WO2018076495A1 - 检索人脸图像的方法和*** - Google Patents
检索人脸图像的方法和*** Download PDFInfo
- Publication number
- WO2018076495A1 WO2018076495A1 PCT/CN2016/110134 CN2016110134W WO2018076495A1 WO 2018076495 A1 WO2018076495 A1 WO 2018076495A1 CN 2016110134 W CN2016110134 W CN 2016110134W WO 2018076495 A1 WO2018076495 A1 WO 2018076495A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- face image
- feature
- retrieved
- feature point
- face
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
Definitions
- the semantic features of the face, eyebrow, nose, eyes, and chin of the face image to be retrieved are searched in the entire database, and the search range is determined from the face image saved in advance in the database. Can greatly reduce the search space.
- the system for retrieving a face image further includes: a grading module (not shown); the grading module is configured to classify the facial features according to a predetermined grading standard, and obtain a Deriving the hierarchical level of the facial features; determining the rules and ranking levels according to the preset semantic features The semantic feature corresponding to the facial feature; combining the semantic features corresponding to each facial feature to obtain a semantic feature of the face image to be retrieved.
- the feature vector obtaining module is further configured to combine the hierarchical levels corresponding to the facial features to obtain a feature vector of the face image to be retrieved.
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种检索人脸图像的方法和***,所述方法包括:根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息(S101);根据特征点位置信息计算得到待检索人脸图像的面部特征(S102);组合面部特征,得到待检索人脸图像的特征向量(S103);根据特征向量检索数据库中预先保存的人脸图像,得到与待检索人脸图像相似度最高的人脸图像(S104)。根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息,然后根据确定的特征点位置信息得到待检索人脸图像的特征向量;由于确定的待检索人脸图像的特征点是有限的,确定的待检索人脸图像的特征点位置信息是二维的坐标信息。所以,根据特征向量能够快速高效从海量的人脸图像中检索到与待检索人脸图像相似度最高的人脸图像。
Description
本发明涉及图像识别技术领域,特别是涉及一种检索人脸图像的方法和***。
近年来,随着互联网的迅猛增长,互联网图片的爆发性增长及安全监控设备的日益普及,每天都会产生海量的人脸图像数据,在这样大规模人脸数据库中,快速检索到自己感兴趣的一部分人脸图像已成为一个迫切的需求。
