CN112465910B - 一种目标拍摄距离获取方法、装置、存储介质及电子设备 - Google Patents
一种目标拍摄距离获取方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112465910B CN112465910B CN202011356698.2A CN202011356698A CN112465910B CN 112465910 B CN112465910 B CN 112465910B CN 202011356698 A CN202011356698 A CN 202011356698A CN 112465910 B CN112465910 B CN 112465910B
- Authority
- CN
- China
- Prior art keywords
- image
- shooting distance
- target
- face
- area
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/77—Determining position or orientation of objects or cameras using statistical methods
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本申请提出一种目标拍摄距离获取方法、装置、存储介质及电子设备中,当图像完整包含目标时,获取目标的面积相对于图像等效面积的占比值,依据占比值确定目标的第一拍摄距离。相对于现有技术方案中,获取拍摄距离时,需要添加多余的设备,或者需要图像中已知大小的参考物。通过目标面积与图像等效面积获取占比值,再依据占比值确定拍摄距离。既不需要参考物,又不需要其他的(双目或红外)设备,从而克服了现有技术中的问题。
Description
技术领域
本申请涉及图像识别领域,具体而言,涉及一种目标拍摄距离获取方法、装置、存储介质及电子设备。
背景技术
随着计算机网络的发展,依托于机器的识别技术被人们广泛的应用,例如人脸识别、车牌识别等。其中,基于计算机视觉的人像拍摄距离的识别,也被该领域的技术人员所关注。
目前,基于计算机视觉的人像拍摄距离的识别方法主要有三种。第一种,基于图像中的三角变换;此方法需要在图像中寻找已知大小的物品作为基准距离参照,通过图像中位置关系的三角变换等关系,经过复杂的几何变换后计算得到人脸距离。但实际环境中,客户拍照的背景千差万别,很难明确找到一只大小的物品作为基准距离参考。第二种,基于双目视差;此方法需要两个摄像头间隔一定距离对同一物体进行图像采集,通过对图像中关键点的提取和对比,从而计算出图像中物体的距离。第三种,基于TOF新型硬件的深度测距。此方法采用硬件主动发射红外线的方法对红外数据进行采集分析,从而计算出人脸拍摄距离。第二种和第三种中,相对硬件成本更高,而且不适用于手机。
如何在克服以上缺陷的前提下,进行基于计算机视觉的人像拍摄距离的识别,成为了本领域技术人员亟待解决的难题。
发明内容
本申请的目的在于提供一种目标拍摄距离获取方法、装置、存储介质及电子设备,以至少部分改善上述问题。
为了实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供一种目标拍摄距离获取方法,所述方法包括:
当图像完整包含目标时,获取所述目标的面积相对于图像等效面积的占比值;
其中,所述图像等效面积为与所述图像的宽度匹配的面积;
依据所述占比值确定所述目标的第一拍摄距离。
第二方面,本申请实施例提供一种目标拍摄距离获取装置,其所述装置包括:
比例获取单元,用于当图像完整包含目标时,获取所述目标的面积相对于图像等效面积的占比值;
其中,所述图像等效面积为与所述图像的宽度匹配的面积;
距离获取单元,用于依据所述占比值确定所述目标的第一拍摄距离。
第三方面,本申请实施例提供一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的方法。
第四方面,本申请实施例提供一种电子设备,所述电子设备包括:处理器和存储器,所述存储器用于存储一个或多个程序;当所述一个或多个程序被所述处理器执行时,实现上述的方法。
相对于现有技术,本申请实施例所提供的一种目标拍摄距离获取方法、装置、存储介质及电子设备中,当图像完整包含目标时,获取目标的面积相对于图像等效面积的占比值,依据占比值确定目标的第一拍摄距离。相对于现有技术方案中,获取拍摄距离时,需要添加多余的设备,或者需要图像中已知大小的参考物。通过目标面积与图像等效面积获取占比值,再依据占比值确定拍摄距离。既不需要参考物,又不需要其他的(双目或红外)设备,从而克服了现有技术中的问题。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的电子设备的结构示意图;
图2为本申请实施例提供的目标拍摄距离获取方法的流程示意图;
图3为本申请实施例提供的高宽比不同的人脸图像示意图;
图4为本申请实施例提供的高宽比的取值对应的图像有效面积与图像真实面积的相似度的曲线图;
图5为本申请实施例提供的目标拍摄距离获取方法的流程示意图之一;
图6为本申请实施例提供的目标拍摄距离获取方法的流程示意图之一;
图7为本申请实施例提供的回归校验结果示意图;
图8为本申请实施例提供的样例示意图;
图9为本申请实施例提供的目标拍摄距离获取装置的单元示意图。
图中:10-处理器;11-存储器;12-总线;13-通信接口;201-比例获取单元;202-距离获取单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中,需要说明的是,术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
目前,基于计算机视觉的人像拍摄距离的识别方法主要有三种。第一种,基于图像中的三角变换;此方法需要在图像中寻找已知大小的物品作为基准距离参照,通过图像中位置关系的三角变换等关系,经过复杂的几何变换后计算得到人脸距离。但实际环境中,客户拍照的背景千差万别,很难明确找到一只大小的物品作为基准距离参考。第二种,基于双目视差;此方法需要两个摄像头间隔一定距离对同一物体进行图像采集,通过对图像中关键点的提取和对比,从而计算出图像中物体的距离。第三种,基于TOF新型硬件的深度测距。此方法采用硬件主动发射红外线的方法对红外数据进行采集分析,从而计算出人脸拍摄距离。第二种和第三种中,相对硬件成本更高,而且不适用于手机。即目前的拍摄距离识别方法中,要么需要图像中存在已知大小的参考物,要么需要增加额外的硬件成本。
本申请实施例提供了一种目标拍摄距离获取方法,用于在克服以上缺陷的前提下,进行基于计算机视觉的人像拍摄距离的识别,具体请见下文。
本申请实施例提供了一种电子设备,可以是计算机设备或其他智能终端。请参照图1,电子设备的结构示意图。电子设备包括处理器10、存储器11、总线12。处理器10、存储器11通过总线12连接,处理器10用于执行存储器11中存储的可执行模块,例如计算机程序。
处理器10可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,目标拍摄距离获取方法的各步骤可以通过处理器10中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器10可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器11可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
总线12可以是ISA(Industry Standard Architecture)总线、PCI(PeripheralComponent Interconnect)总线或EISA(Extended Industry Standard Architecture)总线等。图1中仅用一个双向箭头表示,但并不表示仅有一根总线12或一种类型的总线12。
存储器11用于存储程序,例如目标拍摄距离获取装置对应的程序。目标拍摄距离获取装置包括至少一个可以软件或固件(firmware)的形式存储于存储器11中或固化在电子设备的操作***(operating system,OS)中的软件功能模块。处理器10在接收到执行指令后,执行所述程序以实现目标拍摄距离获取方法。
可能地,本申请实施例提供的电子设备还包括通信接口13。通信接口13通过总线与处理器10连接。处理器10可以通过通信接口13接收其他终端传输的图像,可选地,图像中包含待识别拍摄距离的目标。
应当理解的是,图1所示的结构仅为电子设备的部分的结构示意图,电子设备还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例提供的一种目标拍摄距离获取方法,可以但不限于应用于图1所示的电子设备,具体的流程,请参考图2:
S108,当图像完整包含目标时,获取目标的面积相对于图像等效面积的占比值。
其中,图像等效面积为与图像的宽度匹配的面积。
在实际生产中,不同终端拍照的到的图像尺寸与高宽比并非一致,直接采用原始图像的高与宽计算原图面积会存在较大差异。
图像等效面积仅与图像的宽度有关,和图像的高无关。从而可以有效避免图像裁剪不同、图像拍摄工具不同、图像拍摄设备不同等不确定因素带来高宽比不一致的干扰,避免高宽比不一致对目标的拍摄距离识别所带来的干扰。图像裁剪不同、图像拍摄工具不同、图像拍摄设备不同等不确定因素带来高宽比不同的示意图为图3。需要说明的是,原始图像中的短边为宽。
S109,依据占比值确定目标的第一拍摄距离。
相对于现有技术方案中,获取拍摄距离时,需要添加多余的设备,或者需要图像中已知大小的参考物。本申请实施例中,通过目标面积与图像等效面积获取占比值,再依据占比值确定拍摄距离。既不需要参考物,又不需要其他的(双目或红外)设备,从而克服了现有技术中的问题。
综上所述,本申请实施例提供的目标拍摄距离获取方法中,当图像完整包含目标时,获取目标的面积相对于图像等效面积的占比值,依据占比值确定目标的第一拍摄距离。相对于现有技术方案中,获取拍摄距离时,需要添加多余的设备,或者需要图像中已知大小的参考物。通过目标面积与图像等效面积获取占比值,再依据占比值确定拍摄距离。既不需要参考物,又不需要其他的(双目或红外)设备,从而克服了现有技术中的问题。
在图2的基础上,关于图像等效面积和占比值的表达式,本申请实施例还提供一种可能的实现方式,请参考下文。
图像等效面积和占比值的表达式为:
Rface=Sface÷S′image;
S′image=(p·W)·W;
其中,p表征预设定的高宽比,S′image表征图像等效面积,W图像的宽度,Rface表征占比值,Sface表征目标的面积。
可选地,Sface=Hface*Wface,其中,Hface表征目标的高度,Wface表征目标的宽度。
需要说明是,本申请实施例中的图像等效面积S′image并直接等于图像的高与宽的积,而是通过预设定的高宽比和图像的宽度所获取到的,所以图像等效面积仅与图像的宽度相关,与图像的实际高度无关。
对于上文中高宽比的取值,本申请实施例还提供了一种可能的实现方式,请参考图4,图4为高宽比的取值对应的图像有效面积与图像真实面积的相似度的曲线图。
如图4所示,通过高宽比计算得到的图像等效面积与图像真实面积的覆盖比例,会随着高宽比的值发生变化。当p∈[1.27,1.39]时,有90%的图像采用图像等效面积计算得到的面积与实际面积无差异。当p=1.3310时,图像等效面积与图像真实面积最接近。
发明人经过大量实践总结,对真实生产环境图像的高与宽进行分析发现,生产环境中图像的高的取值共有84种取值,分布在H∈[612,2454]的区间内,区间范围为1842。而宽的取值只有19种,分布在W∈[459,1080]的区间内,区间范围为621。因此采用高宽比(p)而非高宽比(1/p)可以很好的避免由于高度的波动幅度大、取值范围广所引入的误差。
在图2的基础上,关于如何依据占比值计算目标的拍摄距离,本申请实施例还提供了一种可能的实现方式,请参考下文。
依据占比值确定目标的拍摄距离的算式为:
Distance=a·(Rface)b;
其中,Distance表征第一拍摄距离,Rface表征占比值,a和b均为常数。
可选地,a=16.027和b=-0.557。
在图2的基础上,目标为人脸时,关于确定图像是否完整包含目标,本申请实施例还提供了一种可能的实现方式,请参考图5,目标拍摄距离获取方法还包括:
S101,当图像包含人脸时,获取人脸图像。
可选地,在执行S101之前,本申请实施例提供的目标拍摄距离方法中,还需要执行以下步骤。
首先,从数据库中提取待识别的图像,对待识别的图像进行预处理,预处理包括图像数据标准化处理和图像HSV色彩标准化调整处理。
其次,对数据预处理后的图像进行图像基本信息提取,提取的内容包括不限于图像长、宽像素信息等,例如长、宽像素信息为1080*720。
然后,将图像输入人脸检测模块,以确定图像中是否包含人脸。若是,则进行S101;若否,则停止。
从原图像中将人脸图像分割出来,以便于后续的处理识别。可能地,确定人脸图像相对于原图像的坐标信息,依据人脸图像的坐标边界,可以获得人脸图像。
S102,对人脸图像进行人脸关键点检测。
具体地,将待检测的人脸关键点一一与人脸图像进行匹配。人脸关键点检测用于确定人脸图像能够匹配的人脸关键点的数量。可选地,人脸关键点检测还可以确定人脸图像能够匹配的人脸关键点的类型和位置(坐标)。
S104,判断与人脸图像匹配的关键点的数量是否超过预设阈值。若是,则执行S107;若否,则执行S105。
当人脸图像匹配的关键点的数量超过预设阈值,表示原图像中的人脸图像接近完整的人脸,此时确定图像完整包含目标,执行S107;反之,则执行S105。
可选地,本申请实施例中人脸关键点检测为68点检测方法,预设阈值为检测方法所包含的关键点的总数量的70%。
S105,确定图像未完整包含目标。
S107,确定图像完整包含目标。
在图5的基础上,关于如何进一步保障距离识别结果的准确性,本申请实施例还提供了一种可能的实现方式,请参考图6,目标拍摄距离获取方法还包括:
S103,将图像的属性数据和人脸的属性数据输入树回归模型,获得第二拍摄距离。
其中,第二拍摄距离为树回归模型输出的人脸拍摄距离。图像的属性数据包括图像的高度、宽度以及图像面积,人脸的属性数据包括人脸宽度、人脸高度、人脸面积以及人脸图像能够匹配的人脸关键点的数量和位置(坐标)。
树回归模型可以为基于机器学习或传统线性模型训练一个回归模型,可选地为基于Xgboost的树回归模型。
S106,将第二拍摄距离作为最终的拍摄距离。
当图像未完整包含人脸时,将S103中的第二拍摄距离作为最终的拍摄距离。
S110,将第二拍摄距离和第一拍摄距离的平均值作为最终的拍摄距离。
具体地,为了进一步提升拍摄距离的准确性,将第二拍摄距离和第一拍摄距离的平均值作为最终的拍摄距离。
请参考图7,图7为本申请实施例的回归校验结果示意图。图7中的实线为第一拍摄距离与第二拍摄距离进行数学平均后的回归结果,图7中的两条虚线为回归结果的误差范围取值曲线。图7中的圆点为真实的人脸距离拍摄终端的测量距离。R2为确定系数,表示回归结果的拟合优度指标,越趋近于1表示拟合准确度越高。
本申请实施例的实际回归结果与真实图像拍摄距离的检验数据如下表1所示。
表1
可选地,发明人对本申请实施例提供的目标拍摄距离获取方法在CPU上单线程的计算速度进行了统计。如表2所示,在CPU上的平均计算耗时为58.6ms。
表2
可选地,请参考图8,图8为本申请实施例提供的样例示意图。其中,最后两张图像为基于相同拍摄距离所获得的,图像进行裁剪后高宽比发生了变化,从结果可知,人脸拍摄距离依旧能够在误差范围内进行准确的回归计算。
请参阅图9,图9为本申请实施例提供的一种目标拍摄距离获取装置,可选的,该目标拍摄距离获取装置被应用于上文所述的电子设备。
目标拍摄距离获取装置包括:比例获取单元201和距离获取单元202。
比例获取单元201,用于当图像完整包含目标时,获取目标的面积相对于图像等效面积的占比值。
其中,图像等效面积为与图像的宽度匹配的面积。可选地,比例获取单元201可以上述的S108。
距离获取单元202,用于依据占比值确定目标的第一拍摄距离。可选地,距离获取单元202可以上述的S109。
可选地,图像等效面积的表达式为:
S′image=(p·W)·W;
其中,p表征预设定的高宽比,S′image表征图像等效面积,W图像的宽度。
需要说明的是,本实施例所提供的目标拍摄距离获取装置,其可以执行上述方法流程实施例所示的方法流程,以实现对应的技术效果。为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。
本发明实施例还提供了一种存储介质,该存储介质存储有计算机指令、程序,该计算机指令、程序在被读取并运行时执行上述实施例的目标拍摄距离获取方法。该存储介质可以包括内存、闪存、寄存器或者其结合等。
下面提供一种电子设备,可以是计算机设备、服务器设备以及其他的智能终端,该电子设备如图1所示,可以实现上述的目标拍摄距离获取方法;具体的,该电子设备包括:处理器10,存储器11、总线12。处理器10可以是CPU。存储器11用于存储一个或多个程序,当一个或多个程序被处理器10执行时,执行上述实施例的目标拍摄距离获取方法。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (5)
1.一种目标拍摄距离获取方法,其特征在于,所述方法包括:
当图像完整包含目标时,获取所述目标的面积相对于图像等效面积的占比值;
其中,所述图像等效面积为与所述图像的宽度匹配的面积;
依据所述占比值确定所述目标的第一拍摄距离;
所述图像等效面积的表达式为:
S′image=(p·W)·W;
p∈[1.27,1.39];
其中,p表征预设定的高宽比,S′image表征所述图像等效面积,W所述图像的宽度;
所述目标为人脸,所述方法还包括:
当所述图像包含人脸时,获取人脸图像;
对所述人脸图像进行人脸关键点检测,判断与所述人脸图像匹配的关键点的数量是否超过预设阈值;
若是,则确定所述图像完整包含目标;
若否,则确定所述图像未完整包含目标;
所述方法还包括:
将所述图像的属性数据和所述人脸的属性数据输入树回归模型,获得第二拍摄距离;
其中,所述第二拍摄距离为所述树回归模型输出的人脸拍摄距离;
当所述图像未完整包含目标时,将所述第二拍摄距离作为最终的拍摄距离;
当所述图像完整包含目标时,将所述第二拍摄距离和所述第一拍摄距离的平均值作为最终的拍摄距离。
2.如权利要求1所述的目标拍摄距离获取方法,其特征在于,所述依据所述占比值确定所述目标的拍摄距离的算式为:
Distance=a·(Rface)b;
其中,Distance表征所述第一拍摄距离,Rface表征所述占比值,a和b均为常数。
3.一种目标拍摄距离获取装置,其特征在于,所述装置包括:
比例获取单元,用于当图像完整包含目标时,获取所述目标的面积相对于图像等效面积的占比值;
其中,所述图像等效面积为与所述图像的宽度匹配的面积;
距离获取单元,用于依据所述占比值确定所述目标的第一拍摄距离;
所述图像等效面积的表达式为:
S′image=(p·W)·W;
p∈[1.27,1.39];
其中,p表征预设定的高宽比,S′image表征所述图像等效面积,W所述图像的宽度;
所述目标为人脸,所述装置还用于当所述图像包含人脸时,获取人脸图像;对所述人脸图像进行人脸关键点检测,判断与所述人脸图像匹配的关键点的数量是否超过预设阈值;若是,则确定所述图像完整包含目标;若否,则确定所述图像未完整包含目标;
所述装置还用于将所述图像的属性数据和所述人脸的属性数据输入树回归模型,获得第二拍摄距离;其中,所述第二拍摄距离为所述树回归模型输出的人脸拍摄距离;当所述图像未完整包含目标时,将所述第二拍摄距离作为最终的拍摄距离;当所述图像完整包含目标时,将所述第二拍摄距离和所述第一拍摄距离的平均值作为最终的拍摄距离。
4.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-2中任一项所述的方法。
5.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器用于存储一个或多个程序;当所述一个或多个程序被所述处理器执行时,实现如权利要求1-2中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011356698.2A CN112465910B (zh) | 2020-11-26 | 2020-11-26 | 一种目标拍摄距离获取方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011356698.2A CN112465910B (zh) | 2020-11-26 | 2020-11-26 | 一种目标拍摄距离获取方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112465910A CN112465910A (zh) | 2021-03-09 |
CN112465910B true CN112465910B (zh) | 2021-12-28 |
Family
ID=74809015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011356698.2A Active CN112465910B (zh) | 2020-11-26 | 2020-11-26 | 一种目标拍摄距离获取方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465910B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113619482A (zh) * | 2021-09-10 | 2021-11-09 | 无锡天博电器制造有限公司 | 控制部件优先权设置***及方法 |
CN113837962A (zh) * | 2021-09-24 | 2021-12-24 | 江苏泰扬金属制品有限公司 | 计算机式优先权设置***及方法 |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721404A (zh) * | 2012-06-07 | 2012-10-10 | 南京航空航天大学 | 使用数码摄像头的非接触式测距装置及测量方法 |
CN103024165A (zh) * | 2012-12-04 | 2013-04-03 | 华为终端有限公司 | 一种自动设置拍摄模式的方法和装置 |
CN104134067A (zh) * | 2014-07-07 | 2014-11-05 | 河海大学常州校区 | 基于智能视觉物联网的道路车辆监控*** |
CN105353875A (zh) * | 2015-11-05 | 2016-02-24 | 小米科技有限责任公司 | 调节屏幕可视区域的方法和装置 |
CN105654038A (zh) * | 2015-12-22 | 2016-06-08 | 上海汽车集团股份有限公司 | 车灯识别方法及装置 |
CN106845345A (zh) * | 2016-12-15 | 2017-06-13 | 重庆凯泽科技股份有限公司 | 活体检测方法及装置 |
CN106959076A (zh) * | 2017-02-20 | 2017-07-18 | 广州视源电子科技股份有限公司 | 基于摄像头的人像距离检测方法及*** |
CN108259752A (zh) * | 2018-02-27 | 2018-07-06 | 北京智启科技有限公司 | 一种拍摄方法及*** |
CN108921125A (zh) * | 2018-07-18 | 2018-11-30 | 广东小天才科技有限公司 | 一种坐姿检测方法及可穿戴设备 |
CN109191802A (zh) * | 2018-07-20 | 2019-01-11 | 北京旷视科技有限公司 | 用于视力保护提示的方法、装置、***和存储介质 |
CN109427062A (zh) * | 2017-08-30 | 2019-03-05 | 深圳星行科技有限公司 | 道路特征标记方法、装置、计算机设备以及可读存储介质 |
CN109579798A (zh) * | 2018-12-29 | 2019-04-05 | 中国汽车技术研究中心有限公司 | 一种应用于自动泊车***的视频量测方法及量测装置 |
CN109977727A (zh) * | 2017-12-27 | 2019-07-05 | 广东欧珀移动通信有限公司 | 视力保护方法、装置、存储介质及移动终端 |
CN110288608A (zh) * | 2018-03-19 | 2019-09-27 | 北京京东尚科信息技术有限公司 | 作物行中心线提取方法和装置 |
CN110310285A (zh) * | 2019-05-14 | 2019-10-08 | 武汉泓毅智云信息有限公司 | 一种精确的基于三维人体重建的烧伤面积计算方法 |
CN110909617A (zh) * | 2019-10-28 | 2020-03-24 | 广州多益网络股份有限公司 | 基于双目视觉的活体人脸检测方法及装置 |
CN110970057A (zh) * | 2018-09-29 | 2020-04-07 | 华为技术有限公司 | 一种声音处理方法、装置与设备 |
CN111307331A (zh) * | 2020-04-02 | 2020-06-19 | 广东博智林机器人有限公司 | 一种温度校准方法、装置、设备及存储介质 |
CN111327814A (zh) * | 2018-12-17 | 2020-06-23 | 华为技术有限公司 | 一种图像处理的方法及电子设备 |
CN111337142A (zh) * | 2020-04-07 | 2020-06-26 | 北京迈格威科技有限公司 | 体温修正方法、装置及电子设备 |
CN111626241A (zh) * | 2020-05-29 | 2020-09-04 | 北京华捷艾米科技有限公司 | 一种人脸检测方法及装置 |
CN111651539A (zh) * | 2020-05-22 | 2020-09-11 | 西北农林科技大学 | 一种利用近景遥感技术实现平面地图元素快速更新的方法 |
CN111669462A (zh) * | 2020-05-30 | 2020-09-15 | 华为技术有限公司 | 一种显示图像的方法及相关装置 |
CN111753813A (zh) * | 2020-08-10 | 2020-10-09 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295533B (zh) * | 2016-08-01 | 2019-07-02 | 厦门美图之家科技有限公司 | 一种自拍图像的优化方法、装置和拍摄终端 |
CN209181784U (zh) * | 2018-12-29 | 2019-07-30 | 中国汽车技术研究中心有限公司 | 一种应用于自动泊车***的视频量测装置 |
CN111182207B (zh) * | 2019-12-31 | 2021-08-24 | Oppo广东移动通信有限公司 | 图像拍摄方法、装置、存储介质及电子设备 |
CN111464740B (zh) * | 2020-04-07 | 2021-06-15 | Oppo广东移动通信有限公司 | 图像拍摄方法、装置、存储介质及电子设备 |
-
2020
- 2020-11-26 CN CN202011356698.2A patent/CN112465910B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721404A (zh) * | 2012-06-07 | 2012-10-10 | 南京航空航天大学 | 使用数码摄像头的非接触式测距装置及测量方法 |
CN103024165A (zh) * | 2012-12-04 | 2013-04-03 | 华为终端有限公司 | 一种自动设置拍摄模式的方法和装置 |
CN104134067A (zh) * | 2014-07-07 | 2014-11-05 | 河海大学常州校区 | 基于智能视觉物联网的道路车辆监控*** |
CN105353875A (zh) * | 2015-11-05 | 2016-02-24 | 小米科技有限责任公司 | 调节屏幕可视区域的方法和装置 |
CN105654038A (zh) * | 2015-12-22 | 2016-06-08 | 上海汽车集团股份有限公司 | 车灯识别方法及装置 |
CN106845345A (zh) * | 2016-12-15 | 2017-06-13 | 重庆凯泽科技股份有限公司 | 活体检测方法及装置 |
CN106959076A (zh) * | 2017-02-20 | 2017-07-18 | 广州视源电子科技股份有限公司 | 基于摄像头的人像距离检测方法及*** |
CN109427062A (zh) * | 2017-08-30 | 2019-03-05 | 深圳星行科技有限公司 | 道路特征标记方法、装置、计算机设备以及可读存储介质 |
CN109977727A (zh) * | 2017-12-27 | 2019-07-05 | 广东欧珀移动通信有限公司 | 视力保护方法、装置、存储介质及移动终端 |
CN108259752A (zh) * | 2018-02-27 | 2018-07-06 | 北京智启科技有限公司 | 一种拍摄方法及*** |
CN110288608A (zh) * | 2018-03-19 | 2019-09-27 | 北京京东尚科信息技术有限公司 | 作物行中心线提取方法和装置 |
CN108921125A (zh) * | 2018-07-18 | 2018-11-30 | 广东小天才科技有限公司 | 一种坐姿检测方法及可穿戴设备 |
CN109191802A (zh) * | 2018-07-20 | 2019-01-11 | 北京旷视科技有限公司 | 用于视力保护提示的方法、装置、***和存储介质 |
CN110970057A (zh) * | 2018-09-29 | 2020-04-07 | 华为技术有限公司 | 一种声音处理方法、装置与设备 |
CN111327814A (zh) * | 2018-12-17 | 2020-06-23 | 华为技术有限公司 | 一种图像处理的方法及电子设备 |
CN109579798A (zh) * | 2018-12-29 | 2019-04-05 | 中国汽车技术研究中心有限公司 | 一种应用于自动泊车***的视频量测方法及量测装置 |
CN110310285A (zh) * | 2019-05-14 | 2019-10-08 | 武汉泓毅智云信息有限公司 | 一种精确的基于三维人体重建的烧伤面积计算方法 |
CN110909617A (zh) * | 2019-10-28 | 2020-03-24 | 广州多益网络股份有限公司 | 基于双目视觉的活体人脸检测方法及装置 |
CN111307331A (zh) * | 2020-04-02 | 2020-06-19 | 广东博智林机器人有限公司 | 一种温度校准方法、装置、设备及存储介质 |
CN111337142A (zh) * | 2020-04-07 | 2020-06-26 | 北京迈格威科技有限公司 | 体温修正方法、装置及电子设备 |
CN111651539A (zh) * | 2020-05-22 | 2020-09-11 | 西北农林科技大学 | 一种利用近景遥感技术实现平面地图元素快速更新的方法 |
CN111626241A (zh) * | 2020-05-29 | 2020-09-04 | 北京华捷艾米科技有限公司 | 一种人脸检测方法及装置 |
CN111669462A (zh) * | 2020-05-30 | 2020-09-15 | 华为技术有限公司 | 一种显示图像的方法及相关装置 |
CN111753813A (zh) * | 2020-08-10 | 2020-10-09 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112465910A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8121400B2 (en) | Method of comparing similarity of 3D visual objects | |
CN112465910B (zh) | 一种目标拍摄距离获取方法、装置、存储介质及电子设备 | |
CN113111844B (zh) | 一种作业姿态评估方法、装置、本地终端及可读存储介质 | |
CN109272546B (zh) | 一种鱼苗长度测量方法及*** | |
JP2017032548A (ja) | 自動工業検査における3dビジョンの使用 | |
CN111811567B (zh) | 一种基于曲线拐点比对的设备检测方法及相关装置 | |
CN103729631A (zh) | 一种基于视觉的连接器表面特征自动识别方法 | |
CN116824516B (zh) | 一种涉路施工安全监测及管理*** | |
CN113256729A (zh) | 激光雷达与相机的外参标定方法、装置、设备及存储介质 | |
KR20180098945A (ko) | 고정형 단일 카메라를 이용한 차량 속도 감지 방법 및 장치 | |
CN111325265B (zh) | 一种针对篡改图像的检测方法及装置 | |
TWI543117B (zh) | 物件辨識與定位方法 | |
JP2015011713A (ja) | 車両検出方法及び装置 | |
CN110675442A (zh) | 一种结合目标识别技术的局部立体匹配方法及*** | |
CN114332622A (zh) | 一种基于机器视觉的标签检测方法 | |
CN111652034A (zh) | 一种基于sift算法的船只检索方法及装置 | |
CN112329770B (zh) | 一种仪表刻度识别方法及装置 | |
CN112633143B (zh) | 图像处理***、方法、头戴设备、处理设备及存储介质 | |
CN114092542A (zh) | 一种基于二维视觉的螺栓测量方法以及*** | |
CN114743048A (zh) | 检测异常秸秆图片的方法和检测装置 | |
WO2015136716A1 (ja) | 画像処理装置、画像センサ、画像処理方法 | |
CN111275693A (zh) | 一种图像中物体的计数方法、计数装置及可读存储介质 | |
CN111274899A (zh) | 人脸匹配方法、装置、电子设备和存储介质 | |
CN113139454B (zh) | 基于单张图像的道路宽度提取方法及装置 | |
KR102035245B1 (ko) | 타겟 마커 위치 추정 장치 및 방법 |
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 |