-
公开(公告)号：CN108764048A
公开(公告)日：2018-11-06
申请号：CN201810396866.7
申请日：2018-04-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉处理技术领域，并提出了一种人脸关键点检测方法，旨在解决在人脸关键点检测中计算代价较大和计算资源利用率低下的技术问题。为此目的，本发明中的人脸关键点检测方法包括：利用预先构建的人脸关键点识别模型对人脸图像进行识别，得到人脸关键点的位置信息；人脸关键点识别模型的训练过程为：校正网络利用距离损失函数和反向传播算法对训练用样本数据进行粗略关键点定位；利用变换矩阵对校正网络所定位出的粗略关键点进行变换得到校正后的校正样本数据；回归网络对校正样本数据进行回归计算，检测出人脸关键点位置信息。基于上述步骤，本发明可以快速、准确地检测出人脸图像中人脸关键点信息。
-
公开(公告)号：CN113936090B
公开(公告)日：2025-05-02
申请号：CN202110676130.7
申请日：2021-06-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了三维人体重建的方法、装置、电子设备及存储介质，包括：获取人体图像；将人体图像输入至训练好的三维人体重建模型，得到人体图像的三维重建结果；其中，训练好的三维人体重建模型为利用扫描人体后的人体扫描模型渲染到不同背景图像中生成的图像进行训练后得到。本发明通过提取点云的全局特征和局部特征为点云提供了语义信息与强约束，使得三维人体重建模型能够学习到全局的姿态信息以及局部的细节信息，通过参数化人体模型获取三维语义特征，为模型提供了强约束，提高三维人体重建模型的细节的准确度真实度，同时提高了对人体姿态的鲁棒性。
-
公开(公告)号：CN112541458A
公开(公告)日：2021-03-23
申请号：CN202011517834.1
申请日：2020-12-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于人脸识别技术领域，具体涉及一种基于元学习的域自适应的人脸识别方法、系统、装置，旨在现有的人脸识别方法依赖于目标场景的样本规模以及识别性能差的问题。本方法包括获取待识别的人脸图像，作为输入图像；通过预训练的人脸识别模型获取所述输入图像的识别结果；其中，所述人脸识别模型基于残差神经网络构建。本发明降低了对目标场景的样本规模的依赖，并提高了人脸识别性能。
-
公开(公告)号：CN109902641B
公开(公告)日：2021-03-02
申请号：CN201910168643.X
申请日：2019-03-06
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于人脸识别领域，具体涉及一种基于语义对齐的人脸关键点检测方法、系统、装置，旨在为了提高人脸关键点检测的准确度，本发明方法在传统方法获取基本收敛的人脸关键点检测网络后，采用所构建的包含包括标注有关键点的人脸图像样本、各关键点位置为中心的标准高斯的响应图的训练样本，使用含有隐变量的概率模型作为极大似然估计的目标再进行人脸关键点检测网络的优化；通过最终优化的人脸关键点检测网络进行人脸关键点坐标的预测。本发明在网络训练过程中有效地克服了标注随机性带来的训练震荡问题，提高人脸关键点检测的准确度。
-
公开(公告)号：CN107122705B
公开(公告)日：2020-05-19
申请号：CN201710159215.1
申请日：2017-03-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于三维人脸模型的人脸关键点检测方法，包括如下步骤：步骤01，在人脸训练样本中获取人脸图像和三维人脸模型的初始参数；步骤02，根据所述人脸图像及初始参数生成姿态自适应特征和归一化坐标编码；步骤03，分别对所述姿态自适应特征和归一化坐标编码使用卷积神经网络进行变换融合，得到真实残差和初始参数的参数残差；步骤04，根据所述参数残差更新所述初始参数，转到步骤02直至所述参数残差达到预设阈值；步骤05，利用达到预设阈值的参数残差更新所述三维人脸模型，采集所述三维人脸模型上的人脸关键点。本发明中，实现了全姿态下的人脸关键点检测。
-
Patent Agency Ranking
公开(公告)号：CN107403141A
公开(公告)日：2017-11-28
申请号：CN201710541087.7
申请日：2017-07-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及人脸识别领域，具体涉及一种人脸检测方法及装置、计算机可读存储介质、设备，旨在解决人脸检测方法在保持高精度的前提下不能实现CPU实时检测速度的问题。为此目的，本发明的人脸检测方法包括利用预设的人脸检测模型，获取待检测图像的检测结果框；对该检测结果框，获取满足预设筛选条件的最终检测结果框；其中，人脸检测模型包括级联的第一级卷积子网络和第二级卷积子网络，该方法还在第二级卷积子网络中关联锚点框，并优化不同尺度的锚点框在待检测图像上的铺设间隔。同时，本发明提供的人脸检测装置、计算机可读存储介质和设备可以执行上述方法的各步骤。本发明的技术方案可以在保持高精度的前提下具备CPU实时的检测速度，适应范围广。
-
公开(公告)号：CN107220618A
公开(公告)日：2017-09-29
申请号：CN201710379478.3
申请日：2017-05-25
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及人脸检测方法及装置、计算机可读存储介质、设备，所述方法包括依据预设的人脸检测模型，获取待测图像的多个检测结果框；选取所获取的多个检测结果框中满足预设的筛选条件的检测结果框；所述预设的人脸检测模型为依据深度卷积神经网络构建的检测模型；所述装置、计算机可读存储介质、设备可以实现上述人脸检测方法的各步骤。与现有技术相比，本发明提供的人脸检测方法及装置、计算机可读存储介质、设备，能够对待测图像中不同尺度的人脸进行有效检测。
-
公开(公告)号：CN107122705A
公开(公告)日：2017-09-01
申请号：CN201710159215.1
申请日：2017-03-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于三维人脸模型的人脸关键点检测方法，包括如下步骤：步骤01，在人脸训练样本中获取人脸图像和三维人脸模型的初始参数；步骤02，根据所述人脸图像及初始参数生成姿态自适应特征和归一化坐标编码；步骤03，分别对所述姿态自适应特征和归一化坐标编码使用卷积神经网络进行变换融合，得到真实残差和初始参数的参数残差；步骤04，根据所述参数残差更新所述初始参数，转到步骤02直至所述参数残差达到预设阈值；步骤05，利用达到预设阈值的参数残差更新所述三维人脸模型，采集所述三维人脸模型上的人脸关键点。本发明中，实现了全姿态下的人脸关键点检测。
-
公开(公告)号：CN119445649A
公开(公告)日：2025-02-14
申请号：CN202411386778.0
申请日：2024-09-30
Applicant: 中国科学院自动化研究所
Abstract: 一种针对人体视频的三维人体动作的捕捉方法及相关设备，涉及图像处理领域。其中方法包括：获取人体视频的图像序列；获取所述图像序列中任意连续两帧图像融合得到的人体特征；将所述人体特征转换为三维人体动作参数。实施本发明提供的技术方案，可以提高三维人体动作捕捉在处理连续视频时的稳定性。
-
公开(公告)号：CN118553001B
公开(公告)日：2024-11-26
申请号：CN202411019660.4
申请日：2024-07-29
Applicant: 中国科学院自动化研究所
IPC: G06V40/16 , G06V10/54 , G06V10/774 , G06V10/80 , G06V10/82 , G06T17/00 , G06N3/0464
Abstract: 本发明提供一种基于素描输入的纹理可控的三维精细人脸重建方法及装置，涉及图像数据处理技术领域，方法包括：通过粗糙重建网络对待重建二维人脸素描图像进行预测得到三维人脸可变形模型系数，进而构建预重建结果；对预重建结果进行特征提取，得到三维位置编码图；对待重建二维人脸素描图像进行特征提取，得到素描纹理编码图；通过精细重建网络对素描纹理编码图、三维位置编码图进行预测，得到三维法线偏移图；基于三维法线偏移图与三维位置编码图，确定精细位置信息编码图，并映射得到三维人脸重建结果，最后纹理构建得到三维人脸最终重建结果。通过本申请，用以克服现有技术素描三维人脸重建方法缺乏纹理控制、重建模型训练困难的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.022 seconds)
