CN109657607A - 一种基于人脸识别的人脸目标测距方法、装置及存储介质 - Google Patents
一种基于人脸识别的人脸目标测距方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109657607A CN109657607A CN201811544922.3A CN201811544922A CN109657607A CN 109657607 A CN109657607 A CN 109657607A CN 201811544922 A CN201811544922 A CN 201811544922A CN 109657607 A CN109657607 A CN 109657607A
- Authority
- CN
- China
- Prior art keywords
- face
- detection
- distance
- point
- standard
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 87
- 230000001815 facial effect Effects 0.000 claims abstract description 59
- 230000003287 optical effect Effects 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 11
- 230000004807 localization Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 11
- 238000005259 measurement Methods 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及图像处理技术领域，公开了一种基于人脸识别的人脸目标测距方法、装置及存储介质，所述人脸目标测距方法包括针对单个检测脸进行测距的步骤，该步骤包括：识别单张图像中的人脸目标，从中确定作为检测对象的检测脸；计算获取检测脸相对于预设的标准正脸的尺度因子；根据标准正脸的面部参数的像素尺寸和所述尺度因子，估算检测脸的面部参数的像素尺寸；根据检测脸的面部参数的像素尺寸，通过拟合函数，计算得到镜头中心点到检测脸所位平面的点面距离；根据点面距离和检测脸在图像中的水平偏移量，计算得出检测脸与镜头的点间距离。本发明可应用于针对带有一定程度畸变的相机所采集图像中的检测脸进行测距，具有测距准确性高等优点。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于人脸识别的人脸目标测距方法、装置及存储介质。
背景技术
在机器人的应用服务方面，机器人需要根据目标与自身的距离作出合理的响应，例如：当目标靠近时，向目标致好并打开闸机等。目标测距算法即对机器人应用服务提供基础数据，但是目前的目标测距算法的精度不高，这势必会大大影响机器人作出的交互行为的准确程度，降低用户体验，因此为提高用户体验，该目标测距方法亟待改善。
发明内容
本发明的目的在于提供一种基于人脸识别的人脸目标测距方法、装置及存储介质，克服现有测距方法精度低的缺陷。
为达此目的，本发明采用以下技术方案：
一种基于人脸识别的人脸目标测距方法，包括针对单个检测脸进行测距的步骤；所述针对单个检测脸进行测距的步骤包括：
识别单张图像中的人脸目标，从中确定作为检测对象的检测脸；
计算获取所述检测脸相对于预设的标准正脸的尺度因子；
根据所述标准正脸的面部参数的像素尺寸和所述尺度因子，估算所述检测脸的面部参数的像素尺寸；
根据所述检测脸的面部参数的像素尺寸，通过拟合函数，计算得到镜头中心点到检测脸所位平面的点面距离；
根据所述点面距离和检测脸在所述图像中的水平偏移量，计算得出检测脸与镜头的点间距离。
可选的，所述人脸目标测距方法还包括：
获取实时视频数据中的N帧图像；
针对每帧图像，分别按照所述针对单个检测脸进行测距的步骤，对同一所述检测脸进行测距，得到N个所述点间距离；
进行去噪处理，从N个所述点间距离中选取最优距离D。
可选的，所述从N个所述点间距离选取最优距离之后，还包括：对所述最优距离D进行误差校正，得到实际距离范围D’＝D*(1±Etotal)，所述Etotal为总体误差；
