CN111611928B - 一种基于单目视觉与关键点识别的身高及身体尺寸测量方法 - Google Patents
一种基于单目视觉与关键点识别的身高及身体尺寸测量方法 Download PDFInfo
- Publication number
- CN111611928B CN111611928B CN202010438604.XA CN202010438604A CN111611928B CN 111611928 B CN111611928 B CN 111611928B CN 202010438604 A CN202010438604 A CN 202010438604A CN 111611928 B CN111611928 B CN 111611928B
- Authority
- CN
- China
- Prior art keywords
- height
- human body
- key
- user
- points
- 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
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1077—Measuring of profiles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于单目视觉与关键点识别的身高及身体尺寸测量方法，属于视觉测量领域，可以普遍应用于基于单目摄像头的身体测量设备。所述方法通过摄像头图像采集及图像处理、基于身高估计模型与模板匹配的身高测量模块、基于人体关键特征点的身体尺寸计算模块，实现用户的身高及身体尺寸测量。由于本发明的测量方法是以单目视觉为基础，因而可以大幅度降低设备的成本；身高测量模块抛弃传统单目视觉通过物理标定获取模型参数的方法，通过迭代模板匹配的方法针对不同用户更新参数，因此无需设备外加标定参照物，使得设备具有更强的灵活性，同时相比固定参数的方法有更强的参数自适应性、准确性。
Description
技术领域
本发明属于视觉测量领域，具体涉及一种基于单目视觉与关键点识别的身高及身体尺寸测量方法。
背景技术
如今的量体设备为了获取人体身高信息，往往采用深度摄像头来获取人体图像景深信息。但是深度摄像头价格昂贵，因而为了降低成本，单目摄像头成为了量体设备的一种选择。基于单目摄像头的量体设备往往需要借助参照物去标定测量模型参数，这样会在一定程度上限制了设备的灵活性；由于标定后的参数为固定参数，因此不具备鲁棒性。在此背景下，本发明通过关键特征点模板匹配的方式实现了模型参数的自适应变化，在利用单目摄像头降低成本的同时，增强了模型的鲁棒性，普遍适用于低成本、高鲁棒性的量体设备。
发明内容
本发明的目的在于提供一种基于单目视觉与关键点识别的身高及身体尺寸测量方法，在降低量体设备成本的同时提高设备测量结果的鲁棒性。
本发明采用如下测量技术方案：
一种基于单目视觉与关键点识别的身高及身体尺寸测量方法，主要包括如下几个步骤：
S1数据采集单元：当检测用户姿势正确时，设备摄像头会自动采集用户全身图片；
S2图像处理单元：结合语义分割模型提取人体的边缘轮廓点，通过人体关键节点检测识别人体的关键节点，根据轮廓点、关键节点进一步拓展人体关键特征点；
S3身高计算单元：通过用户与模板进行匹配，自适应更新获得该用户的身高计算模型参数，通过参数更新后的身高计算模型计算用户的真实身高；
S4身体尺寸计算单元：结合S2得到的用户关键特征点和S3得到的身高信息，计算出各个尺寸数据。
进一步地，步骤S1中还包括以下内容：
1)实时人体检测，检测出人体的锚点框区域；
2)实时人体关键点检测，检测出人体关键点，所述人体关键点包括手臂、腿部、头部、躯干部；
3)根据人体关键点在锚点框内的分布情况来判断用户的姿势是否正确。人体标准姿势：目视前方，身体正对摄像头；双臂展开30°-45°，双腿分开双脚与肩同宽；
优势在于自动抓取用户的姿势，无需额外的人工操作。
进一步地，所述步骤S2中还包括以下内容：
1)首先对人体边缘轮廓点坐标进行稀疏处理、平滑降噪处理，其中的稀疏处理是根据图像中人体区域的面积自适应选择稀疏系数；
2)根据人体肩、胸、腰、中腰、臀等身体部位的结构特征与检测到的人体关键节点坐标，在处理后的边缘轮廓点中拓展找到人体顶点坐标以及其他与身体尺寸相关联的关键特征点，例如腰部边缘点、臀部边缘点等。
进一步地，所述步骤S3还包括以下内容：
1)采集样本数据：为了避免传统的标定方式，本发明首先采集M组(M参考值>10)真人特征点、身高数据作为样本数据集合，通过样本数据初始化身高计算模型参数，无需外接辅助标定参照物。实现一次样本采集之后无需再次录入；
2)身高计算模型及参数获取：身高计算模型：身高计算模型的前提条件是设备上的摄像头镜头所在平面垂直于地面。在图像坐标系中，图像中人体头顶纵坐标为t，人体脚踵关键点纵坐标为b，则图像坐标系中人体的身高s＝b-t，图像坐标系中消失线的纵坐标为a，则图像坐标系中消失线距人体脚踵的高度为l＝b-a；在世界坐标系中，用户真实身高为S,消失线(虚拟线，实际不存在)在世界坐标系中的高度为L(参考高度可以是镜头距地面高度)，根据透视原理有S/L＝s/l，即其中L,a为超参数，b,t已知(可以根据图像中关键特征点坐标得到)，真实身高S为目标值；参数获取：采集一定数量的真实人体身高、图片样本数据，通过回归模型更新超参数L,a完成一次身高计算模型的参数更新，之后可由直接计算得到人体真实身高S；
