CN102968645A - 通过更新图像提高人脸识别准确率及适应性的方法 - Google Patents
通过更新图像提高人脸识别准确率及适应性的方法 Download PDFInfo
- Publication number
- CN102968645A CN102968645A CN2012104211040A CN201210421104A CN102968645A CN 102968645 A CN102968645 A CN 102968645A CN 2012104211040 A CN2012104211040 A CN 2012104211040A CN 201210421104 A CN201210421104 A CN 201210421104A CN 102968645 A CN102968645 A CN 102968645A
- Authority
- CN
- China
- Prior art keywords
- image
- user
- value
- similar
- registration 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
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种通过更新图像提高人脸识别准确率及适应性的方法,包括:为每个用户创建相同数量的多个存储登记图像的集合;遍历每个用户的当前同一序号的集合,确定采集的图像与当前同一序号的集合内的登记图像的相似值;如果与其中一个用户的集合内的登记图像的相似值属于相似区间,则确定识别成功的同时,将所述采集的图像作为登记图像存储在该集合相邻的下一个集合内;如果与全部用户的当前同一序号集合内的登记图像的相似值小于阈值,则将所述采集的图像与所述全部用户的下一个同一序号集合内的登记图像对比;其中,所述阈值不大于所述相似区间的下限。本发明提高了识别的准确率,防止了初次比对的登记图像中混入其他用户的图像。
Description
技术领域
本发明涉及人脸识别领域,特别是指一种通过更新图像提高人脸识别准确率及适应性的方法。
背景技术
目前的人脸识别技术,通常为每个用户存储多张登记图像。人脸识别的过程,是将采集到的图像与每个用户存储的登记图像进行对比。有时由于光线环境、用户的面部变化、图像采集设备的不稳定性等原因,拍摄的图像容易出现模糊。这样采集到的图像,有可能会出现误识别。
例如,当前采集到A用户的图像,由于采集的图像模糊,与登记的用户图像进行对比时,有可能存在采集的图像与A用户的登记图像的相似值较低,没有匹配;与B用户的登记图像的相似值不高,但刚刚超过阈值,并输出匹配成功,由于在相似值较低的情况下匹配成功,会认为用户的脸部出现了变化,将这次采集的图像作为B用户的登记图像存储。
由于B用户的登记图像混入了A用户的登记图像,增加了A用户的误识率,降低了识别的准确率。
发明内容
有鉴于此,本发明在于提供一种通过更新图像提高人脸识别准确率及适应性的方法,以解决上述识别过程增加误识率的问题。
为解决上述问题,本发明提供一种通过更新图像提高人脸识别准确率的方法,包括:
为每个用户创建相同数量的多个存储登记图像的集合;
遍历每个用户的当前同一序号的集合,确定采集的图像与当前同一序号的集合内的登记图像的相似值;
所述相似值通过以下步骤获得:
预先设置人脸图像的多个的权重区域,依据人脸的五官随时间的变化,为每个区域设置一个权重;
确定所述采集的图像与所述登记图像的每个区域的近似值;
确定每个区域的近似值与该区域权值的乘积,将各个区域的乘积的结果求和,作为相似值;
如果与其中一个用户的集合内的登记图像的相似值属于相似区间,则确定识别成功的同时,将所述采集的图像作为登记图像存储在该集合相邻的下一个集合内;
如果与全部用户的当前同一序号集合内的登记图像的相似值小于阈值,则将所述采集的图像与所述全部用户的下一个同一序号集合内的登记图像对比;其中,所述阈值不大于所述相似区间的下限。
本发明的方案,当相似值属于相似区间,将采集到图像放入下一个集合中,从而避免了首个集合内混入误判的采集的其它用户的图像。由于比对的过程,是先将采集的图像对比每个用户的首个集合内的登记图像,只有在全部用户的首个集合内的登记图像对比的相似值小于阈值后,才进而比对全部用户的下一个集合内的登记图像。从而有效提高了识别的准确率,防止了初次比对的登记图像中混入其他用户的图像,避免了误判。
附图说明
图1示出了实施例的流程图;
图2示出了实施例中为用户创建集合的示意图;
图3示出了实施例中对于不同集合、不同相似值处理的流程示意图;
图4示出了实施例中通过序号2的集合内的登记图像识别成功的流程图;
图5示出了实施例中通过序号3的集合内的登记图像识别成功的流程图。
具体实施方式
为清楚说明本发明中的方案,下面给出优选的实施例并结合附图详细说明。