所述总体误差Etotal的计算方法为：
Etotal＝EReal*(1.0+Ecali)*(1.0+Eturn)*100％；
其中，所述EReal为现实人脸与标准人脸误差，所述Ecali为标定拟合误差，所述Eturn为人脸活动误差。
可选的，所述标准正脸的预设方法包括：
选取基准正脸，定义所述标准正脸的面部参数的物理尺寸；
按照所述面部参数的物理尺寸对所述基准正脸进行调整后制作印刷样本；
对所述印刷样本进行拍照获得所述标准正脸。
可选的，所述计算获取所述检测脸相对于预设的标准正脸的尺度因子，包括：
通过人脸特征检测算法，分别检测提取所述标准正脸和所述检测脸相对应的M个特征点；对检测脸和标准正脸的各个特征点进行投影变换，得到所述尺度因子。
一种基于人脸识别的人脸目标测距装置，包括：用于获取至少一张图像的图像获取单元，还包括用于针对单个检测脸进行测距的测距单元；所述测距单元包括：
检测目标识别模块，用于识别单张图像中的人脸目标，从中确定作为检测对象的检测脸；
尺度因子提取模块，用于计算获取所述检测脸相对于预设的标准正脸的尺度因子；
面部尺寸估算模块，用于根据所述标准正脸的面部参数的像素尺寸和所述尺度因子，估算所述检测脸的面部参数的像素尺寸；
点面距离计算模块，用于根据所述检测脸的面部参数的像素尺寸，通过拟合函数，计算得到镜头中心点到检测脸所位平面的点面距离；
点间距离计算模块，用于根据所述点面距离和检测脸在所述图像中的水平偏移量，计算得出检测脸与镜头的点间距离。
可选的，所述人脸目标测距装置还包括去噪单元；
所述图像获取单元，用于获取视频数据中的N帧图像；
所述测距单元，用于对每帧图像中的所述检测脸分别进行测距，得到N个所述点间距离；
所述去噪单元，用于进行去噪处理，从N个所述点间距离中选取最优距离D。
可选的，所述人脸目标测距装置还包括误差校正单元；
所述误差校正单元，用于对所述最优距离D进行误差校正，得到实际距离范围D’＝D*(1±Etotal)，所述Etotal为总体误差，且
Etotal＝EReal*(1.0+Ecali)*(1.0+Eturn)*100％＝5.92％；
其中，所述EReal为现实人脸与标准人脸误差，所述Ecali为标定拟合误差，所述Eturn为人脸活动误差。
可选的，所述人脸目标测距装置还包括标准正脸预设单元；
所述标准正脸预设单元，用于选取基准正脸，定义所述标准正脸的面部参数的物理尺寸，按照所述面部参数的物理尺寸对所述基准正脸进行调整后制作印刷样本；对所述印刷样本进行拍照获得所述标准正脸。
一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行如上任一所述的基于人脸识别的人脸目标测距方法中的步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例提出了一种目标尺寸与实际距离之间的非线性关系模型，通过人脸特征来估算检测脸的面部参数尺寸，进而通过拟合函数来求取距离，提高了测距结果的精确性，适用于针对带有一定程度畸变的相机所采集图像中的检测脸的测距功能实现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例一提供的基于人脸识别的人脸目标测距方法流程图；
图2为本发明实施例一提供的点间距离计算原理示意图；
图3为本发明实施例二提供的基于人脸识别的人脸目标测距方法流程图；
图4为本发明实施例三提供的人脸目标测距装置结构图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
请参阅图1，本实施例提供了一种基于人脸识别的人脸目标测距方法，包括步骤：
步骤101、获取图像，识别图像中的人脸目标，从所识别出的全部人脸目标中确定一个作为本次测距的检测对象，该检测对象称为检测脸。
本步骤中，所获取的图像中可能仅包括一个人脸目标，此时可直接将该人脸目标指定为当前的检测脸。所获取的图像也可能包括两个或两个以上的人脸目标，此时需要从中指定一个人脸目标作为当前的检测脸，实际应用中可根据不同需求来指定，也可随意指定。
图像的获取方式不限，可以为任意方式，例如：从已拍摄照片中取得，从实时视频数据中取得。
步骤102、计算获取检测脸相对于预设的标准正脸的尺度因子。
其中，标准正脸可以采用任意预设方法，下面提供一种预设方法：