目前,人脸检测和识别技术在各领域得到广泛应用,成为当前的一项研究热点。相似人脸搜索,即是给定一张待查找人脸,要从包含数十万甚至更多人脸的图像数据库中找到与其长相相似的结果,并返回按照其相似程度排序的图片序列。面对海量的人脸图像数据,需要对人脸数据进行有效的组织索引及查找分析,从而高效的搜索人脸图像。传统的方法是提取人脸图像的LBP特征、ORB特征等高维复杂的特征且要线性遍历整个人脸库来寻找最相似的人脸,检索速度慢。
发明内容
基于此,提供一种检索人脸图像的方法和***,以克服人脸检索速度慢的问题。
一种检索人脸图像的方法,包括:根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息;根据所述特征点位置信息计算得到待检索人脸图像的面部特征;组合所述面部特征,得到待检索人脸图像的特征向量;根据所述特征向量检索数据库中预先保存的人脸图像,得到与待检索人脸图像相似度
最高的人脸图像。
针对传统技术的不足,还提供一种检索人脸图像的***。
一种检索人脸图像的***,包括:特征点位置信息确定模块、面部特征计算模块、特征向量获取模块和检索模块;所述特征点位置信息确定模块,用于根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息;所述面部特征计算模块,用于根据所述特征点位置信息计算得到待检索人脸图像的面部特征;所述特征向量获取模块,用于组合所述面部特征,得到待检索人脸图像的特征向量;所述检索模块,用于根据所述特征向量检索数据库中预先保存的人脸图像,得到与待检索人脸图像相似度最高的人脸图像。
本方案的有益效果:根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息,然后根据确定的特征点位置信息得到待检索人脸图像的特征向量;由于确定的待检索人脸图像的特征点是有限的,且确定的待检索人脸图像的特征点位置信息是二维的坐标信息。所以,根据所述特征向量能够快速高效从数据库中海量的人脸图像中检索到与待检索人脸图像相似度最高的人脸图像。
图1为一实施例的检索人脸图像的方法的示意性流程图;
图2为另一实施例的检索人脸图像的方法的示意性流程图;
图3为图2实施例的人脸特征点示意图;
图4为一实施例的检索人脸图像的***的示意性结构图。
为了更进一步阐述本发明所采取的技术手段及取得的效果,下面结合附图
及较佳实施例,对本发明的技术方案,进行清楚和完整的描述。
图1为一实施例的检索人脸图像的方法的示意性流程图。如图1所示,一种检索人脸图像的方法,包括:
S101,根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息。
在本实施例中,预设的人脸特征点模型的确定方法是在人脸图像的脸型轮廓、眉毛轮廓、鼻子轮廓、眼睛轮廓和嘴巴轮廓等确定出多个特征点。在进行人脸检测时,可采用ASM(Active Shape Model,主动形状模型)、AAM(Active Appreance Model,主动外观模型)或DLIB方式根据预设的人脸特征点模型提取待检索人脸图像的特征点。其中DLIB是一个机器学习的C++库,包含了许多机器学习常用的算法。本实施例以DLIB提取待检索人脸图像的人脸特征点,然后获取已提取的待检索人脸图像的特征点位置信息;提取的待检索人脸图像的人脸特征点可以为脸型轮廓的特征点、眉毛轮廓的特征点、鼻子轮廓的特征点、眼睛轮廓的特征点以及嘴巴轮廓的特征点中至少两类特征点,一般情况下,将待检索人脸图像的五类特征点全部提取出来。除了确定出特征点位置信息,还可以确定出人脸位置信息。
S102,根据所述特征点位置信息计算得到待检索人脸图像的面部特征。
在本实施例中,所述特征点位置信息是二维坐标信息,通过简单的四则运算,可以方便、快捷地得到待检索人脸图像的面部特征,所述面部特征包括脸型、眉型、下巴类型、眉尾下垂度、鼻长宽比、眉眼距、眉最高点、内外眼裂连线与水平线夹角、眉内夹角和眼宽。
S103,组合所述面部特征,得到待检索人脸图像的特征向量。
在本实施例中,特征向量包含若干个元素,各元素代表各面部特征。比如,
特征向量为其中第一个元素a1代表脸型,第二个元素a2代表眉型,第三个元素a3代表眉尾下垂度,第四个元素a4代表眉鼻长宽比,第五个元素a5代表眉眼距,以此类推。
S104,根据所述特征向量检索数据库中预先保存的人脸图像,得到与待检索人脸图像相似度最高的人脸图像。
数据库中预先保存的人脸图像,一般是成千上万的海量人脸图像,根据所述特征向量检索数据库中预先保存的人脸图像,得到与待检索人脸图像相似度最高的人脸图像,即为与待检索人脸图像最相似的人脸图像。
根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息,然后根据确定的特征点位置信息得到待检索人脸图像的特征向量;由于确定的待检索人脸图像的特征点是有限的,确定的待检索人脸图像的特征点位置信息是二维坐标信息。所以,根据所述特征向量能够快速、高效地从数据库中海量的人脸图像中检索到与待检索人脸图像相似度最高的人脸图像。
图2为另一实施例的检索人脸图像的方法的示意性流程图。如图2所示,一种检索人脸图像的方法,包括:
S201,根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息;
图3是本实施的人脸特征点示意图,如图3所示,根据DLIB提取人脸特征点的方法,提取了60个人脸特征点。其中,脸型轮廓特征点的序号是0-16,共16个、左眉毛轮廓特征点的序号是17-21,共5个、右眉毛轮廓特征点的序号是22-26,共5个、鼻子轮廓特征点的序号是27-35,共9个、左眼睛轮廓特征点的序号是36-41,共6个、右眼睛轮廓特征点的序号是42-47,共6个、嘴巴轮廓特征点的13个序号是48-60,共13个。
S202,根据所述特征点位置信息将待检索人脸图像的人脸进行校正。
在本实施例,根据所述特征点位置信息将待检索人脸图像的人脸校正到姿势,所述人脸的正面姿态为两只眼睛在一条水平线上、左右脸大小基本一致、无俯仰。通过将人脸校正到正面姿态,能够将人脸图像上的特征点位置坐标统一到垂直坐标系,获得更准确的特征点位置信息。
S203,根据所述特征点位置信息计算得到待检索人脸图像的面部特征。
根据脸型轮廓的特征点位置信息计算得到脸型参数。脸型分为圆脸、椭圆脸、鸭蛋脸、梨型脸、国字脸和其它。在本实施例,通过以下方式可以得到待检索人脸图像的脸型参数:
获取特征点1与特征点15的距离数据D1,作为脸宽数据;获取特征点21与特征点22确定的连线的中点到特征点8的距离数据D2,将3*D2/2作为脸长数据;将脸长数据除以脸宽数据得到脸长脸宽比;根据预先设定的脸长脸宽比和脸型的对应关系,得到对应的脸型。
根据眉毛轮廓的特征点位置信息计算得到眉型参数,眉型参数主要用眉最高点、眉尾下垂度和眉内夹角表示;眉型可以为直眉和弯眉,根据眉头、眉尾、眉峰特征点位置信息确定眉型。获取眉毛轮廓特征点的纵轴坐标数据,将纵轴坐标数据最大的点确定为眉最高点。获取特征点18与特征点17的纵轴坐标的差值数据D3,获取特征点17与特征点21的距离数据D4,将D3/D4作为眉尾下垂度。获取特征点20和特征点21的连线l1,获取特征点22和特征点23连线l2,获取连线l1和l2的夹角数据,作为眉内夹角。
根据脸型轮廓的特征点位置信息计算得到下巴类型参数;下巴类型可以分为尖下巴和圆下巴;通过以下方式确定下巴类型参数:获取特征点5与特征点7的连线l3,获取特征点9与特征点11的连线l4,获取连线l3和连线l4的夹
角数据D5;同时获取特征点5与特征点11的距离数据D6,作为下巴宽度参数。综合夹角数据D5和下巴宽度参数,得到下巴类型参数。进一步的,若下巴宽度参数小且夹角数据D5小即为尖下巴参数,否则是圆下巴参数。
根据鼻子轮廓的特征点位置信息计算得到鼻长宽比。获取特征点27与特征点31距离数据D7和特征点31与特征点35距离数据D8,将D7/D8作为鼻长宽比。
根据眼睛轮廓的特征点位置信息和眉毛轮廓特征点的位置信息计算得到内外眼裂连线与水平线夹角、眉眼距和眼宽。获取特征点20与特征点38距离数据D9和特征点23与特征点43的距离数据D10,将(D9+D10)/2作为眉眼距。获取特征点36到特征点39的连线l6,将连线l6与水平线的夹角数据作为内外眼裂连线与水平线夹角。获取特征点36与特征点39的距离数据D11和特征点42与特征点45的距离数据D12,将(D11+D12)/2作为眼宽。
S204,将所述面部特征按预先确定的等级标准进行分级,得到所述面部特征的分级级数。
作为一优选实施例,将设定面部特征按预先确定的等级标准分级之前,先确定面部特征的等级标准。例如,确定眉毛的等级标准的方法为对一定数量的人脸的眉毛粗细进行统计,可以是一万人,计算其均值、方差,量化到5级。将所有的设定面部特征按预先确定的等级标准进行分级,得到所有面部特征的分级级数。
S205,根据预设的语义特征确定规则、分级级数得到所述面部特征对应的语义特征;根据各面部特征对应的语义特征,得到待检索人脸图像的语义特征。
作为一优选实施例,根据预设的语义特征确定规则、分级级数得到所述面部特征对应的语义特征;例如,眉毛粗细等级级数为4,则确定眉毛对应的语
义特征为“浓眉”,眼睛大小等级级数为4,则确定眼睛对应的语义特征为“大眼”;两者组合起来得到的语义特征“浓眉大眼”可作为待检索人脸图像的语义特征。
S206,组合各面部特征对应的分级级数,得到待检索人脸图像的特征向量。
比如,组合各面部特征对应的分级级数,得到待检索人脸图像的特征向量为其中第一个元素4代表脸型级数,第二元素2代表眉型级数,第三个元素5代表眉尾下垂度级数,第四个元素1代表鼻长宽比,第五个元素3代表眉眼距级数,以此类推。
S207,根据所述待检索人脸图像的语义特征在整个数据库内进行检索,从数据库中预先保存的人脸图像中确定检索范围。
作为一优选实施例,根据所述待检索人脸图像的脸型、眉型、鼻型、眼睛和下巴的语义特征在整个数据库内进行检索,从数据库中预先保存的人脸图像中确定检索范围,可以极大缩小检索空间。
S208,将所述待检索人脸图像的特征向量与所述检索范围内的各人脸图像的特征向量进行比较,得到向量差值;找出检索范围内所述向量差值最小的人脸图像,确定为与待检索人脸图像相似度最高的人脸图像,即为与待检索人脸图像最相似的人脸图像。
在本实施例,将所述待检索人脸图像的特征向量与所述检索范围内的各人脸图像的特征向量进行比较,得到向量差值,根据得到的向量差值,将数据库中在待检索人脸图像的检索范围内的人脸图像排序,与待检索人脸图像的向量差值小的人脸图像排在前面,挑选出排序最前的人脸图像即为与待检索人脸图像相似度最高的人脸图像。
本实施例的有益效果为根据预设的人脸特征点模型确定待检索人脸图像
的特征点位置信息,根据确定的特征点位置信息得到待检索人脸图像的特征向量和语义特征,先根据所述待检索人脸图像的语义特征在整个数据库内进行检索,从数据库中预先保存的人脸图像中确定检索范围;然后利用所述待检索人脸图像的特征向量能够更快速、更高效的在所述检索范围内检索到与待检索人脸图像相似度最高的人脸图像。
图4为一实施例的检索人脸图像的***的示意性结构图。如图4所示,一种检索人脸图像的***,包括:特征点位置信息确定模块101、面部特征计算模块102、特征向量获取模块103和检索模块104;所述特征点位置信息确定模块101,用于根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息;所述面部特征计算模块102,用于根据所述特征点位置信息计算得到待检索人脸图像的面部特征;所述特征向量获取模块103,用于组合所述面部特征,得到待检索人脸图像的特征向量;所述检索模块104,用于根据所述特征向量检索数据库中预先保存的人脸图像,得到与待检索人脸图像相似度最高的人脸图像。
作为一优选实施例,所述检索人脸图像的***还包括:语义特征获取模块(图中未示出);所述语义特征获取模块,用于根据所述面部特征得到待检索人脸图像的语义特征;所述检索模块,还用于根据所述待检索人脸图像的语义特征在整个数据库内进行检索,从数据库中预先保存的人脸图像中确定一检索范围;根据所述特征向量在所述检索范围内进行检索,得到与待检索人脸图像相似度最高的人脸图像。
作为一优选实施例,所述检索人脸图像的***还包括:分级模块(图中未示出);所述分级模块,用于将所述面部特征按预先确定的等级标准进行分级,得到所述面部特征的分级级数;根据预设的语义特征确定规则、分级级数得到
所述面部特征对应的语义特征;组合各面部特征对应的语义特征,得到待检索人脸图像的语义特征。所述特征向量获取模块,还用于组合各面部特征对应的分级级数,得到待检索人脸图像的特征向量。
作为一优选实施例,所述检索模块,还用于将所述待检索人脸图像的特征向量与所述检索范围内的各人脸图像的特征向量进行比较,得到向量差值;找出检索范围内所述向量差值最小的人脸图像,确定为与待检索人脸图像相似度最高的人脸图像。
作为一优选实施例,所述检索人脸图像的***还包括:人脸姿态校正模块(图中未示出);所述人脸姿态校正模块,用于根据所述特征点位置信息将待检索人脸图像的人脸进行校正,一般情况,将人脸校正到正面姿态。所述人脸的正面姿态为两只眼睛在一条水平线上、左右脸大小一致、无俯仰。
作为一优选实施例,所述的预设的人脸特征点模型包括:脸型轮廓的特征点、眉毛轮廓的特征点、鼻子轮廓的特征点、眼睛轮廓的特征点以及嘴巴轮廓的特征点中至少两类特征点。
所述面部特征计算模块102,还用于根据脸型轮廓特征点的位置信息计算得到脸型和下巴类型;根据眉毛轮廓特征点的位置信息计算得到眉型;根据鼻子轮廓的特征点位置信息计算得到鼻长宽比;根据眉毛轮廓的特征点位置信息和眼睛轮廓的特征点位置信息,计算得到内外眼裂连线与水平线夹角、眉眼距和眼宽。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详
细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
- 一种检索人脸图像的方法,其特征在于,包括:根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息;根据所述特征点位置信息计算得到待检索人脸图像的面部特征;组合所述面部特征,得到待检索人脸图像的特征向量;根据所述特征向量检索数据库中预先保存的人脸图像,得到与待检索人脸图像相似度最高的人脸图像。
- 根据权利要求1所述的检索人脸图像的方法,其特征在于,根据所述特征点位置信息计算得到待检索人脸图像的面部特征的步骤之后还包括:根据所述面部特征得到待检索人脸图像的语义特征;根据所述特征向量检索数据库中预先保存的人脸图像,得到与待检索人脸图像相似度最高的人脸图像的步骤包括:根据所述待检索人脸图像的语义特征在所述数据库内进行检索,从数据库中预先保存的人脸图像中确定与所述语义特征对应的检索范围;利用所述特征向量在所述检索范围内进行检索,得到与待检索人脸图像相似度最高的人脸图像。
- 根据权利要求2所述的检索人脸图像的方法,其特征在于,根据所述面部特征得到待检索人脸图像的语义特征的步骤包括:将所述面部特征按预先确定的等级标准进行分级,得到所述面部特征的分级级数;根据预设的语义特征确定规则、分级级数得到所述面部特征对应的语义特征;组合各面部特征对应的语义特征,得到待检索人脸图像的语义特征。
- 根据权利要求3所述的检索人脸图像的方法,其特征在于,组合所述面部特征,得到待检索人脸图像的特征向量的步骤包括:组合各面部特征对应的分级级数,得到待检索人脸图像的特征向量。
- 根据权利要求2所述的检索人脸图像的方法,其特征在于,用所述特征向量在所述检索范围内进行检索,得到与待检索人脸图像相似度最高的人脸图像的步骤包括:将所述待检索人脸图像的特征向量与所述检索范围内的各人脸图像的特征向量进行比较,得到向量差值;找出检索范围内所述向量差值最小的人脸图像,确定为与所述待检索人脸图像相似度最高的人脸图像。
- 根据权利要求1所述的检索人脸图像的方法,其特征在于,在根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息的步骤和根据所述特征点位置信息计算得到待检索人脸图像的面部特征的步骤之间包括:根据所述特征点位置信息将待检索人脸图像的人脸进行校正。
- 根据权利要求1至6任意一项所述的检索人脸图像的方法,其特征在于,所述预设的人脸特征点模型包括脸型轮廓的特征点、眉毛轮廓的特征点、鼻子轮廓的特征点、眼睛轮廓的特征点以及嘴巴轮廓的特征点中至少两类特征点。
- 根据权利要求7所述的检索人脸图像的方法,其特征在于,所述预设的人脸特征点模型包括脸型轮廓的特征点、眉毛轮廓的特征点、鼻子轮廓的特征点、眼睛轮廓的特征点以及嘴巴轮廓的特征点,根据所述特征点位置信息计算得到待检索人脸图像的面部特征的步骤包括:根据脸型轮廓的特征点位置信息计算得到脸型参数和下巴类型参数;根据眉毛轮廓的特征点位置信息计算得到眉型参数;根据鼻子轮廓的特征点位置信息计算得到鼻长宽比;根据眉毛轮廓的特征点位置信息和眼睛轮廓的特征点位置信息,计算得到内外眼裂连线与水平线夹角、眉眼距和眼宽。
- 一种检索人脸图像的***,其特征在于,包括:特征点位置信息确定模块、面部特征计算模块、特征向量获取模块和检索模块;所述特征点位置信息确定模块,用于根据预设的人脸特征点模型确定待检索人脸图像的特征点位置信息;所述面部特征计算模块,用于根据所述特征点位置信息计算得到待检索人脸图像的面部特征;所述特征向量获取模块,用于组合所述面部特征,得到待检索人脸图像的特征向量;所述检索模块,用于根据所述特征向量检索数据库中预先保存的人脸图像,得到与待检索人脸图像相似度最高的人脸图像。
- 根据权利要求9所述的检索人脸图像的***,其特征在于,还包括:语义特征获取模块;所述语义特征获取模块,用于根据所述面部特征得到待检索人脸图像的语义特征;所述检索模块,还用于根据所述待检索人脸图像的语义特征在整个数据库内进行检索,从数据库中预先保存的人脸图像中确定检索范围;根据所述特征向量在所述检索范围内进行检索,得到与待检索人脸图像相似度最高的人脸图像。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610973398.6 | 2016-10-28 | ||
CN201610973398.6A CN106503686A (zh) | 2016-10-28 | 2016-10-28 | 检索人脸图像的方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2018076495A1 true WO2018076495A1 (zh) | 2018-05-03 |
Family
ID=58323725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2016/110134 WO2018076495A1 (zh) | 2016-10-28 | 2016-12-15 | 检索人脸图像的方法和*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106503686A (zh) |
WO (1) | WO2018076495A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765551A (zh) * | 2018-05-15 | 2018-11-06 | 福建省天奕网络科技有限公司 | 一种实现3d模型捏脸的方法及终端 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108108711B (zh) * | 2017-12-29 | 2019-12-17 | 深圳云天励飞技术有限公司 | 人脸布控方法、电子设备及存储介质 |
CN108038475A (zh) * | 2017-12-29 | 2018-05-15 | 浪潮金融信息技术有限公司 | 人脸图像识别方法及装置、计算机存储介质、终端 |
CN108229378A (zh) * | 2017-12-29 | 2018-06-29 | 浪潮金融信息技术有限公司 | 人脸图像数据生成方法及装置、计算机存储介质、终端 |
CN108564529A (zh) * | 2018-04-23 | 2018-09-21 | 广东奥园奥买家电子商务有限公司 | 一种基于安卓***的嘴唇实时上妆的实现方法 |
CN108932321B (zh) * | 2018-06-29 | 2020-10-23 | 金蝶软件(中国)有限公司 | 人脸图像检索方法、装置、计算机设备及存储介质 |
CN109376596B (zh) * | 2018-09-14 | 2020-11-13 | 广州杰赛科技股份有限公司 | 人脸匹配方法、装置、设备及存储介质 |
CN111444374B (zh) * | 2020-04-09 | 2023-05-02 | 上海依图网络科技有限公司 | 人体检索***和方法 |
CN112307239B (zh) * | 2020-10-29 | 2024-02-02 | 泰康保险集团股份有限公司 | 一种图像检索方法、装置、介质和设备 |
CN113243804B (zh) * | 2021-06-03 | 2022-11-22 | 山东优境传媒科技有限公司 | 自动取纸方法、装置、可读存储介质及计算机设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1658224A (zh) * | 2005-03-16 | 2005-08-24 | 沈阳工业大学 | 一种人脸和耳特征组合识别方法 |
CN102194131A (zh) * | 2011-06-01 | 2011-09-21 | 华南理工大学 | 基于五官几何比例特征的快速人脸识别方法 |
CN103020607A (zh) * | 2012-12-27 | 2013-04-03 | Tcl集团股份有限公司 | 一种人脸识别方法及装置 |
CN103207898A (zh) * | 2013-03-19 | 2013-07-17 | 天格科技(杭州)有限公司 | 一种基于局部敏感哈希的相似人脸快速检索方法 |
WO2015078261A1 (en) * | 2013-11-27 | 2015-06-04 | Tencent Technology (Shenzhen) Company Limited | Methods and systems for processing facial images |
CN104715224A (zh) * | 2013-12-11 | 2015-06-17 | 腾讯科技(深圳)有限公司 | 一种获取用户群体的面部特征图像的方法及装置 |
CN104951767A (zh) * | 2015-06-23 | 2015-09-30 | 安阳师范学院 | 基于关联程度的三维人脸识别技术 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5121506B2 (ja) * | 2008-02-29 | 2013-01-16 | キヤノン株式会社 | 画像処理装置、画像処理方法、プログラム及び記憶媒体 |
JP6013241B2 (ja) * | 2013-03-18 | 2016-10-25 | 株式会社東芝 | 人物認識装置、及び方法 |
CN104090972B (zh) * | 2014-07-18 | 2017-08-11 | 北京师范大学 | 用于三维城市模型检索的图像特征提取和相似性度量方法 |
CN105868716B (zh) * | 2016-03-29 | 2019-08-13 | 中国科学院上海高等研究院 | 一种基于面部几何特征的人脸识别方法 |
-
2016
- 2016-10-28 CN CN201610973398.6A patent/CN106503686A/zh active Pending
- 2016-12-15 WO PCT/CN2016/110134 patent/WO2018076495A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1658224A (zh) * | 2005-03-16 | 2005-08-24 | 沈阳工业大学 | 一种人脸和耳特征组合识别方法 |
CN102194131A (zh) * | 2011-06-01 | 2011-09-21 | 华南理工大学 | 基于五官几何比例特征的快速人脸识别方法 |
CN103020607A (zh) * | 2012-12-27 | 2013-04-03 | Tcl集团股份有限公司 | 一种人脸识别方法及装置 |
CN103207898A (zh) * | 2013-03-19 | 2013-07-17 | 天格科技(杭州)有限公司 | 一种基于局部敏感哈希的相似人脸快速检索方法 |
WO2015078261A1 (en) * | 2013-11-27 | 2015-06-04 | Tencent Technology (Shenzhen) Company Limited | Methods and systems for processing facial images |
CN104715224A (zh) * | 2013-12-11 | 2015-06-17 | 腾讯科技(深圳)有限公司 | 一种获取用户群体的面部特征图像的方法及装置 |
CN104951767A (zh) * | 2015-06-23 | 2015-09-30 | 安阳师范学院 | 基于关联程度的三维人脸识别技术 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765551A (zh) * | 2018-05-15 | 2018-11-06 | 福建省天奕网络科技有限公司 | 一种实现3d模型捏脸的方法及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN106503686A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018076495A1 (zh) | 检索人脸图像的方法和*** | |
JP6966875B2 (ja) | 画像検索装置及びプログラム | |
US11423076B2 (en) | Image similarity-based group browsing | |
US11816888B2 (en) | Accurate tag relevance prediction for image search | |
WO2020147857A1 (zh) | 海量视频特征提取以及存储和检索方法及*** | |
Zhang et al. | Joint face detection and alignment using multitask cascaded convolutional networks | |
CN103207898B (zh) | 一种基于局部敏感哈希的相似人脸快速检索方法 | |
WO2018107979A1 (zh) | 一种基于级联回归的多姿态的人脸特征点检测方法 | |
US9940577B2 (en) | Finding semantic parts in images | |
CN106897666B (zh) | 一种室内场景识别的闭环检测方法 | |
CN107833213B (zh) | 一种基于伪真值自适应法的弱监督物体检测方法 | |
WO2018001384A1 (zh) | 数据处理、数据识别方法和装置、计算机设备 | |
WO2017096753A1 (zh) | 人脸关键点跟踪方法、终端和非易失性计算机可读存储介质 | |
US20050041863A1 (en) | Enabling content-based search of objects in an image database with reduced matching | |
CN110188225B (zh) | 一种基于排序学习和多元损失的图像检索方法 | |
EP3028184A1 (en) | Method and system for searching images | |
US20050044056A1 (en) | Searching for object images with reduced computation | |
CN105320764B (zh) | 一种基于增量慢特征的3d模型检索方法及其检索装置 | |
WO2021143865A1 (zh) | 定位方法及装置、电子设备、计算机可读存储介质 | |
WO2018166273A1 (zh) | 高维图像特征匹配方法和装置 | |
CN110751027B (zh) | 一种基于深度多示例学习的行人重识别方法 | |
CN107291825A (zh) | 一种视频中同款商品的检索方法和*** | |
CN110059156A (zh) | 基于关联词的协同检索方法、装置、设备及可读存储介质 | |
WO2017113725A1 (zh) | 一种关联信息的获取与排序方法和*** | |
WO2020134819A1 (zh) | 一种搜索人脸的方法及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 16920174 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 16920174 Country of ref document: EP Kind code of ref document: A1 |