[发明专利]人眼检测方法、装置、计算机设备及存储介质有效

专利信息
申请号: 201711401864.4 申请日: 2017-12-22
公开(公告)号: CN107992853B 公开(公告)日: 2021-04-16
发明(设计)人: 黄彬彬;李全忠;丁剑;彭斐;杨杰;陈松;何东岭 申请(专利权)人: 深圳市友信长丰科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 谢曲曲
地址: 518051 广东省深圳市南山区蛇口街道公*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 检测 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种人眼检测方法,所述方法包括:

获取待检测图像,将所述待检测图像输入到训练好的人眼检测器;

通过所述人眼检测器将所述待检测图像进行分割,得到多个待检测图像区域;

对每个所述待检测图像区域中像素间的差值进行预置归一化处理,得到多个像素特征;

对每个像素特征进行检测,输出检测结果为包含人眼的像素特征对应的待检测图像区域;

其中,所述训练好的人眼检测器包含有训练好的第一人眼检测模型与训练好的第二人眼检测模型;

所述训练好的第一人眼检测模型对应的正样本像素特征根据第一正样本的像素间差值计算得到,所述训练好的第一人眼检测模型对应的负样本像素特征根据第一负样本的像素间差值计算得到,所述训练好的第一人眼检测模型通过分类准确度调整对应的节点阈值得到;其中,从第一人脸图像训练样本中选取人眼区域,作为所述第一正样本,从所述第一人脸图像训练样本中去除人眼区域,从去除人眼区域的第一人脸图像训练样本中选取任意区域,作为所述第一负样本;

所述训练好的第二人眼检测模型对应的正样本像素特征根据第二正样本的像素间差值进行计算得到,所述训练好的第二人眼检测模型对应的负样本像素特征根据第二负样本的像素间差值计算得到;其中,从第二人脸图像训练样本中选取人眼和眉毛区域,作为所述第二正样本,从所述第二人脸图像训练样本中去除人眼和眉毛区域,从去除人眼和眉毛区域的第二人脸图像训练样本中选取任意区域,作为所述第二负样本。

2.根据权利要求1所述的方法,其特征在于,所述像素特征根据以下公式计算得到:

其中,f(x,y)表示像素特征值,x,y表示待检测图像区域中选取的两个像素值;N为预置常数。

3.根据权利要求2所述的方法,其特征在于,所述预置常数N为255。

4.根据权利要求1所述的方法,其特征在于,所述对每个像素特征进行检测,输出检测结果为包含人眼的像素特征对应的待检测图像区域,包括:

获取所述第一人眼检测模型与所述第二人眼检测模型分别对每个像素特征的检测结果;

将所述第一人眼检测模型的检测结果与所述第二人眼检测模型的检测结果进行结合,得到最终检测结果;

输出所述最终检测结果为包含人眼的像素特征对应的待检测图像区域。

5.根据权利要求4所述的方法,其特征在于,在所述训练好的人眼检测器获取输入的待检测图像之前,还包括;

获取多个人脸图像训练样本;

对每个所述人脸图像训练样本中像素间的差值进行预置归一化处理,得到多个样本像素特征;

从每个所述人脸图像训练样本中获取只含有眼睛的区域对应的样本像素特征作为正样本,从每个所述人脸图像训练样本中获取眼睛区域外的其他区域对应的样本像素特征作为负样本,对第一人眼检测模型进行训练得到训练好的第一人眼检测模型;

从每个所述人脸图像训练样本中获取只含有眼睛和眉毛的区域对应的样本像素特征作为正样本,从每个所述人脸图像训练样本中获取眼睛和眉毛区域外的其他区域对应的样本像素特征作为负样本,对第二人眼检测模型进行训练得到训练好的第二人眼检测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市友信长丰科技有限公司,未经深圳市友信长丰科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711401864.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top