(1)确定基准正脸，可选取网络发布的计算机合成的正面的完美人脸作为基准正脸；
(2)定义标准正脸的面部参数的物理尺寸，该面部参数的物理尺寸具体可以根据我国统计标准《GBT 2428-1998成年人头面部尺寸》提出的面部参数来定义，主要涉及两个面部参数：①形态面长，即从鼻梁点(se)至颏下点(gn)的直线距离，其物理尺寸为119mm；②头最大宽，即左、右颅侧点(eu)之间的直线距离，其物理尺寸为154mm；
(3)按照定义的面部参数的物理尺寸对基准正脸进行调整后制作印刷样本；
(4)对印刷样本进行拍照获得标准正脸。本实施例中，以获得一张分辨率为450*600的标准正脸为例，当然标准正脸的分辨率不限定于此，只要能够满足预定的精度要求即可。
基于预设的标准正脸，尺度因子可采用如下计算方法：先通过人脸特征检测算法，分别检测提取标准正脸和检测脸相对应的M个特征点；再对检测脸和标准正脸的各个特征点进行投影变换，得到两者对应的尺度因子。
与此同时，还可利用人脸特征检测算法，根据标准正脸的面部参数的物理尺寸，计算出在当前分辨率下标准正脸的面部参数的像素尺寸，为后续计算检测脸的面部参数的像素尺寸提供依据。
具体的，可以应用Dlib人脸特征检测算法，分别检测得到标准正脸的68个特征点和检测脸的68个特征点。基于此，尺度因子的具体计算过程为：
令检测脸的68点矩阵标准人脸的68点矩阵求C＝A*B-1，C的结果形式为α即为检测脸对应标准正脸的尺度因子，其他诸如β等系数，是和人脸角度、形变等有关的数值，通过进一步计算和分解可以得出对应的具有几何含义的参数，本申请中只用到尺度因子。
为简化算法中的矩阵形式，将点从直角坐标系转换到极坐标系，保留ρ，简去θ，得则α仍为尺度因子；其中(xc,yc)为鼻间点(prn)的坐标，鼻尖点在Dlib中为第30特征点。
步骤103、根据标准正脸的面部参数的像素尺寸和尺度因子，估算检测脸的面部参数的像素尺寸。
在前述步骤102中，利用人脸特征检测算法可以计算得到：在450*600分辨率下，标准正脸的头最大宽的像素尺寸为370像素；因此，可估算检测脸的头最大宽的像素尺寸为w＝α*370。
步骤104、根据检测脸的面部参数的像素尺寸，通过拟合函数，计算得到镜头中心点到检测脸所位平面的点面距离。
本实施例中，数据拟合的非线性数学模型为：其中，A、B、C为实验所得的拟合系数，x是检测脸的面部参数中的头最大宽的像素尺寸，y是指镜头中心点到检测脸所位平面的点面距离。
具体的，拟合函数的获取方法为：对步骤102中的根据国家统计标准制作的印刷样本，在一段距离内的不同位置进行多次拍照，统计获得不同位置下标准人脸的头最大宽的像素尺寸x和点面距离y，将像素尺寸x和点面距离y输入至上述非性数学模型中，计算得到拟合系数A、B、C，从而得到拟合函数。
步骤105、根据点面距离和检测脸在图像中的水平偏移量，计算得出检测脸与镜头的点间距离。
如图2所示，人到镜头的点间距离d，需要根据点面距离y和水平偏移量w求得。其中y已求，x为检测脸的头最大宽的像素尺寸，标准人脸的头最大宽的物理尺寸为154mm，则水平偏移量w：设检测脸中心到图像中心的水平偏移量为w’像素，则w＝w’*0.154/x，单位m。
考虑镜头不变的情形下，不同身高的人，其人脸在图像中成像的垂直位置不同，会造成较高的人距离可能稍大。因此，本算法中不考虑人脸中心到图像中心的垂直偏移量。最终得到点间距离d＝sqrt(w2+y2)。
综上，本实施例提出了一种目标尺寸与实际距离之间的非线性关系模型，通过人脸特征来估算检测脸的面部参数尺寸，进而通过拟合函数来求取距离。该方案不以针孔成像原理为基础，因而在应用时对拍摄图像的相机镜头不作要求，对于各种带有不同程度的畸变的相机镜头，均可保证测距结果的准确性。
实施例二
请参阅图3，本实施例提出了另一种基于人脸识别的人脸目标测距方法，包括步骤：
步骤301、获取视频数据中的N帧图像。
步骤302、针对每帧图像中的同一检测脸，分别按照图1所示的方法进行测距，得到N个检测脸至镜头的点间距离。
步骤303、进行去噪处理，从N个点间距离中选取最优距离D。
具体的，可通过中值滤波的方法对距离进行动态校正，得到最优距离D。
由于在大部分情况下，人主要是以正脸形式出现在视野中，偶尔的头部转动会产生侧脸。因此，本实施例中，对于单个人脸，不从第1帧开始输出其距离，而是统计N(N＝1～20)帧以后，每次将前N帧的最优距离作为实时距离输出。这样虽然会导致距离的动态变化滞后N帧，但可以避免侧脸瞬间带来的距离突变。
