CN101965580B - 基于生物统计学行为背景的人类识别系统和方法 - Google Patents
基于生物统计学行为背景的人类识别系统和方法 Download PDFInfo
- Publication number
- CN101965580B CN101965580B CN200880116517.XA CN200880116517A CN101965580B CN 101965580 B CN101965580 B CN 101965580B CN 200880116517 A CN200880116517 A CN 200880116517A CN 101965580 B CN101965580 B CN 101965580B
- Authority
- CN
- China
- Prior art keywords
- behavior characteristics
- biological property
- individual
- time variable
- variable component
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
提供了基于生物学特征和行为特征的结合的人类生物统计学识别系统和方法,以获得增强的识别准确度并避免基于模仿特征的错误鉴别。行为特征包括涉及人类在其一生期间获得的能够与个体相关联的行为的生物统计学特征。人体的多个时序5D图像可以被拍摄,并基于其行为特征,通过将5D图像中的时间变量分量与储存的各人行为特征相关的值进行比较,用于识别个人,同时,基于其生物学特征,通过将5D图像中的时间常数分量与储存的各人生物学特征相关的值进行比较,个人可以被进一步识别。
Description
发明背景
发明领域
本公开涉及基于生物学特征和行为特征的人类的识别。
背景讨论
存在已知的、利用生物统计学特征鉴别和验证人类——通常称为识别——的方法和装置。这些生物统计学特征可以被分为两类特征:生物学特征和行为特征。生物学特征包括先天的生物统计学特征,其一般随时间稳定并且独立于人的活动,如指纹或掌纹、虹膜、脸的可视或红外照片图像、手的轮廓、三维面部图像、DNA结构、头骨结构等。行为特征包括涉及人类在其一生期间获得的行为的生物统计学特征,其足够长久和稳定以可鉴别个人,如笔迹(包括运动特异性(motorspecific)和排除运动特异性)、声音、发音、姿势、模拟等。
非接触生物学识别方法是已知的,其利用生物学特征来进行个人识别。这些非接触识别方法被用于访问控制系统(accesscontrolsystem)、涉及大量人的社会和国家计划(例如,移民和护照控制、驾驶执照)、游客登记系统等。这种非接触识别方法的实例包括基于虹膜成像以及二维和三维面部成像的人类识别方法。虹膜成像被认为是准确的识别方法,尽管由于个人与其虹膜成像所要求的合作水平以及也由于与该方法相关的成本,其实际应用被减少。二维面部图像识别通常成本更低,但同时其是较不准确的识别方法并且最受操作条件范围限制。三维图像识别方法具有高水平的精度,其最近已经接近于与虹膜识别方法相同水平的准确度,其比虹膜识别方法对被识别个人的合作要求更低,具有宽的操作条件范围,并且通常定价在介于二维图像识别方法和虹膜识别方法之间的中间水平。
与所有上述所列生物学识别方法相关的一个共同缺陷是,它们通常具有低的欺骗(假象)抵抗力,因为用于这种识别方法的生物统计学特征有时可以被轻易模仿。对这种生物学识别方法来说,确定个人正在被这种方法验证的是实际的或是模仿的生物学特征是困难的或不可能的。
与所有上述所列生物学识别方法相关的另一共同缺陷是,它们中的每一种方法与一些百分比的人群不相容。另外,与所有上述所列生物学识别方法相关的另一共同缺陷是,它们中的每一种方法都要求正在被识别的个人的相当程度的合作。
发明内容
依据一个或多个实施方式,提供了基于生物学特征和行为特征的结合的人类生物统计学识别的系统和方法,以便获得增强的识别性能并避免基于模仿特征的错误鉴别。
依据一个或多个实施方式,人体的至少一部分的多个时序5D图像可以被拍摄,并基于其行为特征,通过将5D图像中时间变量分量(timevariablecomponent)与所储存的各人行为特征相关的值进行比较,用于识别个人,同时,基于其生物学特征,通过将5D图像中时间常数分量(timeconstantcomponent)与所储存的各人生物学特征相关的值进行比较,个人可以被进一步识别。
附图简述
参照以下描述,结合附图,本公开的上述特征和目的将变得更明显,其中相同的附图标记表示相同的要素,其中:
图1是依据本公开的一个或多个实施方式、基于生物学特征和行为特征的结合的人类生物统计学识别系统的框图透视图。
图2是依据本公开的一个或多个实施方式、基于生物学特征和行为特征的结合的人类生物统计学识别方法的操作流程图。
图3图解了依据本公开的一个或多个实施方式、用于确定个人的行为特征的个人时序5D图像。
发明详述
一般地,本公开包括依据本公开的一个或多个实施方式、基于生物学特征和行为特征的结合的人类生物统计学识别的系统和方法。现在本公开的一些实施方式将参照前述附图进行讨论,其中相同的附图标记指相同的要素。
在一个或多个实施方式中,提供了人类生物统计学识别的系统和方法,其除了生物学特征之外还使用行为特征来实现识别性能的增加和避免基于模仿特征的错误鉴别。行为特征包括涉及人类在其一生期间获得的行为——其能够与个体相关联——的生物统计学特征。
在一个或多个实施方式中,可以使用由个人的图像获得的个人的行为特征和生物学特征实现人的识别。在一个或多个实施方式中,人体的至少一个5D图像可以被用于通过生物学特征识别个人,而人体的多个时序5D图像可以被用于通过行为特征识别个人。当在本公开提及5D图像时,这种参考应该是指来自三维(3D)图像和二维(2D)图像的部分的结合和/或多个3D和2D图像的任何结合。结合的3D和2D图像可以从相同或不同的视点拍摄,其中结合的3D和2D图像可以进一步拍摄物体表面相同的或不同的部分。
同样理解,当提及人体的图像时,这种参考应该是指人体表面的任何部位的图像或者人体表面的任何部位的任何结合,其包括但不限于:人体、手、手掌、腿、头和/或脸。当通过生物学特征识别个人时,识别程序可以被执行,其涉及将从图像提取的测量的生物统计学特征值和与待鉴别的一个或多个人相关的登记的或储存的值进行比较。在一个或多个实施方式中,当使用5D图像识别时,本系统和方法将i)使用5D图像中与常数分量相关的信息,分析生物学特征,和ii)使用5D图像中与变量分量相关的信息,分析生物统计学特征。当登记或注册行为特征时,为了使用5D图像确定个人的行为特征,个人的多个5D图像以时间顺序被连续拍摄。当进行识别时,系统拍摄个人的多个5D图像,分析它们以提取生物统计学特征和行为特征,并对提取的特征和早先登记的并与特定的人相关联的特征进行比较。
在一个或多个实施方式中,人体的时序5D图像被用于确定人体的变量分量(其中一些可以被认为是行为特征),这将进一步确定人体的常数分量(其中一些可以被认为是生物学特征),具有好于只用一张人体5D图像能够达到的品质。这样的分析增加了人类识别系统的性能——不仅是生物学特征和行为特征分析的结合,而且是获得更好品质的生物学特征。
现在参考图1,依据本公开的一个或多个实施方式,图解了基于生物学特征和行为特征的结合的用于人类识别的生物统计学识别系统100的框图。
在一个或多个实施方式中,系统100包括目标拍摄装置102和计算装置104。目标拍摄装置包括至少一个投影(projection)装置106和至少一个检测装置108。在至少一个实施方式中,投影装置106是幻灯片投影器,该投影器包括光源126和用于调节从光源126发射的光的光调节装置122。该光调节装置122可以是包括幻灯片的幻灯片式装置、包括液晶屏的液晶显示器(LCD)式光装置或产生结构光(structuredlight)113的其它装置。在至少一个实施方式中,投影装置106可以包括具有顶点124的透镜181,用于将幻灯片图像作为在投影区域114附近的结构光113投射到个人111的表面110上。根据本实施方式和其他实施方式,结构光113也可以使用其他方法生成,诸如干涉、叠栅(moir)和衍射光生成方法。
在至少一个实施方式中,投影装置106投射的结构光113的波长选自光波长、可见波长和红外波长之一。在至少一个实施方式中,投影装置106是连续光源。
在至少一个实施方式中,检测装置108可以包括具有顶点130的照相透镜180,矩阵辐射接收器(matrixradiationreceiver)128和驱动器132。照相透镜180在矩阵辐射接收器128的表面上形成图像。驱动器132用作电子信号管理和处理单元,其控制矩阵辐射接收器128的操作并且可以在拍摄到的图像被发送到计算装置104之前按照所期望或要求的将矩阵辐射接收器128拍摄到的图像转换成另一种格式(例如VGA、bmp、jpeg等)。检测装置108可以包括视场118,所述视场包括个人111的表面110的一部分。投影装置106可以包括投影器轴112,并且检测装置108可以包括检测器轴116,从而三角测量角120是在投影器轴112和检测器轴116之间的角。
计算装置104接收来自检测装置108的输出,并且分析从检测装置108的输出接收的拍摄到的图像以进行期望的计算,例如但不限于个人111的表面110的3D形状、与基于生物学特征的人类识别相关的计算、与基于行为特征的人类识别相关的计算、与基于生物学特征和行为特征两者的人类识别相关的计算、个人111的表面110的2D形状、到个人111的距离和被拍摄表面110的方位。计算装置104也能够控制投影装置106和检测装置108以及它们所包括的不同组件。
现参考图2,图解了依据本公开的一个或多个实施方式、基于生物学特征和/或行为特征的用于人类识别的系统100的使用过程的操作流程图。最初,在步骤200中,至少一个人类的生物统计学特征被注册入系统100中并与特定人的个性相关联。最初通过拍摄至少一个人的图像,生物统计学特征可以被注册,其中至少一个图像被要求用于生物学特征,而多个时序图像被要求用于注册行为特征。拍摄的图像被分析以提取与该图像相关联的某些生物统计学(生物学和/或行为)特征,并且生成的生物学特征被储存或注册为与个人相关联的个体特征(personality)。在一个或多个实施方式中,生物统计学也可以通过检索先前获得的关于至少一个人的生物统计学特征用系统100注册,其中先前获得的生物统计学特征可以被储存在系统100的存储器或另一组件中,或者可以输入或者另外从系统100之外的另一数据源获得。
在步骤202中,系统100通过拍摄和分析个人的至少一个图像,来测量位于目标拍摄系统102之前的个人的生物统计学特征。在一个或多个实施方式中,多个时序图像被拍摄以测量个人的行为特征,其中只有一个图像可以被要求用于测量个人的生物学特征。在步骤204中,将提取自拍摄图像的测量的生物统计学特征与注册的生物统计学特征(例如,个人先前注册的图像或者与之相关的数据)进行比较,以通过确定匹配是否存在于测量的生物统计学特征和任何注册的生物统计学特征之间来确定该个人是否被识别。从该比较,识别系统100可以确定个性识别是否基于个人的生物统计学特征产生。仅使用行为特征或行为特征和生物学特征的结合,系统100可以进行识别。在步骤206中,系统100可以通过分析第二信息,其例如但不限于:个人的其它生物统计学特征或接收到的关于该个人的辨别信息(例如,个人的状况、登陆的PIN码、对询问的反应、从接触或非接触的卡获得的信息、当天的时间等),进一步对个人进行另外的确认。系统100可以包括针对个人的输入装置以输入该辨别信息。
现在参考图3,在一个或多个实施方式中,可以通过系统100拍摄多个人体5D图像进行个人的行为特征的识别,其中显示在图3中的图像300a、300b、......、300n图解了在n个连续点随时间拍摄的时序3D图像。通过分析在本文描述的方法中阐明的行为特征,这些图像可以被用于识别个人的个性。根据拍摄的图像,除拍摄的表面110的时间变量分量(例如,个人的行为特征)之外,可以测量拍摄的表面110的时间常数分量(例如,个人的生物学特征)。通过对在鉴定和注册期间登记的恒定表面分量和在至少一个拍摄的图像中测量的恒定表面分量进行比较,可以获得个人鉴定。但是,识别直至图像中时间变量表面分量和该人的注册变量表面分量进行比较以使用行为特征验证个人识别的准确度时,才完成。
以这种方式,极难模拟或复制的行为生物统计学特征(例如,人体表面的时间变量的变化)的使用在进行人类识别时提供了增加的准确度,并且也提供了对正接受识别的个人的生物统计学数据不被模拟的保护。
在一个或多个实施方式中,一些背景中的行为特征通常可以被登记。例如,笔迹可以与单词或句子关联,而声音和发音可以与短语(phrase)或代码字(codeword)关联。背景相关的行为特征的登记简化了识别人类的任务并提供了增强的识别系统的可靠性。在一个或多个实施方式中,为了成功的识别,人类不仅应该向系统提供生物统计学特征,也应该提供背景(代码字、短语等),如果没有这些将不能成功识别。在这种基于背景的识别中,用于识别目的的注册、测量及对比的行为特征与特定背景相关联以进一步提高识别的准确度。例如,在注册和鉴定期间,一个人可以被要求讲一个特定的词或短语,然后它们将会用作行为特征的背景。在识别过程期间,该人将被要求讲相同的词组以便可以基于相同背景分析行为特征,从而也增加了对人的个性的确定。一定比例的人体可以以独特的、可识别的方式移动以用作与讨论中的背景一致的行为特征。
在一个或多个实施方式中,可以使用在多个背景下的行为特征进行识别。在这种实施方式中,可能对每个人在不同背景下进行数次注册,背景的数量和内容可能对不同的人而各自不同。在识别过程期间,系统100可能要求相同的背景以测量各自的行为特征。可选地,系统100可以最初不知道哪一个特定背景被使用,对于待分析的哪种人类行为特征的决定是依照测量的生物学特征进行评估的。此外,背景的内容可以被特别用于决定随后的系统反应。例如,系统100可以被用于ATM机,这时,人所选择的背景可以告诉ATM机此人是正在自愿地使用其服务还是在压力下使用其服务。如果是自愿的,系统100可以识别此人并授权交易,而当系统100确定此人是在压力下,系统100可以以未被识别而拒绝此人,或者另外可以进行任何其它预先确定的行动(如,通知安全部门或警察此人是在压力下的情况且需要帮助)。
在一个或多个实施方式中,系统100仅使用人的行为特征进行识别。
在一个或多个实施方式中,系统100使用本文所描述的行为特征识别程序作为与其他的生物统计学特征识别程序一起使用的准确度的附加测量。例如,生物学特征识别程序可以被用于补充行为特征识别程序,如分析人脸或/和虹膜的二维图像。
在一个或多个实施方式中,系统100通过使用匹配规则(matchingformula)比较测量的特征与储存的特征来进行识别。规则限定了应该如何且以什么顺序比较这些特征以及最终的结论如何作出。在一个实例中,匹配规则可以设定至少一个测量的特征应该与至少一个各自储存的特征相匹配。在另一实例中,匹配规则可以设定所有测量的特征都应与各自储存的特征相匹配。在另一实例中,匹配规则可以设定测量的特征应该以特定顺序与各自储存的特征进行比较,其中每个测量的特征应该与各自储存的特征以一定的相似水平相匹配。所述的匹配规则仅为合适的匹配规则的少量实例,并不意欲暗示各种和每种可能性,也不对本发明的使用范围或功能性进行任何限制。
在一个或多个实施方式中,计算系统104可以控制图像拍摄系统102的操作,并进行必要的用于个人的生物统计学特征识别的计算。计算系统104可以包括通用的计算机系统,其适于实现这样的方法,所述方法用于按照本公开的、基于生物学特征和行为特征的结合的人类生物统计学识别。计算系统104仅是适合计算环境的一个实施例,并不意欲暗示对本发明的使用范围及功能性进行任何限制。在不同的实施方式中,基于生物学特征和行为特征的结合的人类生物统计学识别的本系统和方法对于许多其它的通用或特殊目的的计算系统环境或配置来说是可操作的。可以适用于本发明的众所周知的计算系统、环境和/或配置的实例包括但不限于:个人电脑、服务器电脑、手持式或便携式装置、多处理器系统、基于微处理器的系统、可编程消费者电子器件、网络PC、微型电脑、大型计算机、包括以上任何系统或装置的分布式计算环境和类似物。
在各种实施方式中,在基于生物学特征和行为特征的结合的人类生物统计学识别方法中所用的算法可以被描述在一般的计算机可执行的指令背景中,如被计算机执行的程序模块。通常,程序模块包括例程、程序、目标、组件、数据结构等,它们执行特定任务或实施特定的抽象数据类型。这些算法和方法还可以被在分布式计算环境运行,其中通过与通讯网络连接的远程处理装置来执行这些任务。在分布式计算环境中,程序模块可以位于包括存储器储存装置的本地和远程计算机存储介质。在一个实施方式中,计算系统通过执行一个或多个计算机程序对材料目标的形状实施多框架表面测量。计算程序和所依赖的数据可以被储存在存储器介质或存储介质如存储器和/或ROM,或它们可以通过网络连接或其它I/O连接被提供到CPU。
按照本文所述实施方式形成的系统和方法通过生物学特征和行为生物统计学特征提供了鉴定、识别和验证人类的非接触方法。本文所述的系统和方法对个人提供自主的高准确度的和实时的验证,同时忽略对此人的合作的要求。本系统和方法使用生物学特征和行为特征的结合以识别人类的个性,因此提供了增加的识别准确度,并且减少了生物统计学特征可以被模拟或复制的可能性。
Claims (17)
1.人脸识别方法,包括:
测量个人脸的行为特征的至少一个时间变量分量;
测量所述个人脸的至少一个生物学特征;
将测量的所述行为特征的所述至少一个时间变量分量与储存的与登记的个人的行为特征相关联的至少一个时间变量分量进行比较;
将测量的生物学特征中的至少一个与至少一个储存的生物学特征进行比较,其中每个储存的生物学特征与登记的个人相关联;
依据预先限定的匹配规则,当测量的所述行为特征的时间变量分量和测量的所述生物学特征分别与储存的所述行为特征的时间变量分量和所述生物学特征相匹配时,识别测量的个人为与相匹配的储存的行为特征和生物学特征相关的个人。
2.根据权利要求1所述的人脸识别方法,其中关于所述行为特征的至少一个时间变量分量的或关于所述生物学特征的信息提取自所述个人脸的至少一部分的至少一个5D图像。
3.根据权利要求2所述的人脸识别方法,其中所述匹配规则设定所有的测量的所述行为特征的时间变量分量和所述测量的生物学特征应该与各自的储存的所述行为特征的时间变量分量和所述生物学特征相匹配。
4.根据权利要求2所述的人脸识别方法,进一步包括使用收到的关于此人的另外的辨别信息来验证被识别的人。
5.根据权利要求2所述的人脸识别方法,其中,通过测量拍摄的图像之间的表面的变化,从拍摄的所述个人脸的至少一部分的时序5D图像提取所述行为特征的至少一个所述时间变量分量。
6.根据权利要求5所述的人脸识别方法,其中,通过测量所述拍摄的图像中的所述表面的时间常数分量,从拍摄的所述个人脸的至少一部分的时序5D图像提取所述生物学特征。
7.根据权利要求6所述的人脸识别方法,进一步包括将所述行为特征的至少一个时间变量分量与至少一个背景相联系。
8.根据权利要求7所述的人脸识别方法,其中所述生物学特征的至少一个是人脸上所述表面的时间常数分量,所述行为特征的至少一个所述时间变量分量是人模拟,并且所述背景的至少一个是代码短语。
9.根据权利要求7所述的人脸识别方法,进一步包括执行多个预先确定的行为中的一个,所述行为是根据所述识别的人使用的特定的背景选择的。
10.人脸识别系统,包括:
图像拍摄装置,其用于拍摄个人脸的至少一部分的图像;
至少一个储存的行为特征的时间变量分量,其与至少一个登记的个人相关联;
至少一个储存的生物学特征,其与至少一个登记的个人相关联;
和
计算装置,用于
从所述拍摄的图像测量所述个人的行为特征的至少一个时间变量分量;
从至少一个拍摄的图像测量所述个人的至少一个生物学特征;
将测量的行为特征的至少一个时间变量分量与至少一个储存的行为特征的时间变量分量进行比较,其中每个储存的行为特征的时间变量分量与至少一个登记的个人相关联;
将测量的生物学特征的至少一个与至少一个储存的生物学特征进行比较,其中每个储存的生物学特征与登记的个人相关联;
当依据预先限定的匹配规则,测量的所述行为特征的时间变量分量和测量的所述生物学特征分别与储存的所述行为特征的时间变量分量和生物学特征相匹配时,识别测量的个人为与相匹配的储存的行为特征和生物学特征相关的个人。
11.根据权利要求10所述的人脸识别系统,其中所述图像拍摄装置拍摄所述个人脸的至少一部分的至少两个5D图像,并且所述计算装置从至少一个5D图像提取所述行为特征的至少一个时间变量分量和所述生物学特征的至少一个。
12.根据权利要求11所述的人脸识别系统,其中所述匹配规则设定所有测量的所述行为特征的时间变量分量和所述生物学特征都应与各自的储存的所述行为特征的时间变量分量和所述储存的生物学特征相匹配。
13.根据权利要求11所述的人脸识别系统,进一步包括输入装置,其用于接收关于被测量的个人的另外的辨别信息,其中所述计算装置使用收到的关于个人的另外的辨别信息进一步验证被识别的所述个人。
14.根据权利要求11所述的人脸识别系统,其中所述计算装置通过测量至少两个拍摄的图像之间的时间常数分量从拍摄的所述个人脸的至少一部分的时序5D图像提取至少一个所述生物学特征。
15.根据权利要求14所述的人脸识别系统,其中所述行为特征的至少一个所述时间变量分量与至少一个背景相联系。
16.根据权利要求15所述的人脸识别系统,其中至少一个所述生物学特征是人脸上表面的时间常数分量,所述行为特征的至少一个所述时间变量分量与人发音模拟相关联,并且至少一个所述背景是代码短语。
17.根据权利要求15所述的人脸识别系统,其中所述计算装置进一步执行多个预先确定的行为中的至少一个,所述行为是根据所述个人使用的所述背景选择的。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/875,709 | 2007-10-19 | ||
US11/875,709 US20090103783A1 (en) | 2007-10-19 | 2007-10-19 | System and Method for Biometric Behavior Context-Based Human Recognition |
PCT/US2008/078625 WO2009055228A2 (en) | 2007-10-19 | 2008-10-02 | System and method for biometric behavior context-based human recognition |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101965580A CN101965580A (zh) | 2011-02-02 |
CN101965580B true CN101965580B (zh) | 2016-06-08 |
Family
ID=40563533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200880116517.XA Active CN101965580B (zh) | 2007-10-19 | 2008-10-02 | 基于生物统计学行为背景的人类识别系统和方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20090103783A1 (zh) |
EP (1) | EP2212829A4 (zh) |
JP (1) | JP2011502296A (zh) |
KR (2) | KR101968810B1 (zh) |
CN (1) | CN101965580B (zh) |
AU (1) | AU2008317141A1 (zh) |
MX (1) | MX2010004273A (zh) |
RU (2) | RU2010119949A (zh) |
WO (1) | WO2009055228A2 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110268365A1 (en) * | 2010-04-30 | 2011-11-03 | Acer Incorporated | 3d hand posture recognition system and vision based hand posture recognition method thereof |
TR201811449T4 (tr) * | 2012-11-07 | 2018-09-21 | Artec Europe S A R L | Üç boyutlu nesnelerin doğrusal boyutlarını gözetlemek için yöntem. |
CN104408416A (zh) * | 2014-11-25 | 2015-03-11 | 苏州福丰科技有限公司 | 一种用于金店或者珠宝行的三维人脸识别监控系统 |
LU100021B1 (en) | 2017-01-13 | 2018-07-30 | Adapttech Ltd | Socket fitting system |
US20220255923A1 (en) * | 2021-02-05 | 2022-08-11 | Cisco Technology, Inc. | Collaboration application integration for user-identity verification |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6219439B1 (en) * | 1998-07-09 | 2001-04-17 | Paul M. Burger | Biometric authentication system |
CN1635543A (zh) * | 2003-12-29 | 2005-07-06 | 佳能株式会社 | 用于检测人脸的方法和设备 |
CN101057248A (zh) * | 2004-11-16 | 2007-10-17 | 国际商业机器公司 | 指纹生物统计机器 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5761329A (en) * | 1995-12-15 | 1998-06-02 | Chen; Tsuhan | Method and apparatus employing audio and video data from an individual for authentication purposes |
US6219639B1 (en) * | 1998-04-28 | 2001-04-17 | International Business Machines Corporation | Method and apparatus for recognizing identity of individuals employing synchronized biometrics |
US6377700B1 (en) * | 1998-06-30 | 2002-04-23 | Intel Corporation | Method and apparatus for capturing stereoscopic images using image sensors |
JP2001338295A (ja) * | 2000-05-26 | 2001-12-07 | Wens Network Kk | 生態情報による本人認証システム |
US6950104B1 (en) * | 2000-08-30 | 2005-09-27 | Microsoft Corporation | Methods and systems for animating facial features, and methods and systems for expression transformation |
US6947578B2 (en) * | 2000-11-02 | 2005-09-20 | Seung Yop Lee | Integrated identification data capture system |
JP2002251380A (ja) * | 2001-02-22 | 2002-09-06 | Omron Corp | 利用者照合システム |
RU2245580C2 (ru) * | 2001-08-10 | 2005-01-27 | Свириденко Андрей Владимирович | Способ представления человека |
US20030044050A1 (en) * | 2001-08-28 | 2003-03-06 | International Business Machines Corporation | System and method for biometric identification and response |
US7440590B1 (en) * | 2002-05-21 | 2008-10-21 | University Of Kentucky Research Foundation | System and technique for retrieving depth information about a surface by projecting a composite image of modulated light patterns |
US7616784B2 (en) * | 2002-07-29 | 2009-11-10 | Robert William Kocher | Method and apparatus for contactless hand recognition |
US20060057550A1 (en) * | 2002-09-27 | 2006-03-16 | Nozomu Sahashi | Remote education system, course attendance check method, and course attendance check program |
JP2004318731A (ja) * | 2003-04-18 | 2004-11-11 | Chugoku Electric Power Co Inc:The | 音声認識による指令のセキュリティ方法及びこの方法を用いた各種取引方法 |
US20050084139A1 (en) * | 2003-05-13 | 2005-04-21 | Biocom, Llc | Identity verification system with interoperable and interchangeable input devices |
US7278028B1 (en) * | 2003-11-05 | 2007-10-02 | Evercom Systems, Inc. | Systems and methods for cross-hatching biometrics with other identifying data |
CN1977293A (zh) * | 2004-06-29 | 2007-06-06 | 皇家飞利浦电子股份有限公司 | 个人手势签名 |
KR100698380B1 (ko) * | 2004-09-17 | 2007-03-23 | 전자부품연구원 | 능동적 다중 카메라를 통한 다중 생체정보 및 환경정보 처리 시스템 및 방법 |
US20060120571A1 (en) * | 2004-12-03 | 2006-06-08 | Tu Peter H | System and method for passive face recognition |
BRPI0613023A2 (pt) * | 2005-07-11 | 2010-12-14 | Volvo Technology Corp | mÉtodos e disposiÇço para execuÇço de verificaÇço de identidade de motorista |
JP4539494B2 (ja) * | 2005-08-23 | 2010-09-08 | コニカミノルタホールディングス株式会社 | 認証装置、認証方法及びプログラム |
KR100734837B1 (ko) * | 2005-09-16 | 2007-07-03 | 한국전자통신연구원 | 다중 생체 인식 시스템 및 그 방법 |
RU2306603C1 (ru) * | 2006-02-01 | 2007-09-20 | Федеральное государственное унитарное предприятие "Научно-исследовательский институт "Восход" | Автоматизированная система идентификации личности граждан по данным паспортно-визовых документов |
US7725547B2 (en) * | 2006-09-06 | 2010-05-25 | International Business Machines Corporation | Informing a user of gestures made by others out of the user's line of sight |
-
2007
- 2007-10-19 US US11/875,709 patent/US20090103783A1/en not_active Abandoned
-
2008
- 2008-10-02 AU AU2008317141A patent/AU2008317141A1/en not_active Abandoned
- 2008-10-02 JP JP2010530021A patent/JP2011502296A/ja active Pending
- 2008-10-02 RU RU2010119949/08A patent/RU2010119949A/ru unknown
- 2008-10-02 CN CN200880116517.XA patent/CN101965580B/zh active Active
- 2008-10-02 MX MX2010004273A patent/MX2010004273A/es not_active Application Discontinuation
- 2008-10-02 KR KR1020167035396A patent/KR101968810B1/ko active IP Right Grant
- 2008-10-02 KR KR1020107010973A patent/KR20100087013A/ko active Application Filing
- 2008-10-02 WO PCT/US2008/078625 patent/WO2009055228A2/en active Application Filing
- 2008-10-02 EP EP08843117.6A patent/EP2212829A4/en not_active Ceased
-
2013
- 2013-11-14 RU RU2013150863A patent/RU2608001C2/ru active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6219439B1 (en) * | 1998-07-09 | 2001-04-17 | Paul M. Burger | Biometric authentication system |
CN1635543A (zh) * | 2003-12-29 | 2005-07-06 | 佳能株式会社 | 用于检测人脸的方法和设备 |
CN101057248A (zh) * | 2004-11-16 | 2007-10-17 | 国际商业机器公司 | 指纹生物统计机器 |
Non-Patent Citations (1)
Title |
---|
张鸿鸣等.模式识别与图形识别.《计算机应用研究》.1993,(第04期),5-7. * |
Also Published As
Publication number | Publication date |
---|---|
MX2010004273A (es) | 2010-08-04 |
RU2013150863A (ru) | 2015-05-20 |
RU2608001C2 (ru) | 2017-01-11 |
RU2010119949A (ru) | 2011-11-27 |
WO2009055228A2 (en) | 2009-04-30 |
WO2009055228A3 (en) | 2009-07-16 |
CN101965580A (zh) | 2011-02-02 |
KR20100087013A (ko) | 2010-08-02 |
EP2212829A2 (en) | 2010-08-04 |
JP2011502296A (ja) | 2011-01-20 |
EP2212829A4 (en) | 2014-05-07 |
US20090103783A1 (en) | 2009-04-23 |
KR20170000389A (ko) | 2017-01-02 |
KR101968810B1 (ko) | 2019-04-12 |
AU2008317141A1 (en) | 2009-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875524B (zh) | 视线估计方法、装置、系统和存储介质 | |
Hui et al. | Reflectance capture using univariate sampling of brdfs | |
RU2431190C2 (ru) | Способ и устройство распознавания рельефности лица | |
CN106991377A (zh) | 结合深度信息的人脸识别方法、人脸识别装置和电子装置 | |
WO2014033842A1 (ja) | 認証装置、及び認証方法 | |
CN108140255B (zh) | 用于识别场景中的反射表面的方法和系统 | |
CN101965580B (zh) | 基于生物统计学行为背景的人类识别系统和方法 | |
JPH11244261A (ja) | アイリス認識方法及び装置、データ変換方法及び装置 | |
Chaudhry et al. | Design of a mobile face recognition system for visually impaired persons | |
CN103294989A (zh) | 生物数据采集过程中区别真实脸部和二维脸部图像的方法 | |
US20170186170A1 (en) | Facial contour recognition for identification | |
WO2020079741A1 (ja) | 虹彩認証装置、虹彩認証方法および記録媒体 | |
KR20200134502A (ko) | 이미지 인식을 통한 3차원 인체 관절 각도 예측 방법 및 시스템 | |
KR20170110350A (ko) | 개인화 모델을 이용한 집중도 측정 장치 및 방법 | |
CN106991376A (zh) | 结合深度信息的侧脸验证方法及装置与电子装置 | |
KR102223351B1 (ko) | 모델 신뢰도를 검출하기 위한 방법 및 장치 | |
Ashari et al. | Analysis of Combination of Parking System with Face Recognition and QR Code using Histogram of Oriented Gradient Method | |
CN103268474A (zh) | 手机或平板电脑的三维扫描成像装置 | |
Logu et al. | Real‐Time Mild and Moderate COVID‐19 Human Body Temperature Detection Using Artificial Intelligence | |
CN111665943A (zh) | 一种位姿信息展示方法及装置 | |
AU2016225791B2 (en) | System and method for biometric behavior context-based human recognition | |
O'KANE | Validation of prediction models for target acquisition with electro-optical sensors | |
Vasavi | FACE RECOGNITION USING “HAAR CASCADE” TECHNIQUE FOR DOOR UNLOCKING SYSTEM | |
Rane et al. | Real-Time Automated Face Recognition System for Online Exam Examinee Verification | |
Alobaidi et al. | New In-Air Signature Datasets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190419 Address after: Luxemburg Luxemburg Patentee after: ARTEC EUROP SARL Address before: American California Patentee before: Artec Group Inc. |
|
TR01 | Transfer of patent right |