参见图1,包括以下步骤:
S11:为每个用户创建相同数量的多个存储登记图像的集合;
S12:遍历每个用户的当前同一序号的集合,确定采集的图像与当前同一序号的集合内的登记图像的相似值;
所述相似值通过以下步骤获得:
预先设置人脸图像的多个的权重区域,依据人脸的五官随时间的图像变化,为每个区域设置一个权重;
确定所述采集的图像与所述登记图像的每个区域的近似值;
确定每个区域的近似值与该区域权值的乘积,将各个区域的乘积的结果求和,作为相似值;
例如:将人脸图像划分为(1)(2)(3)......(m)个权重区域,假设落在区域(j)中的特征点i的近似值为Sj,区域(j)中的特征点加权值(即权重)为Kj,则特征点的加权平均近似值,即相似值为:
其中特征点加权值Kj根据对应区域选取,Kj的选取要在保证
S13:如果与其中一个用户的集合内的登记图像的相似值属于相似区间,则确定识别成功的同时,将所述采集的图像作为登记图像存储在该集合相邻的下一个集合内;
S14:如果与全部用户的当前同一序号集合内的登记图像的相似值小于阈值,则将所述采集的图像与所述全部用户的下一个同一序号集合内的登记图像对比,其中,所述阈值不大于所述相似区间的下限。
在本发明的各个实施例中,近似值的确定过程为现有技术,有多种比对的算法,不再赘述。为人脸图像设置的区域权值,可根据人脸图像的表皮或五官的形状变化设置,例如:眼部的区域设置为0.5,嘴部的周边区域设置为0.2等。
通过上述步骤,当相似值属于相似区间,将采集到图像放入下一个集合中,从而避免了首个集合内混入误判的采集的其它用户的图像。由于比对的过程,是先将采集的图像对比每个用户的首个集合内的登记图像,只有在全部用户的首个集合内的登记图像对比的相似值小于阈值后,才进而比对全部用户的下一个集合内的登记图像。从而有效提高了识别的准确率,防止了误判。
下面结合具体的参数详细说明,参见图2,优选地,在实施例中,为每个用户创建3个用于存储登记图像的集合。当然可以创建2个或其它数量的集合,当经过大量的试验发现,创建3个集合既可以满足防止误识别所采集到的图像混入到其他用户的集合中;又可以使耗费的硬件资源降到最低。例如,为每个用户创建序号为1、2、3的三个集合。序号1的集合为图2中的集合1,序号2的集合为图2中的集合2,依次类推。可预先采集用户的登记图像,存储在每个用户的首个集合内。
在实施例中,当前采集到用户B的人脸图像,遍历每个用户的首个集合,即集合1,将采集的图像与每个用户的同一序号、即序号1的集合内的登记图像进行对比,确定相似值,判别用户的身份;在全部用户的序号1的集合内的登记图像,如果没有出现与采集的图像的相似值在相似区间的登记图像,则遍历全部用户的下一个同一序号的集合内的登记图像,即序号2的集合内的登记图像,在遍历的同时,确定并判别相似值,直到遍历完全部用户的最后一个同一序号集合内的登记图像。
参见图3所示出的识别过程的示意图,在获得相似值S后,确定相似值S采用的登记图像所在的集合,对于不同的集合,有不同的判别方式,如处于序号为第一的首个集合、序号为最后一个的最后集合,序号处于中间的中间集合,其中,当集合只有两个时,则不存在序号处于中间的集合,当集合有多个时,中间集合的数量也可能存在1个或多个。
相似值为介于0~1之间的一个数值,表示采集的图像与集合内的登记图像之间的相似度,1为完全相同,0为完全不同。
可根据算法对相似值的区间进行划分,例如,当相似值介于区间0.5与1之间时,确定是同一个用户。这个区间设置为相似区间。
设定阈值为0.48,当相似值小于0.48时,认为属于不相同的用户。下面结合优选的实施例详细说明通过每种集合获得相似值的识别处理流程。
优选地,参见图4所示的通过序号2的集合内的登记图像确定出用户B的流程图,包括以下步骤:
S21:遍历每个用户的序号1的集合内的登记图像,确定采集的图像与遍历到的登记图像的相似值。
所述相似值通过以下步骤获得:
预先设置人脸图像的多个的权重区域,依据人脸的五官随时间的变化,为每个区域设置一个权重;
确定所述采集的图像与所述登记图像的每个区域的近似值;
确定每个区域的近似值与该区域权值的乘积,将各个区域的乘积的结果求和,作为相似值;
S22:确定出一个相似值的同时,判别该相似值所属的范围。
在遍历到每个登记图像的同时,确定出相似值,进行判别;当遍历完全部用户的序号1的集合内的登记图像后,判别出每个相似值均小于0.48,则遍历该序号相邻的下一个序号的每个用户的集合,即序号2的集合。
S23:遍历每个用户的序号2的集合内的登记图像,确定采集的图像与遍历到的登记图像的相似值。
S24:确定出采集的图像与用户B的序号2的集合内的图像的相似值大于0.48、且在0.5与1之间,确定识别成功。
S25:将采集的图像存储在用户B的序号3的集合内,作为登记图像。