步骤304、对于最优距离D进行误差校正，得到实际距离D’，D’＝D*(1±Etotal)，其中的Etotal为总体误差，其计算方法如下：
Etotal＝EReal*(1.0+Ecali)*(1.0+Eturn)*100％＝5.92％；
其中，EReal为现实人脸与标准人脸误差，Ecali为标定拟合误差，Eturn为人脸活动误差。
本实施例中，现实人脸与标准人脸误差EReal＝6.55/119(百分比)。
标准人脸是按照国家统计数据修正得到，尺寸不一的现实人脸将给本测距方案带来一定的误差。按国家统计数据，标准人脸形态面长为119mm，头最大宽为154mm，其标准差分别为6.55和5.86。
可以看出，形态面长的标准差较头最大宽的标准差更大。由于测距算法与人脸尺寸是按照指定映射关系进行拟合计算的，所以人脸尺寸误差将会传递给距离误差。因此，可将形态面长的标准差作为距离误差累积的第一项。
标定拟合误差Ecali＝0.23/164.82。
标定拟合误差，是在采用标准人脸进行相机标定时，所产生的误差。相机标定过程中，采用人脸特征检测算法对标准人脸的特征点进行标注，由于拍照环境的光强有细微抖动，则检测的特征点信息也会随着光强的变化而浮动。因此，对标定的样本进行误差统计，得到标准差为：0.23。
将标准人脸(成像后)的形态面长(单位：像素)作为基准，得距离误差累积的第二项(百分比)Ecali＝0.23/164.82
人脸特征检测误差
标定拟合模型是以人脸特征为基础的，人脸特征检测误差影响标定拟合模型，也影响采用标定拟合模型进行测距，因此人脸特征的检测误差是双重的。尽管如此，人脸特征检测误差的数量级比较低，并不是误差的主要成分。此部分同第2项误差。
人脸活动误差Eturn＝12.27/164.82
标定拟合模型，是以正脸为基准进行计算的。人脸活动误差，即为当人脸活动转变为侧脸时，所带来的测距误差。人脸活动误差的分析，仍然采用类似的方法，对相同距离的人进行多组拍摄，该人站在原地，面部做上下左右运动，计算该面部对于正脸的标准差为12.27。
由于人脸活动误差是包含人脸特征检测误差在内的，即本项误差包含了第3项误差，因此进行误差累积时，可将第3项误差舍去，替换为本项误差。距离误差累积的第三项(百分比)Eturn＝12.27/164.82。
将以上三项误差合并，因为误差是累积的，后一项误差会在前一项误差的基础上，再进行叠加，所以总体误差并非各项误差的直接相加关系，最终得到总体误差Etotal＝EReal*(1.0+Ecali)*(1.0+Eturn)*100％＝5.92％。
从上式得出，测距误差累积为5.92％，即距离在100cm时，平均误差约6cm，当距离200cm时，平均误差在11.8cm，以此类推。
综上，本实施例二对实时获取的多帧图像中同一检测脸分别测距，再进行去噪处理及误差校正后输出结果，取代实施例一提出的仅对单张图像测距后输出结果的方案，进一步提高了测距结果的准确性。
实施例三
请参阅图4，本实施例提供了一种基于人脸识别的人脸目标测距装置，包括：用于获取至少一张图像的图像获取单元，用于针对单个检测脸进行测距的测距单元。
进一步，所述测距单元包括：
检测目标识别模块，用于识别单张图像中的人脸目标，从中确定作为检测对象的检测脸；
尺度因子提取模块，用于计算获取检测脸相对于预设的标准正脸的尺度因子；
面部尺寸估算模块，用于根据标准正脸的面部参数的像素尺寸和尺度因子，估算检测脸的面部参数的像素尺寸；
点面距离计算模块，用于根据检测脸的面部参数的像素尺寸，通过拟合函数，计算得到镜头中心点到检测脸所位平面的点面距离；
点间距离计算模块，用于根据点面距离和检测脸在图像中的水平偏移量，计算得出检测脸与镜头的点间距离。
其中，图像获取单元，还可用于获取视频数据中的N帧图像；此时，测距单元，用于对每帧图像中的所述检测脸分别进行测距，得到N个所述点间距离。
此外，本实施例的人脸目标测距装置还可包括：去噪单元、误差校正单元和标准正脸预设单元。
去噪单元，用于进行去噪处理，从N个点间距离中选取最优距离D。
误差校正单元，用于对所述最优距离D进行误差校正，得到实际距离范围D’＝D*(1±Etotal)，所述Etotal为总体误差，且
