CN102945366A - 一种人脸识别的方法及装置 - Google Patents

一种人脸识别的方法及装置 Download PDF

Info

Publication number
CN102945366A
CN102945366A CN2012104845671A CN201210484567A CN102945366A CN 102945366 A CN102945366 A CN 102945366A CN 2012104845671 A CN2012104845671 A CN 2012104845671A CN 201210484567 A CN201210484567 A CN 201210484567A CN 102945366 A CN102945366 A CN 102945366A
Authority
CN
China
Prior art keywords
people
face
field picture
identification record
constantly
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.)
Granted
Application number
CN2012104845671A
Other languages
English (en)
Other versions
CN102945366B (zh
Inventor
王勇进
燕尽尘
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.)
Hisense Group Co Ltd
Original Assignee
Hisense Group 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 Hisense Group Co Ltd filed Critical Hisense Group Co Ltd
Priority to CN201210484567.1A priority Critical patent/CN102945366B/zh
Publication of CN102945366A publication Critical patent/CN102945366A/zh
Application granted granted Critical
Publication of CN102945366B publication Critical patent/CN102945366B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Collating Specific Patterns (AREA)

Abstract

本发明提供了一种人脸识别的方法及装置,该方法包括:获取通过所述图像采集装置采集的M帧图像,在该M帧图像中包含有N个人的N张人脸信息时,对N张人脸信息中每张人脸信息进行人脸识别,获得N个第一识别记录,然后在M帧图像的第i+j帧图像中包含有所述N个人的N张第二时刻人脸信息时,对所述N张人脸信息中每张人脸信息进行人脸识别,获得N个第二识别记录,最后至少基于N个第一识别记录及N个第二识别记录,确定对应N个人的N个人脸识别结果,从而解决现有技术中在视频中人脸增加或者人脸减少的情况下,现有的人脸识别中无法精确的进行人脸识别,从而导致在多人脸识别时识别不精确,或者是识别过程中出现检测遗漏的技术问题。

Description

一种人脸识别的方法及装置
技术领域
本发明涉及电子技术领域,尤其涉及一种人脸识别的方法及装置。
背景技术
人脸识别是生物特征识别技术的一种。一个人脸识别系统首先采集人脸图像并检测人脸区域,然后将检测到的人脸图像与预先存储的人脸图像进行比对,从而识别每个人脸的身份。从应用的角度,人脸识别包括两大类:
身份识别:根据人脸图像识别出人物的身份,即解决是谁的问题,例如在公安系统中根据某一人的照片从数据库中查出该人的身份。
身份确认/验证:判断图像中的人脸是否是指定的人,即解决是不是某人的问题,例如安检、门禁系统中对访问者的身分验证,访问者为指定的合法人员才允许通过。
人脸识别技术相比于指纹识别、虹膜识别等生物识别技术,具有自然、方便等优点,因此可以广泛应用于很多领域,比如在国家安全、军事安全和公共安全领域的应用包括:智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等;在民事和经济领域的应用包括:对各类银行卡、金融卡、信用卡、储蓄卡的持卡人进行身份验证,对社会保险人进行身份验证等;在家庭娱乐等领域,人脸识别也具有一些有趣有益的应用,比如能够识别主人身份的智能玩具、家政机器人,具有真实面像的虚拟游戏玩家等。
但是,本发明的发明人在实施本发明的过程中发现现有技术中存在如下技术问题或缺陷:
人脸识别的现有技术一般是针对单帧识别多人脸又或者是通过多帧累加结果识别单人脸,但实际应用中会存在有多个人脸同时存在在视频中,这时在人脸增加或者人脸减少的情况下,现有的人脸识别中无法精确的进行人脸识别,从而导致在多人脸识别时识别不精确,或者是在某一帧图像中存在人脸,但是人脸检测会出现漏检,进而使得人脸识别的精确度较低的技术问题。
发明内容
本发明提供了一种人脸识别的方法及装置,用以解决现有技术中在视频中人脸增加或者人脸减少的情况下,现有的人脸识别中无法精确的进行人脸识别,从而导致在多人脸识别时识别不精确,或者是识别过程中出现漏检,进而使得人脸识别的精确度较低的技术问题,其具体的技术方案如下:
一种人脸识别的方法,应用于一电子设备,所述电子设备包括一图像采集装置,所述方法包括:
获取通过所述图像采集装置采集的M帧图像,其中M为大于等于2的正整数;
在所述M帧图像的第i帧图像中包含有N个人的在第一时刻的N张第一时刻人脸信息时,对所述N张第一时刻人脸信息中每张第一时刻人脸信息进行人脸识别,获得N个第一识别记录,其中N为大于等于2的正整数,i为小于等于M的正整数;
在所述M帧图像的第i+j帧图像中包含有所述N个人在所述第一时刻之后的第二时刻的N张第二时刻人脸信息时,对所述N张第二时刻人脸信息中每张第二时刻人脸信息进行人脸识别,获得N个第二识别记录,其中,i+j之和为小于等于M的正整数;
至少基于所述N个第一识别记录及所述N个第二识别记录,确定对应所述N个人的N个人脸识别结果。
一种人脸识别的装置,所述装置包括:
图像采集单元,用于获取M帧图像,其中M为大于等于2的正整数;
解析单元,用于在所述M帧图像的第i帧图像中包含有N个人的在第一时刻的N张第一时刻人脸信息时,对所述N张第一时刻人脸信息中每张第一时刻人脸信息进行人脸识别,获得N个第一识别记录,其中N为大于等于2的正整数,i为小于等于M的正整数;在所述M帧图像的第i+j帧图像中包含有所述N个人在所述第一时刻之后的第二时刻的N张第二时刻人脸信息时,对所述N张第二时刻人脸信息中每张第二时刻人脸信息进行人脸识别,获得N个第二识别记录,其中,i+j之和为小于等于M的正整数;
识别单元,用于至少基于所述N个第一识别记录及所述N个第二识别记录,确定对应所述N个人的N个人脸识别结果。
本发明提供的一个或者多个实施例至少存在如下技术效果或优点:
此实施例中通过进行M帧图像的解析,并且将解析得到的M个识别结果添加到数据表中,从而在有一帧图像中一个或者多个人脸漏检时,并且在下一帧图像中再次出现该人脸时,则该人脸识别装置将使用前一次识别到该人脸的数据表中的识别记录得到该帧图像中人脸的识别记录,并根据该识别记录以及该帧图像的识别结果得到该帧图像最终的识别结果,并将得到最终的识别结果添加到该人脸对应的数据表中,从而解决了现有技术中在视频中人脸增加或者人脸减少的情况下,现有的人脸识别中无法精确的进行人脸识别,从而导致在多人脸识别时识别不精确,或者是识别过程中出现漏检的技术问题,进而实现了在多人脸识别时,能够通过多帧图像识别得到最后的识别结果,提高了人脸识别装置的识别精确度以及效率。
附图说明
图1所示为本发明实施例中一种人脸识别的方法流程图;
图2所示为本发明实施例中一种人脸识别的装置结构示意图。
具体实施方式
由于在现有技术中在视频中人脸增加或者减少的情况下,现有的人脸识别中无法精确的进行人脸识别,从而导致多人脸识别时识别不精确,或者是识别过程中出现漏检的技术问题,也就是说,现有的技术中由于在视频中进行人脸识别时,一般在该视频中都会出现多个人脸,此时人脸识别装置中的识别系统将对视频中的多个人脸进行识别,一般的识别过程是通过采集一帧图像中的所有人脸的特征,然后将该人脸特征与预存数据库中的人脸特征进行比对,最后得到该人脸特征对应的身份信息,但是由于在不同的情况下,人脸的面部表情会发生改变,因此人脸特征也会发生一定的改变,从而现有技术中的单帧图像识别时可能会出现识别错误,进而出现某一帧图像中人脸错检的问题。
针对上述问题,本发明提供了一种人脸识别的方法及装置,该方法包括:获取通过所述图像采集装置采集的M帧图像,在该M帧图像中包含有N个人的在第一时刻的N张第一时刻人脸信息时,对N张第一时刻人脸信息中每张第一时刻人脸信息进行人脸识别,获得N个第一识别记录,然后在M帧图像的第i+j帧图像中包含有所述N个人的在所述第一时刻之后的第二时刻的N张第二时刻人脸信息时,对所述N张第二时刻人脸信息中每张第二时刻人脸信息进行人脸识别,获得N个第二识别记录,最后至少基于所述N个第一识别记录及所述N个第二识别记录,确定对应所述N个人的N个人脸识别结果。
也就是说,在本发明实施例中在视频中会获取M帧图像,在获取M帧图像的同时解析该M帧图像,并且获取M帧图像中每一帧图像中的人脸信息,也就是说在视频获取一帧图像的同时就将解析该帧图像,并且解析图像的速度大于获取图像的速度,然后将每一帧图像中人脸信息进行匹配,得到M帧图像中每一帧图像中每个人脸对应的识别结果,然后根据最后的识别结果获取每个人脸对应的身份信息。
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解,本发明实施例只是对本发明技术方案的详细的说明,而并不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
如图1所示为本发明实施例中一种人脸识别的方法,该方法应用于一电子设备中,该电子设备包括一图像采集装置,该图像采集装置可以是摄像头,该方法具体包括如下步骤:
步骤101,获取通过图像采集装置采集的M帧图像。
首先来说,在进行人脸识别之前,首先需要该电子设备中的图像采集装置去获取到对应的图像信息,当然,在本发明实施例中以视频信息进行说明,当图像采集装置获取到一时间段内的图像之后,该电子设备将会对采集到的图像进行解析。
首先,该视频图像是由多帧图像组成,在本发明实施例中以M帧进行说明,也就是说,在由图像采集装置采集到预设时间段的视频图像,该视频图像中包括了M帧图像,在该实施例中图像采集装置每采集到一帧图像,人脸识别装置将同步的进行每一帧图像的人脸识别,并且识别的速度大于图像采集的速度,在该实施例中将采集M帧图像,并且解析M帧图像得到相应的解析结果。
当获取到M帧图像之后,该电子设备将执行步骤102。
步骤102,在M帧图像的第i帧图像中包含有N个人的在第一时刻的N张第一时刻人脸信息时,对所述N张第一时刻人脸信息中每张第一时刻人脸信息进行人脸识别,获得N个第一识别记录。
在步骤101中获取到M帧图像中每一帧图像的同时该人脸识别装置将解析每一帧图像,其中从第i帧图像进行描述,该第i帧图像可以是M帧图像中的第一帧图像,此时,该图像采集装置将通过人脸识别确定出第i帧图像中的N个人在第一时刻的N张第一时刻人脸信息,其中N可以为大于等于2的正整数,也就是说,该第i帧图像中至少是存在2个人的人脸。
在此以N=3进行说明,在获得第i帧图像之前,该图像采集装置已确定第i帧图像前一帧的人脸信息,其具体对i帧前一帧的解析过程如下:
解析第i帧图像,并对N张人脸中每张人脸进行编号,确定第i帧图像中的N张人脸信息以及N张人脸中每张人脸在第i帧图像中的第一图像坐标。
需要说明的是,在人脸识别装置的数据库中至少保存有甲、乙、丙三个用户对应的人脸特征以及该人脸特征对应的身份信息。比如说:甲:特征1、张三;乙:特征2、王二;丙:特征3、李大。
比如说,首先需要确定第i帧图像前一帧图像的所有信息,在第i帧图像前一帧的图像中包括甲、乙、丙3个人脸时,在确定有3个人脸之后,该图像采集装置首先是对甲、乙、丙3个人脸进行编号,在此,将该三张人脸编号为1、2、3,该图像采集装置将确定1、2、3的人脸在第i帧图像中的中心位置坐标,比如1人脸的中心位置坐标为(X00,Y00)、2人脸的中心位置坐标为(X20,Y20)、3人脸的中心位置坐标为(X30,Y30),然后人脸识别装置将提取出1号、2号、3号人脸对应的人脸特征,比如说1号人脸对应—人脸特征1;2号人脸对应—人脸特征2;3号人脸对应—人脸特征3,然后根据该人脸特征与数据库中保存的人脸特征进行比对,若比对到数据库中的人脸,则将该特征对应到该人脸的身份信息上,比如说:1号人脸对应人脸特征1,则该特征1对应的是用户甲,即:张三,其他人脸也是同样的识别方式,2号人脸对应用户乙,即:王二;3号人脸对应用户丙,即:李大,从而通过上述的识别方式得到3个标号人脸对应的识别结果之后,该人脸识别装置将根据该识别结果生成一数据表,该数据表中包括了人脸编号、人脸中心位置坐标、检测结果(记录每次识别记录以及识别结果)、count值(记录编号人脸未被识别出的次数)、matched值(记录当前帧人脸是否被识别到,当识别到时则记录该人脸的编号,当未检测到人脸时则用-1表示)、flag值(记录人脸在上一帧是否出现过,用1和0记录,1表示出现过,0表示未出现过),其中,识别记录就包括了人脸编号、人脸中心位置坐标、检测结果、count值、matched值、flag值,下面以编号1人脸的数据表进行举例说明,该数据表甲具体如表1所示:
内容 说明
1 人脸编号 1
2 中心位置坐标 (X00,Y00
3 检测结果 甲用户+1
4 count值 0
5 matched值 1
6 flag值 0
表1
当然,用户乙以及用户丙也可以按照此表1的方式进行统计,因此在此不做赘述。
当获取并确定第i帧的前一帧图像之后,该图像采集装置将读入第i帧图像,然后对第i帧图像中的人脸信息识别,然后还需要对3个人脸进行编号,此时图像采集装置将无法确定3人脸与前一帧图像中人脸的对应关系,因此将该3个人脸编号为1、2、3,然后确定该3个人脸在第i帧图像中的中心位置坐标,该中心位置坐标为编号1人脸的中心位置坐标为(X10,Y10)、编号2人脸的中心位置坐标为(X21,Y21)、编号3人脸的中心位置坐标为(X31,Y31)。
在获取到编号1人脸、编号2人脸、编号3人脸的信息之后,将每个编号人脸的坐标与表1中记录的坐标进行欧式距离计算,也就是说,会将(X10,Y10)、(X21,Y21)、(X31,Y31)这三个坐标与表1中的坐标(X00,Y00)进行欧式距离计算,从而得到每个编号人脸与表1中1号人脸的坐标距离,当然每个坐标距离是不相同的,因此,在本发明实施例中选择与表1中1号人脸距离最短的人脸作为与1号人脸相同的人脸,经计算确定编号1人脸与1号人脸之间的坐标距离最短,进而确定编号1人脸为1号人脸,此时将得到编号1人脸对应的识别结果,此处是将第i帧图像中的所有包含的人脸提取出人脸特征,并且将提取出的人脸特征与数据库中的人脸特征进行匹配,最后得到该人脸特征对应的身份信息,即识别结果,此时,该识别次数也将在原来的基础上提高一次,最后,将根据编号1人脸的检测结果、识别次数、人脸编号对表1进行更新,更新后的数据表如表2所示:
内容 说明
1 人脸编号 1
2 中心位置坐标 (X10,Y10
3 检测结果 甲用户+2
4 count值 0
5 matched值 1
6 flag值 1
表2
在对表1进行更新之后,在表2中人脸编号将不会改变,而编号1人脸的坐标将更新为(X10,Y10),检测结果将更新为2次(用户甲),然后count值也将更新为0次,matched值还将是编号1人脸的编号,flag值表征的是上一帧图像中是否出现过,因此该flag值将是1,也就是表征上一帧中出现该人脸。
在将第i帧图像解析处理之后,则执行步骤103。
步骤103,在第M帧图像的第i+j帧图像中包含有N个人在第一时刻之后的第二时刻的N张第二时刻人脸信息时,对N张第二时刻人脸信息中每张第二时刻人脸信息进行人脸识别,获得N个第二识别记录。
具体来说,在该步骤中是需要解析第i+j帧图像,并确定第i+j帧图像中的N张人脸信息以及N张人脸中每张人脸在第i+j帧图像中的第一图像坐标。然后根据该第二图像坐标以及第一图像坐标获得第二识别记录,在获得第二识别记录之后,人脸识别装置将根据第二图像坐标以及第二识别记录,获得包含N张人脸中每张人脸的第二人脸编号、第二识别记录的第二信息,最后将所述每张人脸对应的所述第二图像坐标以及所述第二识别记录以及所述第二信息添加到所述第一数据表中。
比如说,第i+j帧图像为第i帧图像之后的一帧图像,此时该步骤103中的图像解析方式与第i帧图像的图像解析方式相同,也就是首先确定第i+j帧图像中的人脸个数,并且对这些人脸进行编号,如在第i+j帧图像中还是包括了3张人脸,此时,该人脸识别装置将对3张人脸进行编号,编号为1、2、3,然后获取编号1、编号2、编号3人脸对应的中心位置坐标分别为(X11,Y11)、(X22,Y22)、(X32,Y32),然后需要将3张人脸的中心位置坐标与第i帧图像的中心位置坐标进行欧式距离计算,具体来说,在确定编号1的人脸时,将编号1人脸的中心位置坐标与第i帧图像中的每张人脸的中心位置坐标进行欧式计算,得到3个对应的坐标点之间的距离,然后将确定这3个距离中最短距离,从而该最短距离对应的人脸编号即为编号1人脸对应的编号,比如说,编号1人脸与前一帧图像中编号1人脸之间的中心位置坐标距离最短,此时就将确定编号1人脸对应前一帧图像中编号1人脸,从而编号1人脸的坐标作为编号1人脸的新中心位置坐标,也就是说,编号1人脸的中心位置坐标由原来的(X10,Y10)更新为(X11,Y11),并且在更新中心位置坐标的同时,根据该中心位置坐标的确定,也将同时获取编号1人脸对应的识别记录,因为编号为1人脸与前一帧中编号1人脸为同一张人脸,并得到该帧图像中人脸的识别结果,从而将该帧图像的识别结果插入到编号1人脸对应的识别记录中,然后将确定数据表中count值、matched值、flag值,最后根据该值对表2进行更新得到表3,表3中的内容具体如下:
内容 说明
1 人脸编号 1
2 中心位置坐标 (X11,Y11
3 检测结果 甲用户+3
4 count值 0
5 matched值 1
6 flag值 1
表3
另外,在本发明实施例中,在人脸识别的过程中,人脸识别装置可能会出现某一张人脸识别到两个识别结果。
具体来说,当人脸识别装置进行第i+j+1帧图像解析时,当在该帧图像中检测存在3张人脸,此时按照同样的解析方式,该人脸识别装置将首先对图像中的每张人脸进行标号,此处还是编号为1、2、3,编号为1、2、3人脸对应的中心位置坐标为(X12,Y12)、(X23,Y23)、(X33,Y33),然后将编号1、2、3人脸与前一帧中编号1人脸的中心位置坐标进行欧式距离运算,经过距离计算之后,编号为1的人脸与前一帧中编号1人脸的距离最短,此时确定编号为1的人脸与前一帧中编号1人脸为同一张人脸,此时提取出编号为1人脸的人脸特征,该人脸特征在数据库中匹配到乙人脸,该人脸识别装置将确定该编号为1的人脸对应用户乙,并得到最后的识别结果,最后识别装置会将该识别结果添加到数据表中,从而更新数据表,具体如表4所示:
内容 说明
1 人脸编号 1
2 中心位置坐标 (X12,Y12
3 检测结果 甲用户+3、乙用户+1
4 count值 0
5 matched值 2
6 flag值 1
表4
因此,一张人脸可能会有多个识别结果,并且将多个识别结果保存在数据表中。
另外,在人脸识别装置的识别过程中并不能够做到每次使用一帧图像就完全检测出所有的人脸,因此,也会出现漏检的情况,也就是说某一张人脸将无法被检测到,比如说,当人脸识别装置读入第i+j+2帧的图像时,该第i+j+2帧的图像中只检测出2张人脸,此时,当然,还是同样的方式会将2张人脸进行编号,编号为1、2,同时还将分别获取编号1、2人脸对应的中心位置坐标,该中心位置坐标为:(X13,Y13)、(X24,Y24),然后编号1人脸的中心位置坐标将会与前一帧图像中编号1人脸以及编号2人脸以及编号3人脸进行欧式距离计算,此时,编号为1的人脸的中心位置坐标与前一帧编号2人脸的中心位置坐标最短,也就是说该编号为1的人脸将会与编号2人脸匹配,然后编号为2的人脸与编号3人脸匹配,此时,编号1人脸将没有人脸与之匹配到,此时,编号2人脸以及编号3人脸的数据表会进行相应的更新,当然,编号1人脸的数据表也将进行对应的更新,此时更新的方式主要内容如下:
首先,编号1人脸对应的数据表中中心位置坐标将不会改变,检测结果中记录未检测出编号1人脸时,该人脸识别装置会将数据表的未识别次数(count值)增加1次、匹配编号(matched值)设置为-1,flag值设置为0,因此得到表5中的内容:
内容 说明
1 人脸编号 1
2 中心位置坐标 (X12,Y12
3 检测结果 甲用户+3、乙用户+1
4 count值 1
5 matched值 -1
6 flag值 0
表5
进一步,当在人脸检测的过程中出现多帧图像中都不存在某一人脸时,则该人脸识别装置将清空所有的识别结果,也就是说该人脸识别装置将确定该用户不存在在视频采集的区域内,从而清空该编号人脸对应的数据表中的数据。
比如说,在本发明实施例中该数据表中出现count值增加到了15或者预设的次数之后,该人脸识别装置将清除该编号人脸的所有识别结果。
另外,在本发明实施例中还存在一种情况是,在解析第i+j+3帧的图像时,该图像中检测出4张人脸,此时,也将用同样的方式对4张人脸进行编号,编号为1、2、3、4,此时,将获取4张人脸在第i+j+3帧的图像中的中心位置坐标,经过欧式距离计算之后,编号为1的人脸与编号1人脸匹配、编号为2的人脸与编号2人脸匹配、编号为3的人脸与编号3人脸匹配,但是,编号4人脸不能与任何一张脸进行匹配,此时,该人脸识别装置将建立一新数据表,在该数据表中记录该编号4人脸对应的信息,如编号4人脸的人脸编号、中心位置坐标、检测结果、count值、matched值以及flag值,其具体的记录情况如表6所示:
内容 说明
1 人脸编号 4
2 中心位置坐标 (X40,Y40
3 检测结果 丁用户+1
4 count值 0
5 matched值 4
6 flag值 0
表6
在将编号4人脸对应的信息添加到数据表中之后,若是在后几帧的图像中仍然出现有编号4人脸时,则同样按照编号甲人脸的数据表更新方式对人脸编号4进行数据表数据进行更新。
进一步,在人脸识别的过程还可能出现在第i+j+3帧的图像中未检测出人脸,也就是说在该第i+j+3帧的图像中没有人脸图像,此时,该人脸识别装置也将同样对前一帧中出现的所有人脸对应的数据表进行更新,其具体的更新方式是,数据表中的count值在原来的基础上增加1次、matched值设置为-1、flag值设置为0,但是,在每张数据表中的中心位置坐标以及识别结果将不会改变,也就是说将保持最后一次记录的值。
在上述的实施例中只是提及了对3帧图像的解析,在本发明实施例中对图像帧的解析确定了一阈值,也就是说在本发明实施例中该人脸识别装置需要获取M帧图像的解析结果,该M帧图像可以是10或者15或者是20帧图像,然后得到10次或者15次或者是20次识别结果之后才会得到最终的结果。
具体来说,在得到识别结果之后,将执行步骤104。
步骤104,至少基于N个第一识别记录及N个第二识别记录,确定N个人的N个人脸识别结果。
具体来说,在步骤103中,是根据第一数据表中的第一识别记录以及第二识别记录,获得N个人的N张人脸的识别结果次数,然后将识别结果次数与预设次数进行比较,生成一比较结果,当该比较结果表征该识别结果次数达到预设次数时,则确定N个人的N张人脸识别结果。
比如说,在该人脸识别过程中该人脸识别装置预设识别结果次数为15,此时,当编号1人脸的数据表中识别结果次数达到预设次数时,该人脸识别装置将生成一编号1人脸的最终识别结果。
其中,该识别步骤中识别结果次数累计到15次之后,该人脸识别装置将确定所有识别结果中的识别到的识别结果次数,然后将该识别到的次数与总识别次数进行比例运算,得到识别到次数在总次数中的比例,当然,并不是识别15帧图像就能得到15次识别结果,当识别的过程中出现漏检时,该次漏检将不会增加到识别结果中,比如表7所示的内容,在表7中统计的内容为20帧图像处理完成之后的数据表:
内容 说明
1 人脸编号 1
2 中心位置坐标 (X114,Y114
3 检测结果 甲用户+12、乙用户+3
4 count值 5
5 matched值 1
6 flag值 1
表7
在表7中,该数据表中总识别结果次数为15时,已达到预设次数,因此,需要进行识别结果的处理,当然该识别到的结果为甲用户的次数为12次,识别成乙用户次数为3次,然后得到识别到甲用户的识别次数在总识别次数中的比例,比如在该实施例中识别为的次数比例为A=12/15=4/5,然后将该比例转换为百分比,该百分比为80%,然后将该百分比与预设百分比进行比较,在该百分比超过预设百分比之后,该人脸识别装置将确定该编号1人脸的识别结果为用户甲。当然,若是总识别结果次数小于预设值时,比如说识别结果次数小于15次时,则人脸识别装置将确定识别结果次数未达到预设条件,并不会对识别结果进行处理。
最后在确定用户甲之后,该人脸识别系统将根据该识别结果在数据库中调取与该识别结果对应的身份信息,比如说,该得到编号甲的识别结果之后,该人脸识别系统将根据该识别结果在数据中调取该编号甲用户对应的身份信息,如编号甲用户:姓名:张一,年龄:25,性别:男等信息,然后将该身份信息发送给对应的终端或者是进行显示。
此实施例中通过进行M帧图像的解析,并且将解析得到的M个识别结果添加到数据表中,并且将识别结果添加到对应的数据表中,从而在有一帧图像中人脸漏检时,并且在下一帧图像中再次出现该人脸时,则该人脸识别装置将使用前一次识别到该人脸的数据表中的识别记录得到该帧图像中人脸的识别记录,比如说在本帧图像中再次出现人脸时,则该人脸识别装置将调取前一次数据表中的中心位置坐标来匹配该张人脸是否与前几帧图像(此处前几帧图像为漏检之前的一帧图像,当然,此处漏检次数小于预设阈值)中某一人脸为同一人脸,并得到识别记录(该识别记录插入了本帧中人脸的中心位置坐标以及本帧图像的识别结果),然后根据该识别记录得到本帧人脸的最终识别结果,并将得到的识别结果添加到该人脸对应的数据表中,从而解决了现有技术中在视频中人脸增加或者人脸减少的情况下,现有的人脸识别中无法精确的进行人脸识别,从而导致在多人脸识别时识别不精确,或者是识别过程中出现漏检的技术问题,进而实现了在多人脸识别时,能够通过多帧图像识别得到最后的识别结果,提高了人脸识别装置的识别精确度以及效率。
进一步,在本发明实施例中当完成M帧图像的识别之后,该人脸识别装置将继续对预设区域内的图像进人脸检测,当在第M+1帧图像中出现人脸,并且该人脸与前一帧中出现的编号1人脸为同一张人脸时,此时,将得到第M+1帧图像中该人脸的识别记录,然后人脸识别装置将前M帧识别记录中的第一帧识别记录删除,并且将第M+1帧图像的识别记录添加到数据表中,最后根据数据表中的M帧图像的识别记录得到第M+1帧图像中该人脸的识别结果。也就是说当第20帧图像解析完成,并且获得对应的结果之后,该人脸识别装置还将继续检测第21帧图像,该21帧图像中出现一人脸,并且该人脸与编号1人脸为同一张人脸时,则人脸识别装置将得到第21帧图像的识别记录,并且同时该人脸识别装置将编号1人脸对应的数据表中的第一条识别记录删除,并且将第21帧图像的识别记录添加到编号1对应的数据表中,然后根据数据表中的识别记录得到第21帧图像中人脸的识别结果。当然,其他编号人脸也是同样的执行方式,这样可以将前面的识别结果在后面进行有效的更新,从而使得识别结果更加精确,并且提高了人脸识别的效率。
当然,在本发明实施例中的人脸识别装置会持续的对图像中的人脸进行识别,并且将实时的对对应人脸的数据库进行更新,保证人脸识别的准确性。
另外,对应本发明实施例一种人脸识别的方法,本发明实施例还提供了一种人脸识别的装置,如图2所示为本发明实施例一种人脸识别的装置,该装置包括:
图像采集单元201,用于获取M帧图像,其中M为大于等于2的正整数;
解析单元202,与图像采集单元201连接,用于在所述M帧图像的第i帧图像中包含有N个人的在第一时刻的N张第一时刻人脸信息时,对所述N张第一时刻人脸信息中每张第一时刻人脸信息进行人脸识别,获得N个第一识别记录,其中N为大于等于2的正整数,i为小于等于M的正整数;在所述M帧图像的第i+j帧图像中包含有所述N个人在所述第一时刻之后的第二时刻的N张第二时刻人脸信息时,对所述N张第二时刻人脸信息中每张第二时刻人脸信息进行人脸识别,获得N个第二识别记录,其中,i+j之和为小于等于M的正整数;
识别单元203,与解析单元202连接,用于至少基于所述N个第一识别记录及所述N个第二识别记录,确定对应所述N个人的N个人脸识别结果。
具体来讲,图像采集单元201首先是获取一包含M帧图像的视频信息,然后将该视频信息发送给解析单元202,然后解析单元202将读取M帧图像中的第i帧图像,并解析该第i帧图像中包含有的N个人的人脸信息,并根据该人脸信息确定出N个第一识别记录,然后将这N个识别结果对应的添加到N个人脸的数据表中,然后读取第i+j帧图像,同样的方式解析得到第i+j帧图像中N个人脸对应的N个第二识别记录,然后将N个第二识别记录对应的添加到N个人脸的数据表中,依此方式解析所有的M帧图像,最后得到包含第一识别记录以及第二识别记录的M个解析结果,最后将该包含第一识别记录以及第二识别记录的M个解析结果发送给识别单元203,最后识别单元203至少以及N个第一识别记录以及N个第二识别记录,确定对应N个人的N个人脸识别结果。
本发明提供的一个或者多个实施例至少存在如下技术效果或优点:
此实施例中通过进行M帧图像的解析,并且将解析得到的M个识别结果添加到数据表中,并且将识别结果添加到对应的数据表中,从而在有一帧图像中人脸漏检时,并且在下一帧图像中再次出现该人脸时,则该人脸识别装置将使用前一次识别到该人脸的数据表中的识别记录得到该帧图像中人脸的识别记录,比如说在本帧图像中再次出现人脸时,则该人脸识别装置将调取前一次数据表中的中心位置坐标来匹配该张人脸是否与前几帧图像(此处前几帧图像为漏检之前的一帧图像,当然,此处漏检次数小于预设阈值)中某一人脸为同一人脸,并得到识别记录(该识别记录插入了本帧中人脸的中心位置坐标以及本帧图像的识别结果),然后根据该识别记录得到本帧人脸的最终识别结果,并将得到的识别结果添加到该人脸对应的数据表中,从而解决了现有技术中在视频中人脸增加或者人脸减少的情况下,现有的人脸识别中无法精确的进行人脸识别,从而导致在多人脸识别时识别不精确,或者是识别过程中出现漏检的技术问题,进而实现了在多人脸识别时,能够通过多帧图像识别得到最后的识别结果,提高了人脸识别装置的识别精确度以及效率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (11)

1.一种人脸识别的方法,应用于一电子设备,所述电子设备包括一图像采集装置,其特征在于,所述方法包括:
获取通过所述图像采集装置采集的M帧图像,其中M为大于等于2的正整数;
在所述M帧图像的第i帧图像中包含有N个人的在第一时刻的N张第一时刻人脸信息时,对所述N张第一时刻人脸信息中每张第一时刻人脸信息进行人脸识别,获得N个第一识别记录,其中N为大于等于2的正整数,i为小于等于M的正整数;
在所述M帧图像的第i+j帧图像中包含有所述N个人在所述第一时刻之后的第二时刻的N张第二时刻人脸信息时,对所述N张第二时刻人脸信息中每张第二时刻人脸信息进行人脸识别,获得N个第二识别记录,其中,i+j之和为小于等于M的正整数;
至少基于所述N个第一识别记录及所述N个第二识别记录,确定对应所述N个人的N个人脸识别结果。
2.如权利要求1所述的方法,其特征在于,所述在所述M帧图像的第i帧图像中包含有N个人的在第一时刻的N张第一时刻人脸信息时,对所述N张第一时刻人脸信息中每张第一时刻人脸信息进行人脸识别,获得N个第一识别记录,具体包括:
解析所述第i帧图像,并对所述N张人脸中每张人脸进行编号,确定所述第i帧图像中的所述N张人脸信息以及N张人脸中每张人脸在所述第i帧图像中的第一图像坐标;
根据所述第一图像坐标以及所述预存图像坐标获得所述第一识别记录。
3.如权利要求2所述的方法,其特征在于,在所述根据所述第一图像坐标以及所述预存图像坐标获得所述第一识别记录之后,所述方法还包括:
根据所述第一图像坐标以及所述第一识别记录,获得所述包含N张人脸中每张人脸的第一人脸编号、第一识别记录的第一信息;
将所述每张人脸对应的所述第一图像坐标,所述第一识别记录以及所述第一信息添加到所述每张人脸对应的第一数据表中。
4.如权利要求1所述的方法,其特征在于,所述在所述M帧图像的第i+j帧图像中包含有所述N个人的在所述第一时刻之后的第二时刻的N张第二时刻人脸信息时,对所述N张第二时刻人脸信息中每张第二时刻人脸信息进行人脸识别,获得N个第二识别记录,具体包括:
解析所述第i+j帧图像,确定所述第i+j帧图像中的所述N张人脸信息以及N张人脸中每张人脸在所述第i+j帧图像中的第二图像坐标;
根据所述第二图像坐标以及所述第一图像坐标,获得所述第二识别记录。
5.如权利要求4所述的方法,其特征在于,所述根据所述第二图像坐标以及所述第一图像坐标,获得所述第二识别记录之后,所述方法还包括:
根据所述第二图像坐标以及所述第二识别记录,获得包含所述N张人脸中每张人脸的第二人脸编号、第二识别记录的第二信息;
将所述每张人脸对应的所述第二图像坐标以及所述第二识别记录以及所述第二信息添加到每张人脸对应的所述第一数据表中。
6.如权利要求5所述的方法,其特征在于,所述将所述每张人脸对应的所述第二图像坐标以及所述第二识别记录以及所述第二信息添加到所述每张人脸对应的第一数据表中,具体包括:
根据所述每张人脸对应的所述第二图像坐标,将所述第二图像坐标替换所述每张人脸对应的所述第一数据表中的所述第一图像坐标;
将所述每张人脸对应的第二识别记录添加到所述每张人脸对应的所述第一数据表中;
用所述每张人脸对应的所述第二信息更新所述每张人脸对应的所述第一数据表中的第一信息。
7.如权利要求6所述的方法,其特征在于,所述至少基于所述N个第一识别记录及所述N个第二识别记录,确定对应所述N个人的N个人脸识别结果,具体包括:
根据所述第一数据表中的所述第一识别记录以及所述第二识别记录,获取所述N个人的N张人脸的一识别结果次数;
将所述识别结果次数与预设次数进行比较,并生成一比较结果;
当所述比较结果表征所述识别结果次数达到预设次数时,则确定所述N个人的N张人脸识别结果。
8.如权利要求7所述的方法,其特征在于,所述当所述比较结果表征所述识别结果次数达到预设次数时,则确定所述N个人的N张人脸识别结果,具体包括:
确定所述第一识别记录以及所述第二识别记录中所述N个人的N张人脸的相同识别结果次数与所述第一识别记录以及所述第二识别记录中的总识别结果次数的第一比例;
判断所述第一比例是否达到预设比例,并生成一判断结果;
若所述判断结果表征所述第一比例达到预设比例时,则将所述相同识别结果作为所述N个人的N张人脸识别结果。
9.如权利要求1~8任一权项所述的方法,其特征在于,在所述至少基于所述N个第一识别记录及所述N个第二识别记录,确定对应所述N个人的N个人脸识别结果之后,所述方法还包括:
根据所述N个人脸识别结果,获取所述N个人脸识别结果对应的N个人的身份信息。
10.如权利要求1~8任一权项所述的方法,其特征在于,所述获取通过所述图像采集装置采集的M帧图像之后,所述方法还包括:
当在所述M帧图像中未检测到人脸信息时,则读取M+1帧图像;
解析所述M+1帧图像中是否包含有人脸信息。
11.一种人脸识别的装置,其特征在于,所述装置包括:
图像采集单元,用于获取M帧图像,其中M为大于等于2的正整数;
解析单元,用于在所述M帧图像的第i帧图像中包含有N个人的在第一时刻的N张第一时刻人脸信息时,对所述N张第一时刻人脸信息中每张第一时刻人脸信息进行人脸识别,获得N个第一识别记录,其中N为大于等于2的正整数,i为小于等于M的正整数;在所述M帧图像的第i+j帧图像中包含有所述N个人在所述第一时刻之后的第二时刻的N张第二时刻人脸信息时,对所述N张第二时刻人脸信息中每张第二时刻人脸信息进行人脸识别,获得N个第二识别记录,其中,i+j之和为小于等于M的正整数;
识别单元,用于至少基于所述N个第一识别记录及所述N个第二识别记录,确定对应所述N个人的N个人脸识别结果。
CN201210484567.1A 2012-11-23 2012-11-23 一种人脸识别的方法及装置 Active CN102945366B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210484567.1A CN102945366B (zh) 2012-11-23 2012-11-23 一种人脸识别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210484567.1A CN102945366B (zh) 2012-11-23 2012-11-23 一种人脸识别的方法及装置

Publications (2)

Publication Number Publication Date
CN102945366A true CN102945366A (zh) 2013-02-27
CN102945366B CN102945366B (zh) 2016-12-21

Family

ID=47728305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210484567.1A Active CN102945366B (zh) 2012-11-23 2012-11-23 一种人脸识别的方法及装置

Country Status (1)

Country Link
CN (1) CN102945366B (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850213A (zh) * 2014-02-13 2015-08-19 索尼公司 可穿戴电子设备和用于可穿戴电子设备的信息处理方法
CN104992146A (zh) * 2015-06-15 2015-10-21 百度在线网络技术(北京)有限公司 一种用于人脸识别的方法和装置
CN105234940A (zh) * 2015-10-23 2016-01-13 上海思依暄机器人科技有限公司 机器人及其控制方法
CN105956534A (zh) * 2016-04-25 2016-09-21 京东方科技集团股份有限公司 基于人脸识别的智能提醒系统、方法及可穿戴设备
CN107358758A (zh) * 2015-08-03 2017-11-17 天使游戏纸牌股份有限公司 游艺场的作弊检测系统
CN108062404A (zh) * 2017-12-28 2018-05-22 奇酷互联网络科技(深圳)有限公司 人脸图像的处理方法、装置、可读存储介质及终端
CN108090430A (zh) * 2017-12-08 2018-05-29 杭州魔点科技有限公司 人脸检测的方法及其装置
CN108124157A (zh) * 2017-12-22 2018-06-05 北京旷视科技有限公司 信息交互方法、装置及系统
CN108171072A (zh) * 2017-12-06 2018-06-15 维沃移动通信有限公司 一种保护隐私的方法及移动终端
CN108376434A (zh) * 2018-02-22 2018-08-07 陈崇 一种基于物联网的智能家居控制系统
CN109215153A (zh) * 2018-09-05 2019-01-15 航天信息股份有限公司 考勤方法和装置
CN109583395A (zh) * 2018-12-05 2019-04-05 威马汽车科技集团有限公司 一种人脸识别优化方法及其处理器
CN109903433A (zh) * 2019-01-31 2019-06-18 武汉天喻聚联网络有限公司 一种基于人脸识别的门禁系统及门禁控制方法
CN110348272A (zh) * 2018-04-03 2019-10-18 北京京东尚科信息技术有限公司 动态人脸识别的方法、装置、系统和介质
CN110472460A (zh) * 2018-05-11 2019-11-19 北京京东尚科信息技术有限公司 人脸图像处理方法及装置
CN111126122A (zh) * 2018-10-31 2020-05-08 浙江宇视科技有限公司 人脸识别算法评估方法及装置
WO2020124579A1 (zh) * 2018-12-21 2020-06-25 华为技术有限公司 一种验证用户身份的方法及电子设备
CN111353360A (zh) * 2019-08-15 2020-06-30 深圳市鸿合创新信息技术有限责任公司 一种人脸识别方法及装置、电子设备
CN111382656A (zh) * 2019-04-02 2020-07-07 深圳市鸿合创新信息技术有限责任公司 一种图像识别方法、装置、电子设备及存储介质
CN112016474A (zh) * 2020-08-31 2020-12-01 重庆紫光华山智安科技有限公司 一种人脸识别方法、装置、设备及计算机可读存储介质
CN112132030A (zh) * 2020-09-23 2020-12-25 湖南快乐阳光互动娱乐传媒有限公司 视频处理方法及装置、存储介质及电子设备
CN112637482A (zh) * 2020-12-08 2021-04-09 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN113158823A (zh) * 2021-03-30 2021-07-23 浙江大华技术股份有限公司 一种人脸识别方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587536A (zh) * 2008-05-21 2009-11-25 上海新联纬讯科技发展有限公司 可疑人员跟踪方法与系统
CN102087704A (zh) * 2009-12-08 2011-06-08 索尼公司 信息处理装置、信息处理方法和程序
CN102419819A (zh) * 2010-10-25 2012-04-18 深圳市中控生物识别技术有限公司 人脸图像识别方法和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587536A (zh) * 2008-05-21 2009-11-25 上海新联纬讯科技发展有限公司 可疑人员跟踪方法与系统
CN102087704A (zh) * 2009-12-08 2011-06-08 索尼公司 信息处理装置、信息处理方法和程序
CN102419819A (zh) * 2010-10-25 2012-04-18 深圳市中控生物识别技术有限公司 人脸图像识别方法和系统

Cited By (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850213A (zh) * 2014-02-13 2015-08-19 索尼公司 可穿戴电子设备和用于可穿戴电子设备的信息处理方法
CN104992146B (zh) * 2015-06-15 2019-09-20 百度在线网络技术(北京)有限公司 一种用于人脸识别的方法和装置
CN104992146A (zh) * 2015-06-15 2015-10-21 百度在线网络技术(北京)有限公司 一种用于人脸识别的方法和装置
US11393285B2 (en) 2015-08-03 2022-07-19 Angel Group Co., Ltd. Fraud detection system in a casino
US11527131B2 (en) 2015-08-03 2022-12-13 Angel Group Co., Ltd. Fraud detection system in a casino
US12094293B2 (en) 2015-08-03 2024-09-17 Angel Group Co., Ltd. Fraud detection system in a casino
US12094295B2 (en) 2015-08-03 2024-09-17 Angel Group Co., Ltd. Fraud detection system in a casino
US12094292B2 (en) 2015-08-03 2024-09-17 Angel Group Co., Ltd. Fraud detection system in a casino
US12094294B2 (en) 2015-08-03 2024-09-17 Angel Group Co., Ltd. Fraud detection system in a casino
US12094291B2 (en) 2015-08-03 2024-09-17 Angel Group Co., Ltd. Fraud detection system in a casino
US20180350193A1 (en) 2015-08-03 2018-12-06 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US12094296B2 (en) 2015-08-03 2024-09-17 Angel Group Co., Ltd. Fraud detection system in a casino
US12094297B2 (en) 2015-08-03 2024-09-17 Angel Group Co., Ltd. Fraud detection system in a casino
US11741780B2 (en) 2015-08-03 2023-08-29 Angel Group Co., Ltd. Fraud detection system in a casino
US11727750B2 (en) 2015-08-03 2023-08-15 Angel Group Co., Ltd. Fraud detection system in a casino
US11657673B2 (en) 2015-08-03 2023-05-23 Angel Group Co., Ltd. Fraud detection system in a casino
US11657674B2 (en) 2015-08-03 2023-05-23 Angel Group Go., Ltd. Fraud detection system in casino
US11620872B2 (en) 2015-08-03 2023-04-04 Angel Group Co., Ltd. Fraud detection system in a casino
US10529183B2 (en) 2015-08-03 2020-01-07 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US10540846B2 (en) 2015-08-03 2020-01-21 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US11587398B2 (en) 2015-08-03 2023-02-21 Angel Group Co., Ltd. Fraud detection system in a casino
US10593154B2 (en) 2015-08-03 2020-03-17 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US10600282B2 (en) 2015-08-03 2020-03-24 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
CN107358758A (zh) * 2015-08-03 2017-11-17 天使游戏纸牌股份有限公司 游艺场的作弊检测系统
US11527130B2 (en) 2015-08-03 2022-12-13 Angel Group Co., Ltd. Fraud detection system in a casino
US11393284B2 (en) 2015-08-03 2022-07-19 Angel Group Co., Ltd. Fraud detection system in a casino
US11393286B2 (en) 2015-08-03 2022-07-19 Angel Group Co., Ltd. Fraud detection system in a casino
US10896575B2 (en) 2015-08-03 2021-01-19 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US10741019B2 (en) 2015-08-03 2020-08-11 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US10748378B2 (en) 2015-08-03 2020-08-18 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US10755524B2 (en) 2015-08-03 2020-08-25 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US10762745B2 (en) 2015-08-03 2020-09-01 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US10846987B2 (en) 2015-08-03 2020-11-24 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US10846985B2 (en) 2015-08-03 2020-11-24 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US10846986B2 (en) 2015-08-03 2020-11-24 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US11386748B2 (en) 2015-08-03 2022-07-12 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US11386749B2 (en) 2015-08-03 2022-07-12 Angel Group Co., Ltd. Fraud detection system in a casino
US11380161B2 (en) 2015-08-03 2022-07-05 Angel Group Co., Ltd. Fraud detection system in a casino
US11037401B2 (en) 2015-08-03 2021-06-15 Angel Playing Cards Co., Ltd. Fraud detection system in a casino
US10930112B2 (en) 2015-08-03 2021-02-23 Angel Playing Cards Co., Ltd. Fraud detection system in casino
CN105234940A (zh) * 2015-10-23 2016-01-13 上海思依暄机器人科技有限公司 机器人及其控制方法
CN105956534B (zh) * 2016-04-25 2019-06-04 京东方科技集团股份有限公司 基于人脸识别的智能提醒系统、方法及可穿戴设备
CN105956534A (zh) * 2016-04-25 2016-09-21 京东方科技集团股份有限公司 基于人脸识别的智能提醒系统、方法及可穿戴设备
CN108171072B (zh) * 2017-12-06 2020-03-06 维沃移动通信有限公司 一种保护隐私的方法及移动终端
CN108171072A (zh) * 2017-12-06 2018-06-15 维沃移动通信有限公司 一种保护隐私的方法及移动终端
CN108090430A (zh) * 2017-12-08 2018-05-29 杭州魔点科技有限公司 人脸检测的方法及其装置
CN108124157B (zh) * 2017-12-22 2020-08-07 北京旷视科技有限公司 信息交互方法、装置及系统
CN108124157A (zh) * 2017-12-22 2018-06-05 北京旷视科技有限公司 信息交互方法、装置及系统
CN108062404A (zh) * 2017-12-28 2018-05-22 奇酷互联网络科技(深圳)有限公司 人脸图像的处理方法、装置、可读存储介质及终端
CN108376434A (zh) * 2018-02-22 2018-08-07 陈崇 一种基于物联网的智能家居控制系统
CN110348272A (zh) * 2018-04-03 2019-10-18 北京京东尚科信息技术有限公司 动态人脸识别的方法、装置、系统和介质
CN110348272B (zh) * 2018-04-03 2024-08-20 北京京东尚科信息技术有限公司 动态人脸识别的方法、装置、系统和介质
CN110472460A (zh) * 2018-05-11 2019-11-19 北京京东尚科信息技术有限公司 人脸图像处理方法及装置
CN109215153A (zh) * 2018-09-05 2019-01-15 航天信息股份有限公司 考勤方法和装置
CN111126122A (zh) * 2018-10-31 2020-05-08 浙江宇视科技有限公司 人脸识别算法评估方法及装置
CN111126122B (zh) * 2018-10-31 2023-10-27 浙江宇视科技有限公司 人脸识别算法评估方法及装置
CN109583395A (zh) * 2018-12-05 2019-04-05 威马汽车科技集团有限公司 一种人脸识别优化方法及其处理器
WO2020124579A1 (zh) * 2018-12-21 2020-06-25 华为技术有限公司 一种验证用户身份的方法及电子设备
CN112313661A (zh) * 2018-12-21 2021-02-02 华为技术有限公司 一种验证用户身份的方法及电子设备
CN109903433B (zh) * 2019-01-31 2022-02-11 武汉天喻聚联网络有限公司 一种基于人脸识别的门禁系统及门禁控制方法
CN109903433A (zh) * 2019-01-31 2019-06-18 武汉天喻聚联网络有限公司 一种基于人脸识别的门禁系统及门禁控制方法
CN111382656A (zh) * 2019-04-02 2020-07-07 深圳市鸿合创新信息技术有限责任公司 一种图像识别方法、装置、电子设备及存储介质
CN111353360A (zh) * 2019-08-15 2020-06-30 深圳市鸿合创新信息技术有限责任公司 一种人脸识别方法及装置、电子设备
CN112016474A (zh) * 2020-08-31 2020-12-01 重庆紫光华山智安科技有限公司 一种人脸识别方法、装置、设备及计算机可读存储介质
CN112016474B (zh) * 2020-08-31 2021-11-09 重庆紫光华山智安科技有限公司 一种人脸识别方法、装置、设备及计算机可读存储介质
CN112132030B (zh) * 2020-09-23 2024-05-28 湖南快乐阳光互动娱乐传媒有限公司 视频处理方法及装置、存储介质及电子设备
CN112132030A (zh) * 2020-09-23 2020-12-25 湖南快乐阳光互动娱乐传媒有限公司 视频处理方法及装置、存储介质及电子设备
CN112637482A (zh) * 2020-12-08 2021-04-09 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN112637482B (zh) * 2020-12-08 2022-05-17 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN113158823B (zh) * 2021-03-30 2023-05-12 浙江大华技术股份有限公司 一种人脸识别方法及装置
CN113158823A (zh) * 2021-03-30 2021-07-23 浙江大华技术股份有限公司 一种人脸识别方法及装置

Also Published As

Publication number Publication date
CN102945366B (zh) 2016-12-21

Similar Documents

Publication Publication Date Title
CN102945366A (zh) 一种人脸识别的方法及装置
CN108038176B (zh) 一种路人库的建立方法、装置、电子设备及介质
CN101558431B (zh) 脸认证设备
CN107230267B (zh) 基于人脸识别算法的幼儿园智能签到方法
CN107679613A (zh) 一种人员信息的统计方法、装置、终端设备和存储介质
CN105868613A (zh) 一种生物特征识别方法、装置和移动终端
CN106469181B (zh) 一种用户行为模式分析方法及装置
CN112199530B (zh) 多维度脸库图片自动更新方法、系统、设备及介质
CN105825176A (zh) 基于多模态非接触身份特征的识别方法
CN103778409A (zh) 基于人脸特征数据挖掘的人脸识别方法与装置
CN102201061A (zh) 基于多阶层过滤人脸识别的智能安全监控系统及方法
CN110414376B (zh) 更新人脸识别模型的方法、人脸识别相机及服务器
CN103399896A (zh) 识别用户间关联关系的方法及系统
EP2360619A1 (en) Fast fingerprint searching method and fast fingerprint searching system
JP2013077068A (ja) 顔認証データベース管理方法、顔認証データベース管理装置及び顔認証データベース管理プログラム
US10216786B2 (en) Automatic identity enrolment
CN108108711A (zh) 人脸布控方法、电子设备及存储介质
CN110717428A (zh) 一种融合多个特征的身份识别方法、装置、系统、介质及设备
AU2011252761A1 (en) Automatic identity enrolment
CN113837006B (zh) 一种人脸识别方法、装置、存储介质及电子设备
CN109146913B (zh) 一种人脸跟踪方法及装置
JP2018128736A (ja) 顔認証システム、顔認証方法、及び顔認証プログラム
CN111128233A (zh) 录音检测方法、装置、电子设备及存储介质
CN112580531B (zh) 一种真假车牌的识别检测方法及系统
CN105427480A (zh) 一种基于图像分析的柜员机

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