基于4K+AI实现人脸和人形区域选定的方法、装置制造方法及图纸

本发明专利技术提供了基于4K+AI实现人脸和人形区域选定的方法，包括如下步骤：通过头肩算法对人形检测模型的分辨率进行深度计算，得到人形区域；基于人形区域对待处理图像进行处理，得到人形识别区域的第一和第二坐标信息，通过确定人形区域的前方极限位置，得到人形识别放大区域的第三坐标信息；根据第一坐标信息、第二坐标信息和第三坐标信息确定人形识别放大区域。采用本发明专利技术所提供的人脸和人形区域选定方式，可有效避免图像放大缩小生硬，对人脸进行放大识别出现的人脸在屏幕之外或者基本的肩部头部均不在屏幕当中的情况发生；优化了更好的人形区域和防错措施；可实现更快的识别响应速度，提高用户的使用体验感。提高用户的使用体验感。提高用户的使用体验感。

【技术实现步骤摘要】
基于4K+AI实现人脸和人形区域选定的方法、装置


[0001]本专利技术涉及人工智能
，具体而言，涉及基于4K+AI实现人脸和人形区域选定的方法、装置。

技术介绍

[0002]当前人脸目标识别、人形目标识别大部分是支持1920*1080分辨率并向下兼容；但随着相机分辨率的不断提高，2K、4K等高分辨率大尺度图像越来越多，实现高精度的同时带来了庞大的计算量；而一旦人脸检测模型的分辨率小于图像的分辨率则无法进行识别。
[0003]针对这种情况，主流的处理方式为：对图像进行均匀分割，得到较小尺度图像，再降低分辨率后进行检测。此类方法虽然能实现目标检测的较高精度，但增加了计算成本。
[0004]近些年，基于AI的人脸追踪技术快速发展，广泛应用于多个领域；且该方式可有效避免图像分割存在的问题。但是，当前的AI人脸追踪算法还存在如下缺陷：图像放大缩小较为生硬，对人脸进行放大识别会可能会出现人脸在屏幕之外或者基本的肩部头部均不在屏幕当中的情况。
[0005]因此，有必要提供基于4K+AI实现人脸和人形区域选定的方法、装置，以对大尺度高分辨率图像进行快速精确的人脸和人形区域选定，在传统的AI人脸追踪之上优化更好的人形区域和防错机制。

技术实现思路

[0006]本专利技术的目的在于提供基于4K+AI实现人脸和人形区域选定的方法、装置，能够有效解决
技术介绍
中所指出的问题，实现快速精确的人脸和人形区域选定。
[0007]本专利技术的实施例通过以下技术方案实现：基于4K+AI实现人脸和人形区域选定的方法，包括如下步骤：
[0008]通过头肩算法对人形检测模型的分辨率进行深度计算，得到人形区域；
[0009]基于所述人形区域对待处理图像进行处理，分别得到人形识别区域的第一坐标信息和第二坐标信息，以及通过确定人形区域的前方极限位置，得到人形识别放大区域的第三坐标信息，其中，由第一坐标信息和第二坐标信息确定的人形识别区域表征人形区域的后方极限位置；
[0010]根据所述第一坐标信息、第二坐标信息和第三坐标信息确定人形识别放大区域。
[0011]根据一种优选实施方式，所述通过头肩算法对人形检测模型的分辨率进行深度计算，得到人形区域包括：
[0012]通过人形检测模型的水平分辨率与N1的乘积，得到人形区域的水平分辨率，其中，所述N1根据预设长度比确定；
[0013]通过人形检测模型的竖直分辨率与N2的乘积，得到人形区域的竖直分辨率，其中，所述N2根据预设宽度比确定。
[0014]根据一种优选实施方式，所述N1为1/2，所述N2为0.618。
[0015]根据一种优选实施方式，所述方法还包括：
[0016]基于摄像头视野范围，对人形识别区域以及人形识别放大区域的左右两侧进行限制。
[0017]根据一种优选实施方式，所述基于摄像头视野范围，对人形识别区域以及人形识别放大区域的左右两侧进行限制包括：
[0018]获得所述摄像头的实际应用范围在待处理图像对应的坐标系中的第四坐标信息，确定摄像头的两条视角线，通过两条视角线对人形识别区域以及人形识别放大区域的左右两侧进行限制。
[0019]根据一种优选实施方式，所述基于所述人形区域对待处理图像进行处理，分别得到人形识别区域的第一坐标信息和第二坐标信息包括：
[0020]基于人形区域，获得人形识别区域在待处理图像对应的坐标系中的第一坐标信息；
[0021]基于所述第一坐标信息与两条视角线，确定人形识别区域在待处理图像对应的坐标系中的第二坐标信息，所述第二坐标信息表征第一坐标信息与视角线的垂直交点。
[0022]根据一种优选实施方式，所述通过确定人形区域的前方极限位置，得到人形识别放大区域的第三坐标信息包括：
[0023]基于两条视角线，获得人形区域前方极限位置在视角线对应的坐标系中的第三坐标信息，所述第三坐标信息表征人形区域与视角线的交点。
[0024]根据一种优选实施方式，所述方法还包括：
[0025]当人形在人形识别放大区域之外出现时，保持全景不变。
[0026]本专利技术还提供实现人脸和人形区域选定的装置，包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令被所述处理器执行时，实现如权利要求1
‑
8任一项所述的实现人脸和人形区域选定的方法。
[0027]本专利技术还提供计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的实现人脸和人形区域选定的方法的步骤。
[0028]本专利技术实施例的技术方案至少具有如下优点和有益效果：采用本专利技术所提供的人脸和人形区域选定方式，可有效避免现有技术中存在的图像放大缩小生硬，对人脸进行放大识别出现的人脸在屏幕之外或者基本的肩部头部均不在屏幕当中的情况发生；优化了更好的人形区域和防错措施；可实现更快的识别响应速度，提高用户的使用体验感。
附图说明
[0029]图1为本专利技术实施例1提供的基于4K+AI实现人脸和人形区域选定的方法的流程示意图；
[0030]图2为本专利技术实施例1提供的基于4K+AI实现人脸和人形区域选定的方法的原理图；
[0031]图3为本专利技术实施例1提供的确定人形识别放大区域的流程示意图。
具体实施方式
[0032]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例
中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0033]实施例1
[0034]参阅图1所示，图1为本专利技术实施例提供的基于4K+AI实现人脸和人形区域选定的方法的流程示意图。
[0035]经申请人研究发现，当前人脸目标识别、人形目标识别大部分是支持1920*1080分辨率并向下兼容；但随着相机分辨率的不断提高，2K、4K等高分辨率大尺度图像越来越多，实现高精度的同时带来了庞大的计算量；而一旦人脸检测模型的分辨率小于图像的分辨率则无法进行识别。
[0036]针对这种情况，主流的处理方式为：对图像进行均匀分割，得到较小尺度图像，再降低分辨率后进行检测。此类方法虽然能实现目标检测的较高精度，但增加了计算成本。
[0037]近些年，基于AI的人脸追踪技术快速发展，广泛应用于多个领域；且该方式可有效避免图像分割存在的问题。但是，当前的AI人脸追踪算法还存在如下缺陷：图像放大缩小较为生硬，对人脸进行放大识别会可能会出现人脸在屏幕之外或者基本的肩部头部均不在屏幕当中的情况。
[0038]因此，有必要提供基于4K+AI实现人脸和人形区域选定的方法、装置，以对大尺度高分辨率图像进行快速精确的人脸和人形区域选定，在传统的AI人脸追踪之上优化更好的人形区域和防错机制。具体方案如下：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于4K+AI实现人脸和人形区域选定的方法，其特征在于，包括如下步骤：通过头肩算法对人形检测模型的分辨率进行深度计算，得到人形区域；基于所述人形区域对待处理图像进行处理，分别得到人形识别区域的第一坐标信息和第二坐标信息，以及通过确定人形区域的前方极限位置，得到人形识别放大区域的第三坐标信息，其中，由第一坐标信息和第二坐标信息确定的人形识别区域表征人形区域的后方极限位置；根据所述第一坐标信息、第二坐标信息和第三坐标信息确定人形识别放大区域。2.如权利要求1所述的基于4K+AI实现人脸和人形区域选定的方法，其特征在于，所述通过头肩算法对人形检测模型的分辨率进行深度计算，得到人形区域包括：通过人形检测模型的水平分辨率与N1的乘积，得到人形区域的水平分辨率，其中，所述N1根据预设长度比确定；通过人形检测模型的竖直分辨率与N2的乘积，得到人形区域的竖直分辨率，其中，所述N2根据预设宽度比确定。3.如权利要求2所述的基于4K+AI实现人脸和人形区域选定的方法，其特征在于，所述N1为1/2，所述N2为0.618。4.如权利要求1所述的基于4K+AI实现人脸和人形区域选定的方法，其特征在于，所述方法还包括：基于摄像头视野范围，对人形识别区域以及人形识别放大区域的左右两侧进行限制。5.如权利要求4所述的基于4K+AI实现人脸和人形区域选定的方法，其特征在于，所述基于摄像头视野范围，对人形识别区域以及人形识别放大区域的左右两侧进行限制包括：获得所述摄像头的实际应用范围在待处理图像对应的坐标系中的第四坐标信...

【专利技术属性】
技术研发人员：胡鹏，冯文澜，
申请(专利权)人：随锐科技集团股份有限公司，
类型：发明
国别省市：