Etotal＝EReal*(1.0+Ecali)*(1.0+Eturn)*100％＝5.92％；
其中，所述EReal为现实人脸与标准人脸误差，所述Ecali为标定拟合误差，所述Eturn为人脸活动误差。
标准正脸预设单元，用于选取基准正脸，定义所述标准正脸的面部参数的物理尺寸，按照所述面部参数的物理尺寸对所述基准正脸进行调整，得到所述标准正脸。
另外，本实施例的人脸目标测距装置还可包括：用于采集视频和图像的摄像头，以及用于存储各类视频和图像等数据的存储单元。
在实际应用中，上述人脸目标测距装置可具体为移动机器人、门禁机器人以及闸机等需要具备人脸目标测距功能的各种设备，具体不限制。
实施例四
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本发明实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种人脸目标测距方法中的步骤。例如，该指令可以执行如下步骤：
识别单张图像中的人脸目标，从中确定作为检测对象的检测脸；
计算获取检测脸相对于预设的标准正脸的尺度因子；
根据标准正脸的面部参数的像素尺寸和尺度因子，估算检测脸的面部参数的像素尺寸；
根据检测脸的面部参数的像素尺寸，通过拟合函数，计算得到镜头中心点到检测脸所位平面的点面距离；
根据点面距离和检测脸在所述图像中的水平偏移量，计算得出检测脸与镜头的点间距离。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于人脸识别的人脸目标测距方法，包括针对单个检测脸进行测距的步骤；其特征在于，所述针对单个检测脸进行测距的步骤包括：
识别单张图像中的人脸目标，从中确定作为检测对象的检测脸；
计算获取所述检测脸相对于预设的标准正脸的尺度因子；
根据所述标准正脸的面部参数的像素尺寸和所述尺度因子，估算所述检测脸的面部参数的像素尺寸；
根据所述检测脸的面部参数的像素尺寸，通过拟合函数，计算得到镜头中心点到检测脸所位平面的点面距离；
根据所述点面距离和检测脸在所述图像中的水平偏移量，计算得出检测脸与镜头的点间距离。
2.根据权利要求1所述的基于人脸识别的人脸目标测距方法，其特征在于，所述人脸目标测距方法还包括：
获取实时视频数据中的N帧图像；
针对每帧图像，分别按照所述针对单个检测脸进行测距的步骤，对同一所述检测脸进行测距，得到N个所述点间距离；
进行去噪处理，从N个所述点间距离中选取最优距离D。
3.根据权利要求2所述的基于人脸识别的人脸目标测距方法，其特征在于，所述从N个所述点间距离选取最优距离之后，还包括：对所述最优距离D进行误差校正，得到实际距离范围D’＝D*(1±Etotal)，所述Etotal为总体误差；
所述总体误差Etotal的计算方法为：
Etotal＝EReal*(1.0+Ecali)*(1.0+Eturn)*100％；
其中，所述EReal为现实人脸与标准人脸误差，所述Ecali为标定拟合误差，所述Eturn为人脸活动误差。
4.根据权利要求1所述的基于人脸识别的人脸目标测距方法，其特征在于，所述标准正脸的预设方法包括：
选取基准正脸，定义所述标准正脸的面部参数的物理尺寸；
按照所述面部参数的物理尺寸对所述基准正脸进行调整后制作印刷样本；
对所述印刷样本进行拍照获得所述标准正脸。
5.根据权利要求1所述的基于人脸识别的人脸目标测距方法，其特征在于，所述计算获取所述检测脸相对于预设的标准正脸的尺度因子，包括：
通过人脸特征检测算法，分别检测提取所述标准正脸和所述检测脸相对应的M个特征点；对检测脸和标准正脸的各个特征点进行投影变换，得到所述尺度因子。
6.一种基于人脸识别的人脸目标测距装置，包括：用于获取至少一张图像的图像获取单元，其特征在于，还包括用于针对单个检测脸进行测距的测距单元；所述测距单元包括：
检测目标识别模块，用于识别单张图像中的人脸目标，从中确定作为检测对象的检测脸；
尺度因子提取模块，用于计算获取所述检测脸相对于预设的标准正脸的尺度因子；
面部尺寸估算模块，用于根据所述标准正脸的面部参数的像素尺寸和所述尺度因子，估算所述检测脸的面部参数的像素尺寸；
点面距离计算模块，用于根据所述检测脸的面部参数的像素尺寸，通过拟合函数，计算得到镜头中心点到检测脸所位平面的点面距离；
点间距离计算模块，用于根据所述点面距离和检测脸在所述图像中的水平偏移量，计算得出检测脸与镜头的点间距离。
