CN102103696A - 人脸辨识系统、方法及具有该系统的身份识别装置 - Google Patents

人脸辨识系统、方法及具有该系统的身份识别装置 Download PDF

Info

Publication number
CN102103696A
CN102103696A CN2009103118822A CN200910311882A CN102103696A CN 102103696 A CN102103696 A CN 102103696A CN 2009103118822 A CN2009103118822 A CN 2009103118822A CN 200910311882 A CN200910311882 A CN 200910311882A CN 102103696 A CN102103696 A CN 102103696A
Authority
CN
China
Prior art keywords
user
face
stereoscopic model
video camera
image
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
CN2009103118822A
Other languages
English (en)
Inventor
李后贤
李章荣
罗治平
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.)
Hongfujin Precision Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Original Assignee
Hongfujin Precision Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
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 Hongfujin Precision Industry Shenzhen Co Ltd, Hon Hai Precision Industry Co Ltd filed Critical Hongfujin Precision Industry Shenzhen Co Ltd
Priority to CN2009103118822A priority Critical patent/CN102103696A/zh
Priority to US12/760,441 priority patent/US20110150300A1/en
Publication of CN102103696A publication Critical patent/CN102103696A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

一种身份识别装置，用于识别一使用者的身份。所述身份识别装置包括一TOF摄像机及一脸部辨识系统。所述TOF摄像机用于对使用者进行拍摄以得到使用者的图像以及使用者所在场景内各点与TOF摄像机之间的距离信息。所述脸部辨识系统用于对使用者的图像进行侦测以得到图像中的脸部区域，并根据得到的脸部区域以及使用者脸部区域内各点与TOF摄像机之间的距离信息得到使用者的脸部立体模型，还用于将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。本发明还提供了一种人脸辨识系统及人脸辨识方法。

Description

人脸辨识系统、方法及具有该系统的身份识别装置
技术领域
本发明涉及一种人脸辨识系统及方法，还涉及一种包括该人脸辨识系统的身份识别装置。
背景技术
人脸辨识系统是利用人脸的特征信息进行身份鉴别的系统。目前常用的人脸辨识技术是通过摄像机拍摄得到使用者的脸部图像，并将得到的脸部图像与预存的脸部图像进行比较，从而识别该使用者的身份。然而有多个因素会影响常用的人脸辨识技术的性能，例如背景和头发，光源位置和强度的变化。此外，通过照片以及视频等手段可欺骗人脸辨识系统，从而使得现有的人脸辨识系统的安全性较低。
发明内容
鉴于以上内容，有必要提供一种人脸辨识系统及方法，使人脸辨识不易受外界因素的影响且具有较高的安全性。还有必要提供一种包括上述人脸辨识系统的身份识别装置。
一种人脸辨识系统，包括：
一脸部侦测模块，用于侦测一TOF摄像机对使用者进行拍摄所得到的图像，以得到图像中的脸部区域，其中，所述TOF摄像机还用于得到使用者身上各点与TOF摄像机之间的距离信息；
一立体模型建立模块，用于根据得到的脸部区域以及使用者的脸部区域内各点与TOF摄像机之间的距离信息建立使用者的脸部立体模型；以及
一比对模块，用于将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
一种人脸辨识系统，包括：
一立体模型建立模块，用于根据一TOF摄像机对使用者进行拍摄时所得到的使用者所在场景内各点与TOF摄像机之间的距离信息建立建立使用者所在场景的立体模型，所述TOF摄像机还用于得到使用者所在场景的图像；
一脸部侦测模块，用于侦测来自所述TOF摄像机的图像以得到图像中的脸部区域；
一背景去除模块，用于以图像中脸部区域内各点与TOF摄像机之间的距离信息为基准，将使用者所在场景的立体模型中的背景以及使用者的其他部位去除，以得到使用者的脸部立体模型；以及
一比对模块，用于将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
一种人脸辨识方法，包括：
侦测一TOF摄像机对使用者进行拍摄所得到的图像，以得到图像中的脸部区域；
根据得到的脸部区域以及使用者的脸部区域内各点与TOF摄像机之间的距离信息建立使用者的脸部立体模型；以及
将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
一种人脸辨识方法，包括：
根据由一TOF摄像机对使用者进行拍摄时所得到的使用者所在场景内各点与TOF摄像机之间的距离信息建立使用者所在场景的立体模型，所述TOF摄像机还得到使用者所在场景的图像；
侦测来自所述TOF摄像机的图像以得到图像中的脸部区域；
以图像中脸部区域内各点与TOF摄像机之间的距离信息为基准，将使用者所在场景的立体模型中的背景以及使用者的其他部位去除，以得到使用者的脸部立体模型；以及
将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
一种身份识别装置，用于识别一使用者的身份，所述身份识别装置包括：
一TOF摄像机，用于对使用者进行拍摄以得到使用者的图像以及使用者所在场景内各点与TOF摄像机之间的距离信息；以及
一脸部辨识系统，用于对使用者的图像进行侦测以得到图像中的脸部区域，并根据得到的脸部区域以及使用者脸部区域内各点与TOF摄像机之间的距离信息建立使用者的脸部立体模型，还用于将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
一种身份识别装置，用于识别一使用者的身份，所述身份识别装置包括：
一TOF摄像机，用于对使用者进行拍摄以得到使用者的图像以及使用者所在场景内各点与TOF摄像机之间的距离信息；以及
一脸部辨识系统，用于根据得到的使用者所在场景内各点与TOF摄像机之间的距离信息建立使用者所在场景的立体模型，并对得到的使用者所在场景的图像进行侦测以得到图像中的脸部区域，以及以图像中脸部区域内各点与TOF摄像机之间的距离信息为基准，将使用者所在场景的立体模型中的背景以及使用者的其他部位去除，以得到使用者的脸部立体模型，还用于将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
上述人脸辨识系统及方法通过将得到的脸部立体模型与存储的若干脸部的立体模型进行比较，以判断得到的脸部立体模型是否与预先存储的脸部立体模型相同，从而确定使用者的身份。所述人脸辨识系统不易受外界因素的影响且可避免非法使用者通过照片以及视频等手段进行欺骗，具有较高的安全性。
附图说明
图1是本发明身份识别装置的较佳实施方式的方框图。
