摘要：本发明揭示了基于二值深度差进行物体检测的方法，包括：获取所采集深度图像的深度差对应的二值深度差特征；将所述二值深度差特征输入预设的分类模型，以得出所述深度图像是否包含物体。本发明还提出了对应的装置。本发明提出的一种基于二值深度差进行物体检测的方法和装置，在深度图像(三维数据)上进行物体检测，基于深度图像的像素的二值深度差特征建立分类模型，由于深度图像的像素值只与距离有关，与物体表面的亮度和颜色无关，因此本发明可以去除光照变化和复杂背景的干扰，使物体检测准确率高，误检测率低。

摘要：本发明揭示了一种基于深度图像进行人体检测的方法，包括：根据所采集的深度图像的像素提取图像特征；将所述图像特征输入预设的分类模型，以得出所述深度图像是否包含人体。本发明提出的一种基于深度图像进行人体检测的方法，利用深度图像的像素提取图像特征，以实现人体检测，降低了误检测率。

摘要：本发明适用计算机技术领域，提供了一种人脸表情识别方法及系统，所述方法包括：对人脸表情图像提取n个人脸关键点P

摘要：本发明适用多媒体和人工智能技术领域，提供了一种说话人脸视频生成方法，该方法包括：当接收到说话人脸视频生成请求时，获取目标对象的人脸参考图片以及对应的姿态源视频和目标音频，对人脸参考图片、姿态源视频以及目标音频分别进行相应处理，得到对应的头部姿态特征、身份特征以及语音特征，将头部姿态特征、身份特征以及语音特征进行特征融合，得到目标融合特征，根据目标融合特征，通过预先训练好的、由基于styleGAN2结构的生成器网络和包含一个视觉质量判别器的判别器网络组成的说话人脸视频生成模型生成说话人脸视频，从而提高了生成的说话人脸视频中目标对象说话时头部姿态的自然连贯性和灵活性，进而提升了说话人脸视频的生成质量和视觉效果。

摘要：本发明适用于互动游戏领域，提供了用于互动游戏装置的人脸识别方法、装置及互动游戏系统，所述方法包括：使用一摄像装置拍摄位于互动游戏装置前的用户的图像；检测摄像装置与用户之间的距离；计算用户的人脸尺寸值；获取所述用户对应的预设数量的人脸尺寸值；将预设数量的人脸尺寸值分别设置为用于检测所述图像的人脸检测窗口的尺寸值，以得到预设数量的具有不同尺寸值的人脸检测窗口；使用预设数量的人脸检测窗口以及预设的分类器对图像进行人脸检测，以识别出用户在图像中人脸的位置和尺寸，输出用户在互动游戏装置中对应游戏角色的人脸位置和尺寸，从而提高了互动游戏装置的人脸检测效率，进而提高了游戏的响应速度。

摘要：本发明适用图像处理技术领域，提供了一种二维人脸关键特征点定位方法及系统，方法包括：接收输入的二维人脸图像，使用预设的人脸关键特征点获取算法获取人脸关键特征点的二维位置坐标，将二维位置坐标输入到预先建立的特征点维度转换模型；通过特征点维度转换模型计算二维位置坐标对应的人脸关键特征点的三维位置坐标；将三维位置坐标投影到二维人脸图像上，获取三维位置在二维人脸图像上的估计坐标；通过估计坐标和二维位置坐标计算人脸关键特征点的定位精度；当定位精度小于一预设阈值时，将二维位置坐标在二维人脸图像中对应的像素点设置为二维人脸图像的人脸关键特征点，从而提高人脸关键特征点的定位精度。

摘要：本发明适用计算机技术领域，提供了一种深度图像缺失像素的修复方法及系统，所述方法包括：使用M个滤波器F_i对表示原始深度图像的矩阵D进行滤波，得到M个数值矩阵H_i，所述M为一预设的正整数值，i＝0,1,…,M-1；对所述M个数值矩阵H_i中的所有元素进行降幅处理，得到降幅后的M个数值矩阵N_i；通过连续求和公式计算矩阵R，使用所述矩阵R替换表示所述原始深度图像的矩阵D，以完成所述原始深度图像的修复，其中，表示F_i的转置，*为卷积操作符，从而可将图像中反映的深度信息(即物体的距离信息)误差大大降低。

摘要：本发明公开了一种基于深度特征联合表示的图像集人脸识别方法、装置和介质，其方法包括获取待识别的人脸图像集，作为测试集，根据预设的人脸图像深度特征的提取策略，提取人脸图像集中人脸图像的深度特征；根据预设的人脸图像深度特征的提取策略，提取预设图像训练集的人脸图像深度特征，创建联合协同表示模型对测试集进行表示；基于联合协同表示模型及卷积神经网络的训练模型进行图像集人脸识别。本发明利用深度特征做基于图像集的人脸识别，很好地将稀疏表示和深度特征相结合，使得基于图像集的人脸识别精度得到很大提升，在增加鲁棒性的同时，有效地利用深度特征比传统特征更具有区分度，使得得到的特征会有更好的鉴别力，进而提高识别率。

摘要：本发明实施例提供的基于云平台和模型推荐的神经网络自动训练方法和装置，通过在云计算平台下以云的形式存在的大量计算机组成的各种机器学习云，是云计算平台默认自带了各种机器学习模型，通过根据用户输入的样本数据的数据类型选择神经网络模型，对所述样本数据进行自动训练，解决了机器学习建模不便的问题，从而使用户无需为繁琐的细节而烦恼，能够更加专注于自己的业务，有利于创新和降低成本。

摘要：本发明实施例提供一种基于神经网络的目标识别方法及系统。包括：云平台获取训练后的神经网络，训练后的神经网络通过第一神经网络对训练样本集进行训练获得；所述云平台将训练后的神经网络的模型参数发送至目标设备，以使得所述目标设备根据所述模型参数配置第二神经网络，并利用配置后的第二神经网络对待识别图像进行识别，获取所述待识别图像中所述目标物体的位置。本发明实施例在云平台上进行神经网络的训练，并将训练好的神经网络参数发送至目标设备，利用目标设备对待识别图像进行识别，由于云计算具有低成本、高性能、通用性强、利用率高的特点