7.根据权利要求6所述的人脸目标测距装置，其特征在于，所述人脸目标测距装置还包括去噪单元；
所述图像获取单元，用于获取视频数据中的N帧图像；
所述测距单元，用于对每帧图像中的所述检测脸分别进行测距，得到N个所述点间距离；
所述去噪单元，用于进行去噪处理，从N个所述点间距离中选取最优距离D。
8.根据权利要求7所述的人脸目标测距装置，其特征在于，所述人脸目标测距装置还包括误差校正单元；
所述误差校正单元，用于对所述最优距离D进行误差校正，得到实际距离范围D’＝D*(1±Etotal)，所述Etotal为总体误差，且
Etotal＝EReal*(1.0+Ecali)*(1.0+Eturn)*100％＝5.92％；
其中，所述EReal为现实人脸与标准人脸误差，所述Ecali为标定拟合误差，所述Eturn为人脸活动误差。
9.根据权利要求6所述的人脸目标测距装置，其特征在于，所述人脸目标测距装置还包括标准正脸预设单元；
所述标准正脸预设单元，用于选取基准正脸，定义所述标准正脸的面部参数的物理尺寸，按照所述面部参数的物理尺寸对所述基准正脸进行调整后制作印刷样本；对所述印刷样本进行拍照获得所述标准正脸。
10.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至5任一项所述的基于人脸识别的人脸目标测距方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811544922.3A CN109657607B (zh) | 2018-12-17 | 2018-12-17 | 一种基于人脸识别的人脸目标测距方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811544922.3A CN109657607B (zh) | 2018-12-17 | 2018-12-17 | 一种基于人脸识别的人脸目标测距方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109657607A true CN109657607A (zh) | 2019-04-19 |
| CN109657607B CN109657607B (zh) | 2020-07-07 |
Family
ID=66114412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811544922.3A Expired - Fee Related CN109657607B (zh) | 2018-12-17 | 2018-12-17 | 一种基于人脸识别的人脸目标测距方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109657607B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110084763A (zh) * | 2019-04-29 | 2019-08-02 | 北京达佳互联信息技术有限公司 | 图像修复方法、装置、计算机设备和存储介质 |
| CN111091083A (zh) * | 2019-12-09 | 2020-05-01 | Oppo广东移动通信有限公司 | 基于图像的人脸尺度计算方法、装置及电子设备 |
| CN111784660A (zh) * | 2020-06-29 | 2020-10-16 | 厦门市美亚柏科信息股份有限公司 | 一种用于人脸图像的正脸程度的分析方法和系统 |
| CN112070021A (zh) * | 2020-09-09 | 2020-12-11 | 深圳数联天下智能科技有限公司 | 基于人脸检测的测距方法、测距系统、设备和存储介质 |
| CN112818916A (zh) * | 2021-02-25 | 2021-05-18 | 灯岛科技(杭州)有限公司 | 一种自动真实测量人脸美学标准相关参数的方法 |
| CN113056907A (zh) * | 2020-07-28 | 2021-06-29 | 深圳市大疆创新科技有限公司 | 拍摄方法、拍摄装置及存储介质 |
| CN113361337A (zh) * | 2021-05-19 | 2021-09-07 | 中新智擎科技有限公司 | 一种人脸测温补偿方法、装置及电子设备 |