通过上述步骤,将与集合2的登记图像的相似值在相似区间的采集的图像作为登记图像,存储到该用户B的相邻的下一个集合3中,作为登记图像,用于后续的识别。
优选地,有时会出现采集的图像在最后一个集合被识别到,对于这种情况,如果对于在最后一个集合内的同一个图像多次被识别成功,则将采集的图像作为登记图像存储在该用户的首个集合内。下面通过实施例详细说明,参见图5,包括以下步骤:
S31:先遍历每个用户的序号1的集合内的登记图像,再遍历每个用户的序号2的集合内的登记图像,确定采集的图像与遍历到的登记图像的相似值,判别出每个相似值均小于阈值。
在遍历完每个用户的序号1的集合内的登记图像,没有相似值大于阈值的登记图像;继续判别每个用户的序号2的集合内的登记图像与采集的图像的相似值,经过判别后,也没有相似值大于阈值的登记图像。
S32:遍历每个用户的序号3的集合内的登记图像,确定采集的图像与遍历到的登记图像的相似值。
S33:确定出采集的图像与用户B的序号3的集合内的图像的相似值在0.5与1之间,确定识别成功。
S34:确定序号3的集合内与采集的图像比对成功的登记图像的识别成功的次数;
S35:判断识别成功的次数是否大于设定值,例如:2次、3次或4次等,如果大于,则执行S36,将采集的图像作为登记图像存储在用户B的首个集合,即序号1的集合内;如果小于,则执行S37,确定识别成功。
通过上述步骤,在用户B的最后一个集合找到的相似值在相似区间的登记图像,且通过该登记图像识别成功的次数又大于设定值,则认为用户的面貌出现了较多的变化,这时用户B的各个集合的登记图像与用户B本人的相似度的排列顺序是由小到大排列的,而每次比对采集的图像,是从每个用户的首个集合内的登记图像进行对比的,因此,需要将采集的图像作为登记图像存储在用户B的首个集合内。以提高后续的识别率。
优选地,在上述实施例中,参见图3中最后一个集合进行ID对比的过程包括:
如果在全部用户的最后一个集合内也没有发现相似值在相似区间的登记图像,则在全部用户的集合中,找到与采集的图像相似值最高的登记图像,确定该登记图像对应的用户;同时弹出输入窗口,接受用户输入的ID,判断该ID对应的用户是否为相似值最高的登记图像对应的用户,如果是,则确定识别成功;否则,输出用户不存在,登记该用户。
优选地,上述实施例中,相似区间的下限可等于阈值,也可根据算法最后测试的误判结果,将相似区间的下限设置为大于阈值,以避免将相似值大于阈值所采集的图像替换在集合内,防止出现误判,进而提高识别的准确率。
例如,本发明的实施例中,将阈值0.48与相似区间的下限0.5存在的区间设置为边缘相似区间,如果在遍历过程中,出现与采集的图像与登记图像的相似值在边缘相似区间,此时,确定识别成功,但不将采集图像存储在相邻的下一个集合。如图3所示的首个集合、中间的集合标示的0.48<S<0.5的区间。
优选地,上述实施例中,还包括:
设置首个集合的相似区间的上限可小于1,例如,参见图3所标示的区间,相似区间的下限依然为0.5,上限设置为0.7;对于每个用户除所述首个集合之外的其它集合的相似区间的上限设置为等于1。如果在首个集合出现与登记图像的相似值大于相似区间的上限,则直接确定识别成功。
这样处理的效果在于,由于全部用户的首个集合是最先对比采集图像的集合,如果相似值大于相似区间的上限,则不必将采集的图像作为登记图像存储在相邻下一个集合,减少了不必要的操作,提高了识别效率。
优选地,上述实施例中,参见图3所标示的区间,如果与采集的图像进行对比的登记图像属于最后一个集合,则得到的相似值可以不用于判别是否在边缘相似区间,以减少操作步骤,提高识别效率。
进一步地,如图3所示,如果与采集的图像进行对比的登记图像属于最后一个集合,则判断得到的相似值是否属于相似区间、是否小于阈值,为提高系统的处理效率,减少操作步骤,还可以判断其中一个,只判断得到的相似值是否属于相似区间、或是否小于阈值。
例如,判断相似值属于相似区间,则确定识别成功;如果不属于相似区间,则认为不存在,而不必判断是否小于阈值。
还可以是,如果判断相似值大于阈值,则认为识别成功;不必判断是否在相似区间。
这样处理的效果在于,由于已经到最后一个集合,经过前面的集合的对比,识别成功的可能性已经降低。因此,减少判别的项数,提高识别的操作效率。
本发明的上述方法流程,本领域的技术人员应该明白,上述的本发明的各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
对于本发明各个实施例中所阐述的方法,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种通过更新图像提高人脸识别准确率及适应性的方法,其特征在于,包括:
为每个用户创建相同数量的多个存储登记图像的集合;
遍历每个用户的当前同一序号的集合,确定采集的图像与当前同一序号的集合内的登记图像的相似值;
所述相似值通过以下步骤获得:
预先设置人脸图像的多个的权重区域,依据人脸的五官随时间的图像变化,为每个区域设置一个权重;
确定所述采集的图像与所述登记图像的每个区域的近似值;
确定每个区域的近似值与该区域权值的乘积,将各个区域的乘积的结果求和,作为相似值;
如果与其中一个用户的集合内的登记图像的相似值属于相似区间,则确定识别成功的同时,将所述采集的图像作为登记图像存储在该集合相邻的下一个集合内;
如果与全部用户的当前同一序号集合内的登记图像的相似值小于阈值,则将所述采集的图像与所述全部用户的下一个同一序号集合内的登记图像对比;其中,所述阈值不大于所述相似区间的下限。
2.根据权利要求1所述的方法,其特征在于,所述下一个同一序号集合为最后的集合;
所述相邻的下一个集合为首个集合。
3.根据权利要求2所述的方法,其特征在于,所述阈值等于所述相似区间的下限。
4.根据权利要求2或3所述的方法,其特征在于,还包括:
如果所述最后的集合内的同一个图像多次被识别成功,则将采集的图像作为登记图像存储在该用户的首个集合内。
5.根据权利要求2或3所述的方法,其特征在于,还包括:
如果通过所述全部用户的最后的集合内的登记图像确定的相识值均小于所述阈值,则确定不存在该用户;
或,如果通过所述全部用户的最后的集合内的登记图像确定的相识值均小于所述阈值,则在全部用户的所有集合中,找到与采集的图像相似值最高的登记图像,确定该登记图像对应的用户;同时弹出输入窗口,接受用户输入的ID,判断该ID对应的用户是否为所述相似值最高的登记图像对应的用户;如果是,则确定识别成功;否则,输出用户不存在,登记该用户。
6.根据权利要求1或2所述的方法,其特征在于,所述阈值小于所述相似区间的下限,且与所述相似区间的下限之间形成的数值区间为边缘近似区间;
还包括:
如果与其中一个用户的集合内的登记图像的相似值属于所述边缘近似区间,则确定识别成功。
7.根据权利要求6所述的方法,其特征在于,所述相似值介于0~1之间;
每个用户的首个集合的相似区间的上限小于1;
每个用户除所述首个集合之外的其它集合的相似区间的上限等于1。
8.根据权利要求7所述的方法,其特征在于,在确定所述相似值之后,还包括:
如果所述当前同一序号的集合为首个集合,且所述相似值属于所述相似区间的上限与1之间,则确定识别成功。
9.根据权利要求1所述的方法,其特征在于,为每个用户创建的集合的数量包括3个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012104211040A CN102968645A (zh) | 2012-10-24 | 2012-10-24 | 通过更新图像提高人脸识别准确率及适应性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012104211040A CN102968645A (zh) | 2012-10-24 | 2012-10-24 | 通过更新图像提高人脸识别准确率及适应性的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102968645A true CN102968645A (zh) | 2013-03-13 |
Family
ID=47798776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012104211040A Pending CN102968645A (zh) | 2012-10-24 | 2012-10-24 | 通过更新图像提高人脸识别准确率及适应性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102968645A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326327A (zh) * | 2015-06-30 | 2017-01-11 | 三星电子株式会社 | 用于更新用户认证数据的方法和设备 |
CN106485221A (zh) * | 2016-09-30 | 2017-03-08 | 江苏四五安全科技有限公司 | 一种根据相似集中度自动替换基准相片的方法 |
CN108171712A (zh) * | 2016-12-07 | 2018-06-15 | 富士通株式会社 | 确定图像相似度的方法和装置 |
CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于更新人脸注册库的方法和装置 |
CN108734835A (zh) * | 2018-05-15 | 2018-11-02 | 温州伊诺韦特科技有限公司 | 一种门禁验证方法及其系统 |
CN108764180A (zh) * | 2018-05-31 | 2018-11-06 | Oppo广东移动通信有限公司 | 人脸识别方法、装置、电子设备及可读存储介质 |
CN109389691A (zh) * | 2018-09-29 | 2019-02-26 | 爱笔(北京)智能科技有限公司 | 基于生物信息的票务处理方法及系统、服务端、客户端 |
CN109635703A (zh) * | 2018-12-05 | 2019-04-16 | 成都牧云慧视科技有限公司 | 一种可间断登记并持续进行基准数据更新的识别方法 |
TWI718541B (zh) * | 2019-05-24 | 2021-02-11 | 華南商業銀行股份有限公司 | 用於金融交易的身分驗證系統與方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040086157A1 (en) * | 2002-11-01 | 2004-05-06 | Kabushiki Kaisha Toshiba | Person recognizing apparatus, person recognizing method and passage controller |
CN102004908A (zh) * | 2010-11-30 | 2011-04-06 | 汉王科技股份有限公司 | 一种自适应的人脸识别方法及装置 |
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 |
-
2012
- 2012-10-24 CN CN2012104211040A patent/CN102968645A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040086157A1 (en) * | 2002-11-01 | 2004-05-06 | Kabushiki Kaisha Toshiba | Person recognizing apparatus, person recognizing method and passage controller |
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 |
CN102004908A (zh) * | 2010-11-30 | 2011-04-06 | 汉王科技股份有限公司 | 一种自适应的人脸识别方法及装置 |
Non-Patent Citations (1)
Title |
---|
周志铭等: "一种基于SIFT算子的人脸识别方法", 《中国图象图形学报》, vol. 13, no. 10, 31 October 2008 (2008-10-31) * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326327A (zh) * | 2015-06-30 | 2017-01-11 | 三星电子株式会社 | 用于更新用户认证数据的方法和设备 |
US11699300B2 (en) | 2015-06-30 | 2023-07-11 | Samsung Electronics Co., Ltd. | Methods and apparatuses for updating user authentication data |
CN106326327B (zh) * | 2015-06-30 | 2022-07-19 | 三星电子株式会社 | 用于更新用户认证数据的方法和设备 |
CN106485221A (zh) * | 2016-09-30 | 2017-03-08 | 江苏四五安全科技有限公司 | 一种根据相似集中度自动替换基准相片的方法 |
CN106485221B (zh) * | 2016-09-30 | 2019-09-17 | 江苏四一五安全科技有限公司 | 一种根据相似集中度自动替换基准相片的方法 |
CN108171712B (zh) * | 2016-12-07 | 2022-02-11 | 富士通株式会社 | 确定图像相似度的方法和装置 |
CN108171712A (zh) * | 2016-12-07 | 2018-06-15 | 富士通株式会社 | 确定图像相似度的方法和装置 |
CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于更新人脸注册库的方法和装置 |
CN108734835A (zh) * | 2018-05-15 | 2018-11-02 | 温州伊诺韦特科技有限公司 | 一种门禁验证方法及其系统 |
CN108764180A (zh) * | 2018-05-31 | 2018-11-06 | Oppo广东移动通信有限公司 | 人脸识别方法、装置、电子设备及可读存储介质 |
CN109389691A (zh) * | 2018-09-29 | 2019-02-26 | 爱笔(北京)智能科技有限公司 | 基于生物信息的票务处理方法及系统、服务端、客户端 |
CN109389691B (zh) * | 2018-09-29 | 2021-05-14 | 爱笔(北京)智能科技有限公司 | 基于生物信息的票务处理方法及系统、服务端、客户端 |
CN109635703A (zh) * | 2018-12-05 | 2019-04-16 | 成都牧云慧视科技有限公司 | 一种可间断登记并持续进行基准数据更新的识别方法 |
TWI718541B (zh) * | 2019-05-24 | 2021-02-11 | 華南商業銀行股份有限公司 | 用於金融交易的身分驗證系統與方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102968645A (zh) | 通过更新图像提高人脸识别准确率及适应性的方法 | |
CN109981691B (zh) | 一种面向SDN控制器的实时DDoS攻击检测系统与方法 | |
CN106790050B (zh) | 一种异常流量检测方法及检测系统 | |
CN110414313A (zh) | 异常行为告警方法、装置、服务器及存储介质 | |
Lane et al. | Exploiting social networks for large-scale human behavior modeling | |
CN104102700A (zh) | 一种面向因特网不平衡应用流的分类方法 | |
CN109889512B (zh) | 一种充电桩can报文的异常检测方法及装置 | |
CN110139067A (zh) | 一种野生动物监测数据管理信息系统 | |
CN109308460A (zh) | 物品检测方法、系统及计算机可读存储介质 | |
Prakash et al. | An optimized multiple semi-hidden markov model for credit card fraud detection | |
CN105528703A (zh) | 通过表情实现支付确认操作的方法及系统 | |
CN103246896A (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
CN106228178A (zh) | 网络用户行为预测系统 | |
CN108243191A (zh) | 风险行为识别方法、存储介质、设备及系统 | |
CN110232405A (zh) | 用于个人信用评估的方法及装置 | |
CN109255391A (zh) | 一种识别恶意用户的方法、装置及存储介质 | |
CN109389019A (zh) | 人脸图像选择方法、装置及计算机设备 | |
CN110532399A (zh) | 面向游戏问答系统的知识图谱更新方法、系统及装置 | |
CN110149531A (zh) | 一种识别视频数据中视频场景的方法和装置 | |
Yu et al. | A coupled clustering approach for items recommendation | |
CN116168222A (zh) | 轨迹识别方法和装置、存储介质及电子设备 | |
CN107316023A (zh) | 一种用于共享设备的人脸识别系统 | |
CN112463859A (zh) | 基于大数据和业务分析的用户数据处理方法及大数据平台 | |
Zhang et al. | Yeast cell detection and segmentation in bright field microscopy | |
CN113329034A (zh) | 基于人工智能的大数据业务优化方法、服务器及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
DD01 | Delivery of document by public notice |
Addressee: Cai Xiang Document name: the First Notification of an Office Action |
|
DD01 | Delivery of document by public notice |
Addressee: Cai Xiang Document name: Notification that Application Deemed to be Withdrawn |
|
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130313 |