3)模板初始化、身高计算模型参数初始化：通过用户的关键特征点与样本集合的关键特征点进行模板匹配，得到匹配程度较高的数组样本模板子集合，即为初始模板样本；通过初始模板样本来初始化身高计算模型参数；
4)身高计算模型参数迭代更新：
每次更新身高计算模型参数后，通过模型估计出用户身高并与模板匹配，找到匹配程度较高的数组样本作为更新后的模板样本，根据模板样本更新模型参数，迭代此过程至n次，参考值n＝3。
附图说明
图1为一种基于单目视觉与关键点识别的身高及身体尺寸测量方法在配备单目摄像头的量体设备上的应用示意图；
图2为身高测量及身体尺寸计算流程图。
具体实施方式
下面将结合本发明专利实施例中的附图，对本发明实施中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本发明一部分实施例，而不是全部实施例。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的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。
实施例1，如图1、图2所示，一种基于单目视觉与关键点识别的身高及身体尺寸测量方法，包括如下步骤；
第一步：样本数据集录入：数据准备首先要在设备上录入真实人体的样本数据(包括人体关键特征点信息、身高信息)作为待定的匹配模板。事先采集样本的优势：代替了传统的固定参照物的参数获取方式，可以通过不同的模板集合来自适应生成适用于用户的身高测量模型参数，提高了模型参数的自适应性。实现一次录入后无需再次录入。
第二步：用户图片录入：在实际用户测量时，用户按照要求姿势站立，摄像头会根据人体锚点框内关键特征点的分布来自动判断姿势的正确性，并抓取正确姿势图像。人体标准姿势：目视前方，身体正对摄像头；双臂展开30°-45°，双腿分开双脚与肩同宽。通过这种前端人体检测的方式具有如下优点：自动化完成图像采集过程，无需额外的人工操作。
第三步：计算用户身高：通过用户与模板进行匹配，自适应更新获得该用户的身高计算模型参数，通过参数更新后的身高计算模型计算用户的真实身高。该方法的优势在于：取缔固定模型参数，自适应的获取针对不同用户的身高模型参数，具有较强的鲁棒性和准确性。
第四步：计算身体首先对人体边缘轮廓点坐标进行稀疏处理、平滑降噪处理，其中的稀疏处理是根据图像中人体区域的面积自适应选择稀疏系数；根据人体肩、胸、腰、中腰、臀等身体部位的结构特征与检测到的人体关键节点坐标，在处理后的边缘轮廓点中拓展找到人体顶点坐标以及其他与身体尺寸相关联的关键特征点，例如腰部边缘点、臀部边缘点等。其中，人体轮廓稀疏采用的是自适应稀疏方法，根据人体的区域大小自适应选择合适的稀疏系数，这样做的优势是：根据人体距离镜头的远近保证轮廓点数量合理，节省在轮廓点中检索关键特征点时的计算量，同时又保证关键特征点的精度。
第五步：根据用户的关键特征点与身高信息计算用户身体尺寸。
Claims (3)
1.一种基于单目视觉与关键点识别的身高及身体尺寸测量方法，其特征在于，所述测量方法包括如下单元：
S1数据采集单元：当检测用户姿势正确时，设备摄像头会自动采集用户全身图片；
S2图像处理单元：结合语义分割模型提取人体的边缘轮廓点，通过人体关键节点检测识别人体的关键节点，根据轮廓点、关键节点进一步拓展人体关键特征点；
S3身高计算单元：通过用户与模板进行匹配，自适应更新获得该用户的身高计算模型参数，通过参数更新后的身高计算模型计算用户的真实身高；
S4身体尺寸计算单元：结合S2得到的用户关键特征点和S3得到的身高信息，计算出各个尺寸数据；
所述步骤S3身高计算单元的具体步骤如下：
1)采集样本数据：为了避免传统的标定方式，首先采集M组真人特征点、身高数据作为样本数据集合，M参考值>10，通过样本数据初始化身高计算模型参数，无需外接辅助标定参照物，实现一次样本采集之后无需再次录入；
2)身高计算模型及参数获取：身高计算模型，身高计算模型的前提条件是设备上的摄像头镜头所在平面垂直于地面，在图像坐标系中，图像中人体头顶纵坐标为t，人体脚踵关键点纵坐标为b，则图像坐标系中人体的身高s＝b-t，图像坐标系中消失线的纵坐标为a，则图像坐标系中消失线距人体脚踵的高度为l＝b-a；在世界坐标系中，用户真实身高为S,消失线在世界坐标系中的高度为L；根据透视原理有S/L＝s/l，即其中L,a为超参数，b,t已知，真实身高S为目标值；参数获取：采集一定数量的真实人体身高、图片样本数据，通过回归模型更新超参数L,a完成一次身高计算模型的参数更新，之后可由/>直接计算得到人体真实身高S；
3)模板初始化、身高计算模型参数初始化：通过用户的关键特征点与样本集合的关键特征点进行模板匹配，得到匹配程度较高的数组样本模板子集合，即为初始模板样本；通过初始模板样本来初始化身高计算模型参数；
4)身高计算模型参数迭代更新：
每次更新身高计算模型参数后，通过模型估计出用户身高并与模板匹配，找到匹配程度较高的数组样本作为更新后的模板样本，根据模板样本更新模型参数,迭代此过程至n次，n＝3。
2.根据权利要求1所述的一种基于单目视觉与关键点识别的身高及身体尺寸测量方法，其特征在于，所述步骤S1中的检测用户姿势具体步骤如下：
1)实时人体检测，检测出人体的锚点框区域；
2)实时人体关键点检测，检测出人体关键点，所述人体关键点包括手臂、腿部、头部、躯干部；
3)根据人体关键点在锚点框内的分布情况来判断用户的姿势是否正确，人体标准姿势：目视前方，身体正对摄像头；双臂展开30°-45°，双腿分开双脚与肩同宽。