| CN113780045A (zh) * | 2020-12-21 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 用于训练距离预测模型的方法和装置 |
| CN114608521A (zh) * | 2022-03-17 | 2022-06-10 | 北京市商汤科技开发有限公司 | 单目测距方法及装置、电子设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101908212A (zh) * | 2010-07-09 | 2010-12-08 | 深圳超多维光电子有限公司 | 一种跟踪式立体显示设备及跟踪设备以及方法 |
| CN103310200A (zh) * | 2013-06-25 | 2013-09-18 | 郑州吉瑞特电子科技有限公司 | 人脸识别方法 |
| CN106919250A (zh) * | 2015-12-28 | 2017-07-04 | 中国移动通信集团公司 | 一种提醒方法及装置 |
-
2018
- 2018-12-17 CN CN201811544922.3A patent/CN109657607B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101908212A (zh) * | 2010-07-09 | 2010-12-08 | 深圳超多维光电子有限公司 | 一种跟踪式立体显示设备及跟踪设备以及方法 |
| CN103310200A (zh) * | 2013-06-25 | 2013-09-18 | 郑州吉瑞特电子科技有限公司 | 人脸识别方法 |
| CN106919250A (zh) * | 2015-12-28 | 2017-07-04 | 中国移动通信集团公司 | 一种提醒方法及装置 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110084763A (zh) * | 2019-04-29 | 2019-08-02 | 北京达佳互联信息技术有限公司 | 图像修复方法、装置、计算机设备和存储介质 |
| CN111091083A (zh) * | 2019-12-09 | 2020-05-01 | Oppo广东移动通信有限公司 | 基于图像的人脸尺度计算方法、装置及电子设备 |
| CN111091083B (zh) * | 2019-12-09 | 2023-08-08 | Oppo广东移动通信有限公司 | 基于图像的人脸尺度计算方法、装置及电子设备 |
| CN111784660B (zh) * | 2020-06-29 | 2022-07-15 | 厦门市美亚柏科信息股份有限公司 | 一种用于人脸图像的正脸程度的分析方法和系统 |
| CN111784660A (zh) * | 2020-06-29 | 2020-10-16 | 厦门市美亚柏科信息股份有限公司 | 一种用于人脸图像的正脸程度的分析方法和系统 |
| CN113056907A (zh) * | 2020-07-28 | 2021-06-29 | 深圳市大疆创新科技有限公司 | 拍摄方法、拍摄装置及存储介质 |
| CN112070021A (zh) * | 2020-09-09 | 2020-12-11 | 深圳数联天下智能科技有限公司 | 基于人脸检测的测距方法、测距系统、设备和存储介质 |
| CN112070021B (zh) * | 2020-09-09 | 2024-08-13 | 深圳数联天下智能科技有限公司 | 基于人脸检测的测距方法、测距系统、设备和存储介质 |
| CN113780045A (zh) * | 2020-12-21 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 用于训练距离预测模型的方法和装置 |
| CN112818916A (zh) * | 2021-02-25 | 2021-05-18 | 灯岛科技(杭州)有限公司 | 一种自动真实测量人脸美学标准相关参数的方法 |
| CN113361337A (zh) * | 2021-05-19 | 2021-09-07 | 中新智擎科技有限公司 | 一种人脸测温补偿方法、装置及电子设备 |
| CN114608521A (zh) * | 2022-03-17 | 2022-06-10 | 北京市商汤科技开发有限公司 | 单目测距方法及装置、电子设备和存储介质 |
| CN114608521B (zh) * | 2022-03-17 | 2024-06-07 | 北京市商汤科技开发有限公司 | 单目测距方法及装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109657607B (zh) | 2020-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109657607A (zh) | 一种基于人脸识别的人脸目标测距方法、装置及存储介质 | |
| Chen et al. | High-accuracy multi-camera reconstruction enhanced by adaptive point cloud correction algorithm | |
| CN108549873B (zh) | 三维人脸识别方法和三维人脸识别系统 | |
| CN101673397B (zh) | 一种基于lcd的数码相机非线性标定方法 | |
| CN107798685B (zh) | 行人身高确定方法、装置及系统 | |
| CN111476827B (zh) | 目标跟踪方法、系统、电子装置及存储介质 | |
| US20170287166A1 (en) | Camera calibration method using a calibration target | |
| CN110580723A (zh) | 一种利用深度学习和计算机视觉进行精准定位的方法 | |
| CN103278138A (zh) | 一种复杂结构薄部件三维位置及姿态的测量方法 | |
| CN110672020A (zh) | 一种基于单目视觉的立木高度测量方法 | |
| Cattaneo et al. | The importance of camera calibration and distortion correction to obtain measurements with video surveillance systems | |
| CN112648976A (zh) | 实景影像测量方法、装置、电子设备及存储介质 | |
| CN111323125A (zh) | 一种测温方法、装置及计算机存储介质、电子设备 | |
| CN115187612A (zh) | 一种基于机器视觉的平面面积测量方法、装置及系统 | |
| CN110853080A (zh) | 一种田间果实尺寸的测量方法 | |
| CN112634375B (zh) | 一种ai智能检测中的平面标定和三维重建方法 | |
| CN113705564A (zh) | 一种指针式仪表识别读数方法 | |
| CN111833379A (zh) | 用单目摄像头追踪移动物体中目标位置的方法 | |
| Xu | Study on accurate measurement technology for microscopic image | |
| CN112800966A (zh) | 一种视线的追踪方法及电子设备 | |
| CN102967277A (zh) | 定向管平行度测量方法 | |
| CN105078404A (zh) | 基于激光算法的全自动眼动追踪测距定标仪及其使用方法 | |
| CN116385347A (zh) | 一种基于变形分析的飞机蒙皮曲面图案视觉检测方法 | |
| US20230018554A1 (en) | Method for inspecting an object | |
| US20230018458A1 (en) | Method for inspecting an object |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200707 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |