CN102223520A - 一种智能人脸识别视频监控系统及其实现方法 - Google Patents
一种智能人脸识别视频监控系统及其实现方法 Download PDFInfo
- Publication number
- CN102223520A CN102223520A CN2011100947949A CN201110094794A CN102223520A CN 102223520 A CN102223520 A CN 102223520A CN 2011100947949 A CN2011100947949 A CN 2011100947949A CN 201110094794 A CN201110094794 A CN 201110094794A CN 102223520 A CN102223520 A CN 102223520A
- Authority
- CN
- China
- Prior art keywords
- digital signal
- video
- face
- processing unit
- unit
- 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
Links
Images
Abstract
本发明公开了一种智能人脸识别视频监控系统及其实现方法,该系统中视频监控采集单元、数字信号处理单元、显示输出单元相连,数字信号处理单元与上位机控制单元相连,数字信号处理单元中包括DSP、SDRAM、FLASH和CPLD,该实现方法为视频监控采集单元采集视频模拟信号,DSP进行人脸识别运算并由显示输出单元输出,同时数字信号处理器单元进行人脸采集打包并自动上传人脸图片,上位机控制单元调用内部程序自动接收采集的人脸图片生存人脸图片库供进行人脸识别对比查询,并进行控制配置。与现有技术相比,本发明从根本上减轻了人工查询的工作量,同时还提供了人脸图片库供识别比对和其他监控应用程序调用,大大提高了视频监控系统的智能化程度和综合处理能力。
Description
技术领域
本发明涉及视频智能监控系统及其实现方法,尤其涉及一种智能人脸识别视频监控系统及其实现方法。
背景技术
人脸识别的技术和方法很多,各自有自己的优缺点,有基于模型的小波、人工神经网络、支持向量机、子空间等方法。目前针对视频的人脸识别在安防领域有巨大的市场需求,然而真正基于视频的人脸识别应用产品还处在发展阶段。
实际上人脸识别的目的就是从图像或视频中根据人脸的特征来确定是否有人脸或验证人的身份。人脸识别研究的内容很多,涉及计算机技术、图像技术、识别技术、数据库技术、法律伦理、光学器件、神经科学、精神物理等。目前人脸识别研究不仅包括样本采集,还有信息加工以及实际应用。随着研究的深入其应用的市场在不断扩大。如安防视频监控、银行监控、自动柜员机、边境检查、人脸数据库比对、犯罪嫌疑人照片的存储和比对、智能家庭、智能会议中心、门禁考勤、电子商务、娱乐等能用到人脸识别技术产品和系统。
特别在目前的安防视频监控系统中如何提高其智能化程度,使监控报警事后处理为事前预警,减少事故范围是人们十分关心的问题。现在传统的监控大多是实时录像以便事后查询,由于一般监控场景是固定的,而监控录像对其固定的场景重复的记录存储下来以备查询,其查询要人工进行,费时费力,而且还要占用大量磁盘空间。实际上在安防视频监控中人们关心的是被监控的场景中的人的活动情况或是谁在活动、活动地点、活动时间等信息就足够了.因此就提出安防监控智能化的要求,然而视频人脸识别监控正是解决这一问题的主要技术之一。
总之,目前安防视频监控还只是实时场景重复存储的和简单的入侵报警,还没有从根本上改变繁琐的人工事后查询的工作量,已经不能满足人们的需求。
发明内容
本发明的目的在于提供一种具有视频监控功能的智能人脸识别监控系统,能够从根本上改变繁琐的人工事后查询,提高了处理运算速度,便于硬件系统维护和量产,解决现有技术的缺憾。
本发明采用如下技术方案实现:
一种智能人脸视频监控系统,包括:
视频监控采集单元,用于采集被监控场所的视频模拟信息;
数字信号处理单元,用于实现对系统的控制、数字视频人脸识别算法运算、系统自检处理和人脸图像编码打包传给网络模块;
显示输出单元,用于显示输出运算结果;
视频解码模块,用于将视频模拟信号转换为数字信号;
视频解码模块,用于将数字信号转换为模拟信号;
串口输出模块,用于实现模块间的通信;
网络接口模块,用于实现数字信号处理单元与上位机控制单元之间的网络连接通信;
上位机控制单元,用于接收被控单元发送的数字信号和/或发出控制命令,进行通道选择、人脸场景叠加、配置IP地址;
所述视频监控采集单元通过视频解码模块与数字信号处理单元相连接,所述数字信号处理单元通过网络接口模块与上位机控制单元相连,所述数字信号处理单元通过视频解码模块和串口输出模块与显示输出单元相连;其特征在于:
所述数字信号处理单元包括:
数字信号处理器,用于进行人脸识别算法运算;由于视频监控系统的巨大工作量和系统复杂性,在硬件设计中采用高性能的数字信号处理器DSP TI6000系列,其最高运算速度可达每秒百万条指令,可以满足复杂算法的实时处理要求。
同步动态随机存储器,用于存储数字信号处理器内部程序;
闪速存储器,用于存储应用程序和人脸识别算法代码;
复杂可编程逻辑器,用于数据和地址总线扩展和处理、控制外部信号;
所述数字信号处理器分别与同步动态随机存储器、闪速存储器和复杂可编程逻辑器相连。
进一步地,所述视频监控采集单元为两个摄像头,该两个摄像头通过同轴电缆与视频解码模块相连,用于将采集到的视频模拟信号转换为数字信号。
一种实现智能人脸视频监控系统的方法,该方法包括如下步骤:
A)通过视频监控装置采集被监控场所的视频模拟信号;
B)通过视频解码装置将上一步采集到的视频模拟信号进行模-数转换变为数字信号;
C)对A)、B)两步采集到的数字信号传送至数字信号处理单元,对数字信号进行人脸识别运算;
D)将运算处理完毕的数字信号传送至显示输出单元和网络单元;
E)利用显示输出单元显示运算结果,网络单元上传采集人脸图像结果;其特征在于,在步骤B)中还包括如下步骤:
B1)从同步动态随机存储器中调用存储数字信号处理器的内部程序;
B2)从闪速存储器中调用人脸识别算法代码。
进一步地,步骤A)所述通过视两个摄像头采集被监控场所的视频模拟信号,然后将采集到的视频模拟信号通过同轴电缆传送给视频解码装置。
本发明具有如下有益技术方案:
在硬件设计中采用高性能的数字信号处理器DSP TI6000系列,并配合以合适的外围电路,包括同步动态随机存储器SDRAM,闪速存储器FLASH,复杂可编程逻辑器CPLD,增加了整体系统运行的效率,提高了处理运算速度,并采用模块化设计,以DSP数字信号处理系统为核心模块和接口模块组成,以便对硬件系统维护和量产。
附图说明
图1是本发明的总体结构框图。
图2是本发明的硬件总体架构图。
图3是本发明的软件总体流程图。
图4是本发明的数字处理器DSP人脸识别算法流程图。
图5是本发明上位机控制单元的流程图。
具体实施方式
通过下面对实施例的描述,将更加有助于公众理解本发明,但不能也不应当将中请人所给出的具体的实施例视为对本发明技术方案的限制,任何对部件或技术特征的定义进行改变和/或对整体结构作形式的而非实质的变换都应视为本发明的技术方案所限定的保护范围。
如图1所示本发明的总体结构框图,视频监控采集单元101用于采集被监控场所的视频模拟信息,数字信号处理单元102用于实现对系统的控制、数字视频人脸识别算法运算、系统自检处理,显示输出单元103用于显示输出运算结果,视频监控采集单元101、数字信号处理单元102和显示输出单元103顺序连接。
如图2所示本发明的硬件总体架构图,视频监控采集单元101中包括两个摄像头,两个摄像头分别与通过同轴电缆与两个视频解码模块连接,用于在监视被监控场所时采集图形信号,这些图形信号中可能只包括场景,也可能包括了场景与人物,摄像头将这些模拟信号传递给视频解码模块,将模拟信号转换为数字信号处理器DSP可以处理的数字信号。数字信号处理器DSP接收到这些经过处理的数字信号后即开始进行人脸识别运算。数字信号处理单元102中还包括有数字信号处理器的外围电路,如图中所示的201,同步动态随机存储器SDRAM用于存储数字信号处理器内部程序,闪速存储器FLASH用于存储应用程序和人脸识别算法代码,设置SDRAM和FLSAH可以节省数字信号处理器DSP的内存字节并扩展DSP的功能,复杂可编程逻辑器CPLD用于数据和地址总线扩展和处理、控制外部信号,当数字信号处理器DSP的管脚不够用或数据需要进行分时复用时CPLD便可以发挥作用。由于在外围电路设置了SDRAM、FLASH和CPLD,所以提高了数字信号处理器DSP的运算能力及视频监控系统的综合处理运算能力。如图中202所示,JTAG仿真接口,是DSP与外部连接的接口,通过一个微型开关控制,实现下载或上传应用程序、调试系统或烧程序。网络接口模块,用于实现数字信号处理单元与上位机控制单元之间的网络连接通信;上位机控制单元,用于接收被控单元发送的数字信号和/或发出控制命令,进行通道选择、人脸场景叠加、配置IP地址。
如图3所示本发明的软件总体流程图,包括如下步骤:
通过视频监控装置采集被监控场所的视频模拟信号;
通过视频解码装置将上一步采集到的视频模拟信号进行模-数转换变为数字信号;
对上两步采集到的数字信号传送至数字信号处理单元,对数字信号进行人脸识别运算;
将运算处理完毕的数字信号传送至显示输出单元,实现编码网络输出和网络控制;
显示输出单元显示运算结果;数字信号处理器DSP将调用应用程序并与上位机控制单元进行网络传输交换数据;
如图4所示本发明数字处理器DSP人脸识别算法流程图,即图2中的201,显示单元采集视频模拟信号并通过视频解码模块将模拟信号转换为数字信号并输入至数字信号处理单元,数字信号处理单元提取A通道和B通道的矩阵信息,进行人脸识别算法的运算,运算的方法步骤如下:Gabor特征转换PCA降维,归一化处理人脸,人脸定位特征提取和选取,SVM支持向量分类器人脸识别,最后在上位机控制单元的控制下将人脸图像编码打包进行网络上传。
数字信号处理单元进行人脸识别处理的详细原理如下:
DSP的人脸识别算法采用基于Gabor小波、PCA(主成分分析)和SVM(支持向量机分类器)的算法,算法使用灰度图像中的Haar特征和Boosting分类器检测人脸,通过Gabor小波抽取特征,PCA降维处理和SVM支持向量机分类进行人脸识别。人脸检测是人脸识别的前提,准确的人脸检测有助于提高人脸识别率。Gabor小波人脸特征提取算法提出将Gabor特征空间转换到PCA空间来降低特征维数以便人脸识别。与经典的特征脸和Fisher脸中用像素灰度值作为特征相比,Gabor小波特征包含更多的判别信息,从而对光照、姿态等因素的影响有更好的鲁棒性。Gabor小波可以在空间和频域获得最佳的分辨率;Gabor小波可以很好的模拟哺乳动物视觉神经简单模型,其小波算法模型:
其中,错误!未找到引用源。为Gabor小波主频率,u和v为小波的方向和尺度系数,错误!未找到引用源。人脸图像的Gabor小波可以通过一系列不同频率和方向参数的Gabor小波与人脸图像做卷积求得。每幅人脸图像经过和5个不同尺度以及8个不同方向的错误!未找到引用源。的小波变换后合成的特征矢量为:
...(错误!未找到引用源。
其中,错误!未找到引用源。代表人脸图像和某一特定频率和方向的小波卷积后得到系数按行串联而生成的列向量。由于此方法生成的的特征向量维数相当高,因此采用子空间投影技术来降低特征维数。
(2).主成分分量分析PCA降维特征空间维
采用PCA主成分分析来降低特征空间维数其具体算法如下:将大小为错误!未找到引用源。的一副人脸图像按列(或行)展开,形成n=错误!未找到引用源。维的向量错误!未找到引用源。其中M为样本数。则样本的协方差矩阵为:
其中错误!未找到引用源。=错误!未找到引用源。,错误!未找到引用源。为所有样本的总体平均向量。求解错误!未找到引用源。的特征值,并将其按降序方式排列为错误!未找到引用源。,则定义前m(m错误!未找到引用源。)个最大特征值对应的特征向量vj(j=1,2,...,m)为主分量。将这m个向量张成一个子空间,并把一幅人脸图像的样本向量向这一子空间投影,形成m个投影分量,由这m个投影分量构成的m维向量称为该图像的特征向量,将其作为人脸识别的依据,这样就把向量从原来的n维降到m维。
(3).人脸相似度的度量
在识别过程中,PCA中两幅人脸面部特征之间的区别都由相似度的度量来反映。给定从一张人脸x中抽取的Gabor特征向量,PCA子空间分析得到的子空间投影矩阵W和低维的判别特征y,利用马氏距离
(4).SVM支持向量机分类器人脸识别
支持向量机在特征空间作一个非线性变换,从低维空间到高维空间的映射,将数据从原始的特征空间映射到一个高维的空间,使得在这个空间中有更好的可分性。在这个高维特征空间中求解线性支持向量机的超平面,投影回原始特征空间就是一个非线性的曲面。这样非线性支持向量机就给解决多分类问题,即可解决一些线性不可分的问题,其关键是如何选择核函数,我们选用径向基核函数(RBF),一般采用交叉验证的方法来选择核函数的参数。这样就可避免过拟合情况的出现,从而提高识别率。
如图5所示本发明上位机控制单元的流程图,上位机控制单元通过网络接收DSP上传的人脸图片库,供应用程序调用进行人脸识别对比查询,并对数字信息处理器DSP控制配置输入通道、显示输出、采集通道人脸叠加、人脸叠加位置选择设置。
当然,本发明还可以有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员可以根据本发明做出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (4)
1.一种智能人脸识别视频监控系统,包括:
视频监控采集单元,用于采集被监控场所的视频模拟信息;
数字信号处理单元,用于实现对系统的控制、数字视频人脸识别算法运算、系统自检处理和人脸图像编码打包传给网络模块;
显示输出单元,用于显示输出运算结果;
视频解码模块,用于将视频模拟信号转换为数字信号;
视频解码模块,用于将数字信号转换为模拟信号;
串口输出模块,用于实现模块间的通信;
网络接口模块,用于实现数字信号处理单元与上位机控制单元之间的网络连接通信;
上位机控制单元,用于接收被控单元发送的数字信号和/或发出控制命令,进行通道选择、人脸场景叠加、配置IP地址;
所述视频监控采集单元通过视频解码模块与数字信号处理单元相连接,所述数字信号处理单元通过网络接口模块与上位机控制单元相连,所述数字信号处理单元通过视频解码模块和串口输出模块与显示输出单元相连;其特征在于:
所述数字信号处理单元包括:
数字信号处理器,用于进行人脸识别算法运算;
同步动态随机存储器,用于存储数字信号处理器内部程序;
闪速存储器,用于存储应用程序和人脸识别算法代码;
复杂可编程逻辑器,用于数据和地址总线扩展和处理、控制外部信号;
所述数字信号处理器分别与同步动态随机存储器、闪速存储器和复杂可编程逻辑器相连。
2.根据权利要求1所述的智能人脸识别视频监控系统,其特征在于,所述视频监控采集单元为两个摄像头,该两个摄像头通过同轴电缆与视频解码模块相连,用于将采集到的视频模拟信号转换为数字信号。
3.一种实现智能人脸识别视频监控系统的方法,该方法包括如下步骤:
A)通过视频监控装置采集被监控场所的视频模拟信号;
B)通过视频解码装置将上一步采集到的视频模拟信号进行模-数转换变为数字信号;
C)对A)、B)两步采集到的数字信号传送至数字信号处理单元,对数字信号进行人脸识别运算;
D)将运算处理完毕的数字信号传送至显示输出单元和网络单元;
E)利用显示输出单元显示运算结果,网络单元上传采集人脸图像结果,其特征在于,在步骤B)中还包括如下步骤:
B1)从同步动态随机存储器中调用存储数字信号处理器的内部程序;
B2)从闪速存储器中调用人脸识别算法代码。
4.根据权利要求3所述的实现智能人脸识别视频监控系统的方法,其特征在于,步骤A)所述通过视两个摄像头采集被监控场所的视频模拟信号,然后将采集到的视频模拟信号通过同轴电缆传送给视频解码装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100947949A CN102223520A (zh) | 2011-04-15 | 2011-04-15 | 一种智能人脸识别视频监控系统及其实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100947949A CN102223520A (zh) | 2011-04-15 | 2011-04-15 | 一种智能人脸识别视频监控系统及其实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102223520A true CN102223520A (zh) | 2011-10-19 |
Family
ID=44779928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100947949A Pending CN102223520A (zh) | 2011-04-15 | 2011-04-15 | 一种智能人脸识别视频监控系统及其实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102223520A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324919A (zh) * | 2013-06-25 | 2013-09-25 | 郑州吉瑞特电子科技有限公司 | 基于人脸识别的视频监控系统及其数据处理方法 |
CN103605993A (zh) * | 2013-12-04 | 2014-02-26 | 康江科技(北京)有限责任公司 | 一种基于面向场景判别性分析的图像到视频人脸识别方法 |
CN104883573A (zh) * | 2015-06-17 | 2015-09-02 | 四川特伦特科技股份有限公司 | 一种信号高效处理方法 |
CN104954749A (zh) * | 2015-06-17 | 2015-09-30 | 四川特伦特科技股份有限公司 | 一种信息记录方法 |
CN105205477A (zh) * | 2015-10-22 | 2015-12-30 | 西安理工大学 | 一种基于印品图像信息的印刷机状态识别方法 |
CN105357523A (zh) * | 2015-10-20 | 2016-02-24 | 苏州科技学院 | 一种基于hosvd算法视频压缩系统及方法 |
CN105488440A (zh) * | 2015-11-23 | 2016-04-13 | 广东欧珀移动通信有限公司 | 安全保护方法和终端设备 |
CN106204779A (zh) * | 2016-06-30 | 2016-12-07 | 陕西师范大学 | 基于多人脸数据采集策略和深度学习的课堂考勤方法 |
CN106899829A (zh) * | 2017-02-07 | 2017-06-27 | 深圳云天励飞技术有限公司 | 一种视频处理方法及装置 |
CN107164214A (zh) * | 2017-05-05 | 2017-09-15 | 浙江省疾病预防控制中心 | 一种微生物菌毒种保藏柜 |
CN107544387A (zh) * | 2017-09-25 | 2018-01-05 | 浙江大学昆山创新中心 | 一种人脸识别家庭安防系统及方法 |
CN110944159A (zh) * | 2019-12-31 | 2020-03-31 | 联想(北京)有限公司 | 一种信息处理方法、电子设备以及信息处理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201035635Y (zh) * | 2007-06-07 | 2008-03-12 | 广州超越数码科技有限公司 | 一种网络监控式面部识别门禁系统 |
CN101286238A (zh) * | 2008-05-06 | 2008-10-15 | 苏州纳米技术与纳米仿生研究所 | 仿生智能监控系统 |
CN101419670A (zh) * | 2008-11-21 | 2009-04-29 | 复旦大学 | 基于先进音视频编码标准的视频监控方法及系统 |
-
2011
- 2011-04-15 CN CN2011100947949A patent/CN102223520A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201035635Y (zh) * | 2007-06-07 | 2008-03-12 | 广州超越数码科技有限公司 | 一种网络监控式面部识别门禁系统 |
CN101286238A (zh) * | 2008-05-06 | 2008-10-15 | 苏州纳米技术与纳米仿生研究所 | 仿生智能监控系统 |
CN101419670A (zh) * | 2008-11-21 | 2009-04-29 | 复旦大学 | 基于先进音视频编码标准的视频监控方法及系统 |
Non-Patent Citations (1)
Title |
---|
范金刚: "智能视频监控系统若干关键技术的研究与实现", 《电子科技大学硕士学位论文》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324919A (zh) * | 2013-06-25 | 2013-09-25 | 郑州吉瑞特电子科技有限公司 | 基于人脸识别的视频监控系统及其数据处理方法 |
CN103324919B (zh) * | 2013-06-25 | 2016-07-20 | 郑州吉瑞特电子科技有限公司 | 基于人脸识别的视频监控系统及其数据处理方法 |
CN103605993B (zh) * | 2013-12-04 | 2017-01-25 | 康江科技(北京)有限责任公司 | 一种基于面向场景判别性分析的图像到视频人脸识别方法 |
CN103605993A (zh) * | 2013-12-04 | 2014-02-26 | 康江科技(北京)有限责任公司 | 一种基于面向场景判别性分析的图像到视频人脸识别方法 |
CN104883573A (zh) * | 2015-06-17 | 2015-09-02 | 四川特伦特科技股份有限公司 | 一种信号高效处理方法 |
CN104954749A (zh) * | 2015-06-17 | 2015-09-30 | 四川特伦特科技股份有限公司 | 一种信息记录方法 |
CN104883573B (zh) * | 2015-06-17 | 2018-01-30 | 四川特伦特科技股份有限公司 | 一种信号高效处理方法 |
CN104954749B (zh) * | 2015-06-17 | 2017-10-20 | 四川特伦特科技股份有限公司 | 一种信息记录方法 |
CN105357523A (zh) * | 2015-10-20 | 2016-02-24 | 苏州科技学院 | 一种基于hosvd算法视频压缩系统及方法 |
CN105205477A (zh) * | 2015-10-22 | 2015-12-30 | 西安理工大学 | 一种基于印品图像信息的印刷机状态识别方法 |
CN105488440A (zh) * | 2015-11-23 | 2016-04-13 | 广东欧珀移动通信有限公司 | 安全保护方法和终端设备 |
CN106204779A (zh) * | 2016-06-30 | 2016-12-07 | 陕西师范大学 | 基于多人脸数据采集策略和深度学习的课堂考勤方法 |
CN106899829A (zh) * | 2017-02-07 | 2017-06-27 | 深圳云天励飞技术有限公司 | 一种视频处理方法及装置 |
CN107164214A (zh) * | 2017-05-05 | 2017-09-15 | 浙江省疾病预防控制中心 | 一种微生物菌毒种保藏柜 |
CN107544387A (zh) * | 2017-09-25 | 2018-01-05 | 浙江大学昆山创新中心 | 一种人脸识别家庭安防系统及方法 |
CN110944159A (zh) * | 2019-12-31 | 2020-03-31 | 联想(北京)有限公司 | 一种信息处理方法、电子设备以及信息处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102223520A (zh) | 一种智能人脸识别视频监控系统及其实现方法 | |
Gao et al. | Infar dataset: Infrared action recognition at different times | |
Chang et al. | Unsupervised transfer learning via multi-scale convolutional sparse coding for biomedical applications | |
Othman et al. | A new IoT combined body detection of people by using computer vision for security application | |
CN101499134B (zh) | 基于现场可编程门阵列的虹膜识别方法及系统 | |
Barros et al. | Real-time gesture recognition using a humanoid robot with a deep neural architecture | |
Hussain et al. | Internet of things with deep learning-based face recognition approach for authentication in control medical systems | |
CN104346503A (zh) | 一种基于人脸图像的情感健康监控方法及手机 | |
CN109672863A (zh) | 一种基于图像识别的施工人员安全装备智能监测方法 | |
CN111954250B (zh) | 一种轻量级Wi-Fi行为感知方法和系统 | |
CN104700094A (zh) | 一种用于智能机器人的人脸识别方法及系统 | |
Liu et al. | Privacy-preserving video fall detection using visual shielding information | |
CN207663490U (zh) | 一种基于神经计算棒的混合识别门禁管理系统 | |
Wang et al. | Fusion of LDB and HOG for Face Recognition | |
Verma et al. | Age prediction using image dataset using machine learning | |
Begampure et al. | Intelligent video analytics for human action detection: a deep learning approach with transfer learning | |
Doan | An efficient patient activity recognition using LSTM network and high-fidelity body pose tracking | |
Zahid et al. | A Multi Stage Approach for Object and Face Detection using CNN | |
Darestani et al. | Face recognition using contourlet-based features and hybrid PSO-neural model | |
CN117115928B (zh) | 基于多种身份认证的村网共建便民服务终端 | |
Borreo et al. | A multi-environment dataset for activity of daily living recognition in video streams | |
CN203397168U (zh) | 智能监控系统 | |
Zhou | Multimedia English online learning behavior intelligent monitoring system based on face recognition | |
CN207440866U (zh) | 一种基于神经计算棒的人脸识别智能门禁系统 | |
Uplaonkar et al. | A Brief Survey on Segmentation and Classification Techniques for Face Recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20111019 |