3.根据权利要求1所述的一种基于单目视觉与关键点识别的身高及身体尺寸测量方法，其特征在于，所述步骤S2中拓展人体关键特征点步骤如下，
1)首先对人体边缘轮廓点坐标进行稀疏处理、平滑降噪处理，其中的稀疏处理是根据图像中人体区域的面积自适应选择稀疏系数；
2)根据人体肩、胸、腰、中腰、臀身体部位的结构特征与检测到的人体关键节点坐标，在处理后的边缘轮廓点中拓展找到人体顶点坐标以及其他与身体尺寸相关联的关键特征点，其他与身体尺寸相关联的关键特征点包括腰部边缘点、臀部边缘点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010438604.XA CN111611928B (zh) | 2020-05-22 | 2020-05-22 | 一种基于单目视觉与关键点识别的身高及身体尺寸测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010438604.XA CN111611928B (zh) | 2020-05-22 | 2020-05-22 | 一种基于单目视觉与关键点识别的身高及身体尺寸测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111611928A CN111611928A (zh) | 2020-09-01 |
| CN111611928B true CN111611928B (zh) | 2023-07-28 |
Family
ID=72199472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010438604.XA Active CN111611928B (zh) | 2020-05-22 | 2020-05-22 | 一种基于单目视觉与关键点识别的身高及身体尺寸测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111611928B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111930240B (zh) * | 2020-09-17 | 2021-02-09 | 平安国际智慧城市科技股份有限公司 | 基于ar交互的运动视频采集方法、装置、电子设备及介质 |
| CN113763453A (zh) * | 2021-09-06 | 2021-12-07 | 北京云数工场数据科技有限公司 | 一种人工智能量体***及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105930581A (zh) * | 2016-04-20 | 2016-09-07 | 北京长城华冠汽车科技股份有限公司 | 一种确定方向盘中心与踵点垂直距离的方法和装置 |
| CN105956539A (zh) * | 2016-04-27 | 2016-09-21 | 武汉大学 | 一种基于背景建模和双目视觉的人体身高测量方法 |
| CN108596888A (zh) * | 2018-04-19 | 2018-09-28 | 李富平 | 一种基于单目图像的人体身高实时生成方法 |
| JP2018195050A (ja) * | 2017-05-17 | 2018-12-06 | 株式会社デンソーアイティーラボラトリ | 物体検出装置、物体検出方法、及びプログラム |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150079585A (ko) * | 2012-09-05 | 2015-07-08 | 바디 패스 리미티드 | 일련의 2ｄ 이미지로부터 정확한 신체 사이즈 치수를 도출하는 시스템 및 방법 |
| PT2757346E (pt) * | 2013-01-21 | 2016-06-02 | Kapsch Trafficcom Ag | Método para medir um perfil de altura de um veículo que passa na estrada |
| CN107507213A (zh) * | 2016-06-13 | 2017-12-22 | 北京理工大学 | 一种基于消失点提取图像信息的方法及装置 |
| CN107041585A (zh) * | 2017-03-07 | 2017-08-15 | 上海优裁信息技术有限公司 | 人体尺寸的测量方法 |
| US10832472B2 (en) * | 2018-10-22 | 2020-11-10 | The Hong Kong Polytechnic University | Method and/or system for reconstructing from images a personalized 3D human body model and thereof |
| CN109938737A (zh) * | 2019-03-01 | 2019-06-28 | 苏州博慧智能科技有限公司 | 一种基于深度学习关键点检测的人体身型测量方法及装置 |
| CN110263662B (zh) * | 2019-05-28 | 2021-05-18 | 北京智形天下科技有限责任公司 | 一种基于分级的人体轮廓关键点和关键部位识别方法 |
-
2020
- 2020-05-22 CN CN202010438604.XA patent/CN111611928B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105930581A (zh) * | 2016-04-20 | 2016-09-07 | 北京长城华冠汽车科技股份有限公司 | 一种确定方向盘中心与踵点垂直距离的方法和装置 |
| CN105956539A (zh) * | 2016-04-27 | 2016-09-21 | 武汉大学 | 一种基于背景建模和双目视觉的人体身高测量方法 |
| JP2018195050A (ja) * | 2017-05-17 | 2018-12-06 | 株式会社デンソーアイティーラボラトリ | 物体検出装置、物体検出方法、及びプログラム |
| CN108596888A (zh) * | 2018-04-19 | 2018-09-28 | 李富平 | 一种基于单目图像的人体身高实时生成方法 |
Non-Patent Citations (2)
| Title |
|---|
| FITME: BODY MEASUREMENT ESTIMATIONS USING MACHINE LEARNING METHOD;Sahar Ashmawi.et.;《Procedia Computer Science 》;第163卷;第209-217页 * |
| 基于红外图像的人体参数测量技术研究;杨泷迪;《中国优秀硕士学位论文全文数据库信息科技辑》(第3期);第I138-1353页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111611928A (zh) | 2020-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110532970B (zh) | 人脸2d图像的年龄性别属性分析方法、***、设备和介质 | |
| CN105956582A (zh) | 一种基于三维数据的人脸识别*** | |
| CN108765414B (zh) | 基于小波分解和自然场景统计的无参考立体图像质量评价方法 | |
| CN111611928B (zh) | 一种基于单目视觉与关键点识别的身高及身体尺寸测量方法 | |
| CN104240264A (zh) | 一种运动物体的高度检测方法和装置 | |
| CN109725721B (zh) | 用于裸眼3d显示***的人眼定位方法及*** | |
| CN107767358B (zh) | 一种图像中物体模糊度确定方法和装置 | |
| CN113052185A (zh) | 一种基于Faster R-CNN的小样本目标检测方法 | |
| CN108960142B (zh) | 基于全局特征损失函数的行人再识别方法 | |
| CN111914643A (zh) | 一种基于骨骼关键点检测的人体动作识别方法 | |
| WO2022170896A9 (zh) | 关键点检测方法、***、智能终端和存储介质 | |
| CN105279522A (zh) | 一种基于sift的场景物体实时配准方法 | |
| CN107292299A (zh) | 基于内核规范相关分析的侧面人脸识别方法 | |
| CN108710841A (zh) | 一种基于MEMs红外阵列传感器的人脸活体检测装置及方法 | |
| CN116110118A (zh) | 一种基于时空特征互补融合的行人重识别和步态识别方法 | |
| CN110188684B (zh) | 一种人脸识别装置及方法 | |
| CN113850769B (zh) | 一种基于Siamese空谱联合卷积网络的高光谱变化检测方法 | |
| CN115908995A (zh) | 数字仪表读数的识别方法、装置、电子设备及存储介质 | |
| CN106886754B (zh) | 一种基于三角面片的三维场景下的物体识别方法及*** | |
| CN105654479A (zh) | 多光谱图像配准方法和装置 | |
| CN108447084B (zh) | 基于orb特征的立体匹配补偿方法 | |
| CN106971176A (zh) | 基于稀疏表示的红外人体目标跟踪方法 | |
| KR101842797B1 (ko) | 3차원 신체 자세 분석 장치 및 방법 | |
| CN111325282A (zh) | 适应多机型的乳腺x射线影像识别方法和装置 | |
| CN116612497A (zh) | 一种基于服装风格特征融合的换衣行人重识别方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230703 Address after: 2-1-1, No. 5-533, Langyun Street, Hunnan District, Shenyang, Liaoning 110623 Applicant after: Zheng Zeyu Address before: Room 101-4, building 1, Juhua building, 6 Longzhou Road, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province 310000 Applicant before: Hangzhou Zhiron Intelligent Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |