图片对应的帧号与帧间距的差值，清除列表中存储的帧号小于所述差值的图片的信息。
如图5所示，人脸图像处理的方法还包括：
步骤13：为T类人脸追踪帧(跟踪帧)，m＝max为最大人脸编号；
步骤14：读取列表中m号人脸跟踪模板；
步骤15：对图像当前图像进行人脸跟踪；
步骤16：若找到匹配人脸编号m的区域，则执行17，否则执行19；
步骤17：按已有人脸编号m计入列表；
步骤18：令m＝m-1，并判断列表内是否存在m编号，若存在，则继续从14开始执行，否则执行19；
步骤19：帧编号增加，准备进行下一帧的处理f＝f+1；
步骤20：删除列表内检测帧间隔N以前的全部帧记录缓存，并从2开始继续执行。
例如，按照上述方法检测到第4帧图片时，仅在列表中第4帧图片的列表内容中存储了人脸编号为A的人脸图像的图像信息。第4帧图片中的人脸编号为B的人脸图像的图像信息添加在了列表中帧号为8的检测帧对应的列表内容中。
如表1还可以看出，列表中存储的第9帧图片的图像信息中清除了第1帧图片的图像信息，列表中存储的第10帧图片的图像信息中清除了第1帧和第2帧图片的图像信息。
如图4所示，第10帧、第14帧和第15帧中出现了遮挡物，则从表1的列表中可以看出，由于遮挡物的遮挡，在第10帧、第14帧和第15帧中均不包括人脸编号为C的人脸图像的图像信息。因此，根据表1的列表可以对目标被遮挡后进行历史追踪。
本实施例提供了一种人脸图像处理的方法，跟踪帧采用较为简单的人脸图像检测方法，仅添加已有人脸编号的人脸图像的图像信息，简化了列表生成流程，提高了检测效率。删除检测帧隔N帧之前的图片的图像信息，释放了缓存空间，保证了设备的运行性能。此外，可实现对遮挡物的追踪，不易跟丢。
进一步地，在上述各实施例的基础上，还包括：
若从所述目标图片中检测出的人脸图像的个数为零(参见图5中的步骤5)，或者，跟踪帧中不存在最后一个未被遍历的新增人脸编号对应的人脸图像时(参见图5中的步骤12)，或者，所述目标图片中不存在当前的跟踪人脸编号对应的人脸图像时(参见图5中的步骤16)，获取所述目标图片的下一帧图片，作为新的目标图片。
本实施例提供了一种人脸图像处理的方法，循环处理视频有序帧中的每一帧图片，直到得到每一帧图片中的人脸图像对应的图像信息。
本实施例中进行的人脸图像的匹配是使用跟踪算法的方式进行模板比对的。该方法的实现可以包括一个可以保存一组人脸框坐标标记序列的列表及人员编号的表单，一个可以对N帧(N为检测帧间距)视频进行缓存的先入先出队列，一个人脸检测器，一组图像***，一个图片特征比对器(面积或特征，特征包含surf，sift，hog或其他中的一种或几种的组合)。其能够有效降低运算复杂度。能够在即使有临时遮挡情况下，视频帧序列中确认同一人的所有帧，能够有效降低由于隔帧检测发生的漏抓情况。通过跟踪算法回溯历史帧，查表对历史出现的人员进行接续，防止丢帧情况，结合二者既保证检测可靠性又保证效率，将各个帧的同一人进行关联，防止丢帧，提高效率并且能够在一定遮挡前提下将时间维度的各个帧的同一人连接起来方便后续识别处理。
表1人脸图像信息列表
图6为本实施例提供的人脸图像处理的装置的结构框图，参见图6，该人脸图像处理的装置包括获取模块601、编号创建模块602和图像跟踪模块603，其中，
获取模块601，用于从设置了帧号的视频有序帧中获取目标图片，若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为检测帧，则获取从所述目标图片中检测出的人脸图像的个数；
编号创建模块602，用于若从所述目标图片中检测出的人脸图像的个数不为零，且检测出的人脸图像中包括在列表中不存在对应的人脸编号的新增人脸图像，则创建每一新增人脸图像对应的新增人脸编号；
图像跟踪模块603，用于对每一新增人脸编号，将与所述新增人脸编号对应的新增人脸图像在所述目标图片中的第一图像信息添加到所述列表中，并从帧号小于所述目标图片对应的帧号的图片中获取与所述新增人脸编号对应的新增人脸图像的第二图像信息，并将所述第二图像信息添加到所述列表中；
其中，若所述目标图片的帧号与所述帧间距商的余数为零，则所述目标图片为检测帧；所述列表存储了视频有序帧的每一帧图片中与人脸图像有关的信息；播放视频有序帧的过程中，帧号越小的图片播放时间越早。
本实施例提供的人脸图像处理的装置适用于上述实施例提供的人脸图像处理的方法，在此不再赘述。
本实施例提供了一种人脸图像处理的装置，对从视频有序帧中获取的目标图片，若该目标图片为检测帧，则一方面将列表中已经存在人脸编号的人脸图像在该目标图片中的图像信息添加到列表中，另一方面，对在该目标图片中出现的且在列表中不存在人脸编号的人脸图像新增人脸编号，并回溯目标图片之前存在该人脸图像的图片。这种对人脸图像进行回溯的方法将各帧的同一人进行关联，防止丢帧漏检的情况，且降低了运算量。该方法能够实现对视频帧或者图片集中的每一图片进行处理，不需要重复启动检测，提高了处理效率。此外，将各人脸图像的图像信息存储在列表中作为原始数据信息，方便根据列表以不同的形式输出各人脸图像的信息。
图7是示出本实施例提供的电子设备的结构框图。
参照图7，所述电子设备包括：处理器(processor)701、存储器(memory)702、通信接口(Communications Interface)703和总线704；
其中，
所述处理器701、存储器702、通信接口703通过所述总线704完成相互间的通信；
所述通信接口703用于该电子设备和其它电子设备的通信设备之间的信息传输；
所述处理器701用于调用所述存储器702中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：从设置了帧号的视频有序帧中获取目标图片，若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为检测帧，则获取从所述目标图片中检测出的人脸图像的个数；若从所述目标图片中检测出的人脸图像的个数不为零，且检测出的人脸图像中包括在列表中不存在对应的人脸编号的新增人脸图像，则创建每一新增人脸图像对应的新增人脸编号；对每一新增人脸编号，将与所述新增人脸编号对应的新增人脸图像在所述目标图片中的第一图像信息添加到所述列表中，并从帧号小于所述目标图片对应的帧号的图片中获取与所述新增人脸编号对应的新增人脸图像的第二图像信息，并将所述第二图像信息添加到所述列表中；其中，若所述目标图片的帧号与所述帧间距商的余数为零，则所述目标图片为检测帧；所述列表存储了视频有序帧的每一帧图片中与人脸图像有关的信息；播放视频有序帧的过程中，帧号越小的图片播放时间越早。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：从设置了帧号的视频有序帧中获取目标图片，若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为检测帧，则获取从所述目标图片中检测出的人脸图像的个数；若从所述目标图片中检测出的人脸图像的个数不为零，且检测出的人脸图像中包括在列表中不存在对应的人脸编号的新增人脸图像，则创建每一新增人脸图像对应的新增人脸编号；对每一新增人脸编号，将与所述新增人脸编号对应的新增人脸图像在所述目标图片中的第一图像信息添加到所述列表中，并从帧号小于所述目标图片对应的帧号的图片中获取与所述新增人脸编号对应的新增人脸图像的第二图像信息，并将所述第二图像信息添加到所述列表中；其中，若所述目标图片的帧号与所述帧间距商的余数为零，则所述目标图片为检测帧；所述列表存储了视频有序帧的每一帧图片中与人脸图像有关的信息；播放视频有序帧的过程中，帧号越小的图片播放时间越早。
本实施例公开一种计算机程序产品，所述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机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如，包括：从设置了帧号的视频有序帧中获取目标图片，若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为检测帧，则获取从所述目标图片中检测出的人脸图像的个数；若从所述目标图片中检测出的人脸图像的个数不为零，且检测出的人脸图像中包括在列表中不存在对应的人脸编号的新增人脸图像，则创建每一新增人脸图像对应的新增人脸编号；对每一新增人脸编号，将与所述新增人脸编号对应的新增人脸图像在所述目标图片中的第一图像信息添加到所述列表中，并从帧号小于所述目标图片对应的帧号的图片中获取与所述新增人脸编号对应的新增人脸图像的第二图像信息，并将所述第二图像信息添加到所述列表中；其中，若所述目标图片的帧号与所述帧间距商的余数为零，则所述目标图片为检测帧；所述列表存储了视频有序帧的每一帧图片中与人脸图像有关的信息；播放视频有序帧的过程中，帧号越小的图片播放时间越早。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的电子设备等实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上各实施例仅用以说明本发明的实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明的实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明的实施例各实施例技术方案的范围。
Claims (10)
1.一种人脸图像处理的方法，其特征在于，包括：
从设置了帧号的视频有序帧中获取目标图片，若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为检测帧，则获取从所述目标图片中检测出的人脸图像的个数；
若从所述目标图片中检测出的人脸图像的个数不为零，且检测出的人脸图像中包括在列表中不存在对应的人脸编号的新增人脸图像，则创建每一新增人脸图像对应的新增人脸编号；
对每一新增人脸编号，将与所述新增人脸编号对应的新增人脸图像在所述目标图片中的第一图像信息添加到所述列表中，并从帧号小于所述目标图片对应的帧号的图片中获取与所述新增人脸编号对应的新增人脸图像的第二图像信息，并将所述第二图像信息添加到所述列表中；
其中，若所述目标图片的帧号与所述帧间距商的余数为零，则所述目标图片为检测帧；所述列表存储了视频有序帧的每一帧图片中与人脸图像有关的信息；播放视频有序帧的过程中，帧号越小的图片播放时间越早。
2.根据权利要求1所述的方法，其特征在于，还包括：
按照所述列表中记录的每一帧图片中的各人脸图像对应的人脸编号和图像信息，输出用于区分每一帧图片中不同人脸编号对应的人脸图像的视频有序帧。
3.根据权利要求1所述的方法，其特征在于，所述若从所述目标图片中检测出的人脸图像的个数不为零，且检测出的人脸图像中包括在列表中不存在对应的人脸编号的新增人脸图像，则创建每一新增人脸图像对应的新增人脸编号，包括：
若从所述目标图片中检测出的人脸图像的个数不为零，则对每一人脸图像，判断所述人脸图像在所述列表中是否存在对应的人脸编号；
若所述人脸图像在所述列表中存在对应的人脸编号，则将所述人脸图像在所述目标图片中的位置信息、所述人脸图像对应的人脸编号、所述目标图片对应的帧号和所述人脸图像对应的***关联地存储到所述列表中；
若所述人脸图像在所述列表中不存在对应的人脸编号，则将所述人脸图像作为新增人脸图像，创建与所述新增人脸图像对应的新增人脸编号；
其中，所述人脸图像对应的***根据所述人脸图像的特征生成，用于对所述人脸图像进行识别。
4.根据权利要求3所述的方法，其特征在于，所述对每一新增人脸编号，将与所述新增人脸编号对应的新增人脸图像在所述目标图片中的第一图像信息添加到所述列表中，并从帧号小于所述目标图片对应的帧号的图片中获取与所述新增人脸编号对应的新增人脸图像的第二图像信息，并将所述第二图像信息添加到所述列表中，包括：
对每一新增人脸编号，获取所述新增人脸编号对应的新增人脸图像在所述目标图片中的位置信息，作为所述第一图像信息，将所述第一图像信息、所述新增人脸编号，所述新增人脸图像对应的***和所述目标图片对应的帧号关联地存储到所述列表中；
从帧号小于所述目标图片对应的帧号，且包括所述新增人脸编号对应的人脸图像的每一图片中，获取所述新增人脸编号对应的人脸图像在该图片中的位置信息，作为第二图像信息，将第二图像信息、所述新增人脸编号和所述新增人脸图像对应的***对应的帧号关联地存储到所述列表中。
5.根据权利要求4所述的方法，其特征在于，所述从帧号小于所述目标图片对应的帧号，且包括所述新增人脸编号对应的人脸图像的每一图片中，获取所述新增人脸编号对应的人脸图像在该图片中的位置信息，作为第二图像信息，将第二图像信息、所述新增人脸编号和所述新增人脸图像对应的***对应的帧号关联地存储到所述列表中，包括：
设定初始的回溯偏移帧数为0，循环执行第一人脸跟踪操作，直到跟踪帧中不存在所述新增人脸编号对应的人脸图像；
其中，所述第一人脸跟踪操作包括：
获取最新一次检测到存在与所述新增人脸编号对应的人脸图像的图片对应的帧号，作为当前帧号，计算当前的回溯偏移帧数减去1后与所述当前帧号的和，得到跟踪帧号；
获取所述跟踪帧号对应的图片，作为跟踪帧，判断跟踪帧中是否存在与所述新增人脸编号对应的人脸图像，若是，则将所述新增人脸编号对应的人脸图像在跟踪帧中的位置信息作为第二图像信息，将第二图像信息、所述新增人脸编号、所述新增人脸图像对应的***和所述目标图片对应的帧号关联地存储到所述列表中。
6.根据权利要求5所述的方法，其特征在于，所述从设置了帧号的视频有序帧中获取目标图片，若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为检测帧，则获取从所述目标图片中检测出的人脸图像的个数，还包括：
若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为跟踪帧，则从所述列表中获取最大的人脸编号，作为初始的跟踪人脸编号，循环执行第二人脸跟踪操作，直到在所述目标图片中不存在当前的跟踪人脸编号对应的人脸图像；
其中，所述第二人脸跟踪操作包括：
判断所述目标图片中是否存在当前的跟踪人脸编号对应的人脸图像，若存在，则将当前的跟踪人脸编号对应的人脸图像在所述目标图片中的位置信息、当前的跟踪人脸编号和所述目标图片对应的帧号关联地存储到所述列表中，否则，将跟踪人脸编号减去1，得到当前的跟踪人脸编号；
其中，若所述目标图片的帧号与所述帧间距商的余数不为零，则所述目标图片为跟踪帧。
7.根据权利要求6所述的方法，其特征在于，还包括：
若从所述目标图片中检测出的人脸图像的个数为零，或者，跟踪帧中不存在最后一个未被遍历的新增人脸编号对应的人脸图像时，或者，所述目标图片中不存在当前的跟踪人脸编号对应的人脸图像时，获取所述目标图片的下一帧图片，作为新的目标图片。
8.一种人脸图像处理的装置，其特征在于，包括：
获取模块，用于从设置了帧号的视频有序帧中获取目标图片，若根据所述目标图片的帧号和预设的帧间距判断所述目标图片为检测帧，则获取从所述目标图片中检测出的人脸图像的个数；
编号创建模块，用于若从所述目标图片中检测出的人脸图像的个数不为零，且检测出的人脸图像中包括在列表中不存在对应的人脸编号的新增人脸图像，则创建每一新增人脸图像对应的新增人脸编号；
图像跟踪模块，用于对每一新增人脸编号，将与所述新增人脸编号对应的新增人脸图像在所述目标图片中的第一图像信息添加到所述列表中，并从帧号小于所述目标图片对应的帧号的图片中获取与所述新增人脸编号对应的新增人脸图像的第二图像信息，并将所述第二图像信息添加到所述列表中；
其中，若所述目标图片的帧号与所述帧间距商的余数为零，则所述目标图片为检测帧；所述列表存储了视频有序帧的每一帧图片中与人脸图像有关的信息；播放视频有序帧的过程中，帧号越小的图片播放时间越早。
9.一种电子设备，其特征在于，包括：
至少一个处理器、至少一个存储器、通信接口和总线；其中，
所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述通信接口用于该电子设备和其它电子设备的通信设备之间的信息传输；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7中任一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811294871.3A CN111126113B (zh) | 2018-11-01 | 2018-11-01 | 一种人脸图像处理的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811294871.3A CN111126113B (zh) | 2018-11-01 | 2018-11-01 | 一种人脸图像处理的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111126113A CN111126113A (zh) | 2020-05-08 |
| CN111126113B true CN111126113B (zh) | 2023-10-10 |
Family
ID=70494783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811294871.3A Active CN111126113B (zh) | 2018-11-01 | 2018-11-01 | 一种人脸图像处理的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111126113B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705422B (zh) * | 2021-08-25 | 2024-04-09 | 山东浪潮超高清视频产业有限公司 | 一种通过人脸获取人物视频片段的方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005339357A (ja) * | 2004-05-28 | 2005-12-08 | Nippon Telegr & Teleph Corp <Ntt> | 画像処理装置、画像処理方法および画像処理プログラム |
| CN101620629A (zh) * | 2009-06-09 | 2010-01-06 | 中兴通讯股份有限公司 | 一种提取视频索引的方法、装置及视频下载*** |
| CN102214479A (zh) * | 2011-04-28 | 2011-10-12 | 深圳市同洲电子股份有限公司 | 进行硬盘数据处理的方法及视频推流服务器 |
| CN105354543A (zh) * | 2015-10-29 | 2016-02-24 | 小米科技有限责任公司 | 视频处理方法及装置 |
| CN105590097A (zh) * | 2015-12-17 | 2016-05-18 | 重庆邮电大学 | 暗视觉条件下双摄像头协同实时人脸识别安防***及方法 |
| CN108200432A (zh) * | 2018-02-03 | 2018-06-22 | 王灏 | 一种基于视频压缩域的目标跟踪技术 |
| CN108230574A (zh) * | 2017-12-20 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 储物终端取件方法及装置和电子设备 |
| WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技（深圳）有限公司 | 视频目标跟踪方法和装置 |
-
2018
- 2018-11-01 CN CN201811294871.3A patent/CN111126113B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005339357A (ja) * | 2004-05-28 | 2005-12-08 | Nippon Telegr & Teleph Corp <Ntt> | 画像処理装置、画像処理方法および画像処理プログラム |
| CN101620629A (zh) * | 2009-06-09 | 2010-01-06 | 中兴通讯股份有限公司 | 一种提取视频索引的方法、装置及视频下载*** |
| CN102214479A (zh) * | 2011-04-28 | 2011-10-12 | 深圳市同洲电子股份有限公司 | 进行硬盘数据处理的方法及视频推流服务器 |
| CN105354543A (zh) * | 2015-10-29 | 2016-02-24 | 小米科技有限责任公司 | 视频处理方法及装置 |
| CN105590097A (zh) * | 2015-12-17 | 2016-05-18 | 重庆邮电大学 | 暗视觉条件下双摄像头协同实时人脸识别安防***及方法 |
| WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技（深圳）有限公司 | 视频目标跟踪方法和装置 |
| CN108230574A (zh) * | 2017-12-20 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 储物终端取件方法及装置和电子设备 |
| CN108200432A (zh) * | 2018-02-03 | 2018-06-22 | 王灏 | 一种基于视频压缩域的目标跟踪技术 |
Non-Patent Citations (2)
| Title |
|---|
| 杨帅等.基于异步时域事件的高速运动目标的跟踪算法.计算机时代.2016,全文. * |
| 高灿.跨摄像机的多目标跟踪***.《中国优秀硕博士学位论文全文数据库（硕士） 信息科技辑》.2018,(第第10期期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111126113A (zh) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11803749B2 (en) | Method and device for identifying key time point of video, computer apparatus and storage medium | |
| CN110147717B (zh) | 一种人体动作的识别方法及设备 | |
| CN110135246B (zh) | 一种人体动作的识别方法及设备 | |
| Yan et al. | Learning the change for automatic image cropping | |
| US9324171B2 (en) | Image overlaying and comparison for inventory display auditing | |
| Yu et al. | Trajectory-based ball detection and tracking in broadcast soccer video | |
| US8971585B2 (en) | Image processing apparatus for retrieving object from moving image and method thereof | |
| CN109389086B (zh) | 检测无人机影像目标的方法和*** | |
| CN110751674A (zh) | 多目标跟踪方法及相应视频分析*** | |
| Long et al. | A c3d-based convolutional neural network for frame dropping detection in a single video shot | |
| US20150319373A1 (en) | Method and device to compose an image by eliminating one or more moving objects | |
| CN110610127B (zh) | 人脸识别方法、装置、存储介质及电子设备 | |
| US9892320B2 (en) | Method of extracting attack scene from sports footage | |
| CN112509003B (zh) | 解决目标跟踪框漂移的方法及*** | |
| JP4496992B2 (ja) | 動物体アップフレーム検出方法及びプログラム及びプログラムを格納した記憶媒体及び動物体アップショット検出方法及び動物体アップフレームあるいはショット検出方法及びプログラム及びプログラムを格納した記憶媒体 | |
| CN112381071A (zh) | 一种视频流中目标的行为分析方法、终端设备及介质 | |
| CN111241872A (zh) | 视频图像遮挡方法及装置 | |
| CN112118483A (zh) | 视频处理方法、装置、设备和存储介质 | |
| CN111126113B (zh) | 一种人脸图像处理的方法及装置 | |
| US20210142064A1 (en) | Image processing apparatus, method of processing image, and storage medium | |
| JP2014110020A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
| CN109508408B (zh) | 一种基于帧密度的视频检索方法及计算机可读存储介质 | |
| JP2021111228A (ja) | 学習装置、学習方法、及びプログラム | |
| Ortego et al. | Multi-feature stationary foreground detection for crowded video-surveillance | |
| CN112651322B (zh) | 脸颊遮挡检测方法、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |