TW201915831A - 對象識別方法 - Google Patents
對象識別方法 Download PDFInfo
- Publication number
- TW201915831A TW201915831A TW107120006A TW107120006A TW201915831A TW 201915831 A TW201915831 A TW 201915831A TW 107120006 A TW107120006 A TW 107120006A TW 107120006 A TW107120006 A TW 107120006A TW 201915831 A TW201915831 A TW 201915831A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- identified
- identified object
- imaging
- recognition
- Prior art date
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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
-
- 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
- G06T2207/10024—Color 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
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本發明實施例提供了一種對象識別方法,有關圖像識別技術領域。所述方法包括:至少一次調整被識別對象的成像條件,在調整前後的多種成像條件下分別採集所述被識別對象的圖像作為識別圖像,從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵,根據所述多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷所述被識別對象為實物對象或非實物對象。本發明能夠顯著提高對被識別對象進行識別的準確性和可靠性。
Description
本發明係有關圖像識別技術領域,特別是有關一種對象識別方法。
在生活和生產的過程中,出於處理業務的需要、安全需要等多種目的,需要對待識別對象為實物對象或非實物對象。比如,在對對象進行監控時,可能需要識別該對象為實物還是偽裝的非實物;在為用戶辦理業務之前,驗證該用戶是真實的使用者還是透過模型或圖像等偽裝的使用者。因此,極需一種對象識別方法。 現有技術中,可以透過圖像採集設備採集包括被識別對象的圖像作為識別圖像,由相關人員透過經驗,對識別圖像進行分析,從而確定該待識別對象為實物對象或非實物對象。但在現有技術中,識別被識別對象的準確性和可靠性受人工經驗的豐富程度影響較大,可能難以識別出偽裝程度較高的非實物對象,且識別的過程中還會受到視覺疲勞等因素的干擾,難以確保識別實物或非實物的準確性和可靠性。
鑒於上述問題,提出了本發明以便提供一種克服上述問題或者至少部分地解決上述問題的一種對象識別方法。 依據本發明的一個態樣,提供了一種對象識別方法,包括: 至少一次調整被識別對象的成像條件; 在調整前後的多種成像條件下分別採集所述被識別對象的圖像作為識別圖像; 從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵; 根據所述多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷所述被識別對象為實物對象或非實物對象。 可選地,在所述從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵之前,還包括: 從採集的識別圖像中分別提取所述被識別對象對應的圖像區域。 可選地,在所述從採集的識別圖像中分別提取所述被識別對象對應的圖像區域之後,還包括: 從所述被識別對象對應的圖像區域中提取目標識別區域。 可選地,所述至少一次調整被識別對象的成像條件包括: 透過調整圖像採集設備的設備條件,調整所述被識別對象的成像條件。 可選地,所述成像條件包括光照條件、所述圖像採集設備與所述被識別對象的相對方向以及所述圖像採集設備與所述被識別對象的相對距離中的至少一個,所述光照條件包括光照角度、光照顏色、光照強度中的至少一個; 所述設備條件包括設備螢幕或發光硬體的發光條件或設備位置。 可選地,所述至少一次調整被識別對象的成像條件包括: 提示所述被識別對象調整成像條件,所述成像條件包括所述被識別對象的部分反射區域。 可選地,若所述成像條件包括圖像採集設備與所述被識別對象的相對方向,則所述圖像特徵包括所述被識別對象在圖像中的姿態角。 可選地,若所述成像條件包括圖像採集設備與所述被識別對象的相對距離,則所述圖像特徵包括所述被識別對象的成像尺寸。 可選地,若所述成像條件包括光照條件、圖像採集設備與所述被識別對象的相對方向以及圖像採集設備與所述被識別對象的相對距離中的至少一個,則所述圖像特徵包括色彩值和灰度值中的至少一個。 可選地,所述圖像特徵包括部分反射區域的色彩值和灰度值中的至少一個。 可選地,所述根據所述多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷所述被識別對象為實物對象或非實物對象包括: 確定所述實物對象在各成像條件下具有的預估圖像特徵; 若所提取的圖像特徵與所述預估圖像特徵一致,則判定所述被識別對象為所述實物對象。 可選地,所述根據所述多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷所述被識別對象為實物對象或非實物對象包括: 確定所述被識別對象分別在目前圖像和前一圖像中的成像尺寸的變化值,以及所述相對距離的變化值; 根據所述成像尺寸的變化值以及所述相對距離的變化值,確定所述被識別對象的測量尺寸; 若所述測量尺寸與所述實物對象的真實尺寸之間的差值未超出設定範圍,則判定所述被識別對象為所述實物對象。 依據本發明的另一態樣,提供了一種對象識別方法,包括: 在多種成像條件下分別採集被識別對象的圖像作為識別圖像; 從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵; 確定所提取的圖像特徵與實物對象在各成像條件下具有的預估圖像特徵一致,則判定所述被識別對象為所述實物對象。 依據本發明的另一態樣,提供了一種對象識別方法,包括: 在多種成像條件下分別採集被識別對象的圖像作為識別圖像; 從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵; 根據所述被識別對象在前後兩張採集圖像中圖像特徵的變化值以及成像條件的變化值,確定所述被識別對象的目標屬性; 根據所述目標屬性,判斷所述被識別對象為實物對象或非實物對象。 依據本發明的另一態樣,提供了一種對象識別方法,包括: 至少一次調整被識別對象的成像條件; 在調整前後的多種成像條件下分別採集所述被識別對象的圖像作為識別圖像; 根據各成像條件以及採集的識別圖像,判斷所述被識別對象為實物對象或非實物對象。 依據本發明的另一態樣,提供了一種對象識別方法,包括: 獲取被識別對象的第一圖像; 移動圖像採集設備並且改變所述被識別對象的光照條件; 獲取所述被識別對象的第二圖像; 基於所述第一圖像和所述第二圖像,判斷所述被識別對象為實物對象或非實物對象。 可選地,所述移動圖像採集設備包括: 將所述圖像採集設備前後移動、左右移動、上下移動或劃圈移動。 可選地,所述改變所述被識別對象的光照條件包括: 將所述圖像採集設備顯示螢幕中圖案的至少一個區域的顏色、形狀或亮度進行改變。 依據本發明的另一態樣,提供了一種電腦設備,包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式,所述處理器執行所述電腦程式時實現如前述的一個或多個的方法。 依據本發明的另一態樣,提供了一種電腦可讀儲存媒體,其上儲存有電腦程式,其特徵在於,所述電腦程式被處理器執行時實現如前述的一個或多個的方法。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以調整被識別對象的成像條件,在各成像條件下採集識別圖像。其次,由於圖像特徵就能夠說明被識別對象在不同成像條件下的形態,因此可以從識別圖像中提取分別與各成像條件相關聯的圖像特徵。根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,即可判斷被識別對象在各成像條件下的形態,與實物對象在該成像條件下所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 上述說明僅是本發明技術方案的概述,為了能夠更清楚瞭解本發明的技術手段,而可依照說明書的內容予以實施,並且為了讓本發明的上述和其它目的、特徵和優點能夠更明顯易懂,以下特舉本發明的具體實施方式。
下面將參照附圖更詳細地描述本發明示例性實施例。雖然附圖中顯示了本發明示例性實施例,然而應當理解,可以以各種形式實現本發明而不應被這裡闡述的實施例所限制。相反地,提供這些實施例是為了能夠更透徹地理解本發明,並且能夠將本發明的範圍完整的傳達給本領域的技術人員。 為了使本領域技術人員更佳地理解本發明,以下對本發明所涉及的技術概念進行解釋: 對象通常具有特定的形態。其中,形態可以包括該對象所展現出的形式或狀態。而對於不同的對象,在同一個成像條件下所展示出的形態可能會不同,針對成像條件變化其形態所產生的變化(包括呈現出新的形態或者更細節的形態)也可能會不同。比如,由材料A製成的模型1,由於材料A形態的影響,模型1可能會可見光照射下顯示一種顏色或紋路,而在紫外線照射下顯示出另一種顏色或紋路;而透過材料B製成的模型2,由於材料B形態的影響,模型2的形態可能不會因為不同光線照射而產生變化。 被識別對象包括需要識別的實物對象或非實物對象。實物對象可以包括各種物品、用戶、動植物等,非實物對象可以按照實物對象進行仿造或偽裝得到,從而與對應的實物相似。比如,實物對象為使用者,則非實物對象可以包括該使用者的影像資料。 成像條件用來說明被識別對象或圖像採集設備所處的環境、被識別對象的陳列方式或姿態、該圖像採集設備的操作狀態或性能參數、該圖像採集設備採集被識別對象的圖像的方式等。 圖像採集設備可以包括攝像頭,從而能夠獲取到圖像。 識別圖像為由圖像採集設備對被識別對象進行採集得到的圖像。 圖像特徵用來說明圖像所具有的特點,比如,該圖像特徵可以包括顏色特徵、紋理特徵、形狀特徵、空間關係特徵中的至少一個。 本發明實施例可以應用於對被識別對象進行實物識別的情況中,包括在監控或安檢等過程中對對象的識別,以及進行業務處理之前對該對象的識別等。 由於實物對象和偽裝的非實物對象雖然相似,但實際上其形態通常是不同的,比如材料A製成的模型1和透過材料B對模型1進行仿製得到的模型3,因此,在不同的成像條件下,實物對象和偽裝的非實物所顯示出的形態不同,相應地,在採集得到的實物對象和非實物的識別圖像所具有的圖像特徵也是不同的。所以在對對象進行識別時,可以對被識別對象的成像條件進行調整,並在多個成像條件下分別採集被識對象的圖像作為識別圖像,從識別圖像中提取圖像特徵。由於識別圖像是分別在各成像條件下採集得到,則在該成像條件下採集的識別圖像即為與該成像條件相關聯的識別圖像,從該識別圖像中提取的圖像特徵即為與該成像條件相關聯的圖像特徵,且圖像特徵能夠說明被識別對象在該成像條件下的形態等特點,因此,可以根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,對被識別對象為實物或非實物進行判斷。不需要依賴人工經驗,提高了對被識別對象進行識別的準確性和可靠性。 本發明實施例可以實現為用戶端或外掛程式,電子設備可以從遠端伺服器獲取並安裝該用戶端或外掛程式,從而透過該用戶端或外掛程式來實施本發明實施例所提供的對象識別方法。當然,本發明實施例也可以以對象識別軟體的形式部署在遠端伺服器上,電子設備可以透過訪問該遠端伺服器從而獲取對象識別服務或驗證服務。 電子設備可以包括手機、智慧型手錶、VR(Virtual Reality,虛擬實境)設備、平板電腦、膝上型可攜式電腦、車載電腦、桌上型電腦、機上盒、智慧型電視機、可穿戴式設備、監控設備、安檢設備等等。該電子設備可以包括攝像頭等圖像採集設備,或者該電子設備能夠透過網路與該圖像採集設備(比如,相機)連接從而獲取到圖像。該電子設備夠與遠端伺服器進行互動,獲取用戶端、外掛程式、對象識別服務等,且該電子設備可以包括下圖9至13提供的裝置,從而按照下圖1、3、6至8提供的對象識別方法對被識別對象進行識別。 用戶端可以包括至少一個應用程式。該用戶端能夠運行在電子設備中,從而實現本發明實施例提供的對象識別方法。 外掛程式可以包括在運行於電子設備的應用程式中,從而實現本發明實施例提供的對象識別方法。 實施例一 參照圖1,示出了根據本發明一個實施例的一種對象識別方法流程圖,具體步驟包括: 步驟101,至少一次調整被識別對象的成像條件。 由於實物對象和偽裝的非實物對象在通常具有不同的形態,所以在不同成像條件下,該實物對象和該非實物對象所呈現出的特點也是不同的,因此,為了便於後續根據被識別對象在不同成像條件下所具有的特點,對被識別對象進行識別,從而避免依賴人工經驗進行識別所導致的準確性和可靠性較低的問題,可以對被識別對象的成像條件進行調整。 可以改變被識別對象所處環境,比如,透過不同的光線照射、改變所處環境的溫度、施加聲波等;或者,改變圖像採集設備的操作狀態或性能參數,比如光圈值、解析度、焦距等;或者,改變該圖像採集設備採集被識別對象的圖像的方式,比如,透過熱成像、超音波成像等;或者,改變被識別對象的陳列方式或姿態,比如,旋轉被識別對象。 例如,如圖2所示,被識別對象01與電子設備02平行(由使用者手持或放置其它裝置上),且電子設備02的螢幕與被識別對象01相對。其中,當被識別對象01為實物對象時,該被識別對象01可以為用戶;當待識別對象01為偽裝的非實物對象時,該被識別對象01可以為顯示電子螢幕中的關於使用者的圖像。可以透過改變電子設備02螢幕中顯示的圖案來對被識別對象進行照射,或者,移動被識別對象01和電子設備02中的至少一個來對成像條件進行改變。當然,如果前述電子設備02的背面與被識別對象01相對時,可以透過電子設備02背面設置的閃光燈照射被識別對象01。 步驟102,在調整前後的多種成像條件下分別採集所述被識別對象的圖像作為識別圖像。 為了確定被識別對象在不同成像條件下的所具有的特點,從而對被識別對象進行識別,可以在多種成像條件下採集被識別對象的識別圖像。 電子設備可以透過攝像頭、相機等圖像採集設備,分別在各成像條件下採集識別圖像。且當所採集的識別圖像的品質越高,越便於後續確定被識別對象在不同成像條件下的所具有的特點,提高識別的準確性和可靠性。 在本發明實施例中,可選地,為了減少採集到的識別圖像品質不高而導致識別對象準確性和可靠性較低的問題,在各成像條件下,可以採集至少一張識別圖像。 其中,可以透過拍攝照片的方式來採集至少一張識別圖像,或者,可以透過拍攝視頻的方式來獲取一段視頻,在該段視頻中選擇至少一幀的圖像作為識別圖像。 步驟103,從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵。 由於識別圖像是對被識別對象進行採集得到的,能夠展示被識別對象在成像條件下的形態,因此,可以從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵,該圖像特徵即可說明被識別對象在該成像條件下所具有的特點,比如,被識別對象在該成像條件下的顏色、紋理、各部分的反光特性等。 可以分別從各識別圖像中提取圖像特徵,所提取到的圖像特徵即與採集該識別圖像時的成像條件相關聯的圖像特徵。 步驟104,根據所述多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷所述被識別對象為實物對象或非實物對象。 由於圖像特徵能夠說明被識別對象在各成像條件下所具有的特點,而實物對象和非實物對象在不同成像條件下所呈現出的特點也是不同的,也就是,在成像條件做相同改變時,實物對象和非實物對象的形態的變化也是不同的。因此,可以根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,確定被識別對分別在各成像條件下所具有的特點。如果被識別對分別在各成像條件下所具有的特點與實物對象在該成像條件下所具有的特點相同,則可以說明在成像條件的改變相同時,被識別對象與實物對象的形態的改變也相同,可以將被識別對象識別為實物對象。相應地,如果被識別對分別在各成像條件下所具有的特點與實物對象在該成像條件下所具有的特點不同,則可以將被識別對象識別為非實物對象。 可以事先採集實物對象在分別在多個成像條件下的圖像,並提取圖像特徵,將提取的圖像特徵進行儲存,在對被識別對象為實物對象或非實物對象進行判斷時,對於各成像條件,判斷從識別圖像中提取的與該成像條件相關聯的圖像特徵與預先儲存的圖像特徵是否一致,如果一致,則將被識別對象判定為實物對象,否則,將被識別對象判定為非實物對象。 其中,可以事先設定相似度閾值。當兩個圖像特徵之間的相似度大於該相似度閾值時,確定該兩個圖像特徵一致;當兩個圖像特徵之間的相似度小於或等於該相似度閾值時,確定該兩個圖像特徵不一致。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以調整被識別對象的成像條件,在各成像條件下採集識別圖像。其次,由於圖像特徵就能夠說明被識別對象在不同成像條件下的形態,因此可以從識別圖像中提取分別與各成像條件相關聯的圖像特徵。根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,即可判斷被識別對象在各成像條件下的形態,與實物對象在該成像條件下所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 實施例二 參照圖3,示出了根據本發明一個實施例的一種對象識別方法流程圖,具體步驟包括: 步驟301,電子設備至少一次調整被識別對象的成像條件。 其中,電子設備調整被識別對象的成像條件的方式,可以參見前述中的相關描述,此處不再一一贅述。 在本發明實施中,可選地,由於實物對象和非實物對象在光照條件不同時或者在與圖像採集設備的距離或方向不同時,其所具有的形態也會不同,亦即會具有不同的特點,比如,實物對象為一個雕像,非實物對象透過螢幕播放的包括該雕像的影像資料,實物對象是立體的,非實物對象是平面的,且構成實物對象和非實物對象的材料也不同,所以在光照條件不同時或者在與圖像採集設備的距離或方向不同時,實物對象與非實物對象所具有的特點也是不同的。因此,所述成像條件包括光照條件、所述圖像採集設備與所述被識別對象的相對方向以及所述圖像採集設備與所述被識別對象的相對距離中的至少一個,所述光照條件包括光照角度、光照顏色、光照強度中的至少一個;所述設備條件包括設備螢幕或發光硬體的發光條件或設備位置。 其中,為了快速準確地對成像條件進行調整,可以透過調整圖像採集設備的設備條件,調整所述被識別對象的成像條件。比如,可以透過控制圖像採集設備上設置的閃光燈、螢幕等可發光的元件,來改變光照條件,包括是否進行光照、光照顏色、光照亮度或光照角度等;可以透過發動機驅動螺旋槳、履帶、車輪或機械臂等元件,對圖像採集設備進行上下、左右、前後或其它預設軌跡進行移動,以改變圖像採集設備所在的位置,從而對於被識別對象之間的相對距離或相對方向進行改變。 當然,在實際應用中,電子設備還可以提示使用者,或者透過圖像採集設備提示使用者對圖像採集設備的設備條件進行控制。 例如,被識別對象為使用者,電子設備為手機,圖像採集設備為手機上的攝像頭。手機可以透過控制手機上的攝像頭的開啟或關閉來改變光照條件,透過提示用戶移動手機所在的位置來改變與被識別對象之間的相對距離或相對方向。 在本發明實施例中,可選地,由於圖像通常是對物體反射出的光線進行成像得到的,所以為了使被識別對象在成像條件下所具有的特點更加顯著,從而提高對被識別對象進行識別的準確性,所述成像條件包括所述被識別對象的部分反射區域。 部分反射區域在待識別對象中反射光線相對強於其它區域,該部分反射區域可以比其它區域更加平滑。比如,當被識別對象為使用者時,該部分反射區域可以包括口腔或眼球 其中,電子設備可以提示所述被識別對象調整成像條件。 當被識別對象不為使用者時,可以提示使用者對被識別對象的陳列方式或姿態進行調整;當被識別對象為使用者時,可以提示用戶改變姿態,比如張嘴或睜開眼睛。 步驟302,所述電子設備在調整前後的多種成像條件下分別採集所述被識別對象的圖像作為識別圖像。 其中,在調整前後的多種成像條件下分別採集被識別對象的圖像的方式,可以參見前述中的相關描述,此處不再一一贅述。 在本發明實施例中,可選地,為了避免將在某一成像條件下採集的識別圖像與另一成像條件相關聯的可能性,以提高後續根據成像條件相關聯的識別圖像對被識別對象進行識別的準確性和可靠性,電子設備可以在採集識別圖像時,將所採集到的識別圖像按照目前的成像條件進行標記,或者,將所採集到的識別圖像按照目前的成像條件進行分類儲存,或者,將所採集到的識別圖像按照目前的成像條件儲存至成像條件與識別圖像之間的關聯關係中,從而將識別圖像與成像條件進行關聯。 當然,在實際應用中,該電子設備也可以採集識別圖像時,按照目前時刻,將目前的成像條件和識別圖像分別與目前時刻進行關聯,比如,將目前的成像條件和目前時刻儲存至成像條件與時刻之間的關聯關係中,將採集的識別圖像儲存和目前時刻儲存至識別圖像與時刻之間的關聯關係中,之後可以根據各時刻,查找與該時刻相關聯的識別圖像和成像條件,並將查找到的識別圖像和成像條件進行關聯。 其中,當成像條件包括圖像採集設備與被識別對象的相對方向以及圖像採集設備與被識別對象的相對距離中的至少一個時,該成像條件可以透過圖像採集設備中的加速度感測器、陀螺儀等感測器來確定。當然,在實際應用中,也可以透過其它方式來確定該成像條件,比如,可以由相關技術人員或使用者事先設定圖像採集設備的設備位置,將圖像採集設備的處於各設備位置時,圖像採集設備與被識別對象的相對方向以及圖像採集設備與被識別對象的相對距離中的至少一個提交給圖像採集設備。 步驟303,所述電子設備從採集的識別圖像中分別提取所述被識別對象對應的圖像區域。 由於識別圖像中在包括被識別對象的圖像內容的同時,還可能會包括被識別對象所在的背景的圖像內容,被識別對象所在的背景的圖像內容對識別被識別對象的作用很小,甚至對識別被識別對象的過程造成干擾,所以為了提高對被識別對象進行識別的準確性,可以在識別圖像中圖區被識別對象對應的圖像區域。 其中,可以透過基於機器學習或深度神經網路的第一提取模型,在識別圖像中識別被識別對象對應的圖像區域,並將被識別對象對應的圖像區域進行標記或將被識別對象對應的圖像區域以外的區域進行切除,以提取得到被識別對象對應的圖像區域。 第一提取模型用於從識別圖像中提取被識別對象對應的圖像區域。 電子設備可以事先獲取包括實物對象的圖像,透過第一提取模型,對確定實物對象在圖像中的圖像區域、以及提取實物對象對應的圖像區域進行訓練。 步驟304,所述電子設備從所述被識別對象對應的圖像區域中提取目標識別區域。 由於對象可能會包括一些特有的或者與其它對象具有明顯區別的特點,比如人臉上的五官、植物的葉片或花瓣、動物的角等,這些特點可以有助於提高對該對象進行識別,即提高對被識別對象進行識別的準確性,因此,可以在從圖像區域中提取能夠說明上述特點的目標識別區域。 目標識別區域可以包括被識別對象所特有的特點的圖像內容,或者包括被識別對象與其它對象具有明顯區別的特點的圖像內容。目標識別區域可以由電子設備事先確定,比如,當被識別對象為使用者時,目標識別區域可以包括臉部區域,或者,可以包括口部區域、鼻孔區域、鼻部兩側區域、眼部區域、腮部區域或口腔區域中的至少一個。 其中,可以透過基於機器學習或深度神經網路的第二提取模型,在識別圖像中識別靶心圖表像區域,並將目標識別區域進行標記或者將目標識別區域以外的區域進行刪除,從而對目標識別區域進行提取。 第二提取模型用於從識別圖像中提取目標識別區域。 電子設備可以事先獲取包括實物對象的圖像,透過第二提取模型,在識別圖像中對確定目標識別區域,將目標識別區域進行標記或者刪除目標識別區域以外的區域進行訓練。 另外,在實際應用中,可以在經過上述從識別圖像中提取到被識別對象對應的圖像區域後,在所提取到的圖像區域中進一步提取目標識別區域;也可以不執行前述從識別圖像中提取到被識別對象對應的圖像區域的操作,而是直接從識別圖像中提取靶心圖表像區域。 步驟305,所述電子設備從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵。 其中,從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵的方式,可以參見前述中的相關描述,此處不再一一贅述。 在本發明實施例中,可選地,由於當光照條件或圖像採集設備的位置不同,被識別對象可能會具有不同的色彩、亮度或紋理等特點,即不同的反光特性,而識別圖像時在成像條件下對被識別對象採集得到的,所以識別圖像的色彩值、灰度值等能夠說明被識別對象在該成像條件下的反光特性。因此,為了提高對被識別對象進行識別的準確性,若所述成像條件包括光照條件、所述圖像採集設備與所述被識別對象的相對方向以及所述圖像採集設備與所述被識別對象的相對距離中的至少一個,則所述圖像特徵包括色彩值和灰度值中的至少一個。 其中,色彩值可以透過三原色光RGB(Red Green Blue,紅綠藍)值來表示。 在本發明實施例中,可選地,由於實物對象與偽裝的非實物對象雖然相似,但相似度有限,特別是實物對象與偽裝的非實物對象在不同方向通常具有不同的姿態,比如,立體的實物和關於該實物的影像資料,如果從正前方來看,該實物或影像資料裡該實物的圖像看上去相似,但如果側方來看,對於該實物,會看到該實物的側面,對於關於該實物的影像資料,由於此時視角可能與顯示該影像資料的螢幕垂直,從而無法看到螢幕中該實物的圖像。因此,為了便於根據實物在不同方向的姿態對被識別對象進行識別,從而提高識別的準確性,若所述成像條件包括圖像採集設備與所述被識別對象的相對方向,則所述圖像特徵包括所述被識別對象在圖像中的姿態角。 姿態角用來說明對象的姿態,可以包括轉角和仰角。 可以透過基於機器學習或深度神經網路的第三提取模型,根據識別圖像來確定被識別對象在圖像中的姿態角。 其中,由前述可知,可以在識別圖像中提取被識別對應的圖像區域,和/或,在被識別圖像中提取目標識別區域,因此,在根據識別圖像來確定被識別對象在圖像中的姿態角,可以透過第三提取模型,從識別圖像、提取出被識別對應的圖像區域的識別圖像或提取出目標識別區域中確定被識別對象的姿態角。 第三提取模型用於從識別圖像確定被識別對象的姿態角。 電子設備可以事先從不同的相對方向獲取實物對象的圖像,透過第一提取模型,對從與各相對方向相關聯的圖像確定實物對象的姿態角進行訓練。 當然,在實際應用中,還可以透過其它方式來確定被識別對象在識別圖像中的姿態角,比如,根據被識別對象具有明顯特點的部分在識別圖像中的分佈來確定被識別對象的姿態角。 例如,當被識別對象為使用者時,可以根據使用者的五官分佈,或者,雙眼和鼻部構成的三角區來確定被識別對象的姿態角。 在本發明實施例中,可選地,由於偽裝的實物對象的尺寸可能與實物對象的尺寸不符,比如,汽車和汽車模型,或者,汽車和圖片裡的汽車,因此,為了提高對被識別對象進行識別的準確性,若所述成像條件包括圖像採集設備與所述被識別對象的相對距離,則所述圖像特徵包括所述被識別對象的成像尺寸。 成像尺寸可以包括被識別圖像在識別圖像中的面積、長度或寬度。 可以透過被識別對象在識別圖像中的圖元點來確定被識別對象的成像尺寸,比如,被識別對象對應的圖元點的數目占識別圖像的圖元點的比例,或者,根據被識別對象對應的圖元點座標,確定被識別對象的長度或寬度。 在本發明實施例中,可選地,由於部分反射區域容易反射光線,所以透過該部分反射區域更容易對被識別對象進行識別,所以為了提高對被識別對象進行識別的準確性,所述圖像特徵包括部分反射區域的色彩值和灰度值中的至少一個。 其中,電子設備可以按照前述從識別圖像中提取目標識別區域類似的方式,從識別圖像中識別部分反射區域,並確定該反射區域的色彩值和灰度值中的至少一個。 步驟306,所述電子設備根據所述多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷所述被識別對象為實物對象或非實物對象。 其中,根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷被識別對象為實物對象或非實物對象的方式,可以參見前述中的相關描述,此處不再一一贅述。 在本發明實施例中,可選地,由於對象在不同的成像條件下會具有不同的形態,相應地,在不同成像條件下採集到該對象的圖像中,也會具有能夠說明該形態的圖像特徵,因此,為了提高對被識別對象進行識別的效率和準確性,電子設備可以確定所述實物對象在各成像條件下具有的預估圖像特徵,若所提取的圖像特徵與所述預估圖像特徵一致,則判定所述被識別對象為實物對象。 對於任一成像條件下的預估圖像特徵,該預估圖像特徵用來說明實物對象在成像條件下所具有的形態。該預估圖像特徵可以包括實物對象的預設姿態角、預設成像尺寸、預設色彩值、預設灰度值中的至少一個。 電子設備可以事先在多個成像條件下,分別採集實物對象的圖像,從採集的圖像中提取圖像特徵,將提取到的圖像特徵作為預設圖像特徵進行儲存,或者,該電子設備也可以事先從伺服器獲取實物對象分別在多個成像條件下的預估圖像特徵,並將獲取到的預估圖像特徵進行儲存。 電子設備可以分別將提取的與各成像條件相關聯的圖像特徵,與該成像條件下的預估圖像特徵進行比較,從而確定提取的圖像特徵與預估圖像特徵是否一致。如果對於各成像條件,提取的圖像特徵與預估圖像特徵一致,則說明被識別對象在各成像條件下所具有的形態,與實物對象在各成像條件下所具有的形態一致,因此,可以將被識別對象識別為實物對象。當然,如果提取的圖像特徵與預估圖像特徵不一致,則說明被識別對象在各成像條件下所具有的形態,與實物對象在各成像條件下所具有的形態不同,可以將被識別對象識別為非實物對象。 例如,被識別對象為使用者的臉部,成像條件為透過螢幕發出純色的光線照射用戶的臉部。在螢幕發出不同顏色的光線時,分別獲取識別圖像,並提取識別圖像中眼部和口腔的等區域的色彩值作為圖像特徵,預估圖像特徵可以為真實的人臉分別在不同顏色照射時所採集到臉部圖像中眼部和口腔的等區域的色彩值。因此,可以分別將各顏色光線照射下,採集到識別圖像中眼部和口腔的等區域的色彩值,與真實人臉在該顏色光線照射下臉部圖像中眼部和口腔的等區域的色彩值進行比較,如果比較結果均一致,則確定被識別對象為真實的人臉,否則,可以確定被識別對象不為真實人臉。 在本發明實施例中,可選地,由於實物對象和非實物對象的真實尺寸可能會有差異,所以為了提高對被識別對象進行識別的準確性,電子設備可以確定所述被識別對象分別在目前圖像和前一圖像中的成像尺寸的變化值,以及所述相對距離的變化值,根據所述成像尺寸的變化值以及所述相對距離的變化值,確定所述被識別對象的測量尺寸,若所述測量尺寸與所述實物對象的真實尺寸之間的差值未超出設定範圍,則判定所述被識別對象為實物對象。若所述測量尺寸與所述被識別對象的真實尺寸之間的差值超出或等於設定範圍,則判定所述被識別對象為非實物對象。 測量尺寸為透過上述方式測量得到的實物對象相對於圖像採集設備一面的投影的面積、長度、寬度等。比如,測量尺寸可以為用戶的面部大小、面部長度或面部寬度中的至少一個。 由於圖像採集設備是透過小孔成像的原理採集圖像的,當尺寸為長度或寬度時,測量尺寸與成像尺寸之間的比值等於相對距離與焦距之間的比值,當尺寸為面積時,則測量尺寸與成像尺寸之間的比值等於相對距離與焦距之間的比值的平方,所以可以根據圖像採集設備與對象之間的相對距離變化,以及對象在圖像中成像尺寸變化,確定對象的測量尺寸。 為了提高獲取到測量尺寸的效率,進而提高對被識別對象進行識別的效率,電子設備可以根據相對距離的變化值和成像尺寸的變化值,從儲存的相對距離的變化值、成像尺寸的變化值與真實尺寸的關聯關係中,獲取對應的真實尺寸,將獲取到的真實尺寸作為測量尺寸。 其中,電子設備可以事先確定實物對象的真實尺寸,分別在與實物對象不同相對距離時採集實物對象的圖像,測量多個相對距離的變化值,根據採集到的圖像,確定該實物對象針對各相對距離變化值的成像尺寸的變化值,將相對距離的變化值、成像尺寸的變化值和真實尺寸的變化值儲存至相對距離的變化值、成像尺寸的變化值與真實尺寸的關聯關係中。 當然,在實際應用中,為了提高獲取到測量尺寸的準確率,進而提高對被識別對象進行識別的準確性,電子設備可以基於測量尺寸與成像尺寸的比例關係,根據相對距離的變化值、成像尺寸的變化值、圖像採集設備的焦距,計算得到實物對象的測量尺寸。 例如,以被識別對象為使用者的人臉、電子設備為手機,圖像採集設備為手機的攝像頭為例,手機焦距為,人臉的測量尺寸為。當手機與用戶的人臉之間的距離為時,如圖4所示,人臉的成像尺寸為,且有;當手機與用戶的人臉之間的距離增大時,則如圖5所示,人臉的成像尺寸為,且有。因此,由上述兩個比例關係可以得到。也就是,在圖像採集設備的焦距固定、圖像採集設備與被識別對象之間的相對距離改變的情況下,被識別對象的成像尺寸可以透過採集到的圖像來確定,該相對距離可以透過圖像採集設備透過加速度感測器等來確定,因此也就能夠透過上述公式計算得到被識別對象的測量尺寸。 電子設備可以事先確定測量尺寸與被識別對象的真實尺寸之間的差值的設定範圍,比如接收提交的數值來確定等。 另外,電子設備可以透過其它方式來根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷被識別對象為實物對象或非實物對象。比如,電子設備可以透過基於機器學習或深度神經網路的第一識別分類器,根據各成像條件以及分別與各成像條件相關聯的圖像特徵,對被識別對象進行識別。 第一識別分類器用於根據成像條件以及分別與各成像條件相關聯的圖像特徵,對被識別對象是否為實物對象進行識別。 電子設備可以實現在分別多個成像條件下,採集實物對象圖像和非實物對象的圖像,提取採集到的圖像的圖像特徵,對第一識別分類器根據各成像條件以及分別與各成像條件相關聯的圖像特徵,識別實物和非實物進行訓練。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以調整被識別對象的成像條件,在各成像條件下採集識別圖像。其次,由於圖像特徵就能夠說明被識別對象在不同成像條件下的形態,因此可以從識別圖像中提取分別與各成像條件相關聯的圖像特徵。根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,即可判斷被識別對象在各成像條件下的形態,與實物對象在該成像條件下所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 另外,可以透過調整圖像採集設備的設備條件來調整成像條件或者提示被識別對象調整成像條件,提高了調整成像條件的可靠性,進而提高了對被識別對象進行準確識別的可靠性。 另外,成像條件可以包括光照條件、圖像採集設備與被識別對象之間的相對距離、圖像採集設備與被識別對象之間的相對方向或部分反射區域中的至少一個,確保了在對被識別對象進行識別時,能夠根據色彩值、灰度值、成像尺寸、姿態角等多個維度的圖像特徵對被識別對象進行識別,進一步提高了對被識別對象進行識別的準確性和可靠性。 另外,可以根據圖像採集設備與被識別對象之間的相對距離的變化值,以及被識別對象在識別圖像中的成像尺寸,確定得到被識別對象的測量尺寸,並根據測量尺寸與真實尺寸是否一致來判斷被識別對象為實物對象或非實物對象,也就是能夠根據被識別對象的尺寸與實物對象的尺寸,對被識別對象進行識別,提高了對被識別對象進行識別的準確性。 實施例三 參照圖6,示出了根據本發明一個實施例的一種對象識別方法流程圖,具體步驟包括: 步驟601,在多種成像條件下分別採集被識別對象的圖像作為識別圖像。 其中,電子設備在多種成像條件下分別採集被識別對象的圖像的方式,可以參見前述中的相關描述,此處不再一一贅述。 步驟602,從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵。 其中,電子設備從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵的方式,可以參見前述中的相關描述,此處不再一一贅述。 步驟603,確定所提取的圖像特徵與實物對象在各成像條件下具有的預估圖像特徵一致,則判定所述被識別對象為所述實物對象。 其中,電子設備判斷所提取的圖像特徵與所述被識別對象在各成像條件下具有的預估圖像特徵是否一致的方式,可以參見前述中的相關描述,此處不再一一贅述。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以在多種成像條件下採集識別圖像。且由於圖像特徵就能夠說明被識別對象在不同成像條件下的形態,因此可以從識別圖像中提取分別與各成像條件相關聯的圖像特徵,並能夠根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷被識別對象在各成像條件下的形態,與實物對象在該成像條件下所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 實施例四 參照圖7,示出了根據本發明一個實施例的一種對象識別方法流程圖,具體步驟包括: 步驟701,在多種成像條件下分別採集被識別對象的圖像作為識別圖像。 其中,電子設備在多種成像條件下分別採集被識別對象的圖像的方式,可以參見前述中的相關描述,此處不再一一贅述。 步驟702,從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵。 其中,電子設備從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵的方式,可以參見前述中的相關描述,此處不再一一贅述。 步驟703,根據所述被識別對象在前後兩張採集圖像中圖像特徵的變化值以及成像條件的變化值,確定所述被識別對象的目標屬性。 由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,即不同的屬性,而圖像特徵就能夠說明被識別對象在不同成像條件下的形態,所以為了便於後續根據被識別對象的特點來對被識別對象進行識別,提高識別的準確性,可以根據成像條件變化和識別圖像中圖像特徵的變化,確定說明被識別對象的目標屬性,該目標屬性即用於說明被識別對象所具有的特點。 其中,圖像特徵可以包括成像尺寸,成像條件可以包括圖像採集設備被識別對象之間的相對距離,相應地,目標屬性可以包括被識別對象的測量尺寸。 電子設備根據被識別對象在前後兩張採集圖像中成像尺寸的變化值以及相對距離的變化值,確定被識別對象的測量尺寸的方式,可以參見前述中的相關描述,此處不再一一贅述。 當然,在實際應用中,根據圖像特徵以及成像條件的不同,目標屬性還可以包括其它屬性,比如,當圖像特徵為色彩值,成像條件為光照條件時,目標屬性可以包括識別對象的紋理或顏色;當圖像特徵為部分反射區域的色彩值,成像條件包括提示被識別對象調整部分反射區域時,目標屬性可以包括是否存在有部分反射區域。 步驟704,根據所述目標屬性,判斷所述被識別對象為實物對象或非實物對象。 電子設備可以事先實物對象的預估目標屬性,並將目標屬性與該預估目標屬性進行比較,如果一致,則確定被識別對象為實物對象,如果不一致,則確定被識別對象為非實物對象。 其中,預估目標屬性可以包括預估的真實尺寸、紋理、顏色、色彩值和灰度值中的至少一個。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以在多種成像條件下採集識別圖像。且由於圖像特徵就能夠說明被識別對象在不同成像條件下的形態,因此可以從識別圖像中提取分別與各成像條件相關聯的圖像特徵,並根據成像條件的變化以及與成像條件相關聯的圖像特徵的變化,確定被識別對象的目標屬性,該目標屬性就能夠說明被識別對象所具有的特點。將該目標屬性與預估目標屬性進行比較,即可判斷被識別對象在各成像條件下的形態,與實物對象在該成像條件下所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 實施例五 參照圖8,示出了根據本發明一個實施例的一種對象識別方法流程圖,具體步驟包括: 步驟801,至少一次調整被識別對象的成像條件。 其中,電子設備調整被識別對象的成像條件的方式,可以參見前述中的相關描述,此處不再一一贅述。 步驟802,在調整前後的多種成像條件下分別採集所述被識別對象的圖像作為識別圖像。 其中,電子設備在多種成像條件下分別採集被識別對象的圖像的方式,可以參見前述中的相關描述,此處不再一一贅述。 步驟803,根據各成像條件以及採集的識別圖像,判斷所述被識別對象為實物對象或非實物對象。 參見前述中的相關描述,電子設備可以採集的從識別圖像中分別提取與各成像條件相關聯的圖像特徵,根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷被識別對象為實物對象或非實物對象。 當然,在實際應用中,電子設備可以透過其它方式來各成像條件以及採集的識別圖像,對被識別對象進行識別。比如,該電子設備可以透過 電子設備可以透過其它方式來根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷被識別對象為實物對象或非實物對象。比如,電子設備可以透過基於機器學習或深度神經網路的第二識別分類器,根據各成像條件以及分別與各成像條件相關聯的識別圖像,對被識別對象進行識別。 第二識別分類器用於根據成像條件以及分別與各成像條件相關聯的識別圖像,對被識別對象是否為實物對象進行識別。 電子設備可以實現在分別多個成像條件下,採集實物對象圖像和非實物對象的圖像,對第一識別分類器根據各成像條件以及分別與各成像條件相關聯的圖像,識別實物和非實物進行訓練。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以調整被識別對象的成像條件,在各成像條件下採集識別圖像,該識別圖像中的顏色或紋理既能夠被識別對象在不同成像條件下的形態,然後根據多個成像條件以及採集的識別圖像,即可判斷被識別對象在各成像條件下的形態,與實物對象在該成像條件下所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 實施例六 參照圖9,示出了根據本發明一個實施例的一種對象識別方法流程圖,具體步驟包括: 步驟901,獲取被識別對象的第一圖像。 其中,電子設備可以目前的成像條件下述採集被識別對象的圖像作為第一圖像,且採集被識別對象的圖像的方式可以參見前述中的相關描述,此處不再一一贅述。 目前的成像條件包括圖像採集設備目前與被識別對象之間的相對方向或相對距離,以及目前的光照條件。 步驟902,移動圖像採集設備並且改變所述被識別對象的光照條件。 為了對目前的成像條件進行調整,使調整前後的成像條件具有較大的區別,從而確保後續根據調整前後採集到被識別對象的圖像,即被識別對象在不同成像條件下所具有的特點,準確地對別識別對象進行識別,提高識別的準確性和可靠性,可以對移動圖像採集設備來改變圖像採集設備與被識別對象之間的相對方向或相對距離,並且改變對被識別對象的光照條件。 其中,電子設備移動圖像採集設備以及改變光照條件的方式,可以參見前述中的相關描述,此處不再一一贅述。 步驟903,獲取所述被識別對象的第二圖像。 其中,電子設備可以在目前的成像條件下採集被識別對象的圖像作為第一圖像,且採集被識別對象的圖像的方式可以參見前述中的相關描述,此處不再一一贅述。 目前的成像條件包括移動圖像採集設備且改變光照條件之後,圖像採集設備目前與被識別對象之間的相對方向或相對距離,以及目前的光照條件。 步驟904,基於所述第一圖像和所述第二圖像,判斷所述被識別對象為實物對象或非實物對象。 電子設備可以分別從第一圖像和第二圖像中提取與各成像條件相關聯的圖像特徵,根據各成像條件以及分別與各成像條件相關聯的圖像特徵,判斷被識別對象為實物對象或非實物對象。 其中,電子設備從第一圖像或第二圖像中提取與各成像條件相關聯的圖像特徵的方式、根據各成像條件以及分別與各成像條件相關聯的圖像特徵,判斷被識別對象為實物對象或非實物對象的方式,可以參見前述中的相關描述,此處不再一一贅述。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以調整被識別對象的成像條件,並在調整被識別對象的成像條件前後,分別獲取第一圖像和第二圖像。其次,由於圖像特徵就能夠說明被識別對象在不同成像條件下的形態,因此可以從第一圖像和第二圖像中提取分別與各成像條件相關聯的圖像特徵。根據調整前後被識別對象的成像條件以及分別與各成像條件相關聯的圖像特徵,即可判斷被識別對象在調整前後被識別對象的成像條件下的形態,與實物對象在調整成像條件前後所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 實施例七 參照圖10,示出了根據本發明一個實施例的一種對象識別方法流程圖,具體步驟包括: 步驟1001,電子設備獲取被識別對象的第一圖像。 其中,電子設備獲取被識別對象的第一圖像的方式可以參見前述中的相關描述,此處不再一一贅述。 步驟1002,所述電子設備移動圖像採集設備並且改變所述被識別對象的光照條件。 其中,電子設備移動圖像採集設備並且改變被識別對象的光照條件的方式可以參見前述中的相關描述,此處不再一一贅述。 在本發明實施例中,可選地,為了由於被識別對象可能難以移動,所以為了避免被識別對象難以移動時,無法改變圖像採集設備與被識別對象之間的相對方向或相對距離的問題,即提高對成像條件進行改變的可靠性,電子設備可以將所述圖像採集設備前後移動、左右移動、上下移動或劃圈移動。 當然,在實際應用中,電子設備也可以提示使用者對圖像採集設備進行上述移動,比如,電子設備為手機,圖像採集設備為手機的攝像頭,電子設備可以透過文字或聲音的方式,提示使用者將手機水平靠近或遠離被識別對象。 另外,為了確保改變成像條件的可靠性,電子設備也可以對圖像採集設備進行更複雜的移動,比如,同時進行前後移動、左右移動和上下移動。 在本發明實施例中,可選地,為了便於對光照條件進行改變,即提高對光照條件進行改變的可靠性,電子設備可以將所述圖像採集設備顯示螢幕中圖案的至少一個區域的顏色、形狀或亮度進行改變。 其中,電子設備可以事先獲取多個不同的圖案,在檢測到圖像採集設備的位置發生改變時,即改變圖像採集設備螢幕中的圖案,從而使光照條件發生改變。 當然,在實際應用中,電子設備也可以將電子設備顯示螢幕中至少一個區域的顏色、形狀或亮度進行改變。 步驟1003,所述電子設備獲取所述被識別對象的第二圖像。 其中,電子設備獲取被識別對象的第二圖像的方式可以參見前述中的相關描述,此處不再一一贅述。 步驟1004,所述電子設備基於所述第一圖像和所述第二圖像,判斷所述被識別對象為實物對象或非實物對象。 其中,電子設備基於所述第一圖像和所述第二圖像,判斷所述被識別對象為實物對象或非實物對象的方式可以參見前述中的相關描述,此處不再一一贅述。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以調整被識別對象的成像條件,並在調整被識別對象的成像條件前後,分別獲取第一圖像和第二圖像。其次,由於圖像特徵就能夠說明被識別對象在不同成像條件下的形態,因此可以從第一圖像和第二圖像中提取分別與各成像條件相關聯的圖像特徵。根據調整前後被識別對象的成像條件以及分別與各成像條件相關聯的圖像特徵,即可判斷被識別對象在調整前後被識別對象的成像條件下的形態,與實物對象在調整成像條件前後所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 另外,電子設備能夠將所述圖像採集設備前後移動、左右移動、上下移動或劃圈移動,避免了被識別對象難以移動時,無法改變圖像採集設備與被識別對象之間的相對方向或相對距離的問題,即提高了對成像條件進行改變的可靠性。 另外,電子設備能夠將所述圖像採集設備顯示螢幕中圖案的至少一個區域的顏色、形狀或亮度進行改變,即不需要其它設備也能夠對光照條件進行改變,提高了光照條件進行改變的可靠性,進而也提高了對成像條件進行改變的可靠性。 本領域的技術人員應可理解,上述實施例中的方法步驟並非每一個都必不可少,在具體狀況下,可以省略其中的一個或多個步驟,只要能夠實現對被識別對象進行識別的目的。本發明並不限定的實施例中步驟的數量及其順序,本發明的保護範圍當以申請專利範圍的限定為準。 為了便於本領域技術人員更佳地理解本發明,以下透過一個具體的示例對本發明實施例的一種對象識別方法進行說明,具體包括如下步驟: 步驟S1,透過移動設備的攝像頭捕獲使用者面部的視頻。 移動設備即為前述中的電子設備,比如手機、平板電腦、個人電腦等。 攝像頭即為前述中的圖像採集設備。 其中,視頻中的每幀圖像均可作為識別圖像。 步驟S2,透過移動設備或使用者改變成像條件。 其中,可以透過該移動設備對該使用者面部進行打光;或者,提示使用者對移動設備進行移動;或者,提示用戶張嘴。 在透過移動設備對使用者面部進行打光時,可以透過該移動設備的部分或全部螢幕,以至少一種顏色進行高亮顯示,還可以改變光線顏色或者閃爍。 在提示使用者對移動設備進行移動時,可以包括上下移動、左右移動、劃圈移動、前後移動等,從而使移動設備與使用者之間的相對方向或相對距離中的至少一個發生改變。 另外,為了便於後續將採集到的識別圖像與成像條件進行關聯,可以記錄各時刻的成像條件。 步驟S3,提取識別圖像中的圖像特徵,並將圖像特徵與成像條件進行關聯。 可以在識別圖像中進行關鍵點定位,從而查找到面部、口部、鼻孔、鼻部兩側、口腔、眼部、腮部等具有特點的區域作為目標識別區域,計算各區域的色彩值和灰度值。或者,可以透過前述中的第三提取模型來確定面部的姿態角。或者,還可以計算各識別圖像中面部的成像尺寸。 根據移動設備的加速度感測器和陀螺儀等感測器記錄的資料,確定該移動設備在各時刻的空間位置。 根據視頻的時間軸以及移動設備的系統時鐘,確定採集各識別圖像的時刻,將同一時刻的識別圖像的圖像特徵和成像條件進行關聯。 步驟S4,根據各成像條件以及分別與各成像條件相關聯的圖像特徵,對被識別對象的是否為使用者進行判斷。 可以透過前述中的相關描述,對於各成像條件,將提取的圖像特徵與預估圖像特徵進行比較,從而判斷在各時刻,識別圖像中(包括識別圖像所有區域、目標識別區域和部分識別區域中的至少一個)的色彩值和灰度值、圖像中人臉的姿態角、人臉尺寸中的至少一個圖像特徵,與移動設備是否打光、打光顏色、移動設備所處位置等成像條件是否一致。如果比較結果為一致,則可以將被識別對象識別為使用者;如果比較結果不一致,可以將被識別對象識別為非使用者。 預估圖像特徵可以包括使用者在多個成像條件下的色彩值、灰度值、姿態角、人臉尺寸等。 其中,色彩值和灰度值就能夠說明用戶(即人體皮膚)對光線的反射特性,因此,如果識別圖像的色彩值和灰度值,與預估的色彩值和灰度值一致,則可以說明被識別對象對光線的反射特性與人體皮膚對光線的反射特性一致。 另外,可以根據移動設備與使用者之間的相對距離的變化值以及使用者在識別圖像中成像尺寸的變化值,計算面部的測量尺寸,並將測量尺寸與面部的真實尺寸進行比較,如果比較結果一致,則可以將被識別對象識別為使用者,否則,可以將被識別對象識別為非使用者。 其中,當透過包括使用者面部的影像資料偽裝成使用者時,由於影像資料通常透過手機、平板電腦或個人電腦等螢幕較小的螢幕進行播放,因此,螢幕中的面部的尺寸通常比用戶面部的真實尺寸小,所以可以根據面部的測量尺寸以及真實尺寸對被識別對象進行識別。 實施例八 參照圖11,示出了根據本發明一個實施例的一種對象識別裝置的結構方塊圖,該對象識別裝置包括: 成像條件調整模組1101,用於至少一次調整被識別對象的成像條件; 識別圖像採集模組1102,用於在調整前後的多種成像條件下分別採集所述被識別對象的圖像作為識別圖像; 圖像特徵提取模組1103,用於從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵; 對象識別模組1104,用於根據所述多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷所述被識別對象為實物對象或非實物對象。 可選地,所述對象識別裝置還包括: 對象區域提取模組,用於從採集的識別圖像中分別提取所述被識別對象對應的圖像區域。 可選地,所述對象識別裝置還包括: 目標識別區域提取模組,用於從所述被識別對象對應的圖像區域中提取目標識別區域。 可選地,所述成像條件調整模組包括: 設備條件調整子模組,用於透過調整圖像採集設備的設備條件,調整所述被識別對象的成像條件。 可選地,所述成像條件包括光照條件、所述圖像採集設備與所述被識別對象的相對方向以及所述圖像採集設備與所述被識別對象的相對距離中的至少一個,所述光照條件包括光照角度、光照顏色、光照強度中至少一種; 所述設備條件包括設備螢幕或發光硬體的發光條件或設備位置。 可選地,所述成像條件調整模組包括: 提示子模組,用於提示所述被識別對象調整成像條件,所述成像條件包括所述被識別對象的部分反射區域。 可選地,若所述成像條件包括圖像採集設備與所述被識別對象的相對方向,則所述圖像特徵包括所述被識別對象在圖像中的姿態角。 可選地,若所述成像條件包括圖像採集設備與所述被識別對象的相對距離,則所述圖像特徵包括所述被識別對象的成像尺寸。 可選地,若所述成像條件包括光照條件、圖像採集設備與所述被識別對象的相對方向以及圖像採集設備與所述被識別對象的相對距離中的至少一個,則所述圖像特徵包括色彩值和灰度值中的至少一個。 可選地,所述圖像特徵包括部分反射區域的色彩值和灰度值中的至少一個。 可選地,所述對象識別模組包括: 預估圖像特徵確定子模組,用於確定所述實物對象在各成像條件下具有的預估圖像特徵; 第一判定子模組,用於若所提取的圖像特徵與所述預估圖像特徵一致,則判定所述被識別對象為所述實物對象。 可選地,所述對象識別模組包括: 變化值確定子模組,用於確定所述被識別對象分別在目前圖像和前一圖像中的成像尺寸的變化值,以及所述相對距離的變化值; 測量尺寸確定子模組,用於根據所述成像尺寸的變化值以及所述相對距離的變化值,確定所述被識別對象的測量尺寸; 第二判定子模組,用於若所述測量尺寸與所述實物對象的真實尺寸之間的差值未超出設定範圍,則判定所述被識別對象為所述實物對象。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以調整被識別對象的成像條件,在各成像條件下採集識別圖像。其次,由於圖像特徵就能夠說明被識別對象在不同成像條件下的形態,因此可以從識別圖像中提取分別與各成像條件相關聯的圖像特徵。根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,即可判斷被識別對象在各成像條件下的形態,與實物對象在該成像條件下所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 實施例九 參照圖12,示出了根據本發明一個實施例的一種對象識別裝置的結構方塊圖,該對象識別裝置包括: 識別圖像採集模組1201,用於在多種成像條件下分別採集被識別對象的圖像作為識別圖像; 圖像特徵提取模組1202,用於從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵; 對象識別模組1203,用於確定所提取的圖像特徵與實物對象在各成像條件下具有的預估圖像特徵一致,則判定所述被識別對象為所述實物對象。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以在多種成像條件下採集識別圖像。且由於圖像特徵就能夠說明被識別對象在不同成像條件下的形態,因此可以從識別圖像中提取分別與各成像條件相關聯的圖像特徵,並能夠根據多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷被識別對象在各成像條件下的形態,與實物對象在該成像條件下所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 實施例十 參照圖13,示出了根據本發明一個實施例的一種對象識別裝置的結構方塊圖,該對象識別裝置包括: 識別圖像採集模組1301,用於在多種成像條件下分別採集被識別對象的圖像作為識別圖像; 圖像特徵提取模組1302,用於從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵; 目標屬性確定模組1303,用於根據所述被識別對象在前後兩張採集圖像中圖像特徵的變化值以及成像條件的變化值,確定所述被識別對象的目標屬性; 對象識別模組1304,用於根據所述目標屬性,判斷所述被識別對象為實物對象或非實物對象。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以在多種成像條件下採集識別圖像。且由於圖像特徵就能夠說明被識別對象在不同成像條件下的形態,因此可以從識別圖像中提取分別與各成像條件相關聯的圖像特徵,並根據成像條件的變化以及與成像條件相關聯的圖像特徵的變化,確定被識別對象的目標屬性,該目標屬性就能夠說明被識別對象所具有的特點。將該目標屬性與預估目標屬性進行比較,即可判斷被識別對象在各成像條件下的形態,與實物對象在該成像條件下所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 實施例十一 參照圖14,示出了根據本發明一個實施例的一種對象識別裝置的結構方塊圖,該對象識別裝置包括: 成像條件調整模組1401,用於至少一次調整被識別對象的成像條件; 識別圖像採集模組1402,用於在調整前後的多種成像條件下分別採集所述被識別對象的圖像作為識別圖像; 對象識別模組1403,用於根據各成像條件以及採集的識別圖像,判斷所述被識別對象為實物對象或非實物對象。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以調整被識別對象的成像條件,在各成像條件下採集識別圖像,該識別圖像中的顏色或紋理既能夠被識別對象在不同成像條件下的形態,然後根據多個成像條件以及採集的識別圖像,即可判斷被識別對象在各成像條件下的形態,與實物對象在該成像條件下所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 實施例十二 參照圖15,示出了根據本發明一個實施例的一種對象識別裝置的結構方塊圖,該對象識別裝置包括: 第一圖像獲取模組1501,用於獲取被識別對象的第一圖像; 成像條件調整模組1502,用於移動圖像採集設備並且改變所述被識別對象的光照條件; 第二圖像獲取模組1503,用於獲取所述被識別對象的第二圖像; 對象識別模組1504,用於基於所述第一圖像和所述第二圖像,判斷所述被識別對象為實物對象或非實物對象。 可選地,所述成像條件調整模組包括: 圖像採集設備移動子模組,用於將所述圖像採集設備前後移動、左右移動、上下移動或劃圈移動。 可選地,所述成像條件調整模組包括: 光照條件調整子模組,用於將所述圖像採集設備顯示螢幕中圖案的至少一個區域的顏色、形狀或亮度進行改變。 在本發明實施例中,首先,由於實物對象和偽裝的非實物對象在不同的成像條件下會具有不同的形態,從而展示出不同的特點,因此,可以調整被識別對象的成像條件,並在調整被識別對象的成像條件前後,分別獲取第一圖像和第二圖像。其次,由於圖像特徵就能夠說明被識別對象在不同成像條件下的形態,因此可以從第一圖像和第二圖像中提取分別與各成像條件相關聯的圖像特徵。根據調整前後被識別對象的成像條件以及分別與各成像條件相關聯的圖像特徵,即可判斷被識別對象在調整前後被識別對象的成像條件下的形態,與實物對象在調整成像條件前後所具有的形態是否一致,如果一致,可以說明被識別對象和實物對象在成像條件做相同改變時,形態的改變也一致,從而準確地對被識別對象進行識別,顯著提高了對被識別對象進行識別的準確性和可靠性。 對於裝置實施例而言,由於其與方法實施例基本相似,所以描述的比較簡單,相關之處參見方法實施例的部分說明即可。 本發明實施例可被實現為使用任意適當的硬體、韌體、軟體,或及其任意組合進行想要的配置的系統。圖16示意性地示出了可被用於實現本發明中所述的各個實施例的示例性系統(或裝置)1600。 對於一個實施例,圖16示出了示例性系統1600,該系統具有一個或多個處理器1602、被耦合到(一個或多個)處理器1602中的至少一個的系統控制模組(晶片組)1604、被耦合到系統控制模組1604的系統記憶體1606、被耦合到系統控制模組1604的非易失性記憶體(NVM)/儲存裝置1608、被耦合到系統控制模組1604的一個或多個輸入/輸出設備1610,以及被耦合到系統控制模組1606的網路介面1612。 處理器1602可包括一個或多個單核心或多核心處理器,處理器1602可包括通用處理器或專用處理器(例如,圖形處理器、應用處理器、基頻處理器等)的任意組合。在一些實施例中,系統1600能夠作為本發明實施例中所述的瀏覽器。 在一些實施例中,系統1600可包括具有指令的一個或多個電腦可讀媒體(例如,系統記憶體1606或NVM/儲存裝置1608)以及與該一個或多個電腦可讀媒體相合併被配置為執行指令以實現模組從而執行本發明中所述的動作的一個或多個處理器1602。 對於一個實施例,系統控制模組1604可包括任意適當的介面控制器,以向(一個或多個)處理器1602中的至少一個和/或與系統控制模組1604通信的任意適當的設備或元件提供任意適當的介面。 系統控制模組1604可包括記憶體控制器模組,以向系統記憶體1606提供介面。記憶體控制器模組可以是硬體模組、軟體模組和/或韌體模組。 系統記憶體1606可被用於例如為系統1600載入和儲存資料和/或指令。對於一個實施例,系統記憶體1606可包括任意適當的易失性記憶體,例如,適當的DRAM。在一些實施例中,系統記憶體1606可包括雙倍資料速率類型四同步動態隨機存取記憶體(DDR4SDRAM)。 對於一個實施例,系統控制模組1604可包括一個或多個輸入/輸出控制器,以向NVM/儲存裝置1608及(一個或多個)輸入/輸出設備1610提供介面。 例如,NVM/儲存裝置1608可被用於儲存資料和/或指令。NVM/儲存裝置1608可包括任意適當的非易失性記憶體(例如,快閃記憶體)和/或可包括任意適當的(一個或多個)非易失性儲存裝置(例如,一個或多個硬碟驅動器(HDD)、一個或多個光碟(CD)驅動器和/或一個或多個數位多功能光碟(DVD)驅動器)。 NVM/儲存裝置1608可包括在物理上作為系統1600被安裝在其上的設備的一部分的儲存資源,或者其可被該設備訪問而不必作為該設備的一部分。例如,NVM/儲存裝置1608可透過網路經由(一個或多個)輸入/輸出設備1610進行訪問。 (一個或多個)輸入/輸出設備1610可為系統1600提供介面以與任意其他適當的設備通信,輸入/輸出設備1610可以包括通信元件、音訊元件、感測器元件等。網路介面1612可為系統1600提供介面以透過一個或多個網路通信,系統1600可根據一個或多個無線網路標準和/或協定中的任意標準和/或協定來與無線網路的一個或多個元件進行無線通訊,例如存取基於通信標準的無線網路,如WiFi,2G或3G,或它們的組合進行無線通訊。 對於一個實施例,(一個或多個)處理器1602中的至少一個可與系統控制模組1604的一個或多個控制器(例如,記憶體控制器模組)的邏輯封裝在一起。對於一個實施例,(一個或多個)處理器1602中的至少一個可與系統控制模組1604的一個或多個控制器的邏輯封裝在一起以形成系統級封裝(SiP)。對於一個實施例,(一個或多個)處理器1602中的至少一個可與系統控制模組1604的一個或多個控制器的邏輯整合在同一個模具上。對於一個實施例,(一個或多個)處理器1602中的至少一個可與系統控制模組1604的一個或多個控制器的邏輯整合在同一個模具上以形成片上系統(SoC)。 在各個實施例中,系統1600可以但不限於是:瀏覽器、工作站、桌上型計算設備或行動計算裝置(例如,膝上型計算設備、手持式計算設備、平板電腦、上網本(netbook)等)。在各個實施例中,系統1600可具有更多或更少的元件和/或不同的架構。例如,在一些實施例中,系統1600包括一個或多個攝像機、鍵盤、液晶顯示器(LCD)螢幕(包括觸控螢幕顯示器)、非易失性記憶體埠、多個天線、圖形晶片、特殊應用積體電路(ASIC)和揚聲器。 其中,如果顯示器包括觸控面板,顯示幕可以被實現為觸控螢幕顯示器,以接收來自使用者的輸入信號。觸控面板包括一個或多個觸控感測器以感測觸碰、滑動和觸控面板上的手勢。所述觸控感測器可以不僅感測觸碰或滑動動作的邊界,而且還檢測與所述觸碰或滑動操作相關的持續時間和壓力。 本發明實施例還提供了一種非易失性可讀儲存媒體,該儲存媒體中儲存有一個或多個程式(programs),該一個或多個程式被應用在終端設備時,可以使得該終端設備執行本發明實施例中各方法步驟的指令(instructions)。 在一個示例中提供了一種裝置,包括:一個或多個處理器;和,其上儲存的有指令的一個或多個機器可讀媒體,當由所述的一個或多個處理器執行時,使得所述裝置執行如本發明實施例中瀏覽器執行的方法。 在一個示例中還提供了一個或多個機器可讀媒體,其上儲存有指令,當由一個或多個處理器執行時,使得裝置執行如本發明實施例中瀏覽器執行的方法。 本發明實施例揭示了一種對象識別方法和裝置。 示例1包括一種對象識別方法,包括: 至少一次調整被識別對象的成像條件; 在調整前後的多種成像條件下分別採集所述被識別對象的圖像作為識別圖像; 從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵; 根據所述多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷所述被識別對象為實物對象或非實物對象。 示例2可包括示例1所述的對象識別方法,在所述從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵之前,還包括: 從採集的識別圖像中分別提取所述被識別對象對應的圖像區域。 示例3可包括示例2所述的對象識別方法,在所述從採集的識別圖像中分別提取所述被識別對象對應的圖像區域之後,還包括: 從所述被識別對象對應的圖像區域中提取目標識別區域。 示例4可包括示例1所述的對象識別方法,所述至少一次調整被識別對象的成像條件包括: 透過調整圖像採集設備的設備條件,調整所述被識別對象的成像條件。 示例5可包括示例4所述的對象識別方法,所述成像條件包括光照條件、所述圖像採集設備與所述被識別對象的相對方向以及所述圖像採集設備與所述被識別對象的相對距離中的至少一個,所述光照條件包括光照角度、光照顏色、光照強度中至少一種; 所述設備條件包括設備螢幕或發光硬體的發光條件或設備位置。 示例6可包括示例1所述的對象識別方法,所述至少一次調整被識別對象的成像條件包括: 提示所述被識別對象調整成像條件,所述成像條件包括所述被識別對象的部分反射區域。 示例7可包括示例1所述的對象識別方法,若所述成像條件包括圖像採集設備與所述被識別對象的相對方向,則所述圖像特徵包括所述被識別對象在圖像中的姿態角。 示例8可包括示例1所述的對象識別方法,若所述成像條件包括圖像採集設備與所述被識別對象的相對距離,則所述圖像特徵包括所述被識別對象的成像尺寸。 示例9可包括示例1所述的對象識別方法,若所述成像條件包括光照條件、圖像採集設備與所述被識別對象的相對方向以及圖像採集設備與所述被識別對象的相對距離中的至少一個,則所述圖像特徵包括色彩值和灰度值中的至少一個。 示例10可包括示例1所述的對象識別方法,所述圖像特徵包括部分反射區域的色彩值和灰度值中的至少一個。 示例11可包括示例1和7至10任一所述的對象識別方法,所述根據所述多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷所述被識別對象為實物對象或非實物對象包括: 確定所述實物對象在各成像條件下具有的預估圖像特徵; 若所提取的圖像特徵與所述預估圖像特徵一致,則判定所述被識別對象為所述實物對象。 示例12可包括示例8所述的對象識別方法,所述根據所述多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷所述被識別對象為實物對象或非實物對象包括: 確定所述被識別對象分別在目前圖像和前一圖像中的成像尺寸的變化值,以及所述相對距離的變化值; 根據所述成像尺寸的變化值以及所述相對距離的變化值,確定所述被識別對象的測量尺寸; 若所述測量尺寸與所述實物對象的真實尺寸之間的差值未超出設定範圍,則判定所述被識別對象為所述實物對象。 示例13包括一種對象識別方法,包括: 在多種成像條件下分別採集被識別對象的圖像作為識別圖像; 從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵; 確定所提取的圖像特徵與實物對象在各成像條件下具有的預估圖像特徵一致,則判定所述被識別對象為所述實物對象。 示例14包括一種對象識別方法,包括: 在多種成像條件下分別採集被識別對象的圖像作為識別圖像; 從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵; 根據所述被識別對象在前後兩張採集圖像中圖像特徵的變化值以及成像條件的變化值,確定所述被識別對象的目標屬性; 根據所述目標屬性,判斷所述被識別對象為實物對象或非實物對象。 示例15包括一種對象識別方法,包括: 至少一次調整被識別對象的成像條件; 在調整前後的多種成像條件下分別採集所述被識別對象的圖像作為識別圖像; 根據各成像條件以及採集的識別圖像,判斷所述被識別對象為實物對象或非實物對象。 示例16包括一種對象識別方法,包括: 獲取被識別對象的第一圖像; 移動圖像採集設備並且改變所述被識別對象的光照條件; 獲取所述被識別對象的第二圖像; 基於所述第一圖像和所述第二圖像,判斷所述被識別對象為實物對象或非實物對象。 示例17可包括示例16所述的對象識別方法,所述移動圖像採集設備包括: 將所述圖像採集設備前後移動、左右移動、上下移動或劃圈移動。 示例18可包括示例16所述的對象識別方法,所述改變所述被識別對象的光照條件包括: 將所述圖像採集設備顯示螢幕中圖案的至少一個區域的顏色、形狀或亮度進行改變。 示例19、一種裝置,包括:一個或多個處理器;和其上儲存的有指令的一個或多個機器可讀媒體,當由所述一個或多個處理器執行時,使得所述裝置執行如申請專利範圍示例1至示例18中的一個或多個的方法。 示例20、一個或多個機器可讀媒體,其上儲存有指令,當由一個或多個處理器執行時,使得裝置執行如申請專利範圍示例1至示例18中的一個或多個的方法。 雖然某些實施例是以說明和描述為目的的,各種各樣的替代、和/或、等效的實施方案、或計算來達到同樣的目的實施例示出和描述的實現,不脫離本發明的實施範圍。本發明旨在涵蓋本文討論的實施例的任何修改或變化。因此,顯然本文描述的實施例僅由申請專利範圍和它們的等同物來限定。
01‧‧‧待識別物件
02‧‧‧電子設備
1101‧‧‧成像條件調整模組
1102‧‧‧識別圖像採集模組
1103‧‧‧圖像特徵提取模組
1104‧‧‧對象識別模組
1201‧‧‧識別圖像採集模組
1202‧‧‧圖像特徵提取模組
1203‧‧‧對象識別模組
1301‧‧‧識別圖像採集模組
1302‧‧‧圖像特徵提取模組
1303‧‧‧目標屬性確定模組
1304‧‧‧對象識別模組
1401‧‧‧成像條件調整模組
1402‧‧‧識別圖像採集模組
1403‧‧‧對象識別模組
1501‧‧‧第一圖像獲取模組
1502‧‧‧成像條件調整模組
1503‧‧‧第二圖像獲取模組
1504‧‧‧對象識別模組
1600‧‧‧系統
1602‧‧‧處理器
1604‧‧‧系統控制模組
1606‧‧‧系統記憶體
1608‧‧‧NVM/儲存裝置
1610‧‧‧輸入/輸出設備
1612‧‧‧網路介面
透過閱讀下文較佳實施例的詳細描述,各種其它的優點和益處對於本領域普通技術人員將變得清楚明瞭。附圖僅用於示出較佳實施例的目的,而並不認為是對本發明的限制。而且在整個附圖中,用相同的參考符號表示相同的部件。在附圖中: 圖1示出了根據本發明一個實施例一的一種對象識別方法流程圖; 圖2示出了根據本發明一個實施例一的一種對象識別方法應用情況的示意圖; 圖3示出了根據本發明一個實施例二的一種對象識別方法流程圖; 圖4示出了根據本發明一個實施例二的一種採集識別圖像的示意圖; 圖5示出了根據本發明一個實施例二的另一種採集識別圖像的示意圖; 圖6示出了根據本發明一個實施例三的一種對象識別方法流程圖; 圖7示出了根據本發明一個實施例四的一種對象識別方法流程圖; 圖8示出了根據本發明一個實施例五的一種對象識別方法流程圖; 圖9示出了根據本發明一個實施例六的一種對象識別方法流程圖; 圖10示出了根據本發明一個實施例七的一種對象識別方法流程圖; 圖11示出了根據本發明一個實施例八的一種對象識別裝置的結構方塊圖; 圖12示出了根據本發明一個實施例九的一種對象識別裝置的結構方塊圖; 圖13示出了根據本發明一個實施例十的一種對象識別裝置的結構方塊圖; 圖14示出了根據本發明一個實施例十一的一種對象識別裝置的結構方塊圖; 圖15示出了根據本發明一個實施例十二的一種對象識別裝置的結構方塊圖; 圖16示出了根據本發明一個實施例的一種示例性系統的方塊圖。
Claims (20)
- 一種對象識別方法,其特徵在於,包括: 至少一次調整被識別對象的成像條件; 在調整前後的多種成像條件下分別採集該被識別對象的圖像作為識別圖像; 從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵;以及 根據該多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷該被識別對象為實物對象或非實物對象。
- 根據申請專利範圍第1項所述的對象識別方法,其中,在該從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵之前,還包括: 從採集的識別圖像中分別提取該被識別對象對應的圖像區域。
- 根據申請專利範圍第2項所述的對象識別方法,其中,在該從採集的識別圖像中分別提取該被識別對象對應的圖像區域之後,還包括: 從該被識別對象對應的圖像區域中提取目標識別區域。
- 根據申請專利範圍第1項所述的對象識別方法,其中,該至少一次調整被識別對象的成像條件包括: 透過調整圖像採集設備的設備條件,調整該被識別對象的成像條件。
- 根據申請專利範圍第4項所述的對象識別方法,其中,該成像條件包括光照條件、該圖像採集設備與該被識別對象的相對方向以及該圖像採集設備與該被識別對象的相對距離中的至少一個,該光照條件包括光照角度、光照顏色、光照強度中的至少一個; 該設備條件包括設備螢幕或發光硬體的發光條件或設備位置。
- 根據申請專利範圍第1項所述的對象識別方法,其中,該至少一次調整被識別對象的成像條件包括: 提示該被識別對象調整成像條件,該成像條件包括該被識別對象的部分反射區域。
- 根據申請專利範圍第1項所述的對象識別方法,其中,若該成像條件包括圖像採集設備與該被識別對象的相對方向,則該圖像特徵包括該被識別對象在圖像中的姿態角。
- 根據申請專利範圍第1項所述的對象識別方法,其中,若該成像條件包括圖像採集設備與該被識別對象的相對距離,則該圖像特徵包括該被識別對象的成像尺寸。
- 根據申請專利範圍第1項所述的對象識別方法,其中,若該成像條件包括光照條件、圖像採集設備與該被識別對象的相對方向以及圖像採集設備與該被識別對象的相對距離中的至少一個,則該圖像特徵包括色彩值和灰度值中的至少一個。
- 根據申請專利範圍第1項所述的對象識別方法,其中,該圖像特徵包括部分反射區域的色彩值和灰度值中的至少一個。
- 根據申請專利範圍第1和7至10項中任一項所述的對象識別方法,其中,該根據該多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷該被識別對象為實物對象或非實物對象包括: 確定該實物對象在各成像條件下具有的預估圖像特徵;以及 若所提取的圖像特徵與該預估圖像特徵一致,則判定該被識別對象為該實物對象。
- 根據申請專利範圍第8項所述的對象識別方法,其中,該根據該多個成像條件以及分別與各成像條件相關聯的圖像特徵,判斷該被識別對象為實物對象或非實物對象包括: 確定該被識別對象分別在目前圖像和前一圖像中的成像尺寸的變化值,以及該相對距離的變化值; 根據該成像尺寸的變化值以及該相對距離的變化值,確定該被識別對象的測量尺寸;以及 若該測量尺寸與該實物對象的真實尺寸之間的差值未超出設定範圍,則判定該被識別對象為該實物對象。
- 一種對象識別方法,其特徵在於,包括: 在多種成像條件下分別採集被識別對象的圖像作為識別圖像; 從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵;以及 確定所提取的圖像特徵與實物對象在各成像條件下具有的預估圖像特徵一致,則判定該被識別對象為該實物對象。
- 一種對象識別方法,其特徵在於,包括: 在多種成像條件下分別採集被識別對象的圖像作為識別圖像; 從採集的識別圖像中分別提取與各成像條件相關聯的圖像特徵; 根據該被識別對象在前後兩張採集圖像中圖像特徵的變化值以及成像條件的變化值,確定該被識別對象的目標屬性;以及 根據該目標屬性,判斷該被識別對象為實物對象或非實物對象。
- 一種對象識別方法,其特徵在於,包括: 至少一次調整被識別對象的成像條件; 在調整前後的多種成像條件下分別採集該被識別對象的圖像作為識別圖像;以及 根據各成像條件以及採集的識別圖像,判斷該被識別對象為實物對象或非實物對象。
- 一種對象識別方法,其特徵在於,包括: 獲取被識別對象的第一圖像; 移動圖像採集設備並且改變該被識別對象的光照條件; 獲取該被識別對象的第二圖像;以及 基於該第一圖像和該第二圖像,判斷該被識別對象為實物對象或非實物對象。
- 根據申請專利範圍第16項所述的對象識別方法,其中,該移動圖像採集設備包括: 將該圖像採集設備前後移動、左右移動、上下移動或劃圈移動。
- 根據申請專利範圍第16項所述的對象識別方法,其中,該改變該被識別對象的光照條件包括: 將該圖像採集設備顯示螢幕中圖案的至少一個區域的顏色、形狀或亮度進行改變。
- 一種電腦設備,包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式,其特徵在於,該處理器執行該電腦程式時實現如申請專利範圍第1至18項中的一個或多個的方法。
- 一種電腦可讀儲存媒體,其上儲存有電腦程式,其特徵在於,該電腦程式被處理器執行時實現如申請專利範圍第1至18項中的一個或多個的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
??201710909942.5 | 2017-09-29 | ||
CN201710909942.5A CN109583285B (zh) | 2017-09-29 | 2017-09-29 | 对象识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201915831A true TW201915831A (zh) | 2019-04-16 |
Family
ID=65897354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107120006A TW201915831A (zh) | 2017-09-29 | 2018-06-11 | 對象識別方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10762334B2 (zh) |
CN (1) | CN109583285B (zh) |
TW (1) | TW201915831A (zh) |
WO (1) | WO2019067310A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766075A (zh) * | 2019-10-23 | 2020-02-07 | 上海眼控科技股份有限公司 | 轮胎区域图像比对方法、装置、计算机设备和存储介质 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10698998B1 (en) * | 2016-03-04 | 2020-06-30 | Jpmorgan Chase Bank, N.A. | Systems and methods for biometric authentication with liveness detection |
JP6484603B2 (ja) * | 2016-12-26 | 2019-03-13 | 新日鉄住金ソリューションズ株式会社 | 情報処理装置、システム、情報処理方法、及び、プログラム |
EP3447684A1 (en) * | 2017-08-22 | 2019-02-27 | Eyn Limited | Verification method and system |
SG11202002399SA (en) | 2017-09-18 | 2020-04-29 | Element Inc | Methods, systems, and media for detecting spoofing in mobile authentication |
CN108038444A (zh) * | 2017-12-11 | 2018-05-15 | 北京小米移动软件有限公司 | 图像识别方法及装置 |
US11032468B2 (en) * | 2017-12-26 | 2021-06-08 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, image capturing apparatus, and storage medium |
US10685251B2 (en) * | 2018-03-13 | 2020-06-16 | Daon Holdings Limited | Methods and systems for detecting user liveness |
CN112740273A (zh) * | 2018-09-20 | 2021-04-30 | 富士胶片株式会社 | 图像处理装置、图像处理方法、程序及便携式终端装置 |
US11263301B2 (en) * | 2018-09-28 | 2022-03-01 | Lenovo (Singapore) Pte. Ltd. | User authentication using variant illumination |
US10896320B2 (en) * | 2018-11-14 | 2021-01-19 | Baidu Usa Llc | Child face distance alert system |
US10825260B2 (en) | 2019-01-04 | 2020-11-03 | Jand, Inc. | Virtual try-on systems and methods for spectacles |
SG11202109983RA (en) * | 2019-03-12 | 2021-10-28 | Element Inc | Detecting spoofing of facial recognition with mobile devices |
TWI709130B (zh) * | 2019-05-10 | 2020-11-01 | 技嘉科技股份有限公司 | 自動調整顯示畫面的顯示裝置及其方法 |
CN110287864A (zh) * | 2019-06-24 | 2019-09-27 | 火石信科(广州)科技有限公司 | 一种读写场景读写元素的智能认定方法 |
US10803301B1 (en) * | 2019-08-02 | 2020-10-13 | Capital One Services, Llc | Detecting fraud in image recognition systems |
US11436832B2 (en) * | 2019-09-23 | 2022-09-06 | Sensority Ltd. | Living skin tissue tracking in video stream |
US11507248B2 (en) | 2019-12-16 | 2022-11-22 | Element Inc. | Methods, systems, and media for anti-spoofing using eye-tracking |
WO2021211374A1 (en) | 2020-04-15 | 2021-10-21 | Jand, Inc. | Virtual try-on systems for spectacles using reference frames |
US11633668B2 (en) * | 2020-10-24 | 2023-04-25 | Motorola Mobility Llc | Eye contact prompting communication device |
CN112966680B (zh) * | 2021-03-19 | 2022-04-15 | 支付宝(杭州)信息技术有限公司 | 证件图片的采集方法、装置和电子设备 |
US11126879B1 (en) * | 2021-04-08 | 2021-09-21 | EyeVerify, Inc. | Spoof detection using illumination sequence randomization |
US11875602B2 (en) * | 2021-12-06 | 2024-01-16 | Hewlett-Packard Development Company, L.P. | Display device modifications |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6644973B2 (en) | 2000-05-16 | 2003-11-11 | William Oster | System for improving reading and speaking |
US7536304B2 (en) | 2005-05-27 | 2009-05-19 | Porticus, Inc. | Method and system for bio-metric voice print authentication |
US9298979B2 (en) | 2008-01-18 | 2016-03-29 | Mitek Systems, Inc. | Systems and methods for mobile image capture and content processing of driver's licenses |
US8180629B2 (en) | 2008-07-10 | 2012-05-15 | Trigent Softward Ltd. | Automatic pattern generation in natural language processing |
US9082235B2 (en) * | 2011-07-12 | 2015-07-14 | Microsoft Technology Licensing, Llc | Using facial data for device authentication or subject identification |
US9066125B2 (en) | 2012-02-10 | 2015-06-23 | Advanced Biometric Controls, Llc | Secure display |
US10452894B2 (en) * | 2012-06-26 | 2019-10-22 | Qualcomm Incorporated | Systems and method for facial verification |
US8705836B2 (en) | 2012-08-06 | 2014-04-22 | A2iA S.A. | Systems and methods for recognizing information in objects using a mobile device |
US8437513B1 (en) * | 2012-08-10 | 2013-05-07 | EyeVerify LLC | Spoof detection for biometric authentication |
US9147127B2 (en) | 2013-03-15 | 2015-09-29 | Facebook, Inc. | Verification of user photo IDs |
US9202119B2 (en) | 2013-10-18 | 2015-12-01 | Daon Holdings Limited | Methods and systems for determining user liveness |
JP6287047B2 (ja) * | 2013-10-22 | 2018-03-07 | 富士通株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
US9607138B1 (en) * | 2013-12-18 | 2017-03-28 | Amazon Technologies, Inc. | User authentication and verification through video analysis |
US10320807B2 (en) | 2014-02-25 | 2019-06-11 | Sal Khan | Systems and methods relating to the authenticity and verification of photographic identity documents |
US9646227B2 (en) | 2014-07-29 | 2017-05-09 | Microsoft Technology Licensing, Llc | Computerized machine learning of interesting video sections |
CA3186147A1 (en) | 2014-08-28 | 2016-02-28 | Kevin Alan Tussy | Facial recognition authentication system including path parameters |
CN107077608B (zh) * | 2014-11-13 | 2021-06-29 | 英特尔公司 | 图像生物特征识别中的面部活体检测 |
US9619696B2 (en) | 2015-04-15 | 2017-04-11 | Cisco Technology, Inc. | Duplicate reduction for face detection |
US9794260B2 (en) | 2015-08-10 | 2017-10-17 | Yoti Ltd | Liveness detection |
CN105117695B (zh) * | 2015-08-18 | 2017-11-24 | 北京旷视科技有限公司 | 活体检测设备和活体检测方法 |
US20170060867A1 (en) | 2015-08-31 | 2017-03-02 | Adfamilies Publicidade, SA | Video and image match searching |
US10065441B2 (en) | 2015-09-01 | 2018-09-04 | Digimarc Corporation | Counterfeiting detection using machine readable indicia |
WO2017059576A1 (en) | 2015-10-09 | 2017-04-13 | Beijing Sensetime Technology Development Co., Ltd | Apparatus and method for pedestrian detection |
CN105260731A (zh) * | 2015-11-25 | 2016-01-20 | 商汤集团有限公司 | 一种基于光脉冲的人脸活体检测***及方法 |
GB2554361B8 (en) | 2016-09-21 | 2022-07-06 | Emergent Network Intelligence Ltd | Automatic image based object damage assessment |
CN106845438A (zh) * | 2017-02-13 | 2017-06-13 | 联想(北京)有限公司 | 一种人脸识别方法、装置及电子设备 |
CN107038428B (zh) * | 2017-04-28 | 2020-04-07 | 北京小米移动软件有限公司 | 活体识别方法和装置 |
-
2017
- 2017-09-29 CN CN201710909942.5A patent/CN109583285B/zh active Active
-
2018
- 2018-06-11 TW TW107120006A patent/TW201915831A/zh unknown
- 2018-09-18 US US16/134,665 patent/US10762334B2/en active Active
- 2018-09-20 WO PCT/US2018/052063 patent/WO2019067310A1/en active Application Filing
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766075A (zh) * | 2019-10-23 | 2020-02-07 | 上海眼控科技股份有限公司 | 轮胎区域图像比对方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US10762334B2 (en) | 2020-09-01 |
CN109583285B (zh) | 2023-03-07 |
WO2019067310A1 (en) | 2019-04-04 |
US20190102608A1 (en) | 2019-04-04 |
CN109583285A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201915831A (zh) | 對象識別方法 | |
US11010967B2 (en) | Three dimensional content generating apparatus and three dimensional content generating method thereof | |
US11010968B2 (en) | Automated three dimensional model generation | |
TW201933176A (zh) | 實物識別方法及驗證方法 | |
US9750420B1 (en) | Facial feature selection for heart rate detection | |
CN106778518B (zh) | 一种人脸活体检测方法及装置 | |
US9690984B2 (en) | Two-dimensional infrared depth sensing | |
US9947108B1 (en) | Method and system for automatic detection and tracking of moving objects in panoramic video | |
US10304164B2 (en) | Image processing apparatus, image processing method, and storage medium for performing lighting processing for image data | |
JP2020194608A (ja) | 生体検知装置、生体検知方法、および、生体検知プログラム | |
JP6799155B2 (ja) | 情報処理装置、情報処理システム、および被写体情報特定方法 | |
CN108701376A (zh) | 三维图像的基于识别的对象分割 | |
CN105320947B (zh) | 一种基于光照成分的人脸活体检测方法 | |
JP2015185176A (ja) | 現実環境の視野におけるバーチャルオブジェクトを表現方法及びシステム | |
JP6799154B2 (ja) | 情報処理装置および材質特定方法 | |
WO2016107638A1 (en) | An image face processing method and apparatus | |
US20220319231A1 (en) | Facial synthesis for head turns in augmented reality content | |
JP2015106197A (ja) | 画像処理装置、画像処理方法 | |
JP7039616B2 (ja) | 情報処理装置および表面粗さ取得方法 | |
WO2020124448A1 (en) | Systems and methods for video surveillance | |
WO2023024096A1 (zh) | 图像处理方法、图像处理装置、拍摄设备和可读存储介质 | |
CN109598237A (zh) | 一种疲劳状态检测方法和装置 | |
JP2013029996A (ja) | 画像処理装置 | |
Sun et al. | Dual camera based feature for face spoofing detection | |
TW202020622A (zh) | 視線向量偵測方向與裝置 |