CN101515324A - 适用于多种姿态的人脸识别布控系统及方法 - Google Patents

适用于多种姿态的人脸识别布控系统及方法 Download PDF

Info

Publication number
CN101515324A
CN101515324A CNA2009100456507A CN200910045650A CN101515324A CN 101515324 A CN101515324 A CN 101515324A CN A2009100456507 A CNA2009100456507 A CN A2009100456507A CN 200910045650 A CN200910045650 A CN 200910045650A CN 101515324 A CN101515324 A CN 101515324A
Authority
CN
China
Prior art keywords
face
attitude
people
recognition
control
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.)
Pending
Application number
CNA2009100456507A
Other languages
English (en)
Inventor
赵文忠
刘国卿
吴剑平
郑明恩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yinchen Intelligent Identfiying Science & Technology Co Ltd Shanghai
Original Assignee
Yinchen Intelligent Identfiying Science & Technology Co Ltd Shanghai
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yinchen Intelligent Identfiying Science & Technology Co Ltd Shanghai filed Critical Yinchen Intelligent Identfiying Science & Technology Co Ltd Shanghai
Priority to CNA2009100456507A priority Critical patent/CN101515324A/zh
Publication of CN101515324A publication Critical patent/CN101515324A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明揭示一种适用于多种姿态的人脸识别布控系统及方法。对于利用人脸识别技术的布控系统来说，主要包括布控库、视频获取单元、人脸检测定位单元、姿态判断单元、若干人脸识别分类器、对比单元；布控库用于存储布控对象的多种姿态的人脸特征、照片以及一些基本信息；视频获取单元用以获取每一帧的视频数据；人脸检测定位单元用于检测视频数据中的人脸以及定位人脸中的一些重要器官的位置；姿态判断单元用以判断人脸检测定位单元所检测到的人脸的姿态；利用对应姿态的人脸识别分类器提取人脸特征；对比单元把所述人脸识别分类器提取的人脸特征、与布控库中对应姿态的人脸特征作对比并判断是否报警。本发明基于多种姿态的人脸识别布控系统可提高更大姿态人脸在视频布控中的识别率。

Description

适用于多种姿态的人脸识别布控系统及方法
技术领域
本发明涉及一种人脸识别系统，尤其涉及一种适用于多种姿态的人脸识别布控系统；此外，本发明还涉及上述多种姿态的人脸识别系统的识别方法。
背景技术
当今，人脸识别技术应用范围越来越广泛。其中，在视频监控中应用人脸识别技术成为人脸识别技术在实际应用的主流。然而，由于视频中的数据过于复杂，特别是由于人脸可能处于不同姿态，因而会带来识别误差可能会较大的问题。
目前的人脸识别布控系统中，往往会采用布控对象的正面照(如用布控对象的第二代身份证照片)，用人脸识别分类器提取这些照片中人脸的特征，而人脸识别分类器往往是基于正面人脸训练得到的；当视频中检测到人脸时，用同样的人脸识别分类器提取人脸特征，然后和布控库中的人脸特征比较，当有相似度大于预先设定的阈值时，发出报警。对于这种使用模式，当视频中的人脸的姿态变换较大时，识别率自然就比较低。
而后经过改进，在训练人脸识别分类器时，往往一个人有好几个人脸样本，而且为了使识别分类器能够适应人脸在实际应用环境中的变化(如：光照、姿态、表情、妆束、采集设备等等)，所以在收集训练样本时，会考虑同一个人的样本之间都会有些变化。因此，在实际应用中为了提高识别分类器对于姿态的鲁棒性，往往会在训练样本中增加不同姿态的人脸样本，但姿态变化范围不能很大。往往会控制在上下旋转15°，左右旋转15°左右，甚至更小的范围。通常将这类训练集称为正面脸的训练集(S0)(即通常将上下旋转15°、左右旋转15°的人脸称为正面脸)，由此训练出来的人脸识别分类器称为正面人脸的识别分类器(C0)。
上述分类器对人脸姿态在一定范围内的效果比较好。但对更大姿态的人脸，识别效果就比较差。
发明内容
本发明所要解决的技术问题是：提供一种适用于多种姿态的人脸识别布控系统，以提高更大姿态人脸在视频布控中的识别率。
此外，本发明还提供上述人脸识别布控系统的识别方法。
为解决上述技术问题，本发明采用如下技术方案：
一种适用于多种姿态的人脸识别布控系统，其包括布控库、视频获取单元、人脸检测定位单元、姿态判断单元、人脸识别分类器、对比单元；布控库用于存储布控对象的多种姿态的人脸特征；视频获取单元用以获取每一帧的视频数据；人脸检测定位单元用以检测视频数据中的人脸以及定位人脸中的一些重要器官的位置；姿态判断单元用于判断人脸检测定位单元所检测到的人脸的姿态；基于所述各种姿态人脸训练获得相应人脸识别分类器，根据姿态判断单元判断得到的人脸姿态选择对应的人脸识别分类器，利用该人脸识别分类器提取人脸特征；对比单元用以把所述人脸识别分类器提取的人脸特征、与布控库中对应姿态的人脸特征作对比，得到一组相似度值并排序，取最大值，得出最大相似度；当所述最大相似度大于设定的阈值时报警。
作为本发明的一种优选方案，所述人脸姿态包括：
第一姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线上下旋转[0°，a1°]范围内、沿人脸上下方向的中轴线左右旋转[0°，b1°]范围内的姿态；
第二姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线上下旋转[0°，a1°]范围内、沿人脸上下方向的中轴线向左旋转[b1°，b2°]范围内的姿态；
第三姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线上下旋转[0°，a1°]范围内、沿人脸上下方向的中轴线向右旋转[b1°，b3°]范围内的姿态；
第四姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向下旋转[a1°，a2°]范围内、沿人脸上下方向的中轴线左右旋转[0°，b1°]范围内的姿态；
第五姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向下旋转[a1°，a2°]范围内、沿人脸上下方向的中轴线向左旋转[b1°，b2°]范围内的姿态；
第六姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向下旋转[a1°，a2°]范围内、沿人脸上下方向的中轴线向右旋转[b1°，b3°]范围内的姿态；
第七姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向上旋转[a1°，a3°]范围内、沿人脸上下方向的中轴线左右旋转[0°，b1°]范围内的姿态；
第八姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向上旋转[a1°，a3°]范围内、沿人脸上下方向的中轴线向左旋转[b1°，b2°]范围内的姿态；
第九姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向上旋转[a1°，a3°]范围内、沿人脸上下方向的中轴线向右旋转[b1°，b3°]范围内的姿态；
其中，a1、a2、a3、b1、b2、b3均小于等于45；a1＜a2，a1＜a3，b1＜b2，b1＜b3。
作为本发明的一种优选方案，a1、b1大于10、小于20；a2、a3、b2、b3大于25、小于35。进一步地，a1＝b1＝15；a2＝a3＝b2＝b3＝30。
作为本发明的一种优选方案，在设置布控对象，提取布控对象的人脸特征时，先将布控对象用三维重建技术变换出不同姿态的人脸，用对应姿态的人脸识别分类器提取这些人脸的特征；当布控对象有对应姿态的照片时，就直接对该照片用对应姿态的人脸识别分类器提取人脸特征。
作为本发明的一种优选方案，所述系统还包括三维重建单元，通过该三维重建单元转换人脸的姿态。
作为本发明的一种优选方案，所述系统还包括三维重建单元，当某姿态的人脸数量不能达到训练要求时，通过该三维重建单元由已有姿态的人脸变换出相应姿态的人脸。
作为本发明的一种优选方案，所述系统还包括三维重建单元，当某姿态的数据数量不能达到训练要求时，通过该三维重建单元由所述第一姿态的人脸变换出相应姿态的人脸。
一种适用于多种姿态的人脸识别方法，其包括训练步骤：用一定数量的人脸训练，得到不同姿态的分类器；把照片根据姿态分成若干类；当某一类的照片数过少，不能满足训练算法要求时，通过三维重建单元由已有姿态的人脸变换出相应姿态的人脸；而后对每一个姿态类中的人脸训练得到对应姿态的人脸识别分类器。
一种适用于多种姿态的人脸识别方法，其包括识别步骤：
提取布控对象的人脸特征；将正面人脸通过三维重建技术变出不同姿态的人脸，对这些不同姿态的人脸用对应姿态的人脸识别分类器提取人脸特征，形成布控对象特征库；当布控对象有对应姿态的照片时，就直接对照片用对应姿态的人脸识别分类器提取人脸特征；
检测视频中的数据，当检测到人脸时，定位人脸特征、判别人脸姿态、用对应姿态的识别分类器提取人脸特征；
将所述人脸特征与布控对象特征库中对应姿态的特征比对，得到一组相似度值并排序，取最大值，当最大值大于某阈值时，所述人脸特征为布控库中某一布控对象匹配，报警。
本发明的有益效果在于：本发明揭示的人脸识别系统及方法由于用人脸三维重建技术将后台的布控对象变换出各种姿态的人脸，同时用对应姿态的人脸识别分类器提取特征；对前端视频中不同姿态的人脸用不同姿态的人脸识别分类器提取人脸特征，最终用相同姿态的人脸特征作比对，因此提高了报警的准确率。
附图说明
图1为正面脸范围的示意图。
图2为本发明人脸识别系统的组成示意图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例一
请参阅图2，本发明揭示一种适用于多种姿态的人脸识别布控系统，包括布控库1、视频获取单元2、人脸检测定位单元3、姿态判断单元4、若干人脸识别分类器5、对比单元6。
布控库1用以存储多种姿态的人脸特征、照片以及一些基本信息；视频获取单元2用以获取每一帧的视频数据；人脸检测定位单元3用于检测视频数据中的人脸以及定位人脸中的一些重要器官的位置；姿态判断单元4用以判断所述人脸检测定位单元3所检测到的人脸的姿态；相应人脸识别分类器5是基于所述各种姿态人脸训练获得的，根据姿态判断单元4判断得到的人脸姿态选择对应的人脸识别分类器5，利用该人脸识别分类器5提取人脸特征；对比单元6用以把所述人脸识别分类器5提取的人脸特征、与布控库1中对应姿态的人脸特征作对比，得到一组相似度值并排序，取最大值，得出最大相似度；当所述最大相似度大于设定的阈值时报警。
根据人脸姿态在实际使用中的变化范围以及现有人脸识别技术能达到的技术水平，本发明中将人脸姿态划分为9大类姿态，具体包括：
第一姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线上下旋转[0°，a1°]范围内(即图1中的上下旋转)、沿人脸上下方向的中轴线左右旋转[0°，b1°]范围内(即图1中的左右旋转)的姿态；
第二姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线上下旋转[0°，a1°]范围内(即图1中的上下旋转)、沿人脸上下方向的中轴线向左旋转[b1°，b2°]范围内(即图1中的左右旋转)的姿态；
第三姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线上下旋转[0°，a1°]范围内(即图1中的上下旋转)、沿人脸上下方向的中轴线向右旋转[b1°，b3°]范围内(即图1中的左右旋转)的姿态；
第四姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向下旋转[a1°，a2°]范围内(即图1中的上下旋转)、沿人脸上下方向的中轴线左右旋转[0°，b1°]范围内(即图1中的左右旋转)的姿态；
第五姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向下旋转[a1°，a2°]范围内(即图1中的上下旋转)、沿人脸上下方向的中轴线向左旋转[b1°，b2°]范围内(即图1中的左右旋转)的姿态；
第六姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向下旋转[a1°，a2°]范围内(即图1中的上下旋转)、沿人脸上下方向的中轴线向右旋转[b1°，b3°]范围内(即图1中的左右旋转)的姿态；
第七姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向上旋转[a1°，a3°]范围内(即图1中的上下旋转)、沿人脸上下方向的中轴线左右旋转[0°，b1°]范围内(即图1中的左右旋转)的姿态；
第八姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向上旋转[a1°，a3°]范围内(即图1中的上下旋转)、沿人脸上下方向的中轴线向左旋转[b1°，b2°]范围内(即图1中的左右旋转)的姿态；
第九姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向上旋转[a1°，a3°]范围内(即图1中的上下旋转)、沿人脸上下方向的中轴线向右旋转[b1°，b3°]范围内(即图1中的左右旋转)的姿态；
其中，a1、a2、a3、b1、b2、b3均小于等于45；a1＜a2，a1＜a3，b1＜b2，b1＜b3。
有使本发明的效果更优，a1、b1为大于10、小于20的任意数；a2、a3、b2、b3为大于25、小于35的任意数。
本实施例中，a1＝b1＝15；a2＝a3＝b2＝b3＝30，由此形成的9大类姿态可参阅表1。
Figure A20091004565000091
Figure A20091004565000101
表1
注：表中的“-”号表示低头或左转；“+”表示抬头或右转。
根据上述的姿态分类分别收集训练、整理训练数据。当某些姿态的人脸数量不能达到训练要求时，可以在系统中设置三维重建单元、通过人脸的三维重建技术【可参考文献——http://www.jdl.ac.cn/project/faceId/articles/FRJDL-XiujuanChai-AVBPA05.pdf】由正面人脸变换出相应姿态的人脸，弥补训练数据的不足。当然，也可以由除正面人脸外的其他姿态变换出需要的姿态人脸；同时，还可以由已有的若干姿态人脸变换出所需姿态人脸。由此可以得到9个数据集Si(0≤i＜9)，由9个数据集分别训练出9个人脸识别分类器Ci(0≤i＜9)。
在实际的人脸识别布控系统中，收集每个布控对象9种姿态的照片，并用对应姿态的人脸识别分类器提取人脸特征。当布控对象缺少某些姿态的人脸时，可以利用三维重建技术由正面人脸生成这些姿态的人脸。当前端视频中检测到人脸时，先判断人脸的姿态；再用对应姿态的分类器提取人脸特征和后台库(即布控库)中的对应姿态的所有特征比对，并算出这次比对的最大相似度；当最大相似度大于预先设定的阈值时报警。
在比对时，有多种比对方案，只需使比对的两个人脸的姿态一致即可；如不一致、或者布控库中找不到对应姿态，则需把人脸通过三维重建技术变换成与布控库中的人脸姿态—致，而用对应姿态的人脸识别分类器提取人脸特征后再作对比。如，把人脸通过三维重建技术变换成正面人脸，再用正面脸的识别分类器提取的人脸特征，与布控库中的正面人脸的人脸特征做比对。
本发明人脸识别系统的识别方法具体包括如下步骤：
人脸识别过程分两大部分，一部分是训练，得到分类器；另一部分是人脸识别分类器的应用。
训练：用一定数量的人脸训练。通常会考虑到人脸的姿态、光照对识别效果的影响，所以一个人会有好几张不同姿态、不同光照的人脸。这个工作往往是不在现场做的；各个厂家都有自己的训练算法和训练数据。而且为了提高分类器对姿态的如棒性，把训练照片根据姿态分成几类。当某一类的照片数过少时，用三维重建通过正面脸变换出所要姿态的人脸。
分类器的应用：人脸识别布控系统是人脸识别技术的应用。步骤如下：
1)、提取布控对象的人脸特征(这个过程通常称为建模)。通常情况下，有不少布控对象，每一个布控对象只有一张正面照。为了提高布控系统的识别率，将正面人脸通过三维重建技术变出不同姿态的人脸，对这些不同姿态的人脸用对应姿态的人脸识别分类器提取人脸特征，形成布控对象特征库。(这样一个布控对象有几个对应不同姿态的人脸特征)。
2)、检测视频中的数据，当检测到人脸时，就定位人脸特征、判别姿态、用对应姿态的分类器提取人脸特征(特征B)。
3)、将特征B与布控对象特征库中对应姿态的人脸特征比对，得到一组相似度值并排序。取最大值，当最大值大于某阈值时，人脸特征B与布控库中某一布控对象匹配，报警。
综上所述，本发明揭示的人脸识别系统及方法由于用人脸三维重建技术将后台的布控对象变换出各种姿态的人脸，同时用对应姿态的人脸识别分类器提取特征；对前端视频中不同姿态的人脸用不同姿态的人脸识别分类器提取人脸特征，最终用相同姿态的人脸特征作比对，因此提高了报警的准确率。
这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其他形式、结构、布置、比例，以及用其他元件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其他变形和改变。

Claims (10)

1、一种适用于多种姿态的人脸识别布控系统，其特征在于，其包括：
布控库，用以存储布控对象的多种姿态的人脸特征；
视频获取单元，用以获取每一帧的视频数据；
人脸检测定位单元，用以检测视频数据中的人脸以及定位人脸中的设定重要器官的位置；
姿态判断单元，用以判断人脸检测定位单元所检测到的人脸的姿态；
基于所述各种姿态人脸训练获得的相应人脸识别分类器，根据姿态判断单元判断得到的人脸姿态选择对应的人脸识别分类器，利用该人脸识别分类器提取人脸特征；
对比单元，用以把所述人脸识别分类器提取的人脸特征、与布控库中对应姿态的人脸特征作对比，得到一组相似度值并排序，取最大值，得出最大相似度；当所述最大相似度大于设定的阈值时报警。
2、根据权利要求1所述的适用于多种姿态的人脸识别布控系统，其特征在于：
所述人脸姿态包括：
第一姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线上下旋转[0°，a1°]范围内、沿人脸上下方向的中轴线左右旋转[0°，b1°]范围内的姿态；
第二姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线上下旋转[0°，a1°]范围内、沿人脸上下方向的中轴线向左旋转[b1°，b2°]范围内的姿态；
第三姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线上下旋转[0°，a1°]范围内、沿人脸上下方向的中轴线向右旋转[b1°，b3°]范围内的姿态；
第四姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向下旋转[a1°，a2°]范围内、沿人脸上下方向的中轴线左右旋转[0°，b1°]范围内的姿态；
第五姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向下旋转[a1°，a2°]范围内、沿人脸上下方向的中轴线向左旋转[b1°，b2°]范围内的姿态；
第六姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向下旋转[a1°，a2°]范围内、沿人脸上下方向的中轴线向右旋转[b1°，b3°]范围内的姿态；
第七姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向上旋转[a1°，a3°]范围内、沿人脸上下方向的中轴线左右旋转[0°，b1°]范围内的姿态；
第八姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向上旋转[a1°，a3°]范围内、沿人脸上下方向的中轴线向左旋转[b1°，b2°]范围内的姿态；
第九姿态，即人脸相对于绝对正面沿人脸左右方向的中轴线向上旋转[a1°，a3°]范围内、沿人脸上下方向的中轴线向右旋转[b1°，b3°]范围内的姿态；
其中，a1、a2、a3、b1、b2、b3、均小于等于45；a1＜a2，a1＜a3，b1＜b2，b1＜b3。
3、根据权利要求2所述的适用于多种姿态人脸识别布控系统，其特征在于：
a1、b1大于10、小于20；
a2、a3、b2、b3大于25、小于35。
4、根据权利要求3所述的适用于多种姿态人脸识别布控系统，其特征在于：
a1＝b1＝15；
a2＝a3＝b2＝b3＝30。
5、根据权利要求1所述的适用于多种姿态人脸识别布控系统，其特征在于：
在设置布控对象，提取布控对象的人脸特征时，先将布控对象用三维重建技术变换出不同姿态的人脸，用对应姿态的人脸识别分类器提取这些人脸的特征；当布控对象有对应姿态的照片时，就可直接对该照片用对应姿态的人脸识别分类器提取人脸特征。
6、根据权利要求5所述的适用于多种姿态人脸识别布控系统，其特征在于：
所述系统还包括三维重建单元，通过该三维重建单元转换人脸的姿态。
7、根据权利要求1所述的适用于多种姿态人脸识别布控系统，其特征在于：
所述系统还包括三维重建单元，当某姿态的人脸数量不能达到训练要求时，通过该三维重建单元由已有姿态的人脸变换出相应姿态的人脸。
8、根据权利要求7所述的适用于多种姿态人脸识别布控系统，其特征在于：
所述系统还包括三维重建单元，当某姿态的人脸数量不能达到训练要求时，通过该三维重建单元由所述第一姿态的人脸变换出相应姿态的人脸。
9、一种适用于多种姿态的人脸识别方法，其特征在于，其包括训练步骤：
用一定数量的人脸训练，得到不同姿态的分类器；把照片根据姿态分成若干类；
当某一类的照片数过少，不能满足训练算法要求时，通过三维重建单元由已有姿态的人脸变换出相应姿态的人脸；而后对每一个姿态类中的照片训练得到对应姿态的人脸识别分类器。
10、一种适用于多种姿态的人脸识别方法，其特征在于，其包括识别步骤：
提取布控对象的人脸特征；将正面人脸通过三维重建技术变出不同姿态的人脸，对这些不同姿态的人脸用对应姿态的人脸识别分类器提取人脸特征，形成布控对象特征库；
检测视频中的数据，当检测到人脸时，定位人脸特征、判别人脸姿态、用对应姿态的识别分类器提取人脸特征；
将所述人脸特征与布控对象特征库中对应姿态的特征比对，得到一组相似度值并排序，取最大值，当最大值大于某阈值时，所述人脸特征为布控库中某一布控对象匹配，报警。
CNA2009100456507A 2009-01-21 2009-01-21 适用于多种姿态的人脸识别布控系统及方法 Pending CN101515324A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNA2009100456507A CN101515324A (zh) 2009-01-21 2009-01-21 适用于多种姿态的人脸识别布控系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNA2009100456507A CN101515324A (zh) 2009-01-21 2009-01-21 适用于多种姿态的人脸识别布控系统及方法

Publications (1)

Publication Number Publication Date
CN101515324A true CN101515324A (zh) 2009-08-26

Family

ID=41039774

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2009100456507A Pending CN101515324A (zh) 2009-01-21 2009-01-21 适用于多种姿态的人脸识别布控系统及方法

Country Status (1)

Country Link
CN (1) CN101515324A (zh)

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101908153A (zh) * 2010-08-21 2010-12-08 上海交通大学 低分辨率图像处理中的头部姿态估计的方法
CN102096801A (zh) * 2009-12-14 2011-06-15 北京中星微电子有限公司 一种坐姿检测方法及装置
CN102427521A (zh) * 2011-09-28 2012-04-25 福州海景科技开发有限公司 一种基于人脸识别技术的移动布控方法
CN102647580A (zh) * 2012-04-27 2012-08-22 浙江晨鹰科技有限公司 一种视频监控方法及系统
CN101763503B (zh) * 2009-12-30 2012-08-22 中国科学院计算技术研究所 一种姿态鲁棒的人脸识别方法
CN104463237A (zh) * 2014-12-18 2015-03-25 中科创达软件股份有限公司 一种基于多姿态识别的人脸验证方法及装置
CN104572697A (zh) * 2013-10-18 2015-04-29 镇江鼎拓科技信息有限公司 一种基于无线物联网技术的智能视频分析方法
CN104794459A (zh) * 2015-05-07 2015-07-22 北京丰华联合科技有限公司 一种从视频中进行人员身份判断的方法
CN105159444A (zh) * 2015-08-07 2015-12-16 珠海格力电器股份有限公司 用于手势识别的捕捉对象的确定方法和装置
CN105488371A (zh) * 2014-09-19 2016-04-13 中兴通讯股份有限公司 一种脸部识别方法和装置
CN105654048A (zh) * 2015-12-30 2016-06-08 四川川大智胜软件股份有限公司 一种多视角人脸比对方法
CN106407942A (zh) * 2016-09-27 2017-02-15 腾讯征信有限公司 一种图像处理方法及其装置
CN106650558A (zh) * 2015-11-04 2017-05-10 上海市公安局刑事侦查总队 人脸识别方法及装置
CN106682612A (zh) * 2016-12-26 2017-05-17 宇龙计算机通信科技(深圳)有限公司 一种基于图像识别的报警方法、终端、服务器及系统
WO2017088470A1 (zh) * 2015-11-27 2017-06-01 小米科技有限责任公司 图像分类方法及装置
CN107103271A (zh) * 2016-02-23 2017-08-29 芋头科技（杭州）有限公司 一种人脸检测方法
CN107798228A (zh) * 2017-09-27 2018-03-13 维沃移动通信有限公司 一种人脸识别方法及移动终端
CN107871345A (zh) * 2017-09-18 2018-04-03 深圳市盛路物联通讯技术有限公司 信息处理方法及相关产品
CN108021846A (zh) * 2016-11-01 2018-05-11 杭州海康威视数字技术股份有限公司 一种人脸识别方法和装置
CN108108711A (zh) * 2017-12-29 2018-06-01 深圳云天励飞技术有限公司 人脸布控方法、电子设备及存储介质
CN108335366A (zh) * 2018-01-30 2018-07-27 邓昌顺 对牲畜进行识别的方法及装置
CN109564620A (zh) * 2016-06-03 2019-04-02 奇跃公司 增强现实身份验证
CN109767487A (zh) * 2019-01-04 2019-05-17 北京达佳互联信息技术有限公司 人脸三维重建方法、装置、电子设备及存储介质
CN111091529A (zh) * 2018-10-24 2020-05-01 株式会社理光 一种人数统计方法及人数统计系统
CN111626074A (zh) * 2019-02-27 2020-09-04 北京奇虎科技有限公司 一种人脸分类方法及装置
CN112801066A (zh) * 2021-04-12 2021-05-14 北京圣点云信息技术有限公司 一种基于多姿态面部静脉的身份识别方法及装置
CN112990047A (zh) * 2021-03-26 2021-06-18 南京大学 一种结合面部角度信息的多姿态人脸验证方法

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096801A (zh) * 2009-12-14 2011-06-15 北京中星微电子有限公司 一种坐姿检测方法及装置
CN101763503B (zh) * 2009-12-30 2012-08-22 中国科学院计算技术研究所 一种姿态鲁棒的人脸识别方法
CN101908153B (zh) * 2010-08-21 2012-11-21 上海交通大学 低分辨率图像处理中的头部姿态估计的方法
CN101908153A (zh) * 2010-08-21 2010-12-08 上海交通大学 低分辨率图像处理中的头部姿态估计的方法
CN102427521A (zh) * 2011-09-28 2012-04-25 福州海景科技开发有限公司 一种基于人脸识别技术的移动布控方法
CN102647580A (zh) * 2012-04-27 2012-08-22 浙江晨鹰科技有限公司 一种视频监控方法及系统
CN104572697A (zh) * 2013-10-18 2015-04-29 镇江鼎拓科技信息有限公司 一种基于无线物联网技术的智能视频分析方法
CN105488371B (zh) * 2014-09-19 2021-04-20 中兴通讯股份有限公司 一种脸部识别方法和装置
CN105488371A (zh) * 2014-09-19 2016-04-13 中兴通讯股份有限公司 一种脸部识别方法和装置
CN104463237A (zh) * 2014-12-18 2015-03-25 中科创达软件股份有限公司 一种基于多姿态识别的人脸验证方法及装置
CN104463237B (zh) * 2014-12-18 2018-03-06 中科创达软件股份有限公司 一种基于多姿态识别的人脸验证方法及装置
CN104794459A (zh) * 2015-05-07 2015-07-22 北京丰华联合科技有限公司 一种从视频中进行人员身份判断的方法
CN105159444A (zh) * 2015-08-07 2015-12-16 珠海格力电器股份有限公司 用于手势识别的捕捉对象的确定方法和装置
CN105159444B (zh) * 2015-08-07 2018-05-25 珠海格力电器股份有限公司 用于手势识别的捕捉对象的确定方法和装置
CN106650558A (zh) * 2015-11-04 2017-05-10 上海市公安局刑事侦查总队 人脸识别方法及装置
WO2017088470A1 (zh) * 2015-11-27 2017-06-01 小米科技有限责任公司 图像分类方法及装置
CN105654048A (zh) * 2015-12-30 2016-06-08 四川川大智胜软件股份有限公司 一种多视角人脸比对方法
CN107103271A (zh) * 2016-02-23 2017-08-29 芋头科技（杭州）有限公司 一种人脸检测方法
CN109564620A (zh) * 2016-06-03 2019-04-02 奇跃公司 增强现实身份验证
CN106407942B (zh) * 2016-09-27 2020-04-28 腾讯征信有限公司 一种图像处理方法及其装置
CN106407942A (zh) * 2016-09-27 2017-02-15 腾讯征信有限公司 一种图像处理方法及其装置
CN108021846A (zh) * 2016-11-01 2018-05-11 杭州海康威视数字技术股份有限公司 一种人脸识别方法和装置
CN106682612A (zh) * 2016-12-26 2017-05-17 宇龙计算机通信科技(深圳)有限公司 一种基于图像识别的报警方法、终端、服务器及系统
CN107871345A (zh) * 2017-09-18 2018-04-03 深圳市盛路物联通讯技术有限公司 信息处理方法及相关产品
CN107798228A (zh) * 2017-09-27 2018-03-13 维沃移动通信有限公司 一种人脸识别方法及移动终端
CN108108711A (zh) * 2017-12-29 2018-06-01 深圳云天励飞技术有限公司 人脸布控方法、电子设备及存储介质
CN108108711B (zh) * 2017-12-29 2019-12-17 深圳云天励飞技术有限公司 人脸布控方法、电子设备及存储介质
CN108335366B (zh) * 2018-01-30 2021-03-30 翔创科技（北京）有限公司 对牲畜进行识别的方法及装置
CN108335366A (zh) * 2018-01-30 2018-07-27 邓昌顺 对牲畜进行识别的方法及装置
CN111091529A (zh) * 2018-10-24 2020-05-01 株式会社理光 一种人数统计方法及人数统计系统
CN109767487A (zh) * 2019-01-04 2019-05-17 北京达佳互联信息技术有限公司 人脸三维重建方法、装置、电子设备及存储介质
CN111626074A (zh) * 2019-02-27 2020-09-04 北京奇虎科技有限公司 一种人脸分类方法及装置
CN112990047A (zh) * 2021-03-26 2021-06-18 南京大学 一种结合面部角度信息的多姿态人脸验证方法
CN112990047B (zh) * 2021-03-26 2024-03-12 南京大学 一种结合面部角度信息的多姿态人脸验证方法
CN112801066A (zh) * 2021-04-12 2021-05-14 北京圣点云信息技术有限公司 一种基于多姿态面部静脉的身份识别方法及装置
CN112801066B (zh) * 2021-04-12 2022-05-17 北京圣点云信息技术有限公司 一种基于多姿态面部静脉的身份识别方法及装置

Similar Documents

Publication Publication Date Title
CN101515324A (zh) 适用于多种姿态的人脸识别布控系统及方法
Derpanis et al. Dynamic scene understanding: The role of orientation features in space and time in scene classification
CN105574550B (zh) 一种车辆识别方法及装置
Zhang et al. From actemes to action: A strongly-supervised representation for detailed action understanding
CN104881637B (zh) 基于传感信息及目标追踪的多模信息系统及其融合方法
CN106296720B (zh) 基于双目相机的人体朝向识别方法和系统
CN102722698B (zh) 多姿态人脸检测与跟踪方法及系统
JP5866360B2 (ja) 画像評価装置、画像評価方法、プログラム、および集積回路
CN104573617B (zh) 一种摄像控制方法
CN109598290A (zh) 一种基于两级检测相结合的图像小目标检测方法
CN102043953A (zh) 一种实时鲁棒的针对特定场景的行人检测方法
CN108230337A (zh) 一种基于移动端的语义slam系统实现的方法
CN105631039B (zh) 一种图片浏览方法
CN105574509B (zh) 一种基于光照的人脸识别系统回放攻击检测方法及应用
CN105718912B (zh) 一种基于深度学习的车辆特征物检测方法
CN104778474A (zh) 一种用于目标检测的分类器构建方法及目标检测方法
CN106203396B (zh) 基于深度卷积和梯度旋转不变性的航拍图像目标检测方法
CN109086659A (zh) 一种基于多模道特征融合的人体行为识别方法和装置
CN103218604A (zh) 交通场景中基于路面提取的行人检测方法
Li et al. Pose anchor: A single-stage hand keypoint detection network
CN105243420A (zh) 公交客流精确统计方法
TW201023102A (en) Method for appearance model generation, object identification method and surveillance system
Liu et al. Target detection using sparse representation with element and construction combination feature
CN104899606B (zh) 一种基于局部学习的信息隐藏检测方法
CN102314592B (zh) 一种笑脸图像的识别方法和识别装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20090826