图2是图1中人脸辨识系统的第一较佳实施方式的方框图。
图3是利用图1中身份识别装置对使用者进行拍摄的示意图。
图4是图1中人脸辨识系统的第二较佳实施方式的方框图。
图5是本发明身份识别方法的第一较佳实施方式的流程图。
图6是本发明身份识别方法的第二较佳实施方式的流程图。
主要元件符号说明
    TOF摄像机     10
    人脸辨识系统     20
    脸部侦测模块     200
    立体模型建立模块     210
    比对模块     230
    存储模块     240
    背景去除模块     250
    使用者     50
    图像     51
    脸部区域     510
具体实施方式
下面结合附图及较佳实施方式对本发明作进一步详细描述：
请参考图1，本发明身份识别装置包括一Time-of-Flight(TOF)摄像机10及一人脸辨识系统20。所述TOF摄像机10用于对一使用者50进行拍摄，以得到使用者50的图像以及使用者50身上各点与TOF摄像机10之间的距离信息。所述人脸辨识系统20用于接收来自TOF摄像机10的图像以及使用者50身上各点与TOF摄像机10之间的距离信息，并对该图像以及距离信息进行处理以识别该使用者50的身份。
本实施方式中，所述TOF摄像机10可将使用者50身上各点均设置一二维坐标值，即将使用者50的正面看作一二维平面，该二维平面内每一点均具有一二维坐标值。由于TOF摄像机10在拍摄使用者50时，其将发射一定波长的信号，当信号遇到目标时即会反射至TOF摄像机10，信号发射与接收之间的时间差即表示了目标与TOF摄像机10之间的距离信息，因此所述TOF摄像机10即可得到每一二维坐标值所对应的点与TOF摄像机10之间的距离信息。
请参考图2，所述人脸辨识系统20的第一较佳实施方式包括一脸部侦测模块200、一立体模型建立模块210、一比对模块230及一存储模块240。
所述脸部侦测模块200用于侦测来自TOF摄像机10的图像，以得到图像中的脸部区域，并得到所述脸部区域的坐标值范围。其中，所述脸部侦测模块200可利用Adaboost算法进行脸部侦测。
所述立体模型建立模块210用于建立使用者的脸部立体模型。本实施方式中，根据得到的脸部区域的坐标值范围内每一点与TOF摄像机10之间的距离信息即可生成一曲面，该曲面即可被当作是该使用者50的脸部立体模型。
所述存储模块240内预先存储有若干脸部的立体模型。该若干脸部的立体模型为若干使用者的脸部立体模型，其可以通过TOF摄像机10预先对若干使用者进行拍摄并通过脸部侦测模块200以及立体模型建立模块210进行处理，以得到该若干使用者的脸部立体模型。
所述比对模块230用于将由立体模型建立模块210得到的使用者的脸部立体模型与存储模块240内存储的若干脸部的立体模型进行比较，以判断得到的脸部立体模型是否与预先存储的脸部立体模型相同，从而确定使用者的身份。其中，所述比对模块230可将得到的脸部立体模型所对应的曲面与预存的脸部立体模型所对应的曲面进行比较，从而得知得到的脸部立体模型是否与预存的脸部立体模型相同。
假设所述TOF摄像机10用于对使用者50进行拍摄，并得到如图3所示的图像51。同时，所述TOF摄像机10还对使用者50发射一定波长的信号，以通过信号发射与接收之间的时间差得到使用者50身上各点与TOF摄像机10之间的距离信息，其中，假设图像51的左下角为二维坐标的原点，那么使用者50身上各点均对应一二维坐标值，也就是说，TOF摄像机10可得到每一二维坐标值所对应的点与TOF摄像机10之间的距离信息。
所述脸部侦测模块200用于对图像51进行侦测，以得到图像51中的脸部区域510，并同时得到所述脸部区域510的坐标值范围，即图3中虚线框的四个角的坐标值，所述脸部区域510即位于该坐标范围之内。
所述立体模型建立模块210利用得到的脸部区域510所对应的坐标范围内各点到TOF摄像机10之间的距离信息即可生成一曲面，即可得到脸部的立体模型。
所述比对模块230将使用者的脸部立体模型与存储模块240内存储的若干脸部的立体模型进行比较，以判断得到的脸部立体模型是否与预先存储的脸部立体模型相同，从而确定使用者50的身份。
请参考图4，所述人脸辨识系统20的第二较佳实施方式包括脸部侦测模块200、立体模型建立模块210、比对模块230、存储模块240及一背景去除模块250。
所述立体模型建立模块210用于利用由TOF摄像机10所得到的使用者50所在的场景内每一点与TOF摄像机10之间的距离信息得到使用者所在场景的立体模型，该使用者所在场景的立体模型不仅包括使用者50的脸部，还包括使用者50的脖子、胳膊等以及使用者身后的背景。
所述脸部侦测模块200用于侦测来自TOF摄像机10的图像，以得到图像中的脸部区域。所述背景去除模块250以图像中脸部区域内各点与TOF摄像机10之间的距离信息为基准，将使用者所在场景的立体模型中的背景以及使用者的其他部位去除，从而可得到使用者的脸部立体模型。由于TOF摄像机10在拍摄时可以得到使用者所在的场景内各点与TOF摄像机10之间的距离，因此，在后期处理时可仅保留使用者脸部区域内各点与TOF摄像机10之间的距离数据，从而删除使用者身后不必要的背景以及使用者的其他部位，如脖子、胳膊等。
之后通过比对模块230比较得到的脸部立体模型与预先存储的脸部立体模型，从而确定使用者50的身份。
请参考图5，本发明身份辨识方法的较佳实施方式的第一流程图包括以下步骤：
步骤S51：所述TOF摄像机10拍摄使用者的图像，并将得到的图像51传送至所述人脸辨识系统20。同时，所述TOF摄像机10还对使用者50发射一定波长的信号，以通过信号发射与接收之间的时间差得到使用者50身上各点与TOF摄像机10之间的距离信息，其中，假设图3中图像51的左下角为二维坐标的原点，那么使用者50身上各点均对应一二维坐标值，也就是说，TOF摄像机10可得到每一二维坐标值所对应的点与TOF摄像机10之间的距离信息。
步骤S52：所述脸部侦测模块200侦测来自TOF摄像机10的图像51，以得到图像51中的脸部区域510，并得到所述脸部区域510的坐标值范围。其中，所述脸部侦测模块200可利用Adaboost算法进行脸部侦测。所述脸部区域510的坐标值范围可理解为图3中虚线框的四个角的坐标值。
步骤S53：所述立体模型建立模块210根据得到的脸部区域所对应的坐标值范围内各点到TOF摄像机10之间的距离信息生成一曲面，即可建立使用者的脸部立体模型。
步骤S54：所述比对模块230将由立体模型建立模块210得到的使用者的脸部立体模型与存储模块240内存储的若干脸部的立体模型进行比较，以判断得到的脸部立体模型是否与预先存储的脸部立体模型相同，从而确定使用者的身份。其中，所述比对模块230可将得到的脸部立体模型所对应的曲面与预存的脸部立体模型所对应的曲面进行比较，从而得知得到的脸部立体模型是否与预存的脸部立体模型相同。
请参考图6，本发明身份辨识方法的较佳实施方式的第二流程图包括以下步骤：
步骤S61：所述TOF摄像机10拍摄使用者的图像，并将得到的图像51传送至所述人脸辨识系统20。同时，所述TOF摄像机10还对使用者50所在场景发射一定波长的信号，以通过信号发射与接收之间的时间差得到使用者50所在场景内各点与TOF摄像机10之间的距离信息，其中，假设图3中图像51的左下角为二维坐标的原点，那么使用者50所在场景内各点均对应一二维坐标值，也就是说，TOF摄像机10可得到每一二维坐标值所对应的点与TOF摄像机10之间的距离信息。
步骤S62：所述立体模型建立模块210根据得到的使用者50所在场景内每一点与TOF摄像机10之间的距离信息得到使用者所在场景的立体模型，该使用者的立体模型不仅包括使用者50的脸部，还包括使用者50的脖子、胳膊等以及使用者50身后的背景。
步骤S63：所述脸部侦测模块200侦测来自TOF摄像机10的图像，以得到图像中的脸部区域。其中，所述脸部侦测模块200可利用Adaboost算法进行脸部侦测。
步骤S64：所述背景去除模块250以图像中脸部区域内各点与TOF摄像机10之间的距离信息为基准，将使用者所在场景的立体模型中的背景以及使用者的其他部位去除，从而可得到使用者的脸部立体模型。由于TOF摄像机10在拍摄时可以得到使用者所在的场景内各点与TOF摄像机10之间的距离，因此，在后期处理时可仅保留使用者脸部区域内各点与TOF摄像机10之间的距离数据，从而删除使用者身后不必要的背景以及使用者的其他部位，如脖子、胳膊等。
步骤S65：所述比对模块230将得到的使用者的脸部立体模型与存储模块240内存储的若干脸部的立体模型进行比较，以判断得到的脸部立体模型是否与预先存储的脸部立体模型相同，从而确定使用者的身份。其中，所述比对模块230可将得到的脸部立体模型所对应的曲面与预存的脸部立体模型所对应的曲面进行比较，从而得知得到的脸部立体模型是否与预存的脸部立体模型相同。
上述使用者身份识别装置利用TOF摄像机10及人脸辨识系统20得到使用者的脸部的立体模型，并将得到的脸部立体模型与存储的若干脸部的立体模型进行比较，以判断得到的脸部立体模型是否与预先存储的脸部立体模型相同，从而确定使用者的身份。由于上述身份识别装置是通过比较使用者脸部的立体模型来确定使用者的身份，因此可避免非法使用者通过照片以及视频等手段进行欺骗，且所述身份识别装置不易受外界因素如光照强度等的影响。

Claims (10)

1.一种人脸辨识系统，包括：
一脸部侦测模块，用于侦测一TOF摄像机对使用者进行拍摄所得到的图像，以得到图像中的脸部区域，其中，所述TOF摄像机还用于得到使用者所在场景内各点与TOF摄像机之间的距离信息；
一立体模型建立模块，用于根据得到的脸部区域以及使用者的脸部区域内各点与TOF摄像机之间的距离信息建立使用者的脸部立体模型；以及
一比对模块，用于将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
2.一种人脸辨识系统，包括：
一立体模型建立模块，用于根据一TOF摄像机对使用者进行拍摄时所得到的使用者所在场景内各点与TOF摄像机之间的距离信息建立建立使用者所在场景的立体模型，所述TOF摄像机还用于得到使用者所在场景的图像；
一脸部侦测模块，用于侦测来自所述TOF摄像机的图像以得到图像中的脸部区域；
一背景去除模块，用于以图像中脸部区域内各点与TOF摄像机之间的距离信息为基准，将使用者所在场景的立体模型中的背景以及使用者的其他部位去除，以得到使用者的脸部立体模型；以及
一比对模块，用于将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
3.如权利要求2所述的人脸辨识系统，其特征在于：所述背景去除模块通过仅保留使用者的脸部区域内各点与TOF摄像机之间的距离的数据来去除使用者所在场景内的背景以及使用者的其他部位。
4.一种人脸辨识方法，包括：
侦测一TOF摄像机对使用者进行拍摄所得到的图像，以得到图像中的脸部区域；
根据得到的脸部区域以及使用者的脸部区域内各点与TOF摄像机之间的距离信息建立使用者的脸部立体模型；以及
将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
5.一种人脸辨识方法，包括：
根据由一TOF摄像机对使用者进行拍摄时所得到的使用者所在场景内各点与TOF摄像机之间的距离信息建立使用者所在场景的立体模型，所述TOF摄像机还得到使用者所在场景的图像；
侦测来自所述TOF摄像机的图像以得到图像中的脸部区域；
以图像中脸部区域内各点与TOF摄像机之间的距离信息为基准，将使用者所在场景的立体模型中的背景以及使用者的其他部位去除，以得到使用者的脸部立体模型；以及
将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
6.如权利要求5所述的人脸辨识方法，其特征在于：所述步骤“以图像中脸部区域内各点与TOF摄像机之间的距离信息为基准，将使用者所在场景的立体模型中的背景以及使用者的其他部位去除，以得到使用者的脸部立体模型”通过以下方式实现：通过仅保留使用者的脸部区域内各点与TOF摄像机之间的距离的数据来去除使用者所在场景内的背景以及使用者的其他部位。
7.一种身份识别装置，用于识别一使用者的身份，所述身份识别装置包括：
一TOF摄像机，用于对使用者进行拍摄以得到使用者的图像以及使用者所在场景内各点与TOF摄像机之间的距离信息；以及
一脸部辨识系统，用于对使用者的图像进行侦测以得到图像中的脸部区域，并根据得到的脸部区域以及使用者脸部区域内各点与TOF摄像机之间的距离信息建立使用者的脸部立体模型，还用于将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
8.如权利要求7所述的身份识别装置，其特征在于：所述脸部辨识系统包括：
一脸部侦测模块，用于侦测TOF摄像机对使用者进行拍摄所得到的图像，以得到图像中的脸部区域；
一立体模型建立模块，用于根据得到的脸部区域以及使用者脸部区域内各点与TOF摄像机之间的距离信息建立使用者的脸部立体模型；以及
一比对模块，用于将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
9.一种身份识别装置，用于识别一使用者的身份，所述身份识别装置包括：
一TOF摄像机，用于对使用者进行拍摄以得到使用者的图像以及使用者所在场景内各点与TOF摄像机之间的距离信息；以及
一脸部辨识系统，用于根据得到的使用者所在场景内各点与TOF摄像机之间的距离信息建立使用者所在场景的立体模型，并对得到的使用者所在场景的图像进行侦测以得到图像中的脸部区域，以及以图像中脸部区域内各点与TOF摄像机之间的距离信息为基准，将使用者所在场景的立体模型中的背景以及使用者的其他部位去除，以得到使用者的脸部立体模型，还用于将得到的使用者的脸部立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
10.如权利要求9所述的身份识别装置，其特征在于：所述脸部辨识系统包括：
一立体模型建立模块，用于根据TOF摄像机对使用者进行拍摄时所得到的使用者所在场景内各点与TOF摄像机之间的距离信息建立建立使用者所在场景的立体模型；
一脸部侦测模块，用于侦测来自所述TOF摄像机的图像以得到图像中的脸部区域；
一背景去除模块，用于以图像中脸部区域内各点与TOF摄像机之间的距离信息为基准，将使用者所在场景的立体模型中的背景以及使用者的其他部位去除，以得到使用者的脸部立体模型；以及
一比对模块，用于将得到的使用者的脸部区域的立体模型与预先存储的若干脸部的立体模型进行比较，以判断使用者的身份。
CN2009103118822A 2009-12-21 2009-12-21 人脸辨识系统、方法及具有该系统的身份识别装置 Pending CN102103696A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN2009103118822A CN102103696A (zh) 2009-12-21 2009-12-21 人脸辨识系统、方法及具有该系统的身份识别装置
US12/760,441 US20110150300A1 (en) 2009-12-21 2010-04-14 Identification system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2009103118822A CN102103696A (zh) 2009-12-21 2009-12-21 人脸辨识系统、方法及具有该系统的身份识别装置

Publications (1)

Publication Number Publication Date
CN102103696A true CN102103696A (zh) 2011-06-22

Family

ID=44151181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009103118822A Pending CN102103696A (zh) 2009-12-21 2009-12-21 人脸辨识系统、方法及具有该系统的身份识别装置

Country Status (2)

Country Link
US (1) US20110150300A1 (zh)
CN (1) CN102103696A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617432A (zh) * 2013-11-12 2014-03-05 华为技术有限公司 一种场景识别方法及装置
CN104246793A (zh) * 2012-04-25 2014-12-24 华为技术有限公司 移动设备的三维脸部识别
CN105718863A (zh) * 2016-01-15 2016-06-29 北京海鑫科金高科技股份有限公司 一种人脸活体检测方法、装置及系统
CN107845177A (zh) * 2017-12-18 2018-03-27 信利光电股份有限公司 一种身份验证方法、装置、设备及计算机可读存储介质
CN110799913A (zh) * 2018-12-29 2020-02-14 深圳市大疆创新科技有限公司 一种地面遥控机器人的控制方法和装置
CN113569595A (zh) * 2020-04-28 2021-10-29 富泰华工业（深圳）有限公司 身份辨识装置以及身份辨识方法
CN116453384A (zh) * 2023-06-19 2023-07-18 江西德瑞光电技术有限责任公司 基于tof技术的沉浸式智能学习系统及控制方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8381976B2 (en) * 2010-08-10 2013-02-26 Honeywell International Inc. System and method for object metrology
GB2483285A (en) * 2010-09-03 2012-03-07 Marc Cardle Relief Model Generation
EP2453386B1 (en) * 2010-11-11 2019-03-06 LG Electronics Inc. Multimedia device, multiple image sensors having different types and method for controlling the same
US9549101B1 (en) 2015-09-01 2017-01-17 International Business Machines Corporation Image capture enhancement using dynamic control image

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1618079A (zh) * 2002-01-16 2005-05-18 虹膜技术公司 利用立体人脸识别的虹膜识别系统和方法
CN1841405A (zh) * 2005-04-01 2006-10-04 上海银晨智能识别科技有限公司 三维人像仪及三维人脸的判别方法
CN101301236A (zh) * 2008-06-27 2008-11-12 北京中星微电子有限公司 基于三维摄像的视力保护系统及方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7274800B2 (en) * 2001-07-18 2007-09-25 Intel Corporation Dynamic gesture recognition from stereo sequences
US7340077B2 (en) * 2002-02-15 2008-03-04 Canesta, Inc. Gesture recognition system using depth perceptive sensors
WO2003073359A2 (en) * 2002-02-26 2003-09-04 Canesta, Inc. Method and apparatus for recognizing objects
US7203356B2 (en) * 2002-04-11 2007-04-10 Canesta, Inc. Subject segmentation and tracking using 3D sensing technology for video compression in multimedia applications
US20040037450A1 (en) * 2002-08-22 2004-02-26 Bradski Gary R. Method, apparatus and system for using computer vision to identify facial characteristics
US7085413B2 (en) * 2003-04-04 2006-08-01 Good News Enterprises Limited Image background detection and removal
US7242807B2 (en) * 2003-05-05 2007-07-10 Fish & Richardson P.C. Imaging of biometric information based on three-dimensional shapes
US20050111705A1 (en) * 2003-08-26 2005-05-26 Roman Waupotitsch Passive stereo sensing for 3D facial shape biometrics
US7542610B2 (en) * 2005-05-09 2009-06-02 Like.Com System and method for use of images with recognition analysis
JP5167248B2 (ja) * 2006-05-11 2013-03-21 プライムセンス リミテッド 深度マップによるヒューマノイド形状のモデル化
JP5255623B2 (ja) * 2007-04-20 2013-08-07 ソフトキネティック エス．エイ． ボリューム認識方法およびシステム
US8374389B2 (en) * 2009-02-06 2013-02-12 Robert Bosch Gmbh Iris deblurring method based on global and local iris image statistics

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1618079A (zh) * 2002-01-16 2005-05-18 虹膜技术公司 利用立体人脸识别的虹膜识别系统和方法
CN1841405A (zh) * 2005-04-01 2006-10-04 上海银晨智能识别科技有限公司 三维人像仪及三维人脸的判别方法
CN101301236A (zh) * 2008-06-27 2008-11-12 北京中星微电子有限公司 基于三维摄像的视力保护系统及方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104246793A (zh) * 2012-04-25 2014-12-24 华为技术有限公司 移动设备的三维脸部识别
CN103617432A (zh) * 2013-11-12 2014-03-05 华为技术有限公司 一种场景识别方法及装置
CN103617432B (zh) * 2013-11-12 2017-10-03 华为技术有限公司 一种场景识别方法及装置
CN105718863A (zh) * 2016-01-15 2016-06-29 北京海鑫科金高科技股份有限公司 一种人脸活体检测方法、装置及系统
CN107845177A (zh) * 2017-12-18 2018-03-27 信利光电股份有限公司 一种身份验证方法、装置、设备及计算机可读存储介质
CN110799913A (zh) * 2018-12-29 2020-02-14 深圳市大疆创新科技有限公司 一种地面遥控机器人的控制方法和装置
CN113569595A (zh) * 2020-04-28 2021-10-29 富泰华工业（深圳）有限公司 身份辨识装置以及身份辨识方法
CN113569595B (zh) * 2020-04-28 2024-03-22 富泰华工业（深圳）有限公司 身份辨识装置以及身份辨识方法
CN116453384A (zh) * 2023-06-19 2023-07-18 江西德瑞光电技术有限责任公司 基于tof技术的沉浸式智能学习系统及控制方法

Also Published As

Publication number Publication date
US20110150300A1 (en) 2011-06-23

Similar Documents

Publication Publication Date Title
CN102103696A (zh) 人脸辨识系统、方法及具有该系统的身份识别装置
CN107451510B (zh) 活体检测方法和活体检测系统
CN105335722B (zh) 一种基于深度图像信息的检测系统及方法
CN110046560B (zh) 一种危险驾驶行为检测方法和相机
US10339402B2 (en) Method and apparatus for liveness detection
US20200293754A1 (en) Task execution method, terminal device, and computer readable storage medium
US8406484B2 (en) Facial recognition apparatus, method and computer-readable medium
US8831295B2 (en) Electronic device configured to apply facial recognition based upon reflected infrared illumination and related methods
US10565461B2 (en) Live facial recognition method and system
WO2017000116A1 (zh) 活体检测方法、活体检测系统以及计算机程序产品
EP3101893A1 (en) Depth information extracting device and method
CN106997457B (zh) 人物肢体识别方法、人物肢体识别装置及电子装置
US11023717B2 (en) Method, apparatus, device and system for processing commodity identification and storage medium
CN111382592B (zh) 活体检测方法和设备
CN112232324B (zh) 人脸验伪方法、装置、计算机设备和存储介质
RU2016138012A (ru) Система и/или способ распознавания покрытия для стекла
US11714889B2 (en) Method for authentication or identification of an individual
US11132567B2 (en) Method for authenticating user and electronic device thereof
CN108304801B (zh) 一种防欺骗的人脸识别方法、存储介质及人脸识别装置
US20170124382A1 (en) System and method for verification of three-dimensional (3d) object
US20210256244A1 (en) Method for authentication or identification of an individual
KR101610525B1 (ko) 조도를 고려한 동공 검출 장치 및 그 방법
KR20180134280A (ko) 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법
KR20160009972A (ko) 허위 안면 이미지 분류가 가능한 홍채 인식 장치
WO2018185574A1 (en) Apparatus and method for documents and/or personal identities recognition and validation

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

Application publication date: 20110622