CN103477350B - 基于空间和时间接近度的面部辨认 - Google Patents

基于空间和时间接近度的面部辨认 Download PDF

Info

Publication number
CN103477350B
CN103477350B CN201280015911.0A CN201280015911A CN103477350B CN 103477350 B CN103477350 B CN 103477350B CN 201280015911 A CN201280015911 A CN 201280015911A CN 103477350 B CN103477350 B CN 103477350B
Authority
CN
China
Prior art keywords
user
social networking
networking system
candidates
described 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.)
Active
Application number
CN201280015911.0A
Other languages
English (en)
Other versions
CN103477350A (zh
Inventor
费德拉·帕帕基波斯
马修·尼古拉斯·帕帕基波斯
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.)
Meta Platforms Inc
Original Assignee
Facebook Inc
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 Facebook Inc filed Critical Facebook Inc
Publication of CN103477350A publication Critical patent/CN103477350A/zh
Application granted granted Critical
Publication of CN103477350B publication Critical patent/CN103477350B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/54—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/20—Contour coding, e.g. using detection of edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
    • 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
    • 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
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06V40/179—Human faces, e.g. facial parts, sketches or expressions metadata assisted face recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Collating Specific Patterns (AREA)
  • User Interface Of Digital Computer (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Image Analysis (AREA)

Abstract

在一个实施方式中，社交网络系统基于一个或多个个体与图像文件的空间和时间接近度来确定一个或多个个体匹配于与第一用户相关联的静止图像或视频序列的图像文件中的一个或多个面部，并且将匹配的个体呈现给第一用户。

Description

基于空间和时间接近度的面部辨认
技术领域
本公开总体上涉及基于面部辨认和社交网络信息的分析的个人识别。
背景技术
社交网络系统（诸如社交网络网站）使其用户能够与其交互并且通过系统彼此间交互。社交网络系统可以创建并存储与用户相关联的通常被称为用户个人资料的记录。用户个人资料可包括用户的人口统计信息、通信信道信息以及个人兴趣。社交网络系统还可创建和存储社交网络系统（例如，社交图形）中用户与其他用户的关系的记录，并且提供服务（例如，张贴墙、照片共享或即时消息）以方便社交网络系统中的用户之间的社交交互。例如，社交网络网站的用户能够访问存储在社交网络网站中的地址簿、查询地址簿中的联系人并且通过电子邮件与联系人联系。
发明内容
具体实施方式涉及基于一个或多个个体的空间和时间接近度，来确定匹配与第一用户相关联的静止图像或者视频序列的图像文件中的一个或多个面部的一个或多个个体的社交网络系统。下面在具体实施方式中并结合附图来更为详细地描述本公开的这些以及其他特征、方面以及优点。
附图说明
图1示出了示例社交网络系统。
图2示出了涉及基于空间和时间接近度的面部辨认的个人识别处理的示例。
图3示出了由移动电话显示的包括一组个体的图像的示例。
图4示出了在图像文件中呈现匹配用户的用户界面的示例。
图4A示出了在图像文件中呈现被识别的面部的多于一个的匹配的用户界面的示例。
图5示出了示例网络环境。
图6示出了示例计算机系统。
图7示出了示例移动装置平台。
具体实施方式
现在将参照附图中示出的几个实施方式详细地描述本发明。在下列描述中，提出了大量的具体细节以提供对本发明的全面理解。然而，本领域的技术人员显而易见的是，在不具有某些或全部这些具体细节的情况下，可以实施本公开。在其他情况下，为了不使得本公开模糊，没有详细地描述已熟知的处理步骤和/或结构。此外，尽管结合具体实施方式描述了本公开，然而应当理解该描述并不旨在将本公开限制为所描述的实施方式。相反，该描述旨在覆盖可包含在由所附权利要求限定的本公开的实质和范围内的替代、变形以及等价物。
社交网络系统（诸如社交网络网站）使用户能够通过系统与其交互并且彼此交互。通常，要成为社交网络系统的注册用户，实体（人类或非人类）利用社交网络系统注册账户。此后，注册用户通过提供例如正确的登录ID或用户名和密码经由账户登录到社交网络系统。如在此使用的，“用户”可以是与或通过这类社交网络环境交互或者通信的个体（人类用户）、实体（例如，企业、商家或第三方应用）或群（例如，个体的或者实体的群）。
当用户利用社交网络系统注册账户时，社交网络系统可以创建并存储与用户相关联的通常被称为“用户个人资料（user profile）”的记录。用户个人资料包括由用户提供以及由各种系统（包括社交网络系统）汇集的关于用户活动或动作的信息。例如，用户可以将他的姓名、联系信息、出生日期、性别、婚姻状况、家庭状况、职业、教育背景、喜好、兴趣以及其他人口统计信息设置为包含在他的用户个人资料中。用户可以识别用户认为是他的朋友的社交网络系统中的其他用户。用户的朋友或第一级联系人的名单可包含在用户个人资料中。社交网络系统中的连接可以是双向的或只是单向的。例如，如果Bob和Joe都是用户并且彼此连接，则Bob和Joe都是彼此的连接。另一方面，如果Bob希望连接到Sam以查看Sam的张贴内容项，但是Sam没有选择连接到Bob，则可以形成Sam是Bob的连接，但是Bob不是Sam的连接的单向连接。社交网络系统的一些实施方式允许经由一级或多级连接（例如，朋友的朋友）的间接连接。用户可以明确地添加连接，例如，用户选择特定的其他用户成为朋友，或基于用户的共同特征（例如，作为同一教育机构的校友的用户）通过社交网络系统自动地创建连接。用户可以识别他经常访问的网站或者网页或将其加书签，并且这些网站或者网页可以包含在用户个人资料中。
用户可在其注册账户时或者稍后提供有关用户的各个方面的信息（诸如，联系信息和兴趣）。用户还可以随时更新他或者她的个人资料信息。例如，当用户迁居或改变电话号码时，他可以更新他的联系信息。此外，用户的兴趣会随着时间流逝而改变，并且用户可以随时更新他的个人资料中的兴趣。用户在社交网络系统上的活动，诸如访问系统上特定信息的频率，也可以提供可包含在用户个人资料中的信息。此外，可以随时更新这类信息以反映用户最近的活动。而且，其他用户或者用户的所谓朋友或者联系人也可以进行影响或者致使用户个人资料更新的活动。例如，联系人可以将用户添加为朋友（或移除作为朋友的用户）。联系人还可以填写信息到用户的个人资料页面--通常称为张贴墙（wall-post）。用户还可输入张贴到用户个人资料页面的状态消息。
社交网络系统可保存通常能够将个体群之间的关系建模的社交图形信息，并且包括按从偶然相识到亲密的家庭联结排列的关系。可以使用图形结构表示社交网络。图形的每个节点对应社交网络的成员。连接两个节点的边表示两个用户之间的关系。任何两个节点之间的分离度定义为从图形的一个节点移动到另一个节点需要跳跃的最小数量。两个用户之间的分离度可被视为对由图形中的节点表示的两个用户之间的关系的度量。
社交网络系统可支持各种应用，诸如照片共享、在线日历与事件。例如，社交网络系统还可包括媒体共享功能。例如，社交网络系统可允许用户将照片和其他多媒体文件张贴到用户页面，诸如张贴墙或相册，两者都是社交网络系统的其他用户可访问的。社交网络系统还可允许用户配置事件。例如，第一用户可以配置具有包括事件的时间和日期、事件的位置以及被邀请到该事件中的其他用户的属性的事件。受邀用户可接收到该事件的邀请并且做出回应（诸如，通过接受邀请或拒绝邀请）。而且，社交网络系统允许用户保留个人日历。类似于事件，日历条目包括时间、日期、位置和其他用户的身份。
社交网络系统还可支持隐私模式。用户可以希望或可以不希望与其他用户或第三方应用分享他的信息，或用户可以希望只与特定用户或第三方应用分享他的信息。用户可以通过与他的用户个人资料相关联的隐私设置来控制是否与其他用户或第三方应用分享他的信息。例如，用户可以为与用户相关联的每个用户资料选择隐私设置和/或选择全局应用或应用到用户个人资料信息的类别或种类的设置。隐私设置定义或识别可具有对用户资料访问权的实体组（例如，其他用户、用户的连接、朋友的朋友或第三方应用）。可以在各种粒度等级上规定隐私设置，诸如通过规定在社交网络中的特定实体（例如，其他用户）、用户的连接的预定组、特定类型的连接、所有用户的连接、用户连接的所有第一级连接、整个社交网络或甚至整个因特网（例如，使张贴的内容项在因特网上是可索引以及可搜索的）。用户可以为待张贴的所有用户数据选择默认隐私设置。此外，用户可以明确地禁止特定实体浏览用户资料或特定类型的用户数据。
社交网络系统可保存有关地理位置或者地点的信息的数据库。地点可对应各种物理位置，诸如餐馆、酒吧、火车站、机场等。某些地点可对应其自身包含诸如餐馆或者机场中的大门位置等地点的较大区域。在一个实施方式中，如出于所有目的通过引用结合在此的美国专利申请序号12/763,171所描述的，每个地点均能够被保存为由社交网络系统维持的社交图形或其他数据结构的中心节点。社交网络系统可允许用户使用由有线或无线站（诸如，膝上计算机、台式计算机或移动装置）承载的客户端应用（例如，浏览器）访问关于每个地点的信息。例如，社交网络系统可以为请求有关地点的信息的用户提供网页（或其他结构文档）。除了用户个人资料和地点信息之外，社交网络系统还可以跟踪和保存关于用户的其他信息。例如，社交网络系统可以支持包括记录用户位置的一个或多个基于位置的服务的地理社交网络系统功能。例如，用户可以使用由用户的移动装置承载的特殊目的客户端应用（或浏览器客户端的基于网或网络的应用）来访问地理社交网络系统。客户端应用可以自动访问全球定位系统（GPS）或由移动装置支持的其他地理位置功能，并且将用户的当前位置报告给地理社交网络系统。此外，客户端应用可以支持允许用户对各种位置签到并且将该位置传达给其他用户的地理社交网络功能。当用户身处于地点并且使用移动装置访问地理社交网络系统来注册在该地点的用户存在时，可发生对给定地点的签到。如下所述，用户可以从靠近用户当前位置的现有地点的列表中选择一个地点或创建新的地点。用户在对给定地点签到时还可以以文本串提供评论。用户还可识别与签到相关联的一个或多个其他用户（诸如，用户的朋友）并且还可将他们与签到相关联。出于所有目的通过引用结合在此的美国专利申请序号12/574,614描述了允许第一用户在给定地点签到其他用户的系统。包括评论和对应用户签到时间的时间戳的条目可以呈现给其他用户。例如，用户签到活动的记录可以存储在数据库中。社交网络系统可以选择与用户在给定地点的签到活动相关联的一个或多个记录并且在对应给定地点的网页（或者其他结构文档）中包括该签到活动。例如，社交网络系统可以选择与请求对应地点的页面的用户的朋友或其他社交联系人相关联的签到活动。出于所有目的通过引用全部结合在此的美国专利序号12/858,718描述了可以结合本发明的各种实施方式使用的示例地理社交网络系统。签到活动也可以显示在用户个人资料页面上以及提供给社交网络系统的用户的新鲜事中。
图1示出了示例社交网络系统。在特定的实施方式中，社交网络系统可以将用户个人资料数据和社交图形信息存储在用户个人资料数据库101中。在特定的实施方式中，社交网络系统可以将用户事件数据和日历数据存储在事件数据库102中。在特定实施方式中，社交网络系统可以将用户隐私政策数据存储在隐私政策数据库103中。在特定的实施方式中，社交网络系统可以将地理和位置数据存储在位置数据库104中。在特定的实施方式中，社交网络系统可以将媒体数据（例如，照片或视频剪辑）存储在媒体数据库105中。在特定的实施方式中，数据库101、102、103、104以及105可操作地连接到社交网络系统的前端120。在特定的实施方式中，前端120可以通过网络云121与客户端装置122交互。客户端装置122通常是包括通过计算机网络（例如，远程）通信的功能的计算机或计算装置。客户端装置122可以是台式计算机、膝上计算机、个人数字助理（PDA）、车内或车外导航系统、智能电话或其他蜂窝或移动电话、或移动游戏装置及其他合适的计算装置。客户端装置122可以执行一个或多个客户端应用，诸如，网页浏览器（例如，Microsoft Windows互联网浏览器、火狐浏览器（Mozilla Firefox）、移动火狐浏览器（Mozilla Firefox for Mobile）、苹果浏览器（AppleSafari）、谷歌浏览器（Google Chrome）、欧朋浏览器（Opera）、欧朋Mini浏览器（OperaMini）以及BOLT等），以通过计算机网络访问和浏览内容。前端120可以包括网络（web）或HTTP服务器功能以及其他功能以允许用户访问社交网络系统。网络云121通常表示通过其客户端装置122可以访问社交网络系统的网络或网络集合（诸如，因特网或企业内部网或二者的结合）。
在特定实施方式中，位置数据库104可以存储识别与签到相关联的用户的真实世界地理位置的地理位置数据。例如，通过计算机的IP地址能够识别连接因特网的计算机的地理位置。例如，通过手机信号塔、Wi-Fi定位和/或GPS定位能够识别装备有Wi-Fi和GPS功能的蜂窝电话的地理位置。
在特定实施方式中，位置数据库104可以存储地点的信息库，其中每个地点包括名称、地理位置和元信息。例如，地点可以是当地企业、景点（例如，旧金山的联合广场）、大学、城市或者国家公园。例如，地点的地理位置（例如，当地的咖啡店）可以是地址、地理坐标组（纬度和经度）或对另一地点的参考（例如，“靠近火车站的咖啡店”）。例如，具有巨大面积的地点（例如，优胜美地国家公园）的地理位置可以是近似该地点的边界线的形状（例如，圆形或者多边形）和/或该形状的质心（即，几何中心）。例如，地点的元信息可以包括识别为最初创建地点、评论、等级、注释、签到活动数据等的用户的信息。可以通过系统的管理员和/或系统的用户创建地点。例如，通过访问客户端应用来定义地点名称并且提供地理位置并且使新创建的地点在位置数据库104中注册，用户能够注册新的地点。创建用户或其他用户可以访问指向该页面的网页并且增加额外的信息，诸如，对地点的评论、注释和评价。在特定实施方式中，位置数据库104可以存储用户的位置数据。例如，位置数据库104可以存储用户的签到活动。例如，用户可以创建地点（例如，新餐馆或者咖啡店），使得社交网络系统将用户创建的地点存储在位置数据库104中。例如，用户能够创建地点的注释、评论或评价，使得社交网络系统将用户对地点的注释、评论以及评价存储在位置数据库104中。例如，特定用途的客户端应用能够将用户的配备GPS的移动装置的GPS坐标报告并且存储到位置数据库104。
在特定实施方式中，社交网络系统的用户可以将一个或多个媒体文件上传到媒体数据库105。例如，用户能够将照片或照片组（通常称为相册）、或视频简介从客户端装置122（例如，计算机或相机电话）上传到媒体数据库105。在特定实施方式中，一个或多个媒体文件可包含与各个媒体文件相关联的元数据（通常称为“标签”）。例如，由数码相机拍摄的照片可包含关于文件大小、分辨率、时间戳、相机制造商的名称和/或位置（例如，GPS）坐标的元数据。用户在上传处理中能够给照片添加额外的元数据值或给照片加标签。媒体文件的标签的一些示例是作者、标题、注释、事件名称、时间、位置、出现在媒体文件中的人的姓名或用户评论。在特定实施方式中，用户通过使用客户端应用（例如，照片或视频编辑器）或者在将用户的一个或多个媒体文件从客户端装置122上传到社交网络系统的媒体上传工具的图形用户界面中输入一个或多个标签来为媒体文件加标签。用户也可以在上传之后的稍后时间在社交网络系统网站上为媒体文件加标签。在特定实施方式中，社交网络系统还可以从媒体文件提取元数据并且将元数据存储到媒体数据库105中。用户或机器可以使用面部辨认计算机软件基于面部图像来识别媒体文件中的一个或多个个体并且为其加标签。本文的特定实施方式描述基于空间和时间接近度改善面部辨认、以及改善对识别媒体文件中一个或多个个体的用户体验的方法。其他特定实施方式为用户提供了用于协助识别个体以及他们的潜在社交关系的实时面部辨认以及个人识别系统。
图2示出了涉及基于空间和时间接近度的面部辨认的个人识别处理的示例。图2能够通过由社交网络系统中的一个或多个计算装置和/或用户装置（诸如，移动电话或膝上电脑）承载的个人识别处理来实施。例如，本文描述的所有数据组能够被上传到社交网络系统的服务器上来处理而结果递送给客户端装置。在其他实施方式中，客户端装置可以接收数据并且执行本文描述的操作。在其他实施方式中，处理可以分布在客户端和服务器之间。在一个特定实施方式中，当第一用户访问允许用户捕捉图像并且将图像递送给由社交网络系统承载的远程个人识别处理的客户端时，可以发起在此描述的处理。个人识别处理可以处理请求并且返回结果以允许第一用户可能基本实时地识别在图像中捕捉的一个或多个个体（或确认其身份）。在特定实施方式中，个人识别处理可以访问与第一用户相关联的图像文件（201）。在特定实施方式中，图像文件可以是与元数据相关联的照片。在特定实施方式中，图像文件可以是具有相关元数据的视频剪辑。例如，图像文件可以是由第一用户的客户端装置122拍摄的照片或视频剪辑。例如，图像文件可以是显示在第一用户的配备相机的移动电话的取景器或取景器用户界面上的静止或移动图像。例如，图像文件可以是由第一用户客户端装置122、机顶盒或数字视频记录器录制的电视节目的视频剪辑。
在特定实施方式中，个人识别处理可以识别图像文件中的一个或多个面部（202）。在特定实施方式中，个人识别处理可以基于面部辨认的应用或返回匹配分数并且将分数与阈值进行比较的匹配算法来确定面部与人之间的匹配度。例如，面部辨认计算机软件能够计算潜在匹配与被识别的面部之间的关联系数，其中关联系数从0.0（“根本没有关联”）变化到1.0（“完美匹配”），并且如果关联系数大于0.8则确定为被识别的面部的匹配。合适的辨认算法包括主要成分分析、线性区别分析、弹性束图匹配、隐藏马克模型以及神经元推动的动态链接匹配。在一个实施方式中，个人识别处理将图像文件中的被识别的面部与由社交网络系统存储的图像中的被识别的面部进行比较。
在特定实施方式中，个人识别处理可以为图像文件中的每个被识别的面部创建潜在匹配或候选人名单。个人识别处理能够通过减少候选人名单的大小来提高面部匹配的准确度和/或速度。例如，个人识别处理能够通过仅包括在第一用户创建图像文件的相同时间与第一用户位于相同位置的候选人来减小候选人名单的大小。例如，候选人与第一用户的名单是同一事件（例如，“圣诞晚会2009”）的被邀请者。在某些实施方式中，也可以基于与上传图形的用户之间的分离度限制候选人名单。例如，个人识别处理能够将候选人的范围限制为与用户的分离不多于两个分离度的那些用户。在特定实施方式中，个人识别处理可以基于与图像文件的空间和时间接近度为每个被识别的面部确定一个或多个匹配（203）。
在特定实施方式中，个人识别处理可以确定与图像相关联的时间和位置数据。在特定实施方式中，个人识别处理可以从图像文件的元数据中确定图像文件的时间戳。在特定实施方式中，个人识别处理可以从图像文件的元数据（例如，GPS或其它位置坐标）中确定图像文件的位置数据。在某些实施方式中，对于实时应用，个人识别处理可以通过访问与图像上传请求、用户签到活动数据和/或第一用户的事件数据相关联的地理位置数据（例如，GPS坐标）来确定图像文件的位置数据，这与图像文件的上传是同时的和/或与图像文件的元数据在时间上接近（即，与图像文件的时间戳非常接近或重叠）。例如，上传请求可以包括允许社交网络系统确定请求用户的地理位置的GPS数据。在某些实施方式中，个人识别处理能够访问位置数据库104以确定与关联于图像文件的时间信息同时发生的第一用户的位置数据或签到活动数据。例如，个人识别处理能够访问事件数据库102以确定与图像文件同时发生的第一用户的事件（因此确定位置数据）。在特定实施方式中，个人识别处理可以访问图像文件的元数据以确定与图像文件相关联的事件数据，并且基于事件数据确定图像文件的位置数据。
在特定实施方式中，个人识别处理可以访问一个或多个数据存储器以生成包括在空间和时间上接近与图像文件相关联的空间时间信息的用户的候选人名单。在一些实施方式中，如果个人识别处理确定图像文件是由第一用户在事件（例如，“圣诞晚会2009”）期间制作的，则个人识别处理能够访问事件数据库102并且产生包括该事件的组织者和参与者（被邀请者或具有预留位置（RSVP）的人）的候选人名单。例如，个人识别处理能够访问事件数据库102以及位置数据库104，并且产生包含在事件的时间段内在事件的位置500英尺内的用户的候选人名单。例如，如果第一用户的图像文件具有（37°49’09.15”N，122°28’45.11”W）的GPS坐标以及2010年10月9日下午3点（太平洋时间）的时间戳，则面部辨认能够访问位置数据库104并且产生包含在2010年10月9日下午2点55分至下午3点05分之间在上述GPS坐标500英尺内的用户的候选人名单。可以由用户签到活动和/或由存储在位置数据库104中的由用户的配备GPS的移动装置捕捉的用户位置数据来确定候选人或用户的位置（如本申请中之前描述的）。
此外，个人识别处理能够通过仅包括在第一用户的阈值社交接近度内的候选人来进一步减少候选人名单的大小。在一个实施方式中，对于每个被识别的面部，候选人名单被限制到作为第一用户的第一级联系人的用户组。在其他实施方式中，对于每个被识别的面部，候选人名单被限制到作为第一用户的第一和第二级联系人的用户组。例如，如果第一用户的图像文件具有（37°49’09.15”N，122°28’45.11”W）的GPS坐标以及2010年10月9日PT下午3点的时间戳，则面部辨认能够访问用户个人资料数据库101以及位置数据库104，并且生成包括同样在2010年10月9日下午2点55分至3点05分之间在上述GPS坐标500英尺内的第一用户的第一级和第二级联系人的候选人名单。如前述示出的，在社交图形跨越第一级联系人时，策略能够被配置为请求额外的匹配属性，诸如空间时间接近度。
在特定实施方式中，个人识别处理可以基于包含与图像文件相关联的元数据的阈值空间和时间接近度内的用户的候选人名单，来为每个被识别的面部确定一个或多个匹配。在其他实施方式中，个人识别处理可以基于包含在空间和时间上接近与图像文件相关联的元数据、并且在社交上接近上传图像文件的第一用户的用户的候选人名单，来为每个被识别的面部确定一个或多个匹配。例如，对于每个被识别的面部，个人识别处理能够使用面部辨认计算机软件来计算被识别的面部与包含在空间和时间上接近图像文件的用户的候选人名单中的每个之间的关联系数。在一个实施方式中，面部辨认计算机软件可以访问一个或多个资料图片或与候选人用户相关联的其他图片以便比较。在一个实施方式中，如果关联系数大于0.8，则个人识别处理确定候选人是被识别的面部的匹配。在某些实施方式中，当匹配产生多于一个的可能的匹配时，个人识别处理可以选择最高分数匹配或将两个匹配均呈现给用户。在特定实施方式中，个人识别处理可以将图像文件中的一个或多个匹配呈现给第一用户（204）。
图3示出了包括由移动电话显示的包括一组个体的图像的示例。例如，图像302可以是在事件“圣诞晚会2009”由第一用户通过第一用户的移动电话301拍摄的图片。例如，图像302可以是当第一用户在事件“圣诞晚会2009”开启移动电话的相机功能时，显示在由第一用户的移动电话承载的取景器用户界面上的静止或移动图像。如图2所示，个人识别处理可以访问存储在移动电话301或媒体数据库105中的图像302（如果该图像已经上载到媒体数据库105），识别图像302中的一个或多个面部，并且基于空间和时间接近度确定与一个或多个被识别的面部中的每个相匹配的一个或多个用户。在一个实施方式中，用户可以向社交网络系统递送实时请求以接收关于在对象图像中被捕捉的一个或多个人的信息。
图4示出了在图像文件中显示匹配用户的用户界面示例。例如，用户可以使用在将被捕捉的图像连同实时识别请求上传到社交网络系统的移动装置上承载的客户端应用。该响应允许用户查看一个或多个用户的姓名（以及可能的其他信息——诸如关系状态信息）以防用户不能记住在图像中被捕捉的对象用户的姓名。在其他实施方式中，第一用户可以捕捉作为签到流程的一部分的图像并且使用个人识别功能来签到在图像中捕捉和识别的其他用户。在特定实施方式中，个人识别处理可以访问一个或多个数据存储器并且呈现与匹配用户相关联的信息或匹配被识别的面部的用户。在特定实施方式中，个人识别处理可以在覆盖图像文件的画面中呈现与匹配用户相关联的信息。例如，在图4中，个人识别处理能够呈现识别匹配的面部的方框（401），并且在覆盖图片（402）的画面中显示与匹配用户相关联的信息。例如，个人识别处理能够访问用户个人资料数据库101，并且呈现匹配用户的用户个人资料信息（例如，姓名、个人资料图片）、社交图形信息（例如，“5位共同的朋友”）和/或从属信息（例如，“USC‘05”）。在特定实施方式中，显示与匹配用户相关联的信息的画面可以包含一个或多个可选择的图标。例如，图标可以是文本串、图片或图形图标。例如，第一用户可以选择图标以使个人识别处理将匹配用户标签到图片或向匹配用户递送朋友邀请。在特定实施方式中，个人识别处理可以呈现将图像文件存储到社交网络系统中的选项。例如，个人识别处理能够呈现可选择的文本串“发布该图片”，当选择时，使个人识别处理将图像文件存储到媒体数据库105并且将图像文件发布到第一用户的个人资料页面。图4A示出了在图像文件中显示被识别的面部的多于一个的匹配的示例用户界面。在图4A的示例中，个人识别处理能够显示被识别的面部的方框（403）、包含两个匹配用户以及相关用户个人资料信息（例如，姓名、资料图片）和社交图形信息（例如，“7位共同的朋友”）的画面（404）。例如，第一用户可以选择两个匹配中的一个（例如，通过点击姓名或资料图片）以确认匹配。
各种实施方式均是可能的。对于由第一用户的客户端装置122、机顶盒或数字视频记录器录制的电视节目的视频剪辑的示例，通过将考虑限制为在时间和/或空间上接近视频剪辑的一个或多个电视节目中的演员，个人识别处理能够减少候选人名单的大小。在特定实施方式中，个人识别处理可以确定视频剪辑的时间和位置数据。例如，个人识别处理能够从视频剪辑的元数据中确定视频剪辑的时间和/或位置数据。例如，个人识别处理能够确定视频剪辑的时间戳。例如，个人识别处理能够基于客户端装置122（例如，配备GPS的移动电话）或者机顶盒（例如，特定电缆或卫星电视节目供应商用于特殊电视市场的机顶盒）的位置数据来确定视频剪辑的位置数据。在特定实施方式中，个人识别处理可以访问电视节目（例如，詹姆斯达电视指南（Gemstar TV Guide））的数据存储器并且识别作为视频剪辑同时传输给相同地理位置（例如，纽约市）内的观众的一个或多个电视节目。在其他的实施方式中，个人识别处理可以应用音频匹配程序以基于视频片段的音频部分来识别与视频剪辑相关联的一个或多个电视节目。在特定实施方式中，个人识别处理可以访问一个或多个数据存储器并且生成包括在一个或多个电视节目中的演员的候选人名单。在特定实施方式中，个人识别处理可以基于候选人名单在图像文件中为视频剪辑中的每个被识别的面部确定一个或多个面部匹配。在特定实施方式中，个人识别处理可以在图像文件中向第一用户显示一个或多个匹配。例如，个人识别处理能够在覆盖视频剪辑的画面中向第一用户显示匹配的演员的爱好者页面的链接名称。在其他实施方式中，个人识别处理可以在社交网络系统的第一用户的张贴墙上发布指示第一用户正在观看的一个或多个电视节目。在某些实施方式中，个人识别处理可以基于第一用户正在观看的一个或多个电视节目将目标广告递送给第一用户。
尽管前述实施方式可以各种网络配置来实施，然而，下面出于说明性而非限制性的目的示出了示例网络环境。图5示出了示例网络环境500。网络环境500包括将一个或多个服务器520与一个或多个数据存储器540彼此耦接的网络510。网络环境500还包括链接到一个或多个服务器520的一个或多个数据存储540。特定实施方式可以在网络环境500中实施。例如，社交网络系统前端120可以写入在由一个或多个服务器520承载的软件程序中。例如，事件数据库102可以存储在一个或多个存储器540中。在特定实施方式中，网络510是内网、外网、虚拟专用网（VPN）、局域网（LAN）、无线局域网（WLAN）、广域网（WAN）、城域网（MAN）、因特网的一部分或另一网络510或两个或更多这些网络510的组合。本公开考虑任何合适的网络510。
一个或多个链接550将服务器520或客户端530耦接至网络510。在特定实施方式中，一个或多个链接550每个均包括一个或多个有线、无线或光学的链接550。在特定实施方式中，一个或多个链接550每个均包括内网、外网、VPN、LAN、WLAN、WAN、MAN、因特网的一部分或另一链接550或两个或更多这些链接550的组合。本公开考虑将服务器520和客户端530耦接至网络510的任何合适的链接550。
在特定实施方式中，每个服务器520可以是整体服务器或可以是跨多个计算机或多个数据处理中心的分布式服务器。服务器520可以有各种类型，诸如，例如而不限制，网络服务器、新闻服务器、邮件服务器、消息服务器、广告服务器、文件服务器、应用程序服务器、交换服务器、数据库服务器或代理服务器。在特定实施方式中，每个服务器520可以包括硬件、软件或嵌入式逻辑部件或两个或更多这些部件的组合以用于执行由服务器520实施或支持的适当功能。例如，网络服务器通常能够承载包含网页或特定网页元素的网站。更具体地，网络服务器可以承载HTML文件或其他文件类型，或可以一经请求便动态地创建或组成文件，并且响应来自客户端530的HTTP或其他请求将它们传送给客户端530。邮件服务器通常能够为各种客户端530提供电子邮件服务。数据库服务器通常能够提供用于管理存储在一个或多个数据存储器中的数据的界面。
在特定实施方式中，一个或多个数据存储器540可以经由一个或多个链接550通信地链接到一个或多个服务器520。在特定实施方式中，数据存储器540可以用于存储各种类型的信息。在特定实施方式中，可以根据特定的数据结构组织存储在数据存储器540中的信息。在特定实施方式中，每个数据存储器540可以是相关联的数据库。特定实施方式可以提供能够使服务器520或客户端530管理（例如检索、修改、添加或删除）存储在数据存储器540中的信息的界面。
在特定实施方式中，每个客户端530均可以是包括硬件、软件或嵌入式逻辑部件或两个或更多这些部件的组合，并且能够执行由客户端530实施或支持的适当功能的电子装置。例如而不限制，客户端530可以是台式计算机系统、笔记本式计算机系统、上网本式计算机系统、手提式电子装置或移动电话。本公开考虑任何合适的客户端530。客户端530可以使在客户端530的网络用户能够访问网络530。客户端530可以使其用户能够与在其他客户端530的其他用户通信。
客户端530可以具有网络浏览器532，诸如微软互联网浏览器（MICROSOFTINTERNET EXPLORER）、谷歌浏览器（GOOGLE CHROME）或火狐浏览器（MOZILLA FIREFOX），并且可以具有一个或多个添加、插件或其他扩展，诸如工具栏（TOOLBAR）或雅虎工具栏（YAHOOTOOLBAR）。在客户端530的用户可以输入将网络浏览器532导向服务器520的统一资源定位符（UPL）或其他地址，并且网络浏览器532可以产生超文本传输协议（HTTP）请求并且将HTTP请求传送至服务器520。服务器520可以接受HTTP请求并且响应于HTTP请求将一个或多个超文本标记语言（HTML）文件传送至客户端530。客户端530可以基于来自服务器520的HTML文件渲染用于呈现给用户的网页。本公开考虑任何合适的网页文件。作为示例而不是作为限制，网页可以根据特定需求从HMTL文件、可扩展超文本标记语言（XHTML）文件或可扩展标记语言（XML）文件渲染。该页面也可以执行，诸如，例如而不限制，以JAVASCRIPT、JAVA、MICROSOFT SILVERLIG、诸如AJAX（异步JAVASCRIPT和XML）的标记语言和脚本的组合等写出的那些脚本。此处，在合适的情况下，对网页的引用包括一个或多个对应的网页文件（浏览器可以用其渲染网页），反之亦然。
图6示出了可与本发明的某些实施方式一起使用的示例计算机系统600。本公开考虑任何合适数量的计算机系统600。本公开考虑采用任何合适外形的计算机系统600。作为示例而不是作为限制，计算机系统600可以是嵌入式计算机系统、片上系统（SOC）、单板计算机系统（SBC）（诸如，例如，模块上计算机（COM）或模块上系统（SOM））、台式计算机系统、膝上或者笔记本式计算机系统、平板式计算机系统、互动平台、主机、网格计算机系统、移动电话、个人数字助理（PDA）、服务器或它们的两个或更多的组合。在合适的情况下，计算机系统600可以包括一个或多个计算机系统600；可以是整体的或分布的；可以跨多位置；可以跨多个机器；或可以位于云中，云可以包括在一个或多个网络中的一个或多个云部件。在合适的情况下，一个或多个计算机系统600可无实际空间和时间限制的执行本文描述或示出的一个或多个方法的一个或多个步骤。作为示例而不是作为限制，一个或多个计算机系统600可以实时地或以批处理模式执行本文描述或示出的一个或多个方法的一个或多个步骤。在合适的情况下，一个或多个计算机系统600可在不同的时间或不同的位置执行本文描述或示出的一个或多个方法的一个或多个步骤。
在特定实施方式中，计算机系统600包括处理器602、内存604、存储器606、I/O（I/O）接口608、通信接口610以及总线612。尽管本公开描述和说明了按照特定设置的具有特定数量的特定部件的特定计算机系统，但是，本公开考虑按照任意合适设置的具有任意合适数量的任意合适部件的任何合适的计算机系统。
在特定实施方式中，处理器602包括用于执行指令（诸如，构成计算机程序的那些）的硬件。作为示例而不是作为限制，为了执行指令，处理器602可以从内部寄存器、内部缓存、内存604或存储器606检索（或取出）指令，破译并且执行它们；并且然后将一个或多个结果写入内部寄存器、内部缓存、内存604或存储器606。在特定实施方式中，处理器602可以包括用于数据、指令或地址的一个或多个内部缓存。在合适的情况下，本公开考虑包括任意合适数量的任意合适的内部缓存的处理器602。作为示例而不是作为限制，处理器602可以包括一个或多个指令缓存、一个或多个数据缓存以及一个或多个转换后备缓冲器（TLB）。在指令缓存中的指令可以是在内存604或存储器606中的指令的复制，并且指令缓存可以加速处理器602对那些指令的检索。在数据缓存中的数据可以是用于操作在处理器602处执行的指令的在内存604或存储器606中的数据的复制；用于由在处理器602中执行的后续指令访问或用于写入至内存604或存储器606的在处理器602处执行的先前指令的结果；或其他合适的数据。数据缓存可加速处理器602的读取或写入操作。TLB可加速处理器602的虚拟地址转换。在特定实施方式中，处理器602可以包括一个或多个数据、指令或地址的内部寄存器。在合适的情况下，本公开考虑包括任意合适数量的任意合适的内部寄存器的处理器602。在合适的情况下，处理器602可包括一个或多个算术逻辑单元（ALU）；可以是多核处理器；或可包括一个或多个处理器602。尽管本公开描述和说明了特定的处理器，但是本公开考虑任何合适的处理器。
在特定实施方式中，存储器604包括主存储器以用于存储处理器602执行的指令或处理器602操作的数据。作为示例而不是作为限制，计算机系统600可从存储器606或另一来源（诸如，例如另一个计算机系统600）加载指令到内存604。然后，处理器602可从内存604加载指令到内部寄存器或内部缓存。为了执行指令，处理器602可以从内部寄存器或内部缓存检索指令并且将它们解码。在指令的执行之中或之后，处理器602可将一个或多个结果（其可以是中间或最终结果）写入到内部寄存器或内部缓存。然后，处理器602可将那些结果中的一个或多个写入到内存604。在特定实施方式中，处理器602只执行在一个或多个内部寄存器或内部缓存或内存604（对照存储器606相对或其他位置）中的指令，并且只操作在一个或多个内部寄存器或内部缓存或内存604（对照存储器606相对或其他位置）中的数据。一个或多个存储器总线（每个可包括地址总线和数据总线）可将处理器602连接到内存604。如下所述，总线612可包括一个或多个存储器总线。在特定实施方式中，一个或多个存储器处理单元（MMU）位于处理器602与内存604之间，并且促进由处理器602请求的对内存604的访问。在特定实施方式中，内存604包括随机存取存储器（RAM）。在合适的情况下，该RAM可以是易失性存储器。在合适的情况下，该RAM可以是动态RAM（DRAM）或静态RAM（SRAM）。此外，在合适的情况下，该RAM可以是单端口或多端口的RAM。本公开考虑任何合适的RAM。在合适的情况下，内存604可包括一个或多个内存602。尽管本公开描述和说明了特定的存储器，但是本公开考虑任何合适的存储器。
在特定实施方式中，存储器606包括用于数据或指令的大容量存储器。作为示例而不是作为限制，存储器606可包括HDD、软盘驱动、闪存、光盘、磁光盘、磁带或通用串行总线（USB）驱动或它们的两个或更多的组合。在合适的情况下，存储器606可包括可移除的或不可移除的（或固定）介质。在合适的情况下，存储器606可以是计算机系统600内部或外部的。在特定实施方式中，存储器606是非易失性的固态存储器。在特定实施方式中，存储器606包括只读存储器（ROM）。在合适的情况下，该ROM可以是掩模程序ROM、可编程ROM（PROM）、可擦PROM（EPROM）、电可擦PROM（EEPROM）、电可改写ROM（EAROM）或闪存或它们的两个或更多的组合。本公开考虑采用任何合适外形的大容量存储器606。在合适的情况下，存储器606可包括一个或多个方便在处理器602与存储器606之间通信的存储控制单元。在合适的情况下，存储器606可包括一个或多个存储器606。尽管本公开描述和说明了特定的存储器，但是本公开考虑任何合适的存储器。
在特定实施方式中，I/O接口608包括为在计算机系统和一个或多个输入/输出设备I/O设备之间的通信提供一个或多个接口的硬件、软件或两者。在合适的情况下，计算机系统600可包括这些I/O设备的一个或多个。这些I/O设备的一个或多个可启用个人与计算机系统600之间的通信。作为示例而不是作为限制，I/O设备可包括键盘、键板、麦克风、监控器、鼠标、打印机、扫描仪、扬声器、静物照相机、触控笔、平板电脑、触摸屏、跟踪球、摄影机、另一合适的I/O设备或它们的两个或更多的组合。I/O设备可包括一个或多个传感器。本公开考虑任何合适的I/O设备和它们的任何合适的I/O接口608。在合适的情况下，I/O接口608可包括使处理器602能够驱动这些I/O设备的一个或多个的一个或多个设备或软件驱动。在合适的情况下，I/O接口608可包括一个或多个I/O接口608。尽管本公开描述和说明了特定的I/O接口，但是本公开考虑任何合适的I/O接口。
在特定实施方式中，通信接口610包括为在计算机系统600与一个或多个另外的计算机系统600或一个或多个网络之间的通信（诸如，例如基于数据包的通信）提供一个或多个接口的硬件、软件或两者。作为示例而不是作为限制，通信接口610可包括用于与以太网或其他基于有线的网络通信的网络接口控制器（NIC）或网络适配器，或用于与无线网络（诸如WI-FI网络）通信的无线NIC（WNIC）或无线适配器。本公开考虑任何合适的网络和它的任何合适的通信接口610。作为示例而不是作为限制，计算机系统600可与自组织网络、个人区域网（PAN）、局域网（LAN）、广域网（WAN）、城域网（MAN）或因特网的一个或多个部分或它们的两个或更多的组合通信。一个或多个这些网络的一个或多个部分可以是有线的或无线的。作为一个示例，计算机系统600可与无线PAN（WPAN）（诸如，例如，蓝牙WPAN）、WI-FI网络（诸如，例如，802.11a/b/g/n WI-FI网络、802.11s网状网络）、WI-MAX网络、蜂窝电话网络（诸如，例如，全球移动通信系统（GSM）网络、增强型数据速率GSM演进（EDGE）网络、通用移动通信系统（UMTS）网络、长期演进（LTE）网络）或其他合适的无线网络或它们的两个或更多的组合通信。在合适的情况下，计算机系统600可包括用于任何这些网络的任何合适的通信接口610。在合适的情况下，通信接口610可包括一个或多个通信接口610。尽管本公开描述和说明了特定的通信接口，但是本公开考虑任何合适的通信接口。
在特定实施方式中，总线612包括将计算机系统600的部件彼此耦接的硬件、软件或两者。作为示例而不是作为限制，总线612可包括图形加速端口（AGP）或其他图形总线、增强型产业标准体系（EISA）总线、前侧总线（FSB）、超传输（HT）互联、产业标准体系（ISA）总线、无限宽带互联、低引脚数（LPC）总线、存储器总线、微通道结构（MCA）总线、外部设备互联（PCI）总线、快速PCI（PCI-X）总线、串行高级技术附件（SATA）总线、视频电子标准协会局域（VLB）总线、通用异步接收器/递送器（UART）接口、内部集成电路（I2C）总线、串行外围设备接口（SPI）总线、安全数字（SD）存储器接口、多媒体卡（MMC）存储器接口、记忆棒（MS）存储器接口、安全数字输入输出（SDIO）接口、多通道缓冲串行端口（McBSP）总线、通用串行总线（USB）总线、通用存储控制器（GPMC）总线、SDRAM控制器（SDRC）总线、通用输入/输出（GPIO）总线、独立视频（S-视频）总线、显示器串行接口（DSI）总线、高级微控制器总线结构（AMBA）总线或另一合适的总线或它们的两个或更多的组合。在合适的情况下，总线612可以包括一个或多个总线612。尽管本公开描述和示出了特定线，然而本公开拟定了任何合适的总线或者互连。
上述客户端功能能够以存储在计算机可读存储介质上的一系列指令来实施，当这些指令被执行时，使可编程处理器实施上述操作。尽管客户装置122可以各种不同的硬件和计算系统实施，但是图7示出了根据各种特定实施方式的客户端或移动装置的示例计算平台的主要部件的示意性表示。在特定实施方式中，计算平台702可包括控制器704、内存706以及输入输出子系统710。在特定实施方式中，可包括一个或多个处理器和/或一个或多个微控制器的控制器704被配置为执行指令并且实现与计算平台相关联的操作。在各种实施方式中，控制器704可以实施为包括一个或多个集成电路和印刷电路板的单芯片、多芯片和/或其他电子部件。控制器704可选地可以包括用于指令、数据或计算机地址的暂时本地存储的缓存存储器单元。作为示例，控制器704可以使用从存储器检索的指令来控制在计算平台702的部件之间的输入和输出数据的接收和操纵。作为示例，控制器704可包括专门用于计算平台702的特定处理任务（例如，用于2D/3D图形处理、图像处理或视频处理）的一个或多个处理器或一个或多个控制器。
控制器704与合适的操作系统一起可操作为执行计算机代码形式的指令并且产生和使用数据。作为示例而不是作为限制，除其它合适的操作系统外，操作系统还可以是基于Windows、基于Mac或基于Unix或Linux或基于Symbian的。操作系统、其他计算机代码和/或数据可以物理地存储在可操作地耦接至控制器704的内存706内。
内存706可包含一个或多个存储介质并且通常提供空间以存储由计算平台702使用的计算机代码（例如，软件和/或固件）和数据。作为示例，内存706可包括各种有形的计算机可读存储介质（包括只读存储器（ROM）和/或随机访问存储器（RAM））。如本领域中所熟知的，ROM用作将数据和指令单向地传输给控制器704，并且RAM通常用于双向地传输数据和指令。作为示例，除双向地耦接至控制器704的其他合适的形式的内存外，内存706还可包括采用以下形式的一个或多个固定存储设备：硬盘驱动（HDDs）、固态驱动（SSD）、闪存卡（例如，安全数字或SD卡、嵌入式多媒体卡或eMMD卡）。当需要时，信息还可位于被装载到或安装在计算平台702中的一个或多个可移除的存储介质。作为示例，任何数量的合适的存储卡（例如，SD卡）可被暂时地或者永久地装载到计算平台702中。
输入输出子系统710可包含可操作地连接到控制器704的一个或多个输入和输出设备。例如，输入输出子系统可包括键盘、鼠标、一个或多个按钮、拇指轮、和/或显示器（例如，液晶显示器（LCD）、发光二极管（LED）、干涉测量调制显示器（IMOD）或任何其他合适的显示技术）。通常，输入装置被配置为将来自外界的数据、命令和响应传输给计算平台702。显示器通常被配置为显示图形用户界面（GUI），图形用户界面（GUI）在计算平台702的用户与运行在移动装置上的操作系统或应用程序之间提供易于使用的可视界面。通常，GUI表示具有图形图像的程序、文件和操作选项。在操作期间，用户可以选择和激活在显示器上显示的各种图形图像以启动与其相关联的功能和任务。输入输出子系统710也可包括基于触摸的装置，诸如触摸板和触摸屏。触摸板是包括检测用户的基于触摸的输入的表面的输入装置。类似地，触摸屏是检测用户触摸输入的存在和位置的显示器。输入输出系统710还可包括能够识别多于一个触摸输入（诸如，两个或三个手指触摸）的存在、位置和移动的双触摸或多触摸显示器或触摸板。
在特定实施方式中，计算平台702可额外地包含音频子系统712、相机子系统712、无线通信子系统716、传感器子系统718、和/或有线通信子系统720，它们可操作地连接到控制器704以促成计算平台702的各种功能。例如，包括扬声器、麦克风以及被配置为处理声音信号的编解码器模块的声音子系统712能够用于促成支持语音的功能，诸如，语音辨认、语音复制、数字录音以及电话功能。例如，包括光学传感器（例如，电荷耦合元件（CCD）或互补金属氧化物半导体（CMOS）图像传感器）的相机子系统712能够用于促成相机功能，诸如记录照片和视频剪辑。例如，有线通信子系统720能够包括用于文件传递的通用串行总线（USB）端口或用于连接到局域网（LAN）的以太网端口。
无线通信子系统716能够被设计成在一个或多个无线网络上运行，这些无线网络例如，无线PAN（WPAN）（诸如，例如，蓝牙WPAN、红外PAN）、WI-FI网络（诸如，例如，802.11a/b/g/n WI-FI网络、802.11s网状网络）、WI-MAX网络、蜂窝电话网络（诸如，例如，全球移动通信系统（GSM）网络、增强型数据速率GSM演进（EDGE）网络、通用移动通信系统（UMTS）网络和/或长期演进（LTE）网络。此外，无线通信子系统716可包括托管协议，从而使计算平台702可以被配置为其他无线装置的基站。
传感器子系统718可包括一个或多个传感器装置以提供额外的输入并且促成计算平台702的多个功能。例如，传感器子系统718可包括用于定位的GPS传感器、用于高度定位的高度计、用于确定移动装置的朝向的动作传感器、用于相机子系统714的拍照功能的光传感器、用于测量周围环境温度的温度传感器和/或用于安全应用的生物识别传感器（例如，指纹读取器）。
在特定实施方式中，计算平台702的各种部件可通过一个或多个总线（包括硬件和/或软件）可操作地连接在一起。作为示例而不是作为限制，一个或多个总线可包括图形加速端口（AGP）或其他图形总线、增强型产业标准体系（EISA）总线、前侧总线（FSB）、超传输（HT）互联、产业标准体系（ISA）总线、无限带宽互联、低引脚数（LPC）总线、存储器总线、微通道结构（MCA）总线、外部设备互联（PCI）总线、快速PCI（PCI-X）总线、串行高级技术附件（SATA）总线、视频电子标准协会局域（VLB）总线、通用异步接收器/发射器（UART）接口、内部集成电路（I2C）总线、串行外围设备接口（SPI）总线、安全数字（SD）存储器接口、多媒体卡（MMC）存储器接口、记忆棒（MS）存储器接口、安全数字输入输出（SDIO）接口、多通道缓冲串行端口（McBSP）总线、通用串行总线（USB）总线、通用存储控制器（GPMC）总线、SDRAM控制器（SDRC）总线、通用输入/输出（GPIO）总线、独立视频（S-视频）总线、显示器串行接口（DSI）总线、高级微控制器总线结构（AMBA）总线或另一合适的总线或它们的两个或更多的组合。此外，计算平台702可以由电源732供电。
本文中，对计算机可读存储介质的引用包括一个或多个非瞬时性的、有形的、具有结构的计算机可读存储介质。作为示例而不是作为限制，计算机可读存储介质可包括基于半导体的或其他集成电路（IC）（诸如，例如现场可编程门阵列（FPGA）或专用IC（ASIC））、硬盘、HDD、混合硬盘驱动（HHD）、光盘、光盘驱动（ODD）、磁光盘、磁光盘驱动、软盘、软盘驱动（FDD）、磁带、全息存储介质、固态驱动（SSD）、RAM驱动、安全数字卡、安全数字卡驱动、多媒体卡（MMC）卡、嵌入式MMC（eMMC）卡或另一合适的计算机可读存储介质或它们的两个或更多的组合。本文中，对计算机可读存储介质的引用排除任何不符合根据美国法律第35卷第101条的专利保护的介质。本文中，对计算机可读存储介质的引用排除信号传输的瞬时形式（诸如，传播电子或电磁信号本身），在这个意义上，它们不符合根据美国法律第35卷第101条的专利保护。
本公开考虑实现任何合适存储器的一个或多个计算机可读存储介质。在特定实施方式中，在合适的情况下，计算机可读存储介质实现处理器602的一个或多个部分（诸如，例如一个或多个内部寄存器或缓存）、内存604的一个或多个部分、存储器606的一个或多个部分或这些的组合。在特定实施方式中，计算机可读存储介质实现RAM或ROM。在特定实施方式中，计算机可读存储介质实现易失性或永久存储器。在特定实施方式中，一个或多个计算机可读存储介质包含软件。本文中，在合适的情况下，对软件的引用可涵盖一个或多个应用程序、字节码、一个或多个计算机程序，一个或多个可执行文件，一个或多个指令、逻辑、机器代码、一个或多个脚本或源代码，反之亦然。在特定实施方式中，软件包括一个或多个应用程序编程接口（API）。本公开考虑以任何合适的编程语言或编程语言的组合所写的或另行表示的任何合适的软件。在特定实施方式中，软件表示为源代码或目标代码。在特定实施方式中，软件用高级编程语言（诸如，例如，C、Perl、JavaScript或其合适扩展）来表示。在特定实施方式中，软件用低级编程语言（诸如汇编语言（或机器代码））来表示。在特定实施方式中，软件用JAVA来表示。在特定实施方式中，软件用超文本标记语言（HTML）、可扩展的标记语言（XML）或其他合适的标记语言来表示。
本公开包括本领域普通技术人员应当理解的对本文中示例实施方式的所有改变、替代、变化、变更以及变形。类似地，在合适的情况下，所附权利要求涵盖本领域普通技术人员能够理解的对本文中示例实施方式的所有改变、替代、变化、变更以及变形。

Claims (20)

1.一种个人识别方法，包括：
通过一个或多个计算装置访问与第一用户相关联的图像文件；
通过一个或多个计算装置检测与所述图像文件对应的图像中的面部；
通过一个或多个计算装置访问与所述第一用户和多个第二用户相关联的社交网络系统，其中：
所述社交网络系统包括图形，所述图形包括多个节点和连接所述节点的边；
至少一个节点对应于所述第一用户；以及
对于每个所述第二用户，至少一个节点对应于所述第二用户；
以及
通过一个或多个计算装置确定所述第二用户中与所述面部匹配的一个或多个候选人，其中，所述确定至少部分基于：
由所述社交网络系统所指示的所述第二用户对与所述图像相关联的时间和位置的时间和空间接近度与阈值时间和空间接近度的比较；以及
由所述社交网络系统所指示的所述第二用户和所述第一用户之间的分离度与阈值分离度之间的比较，
其中，所述分离度为两个用户之间的关系的度量。
2.根据权利要求1所述的方法，进一步包括将所述候选人呈现给所述第一用户，用于所述第一用户对所述面部进行匹配。
3.根据权利要求1所述的方法，其中，确定所述第二用户中与所述面部匹配的一个或多个候选人进一步基于对面部的面部辨认算法的应用。
4.根据权利要求2所述的方法，其中，将所述候选人呈现给所述第一用户，用于所述第一用户对所述面部进行匹配包括：
针对与所述一个或多个候选人相关联的信息来访问一个或多个数据存储器；
生成包括与所述一个或多个候选人相关联的信息的一个或多个画面；以及
显示至少部分覆盖所述图像的一个或多个所述画面。
5.根据权利要求4所述的方法，其中，所述一个或多个画面包括一个或多个可选择的图标。
6.根据权利要求1所述的方法，其中，所述图像文件包括：
照相图片以及数字形式的关联元数据；或
视频以及数字形式的关联元数据。
7.根据权利要求3所述的方法，其中，确定所述第二用户中与所述面部匹配的一个或多个候选人包括：
基于以下识别所述第二用户的子集：
由所述社交网络系统所指示的所述第二用户对与所述图像相关联的时间和位置的时间和空间接近度与阈值时间和空间接近度的比较；以及
由所述社交网络系统所指示的所述第二用户和所述第一用户之间的分离度与阈值分离度之间的比较；以及
通过面部辨认算法将所述图像中的面部与所述子集中的所述第二用户的面部进行比较。
8.一种个人识别系统，包括：
一个或多个处理器；以及
内存，耦接至所述处理器，包括能够由所述处理器执行的指令，其中，当执行所述指令时所述处理器能够操作为：
访问与第一用户相关联的图像文件；
检测与所述图像文件对应的图像中的面部；
访问与所述第一用户和多个第二用户相关联的社交网络系统，
其中：
所述社交网络系统包括图形，所述图形包括多个节点和连接所述节点的边；
至少一个节点对应于所述第一用户；以及
对于每个所述第二用户，至少一个节点对应于所述第二用户；
以及
确定所述第二用户中与所述面部匹配的一个或多个候选人，其中，所述确定至少部分基于：
由所述社交网络系统所指示的所述第二用户对与所述图像相关联的时间和位置的时间和空间接近度与阈值时间和空间接近度的比较；以及
由所述社交网络系统所指示的所述第二用户和所述第一用户之间的分离度与阈值分离度之间的比较，
其中，所述分离度为两个用户之间的关系的度量。
9.根据权利要求8所述的系统，其中，当执行所述指令时所述处理器能够操作为：将所述候选人呈现给所述第一用户，用于所述第一用户对所述面部进行匹配。
10.根据权利要求8所述的系统，其中，确定所述第二用户中与所述面部匹配的一个或多个候选人进一步基于对面部的面部辨认算法的应用。
11.根据权利要求9所述的系统，其中，将所述一个或多个候选人呈现给所述第一用户，用于所述第一用户与所述面部进行匹配包括：
针对与所述一个或多个候选人相关联的信息来访问一个或多个数据存储器；
生成包括与所述一个或多个候选人相关联的信息的一个或多个画面；以及
显示至少部分覆盖所述图像的一个或多个所述画面。
12.根据权利要求11所述的系统，其中，所述一个或多个画面包括一个或多个可选择的图标。
13.根据权利要求8所述的系统，其中，所述图像文件包括：
照相图片以及数字形式的关联元数据；或
视频以及数字形式的关联元数据。
14.根据权利要求10所述的系统，其中，确定所述第二用户中与所述面部匹配的一个或多个候选人包括：
基于以下识别所述第二用户的子集：
由所述社交网络系统所指示的所述第二用户对与所述图像相关联的时间和位置的时间和空间接近度与阈值时间和空间接近度的比较；以及
由所述社交网络系统所指示的所述第二用户和所述第一用户之间的分离度与阈值分离度之间的比较；以及
通过面部辨认算法将所述图像中的面部与所述子集中的所述第二用户的面部进行比较。
15.一个或多个计算机可读有形存储介质，包含在由一个或多个计算装置执行时能够进行以下操作的软件：
访问与第一用户相关联的图像文件；
检测与所述图像文件对应的图像中的面部；
访问与所述第一用户和多个第二用户相关联的社交网络系统，
其中：
所述社交网络系统包括图形，所述图形包括多个节点和连接所述节点的边；
至少一个节点对应于所述第一用户；以及
对于每个所述第二用户，至少一个节点对应于所述第二用户；
以及
通过一个或多个计算装置确定所述第二用户中与所述面部匹配的一个或多个候选人，其中，所述确定至少部分基于：
由所述社交网络系统所指示的所述第二用户对与所述图像相关联的时间和位置的时间和空间接近度与阈值时间和空间接近度的比较；以及
由所述社交网络系统所指示的所述第二用户和所述第一用户之间的分离度与阈值分离度之间的比较，
其中，所述分离度为两个用户之间的关系的度量。
16.根据权利要求15所述的介质，所述软件在由一个或多个计算装置执行时能够进一步进行以下操作：将所述候选人呈现给所述第一用户，用于所述第一用户对所述面部进行匹配。
17.根据权利要求15所述的介质，其中，确定所述第二用户中与所述面部匹配的一个或多个候选人进一步基于对面部的面部辨认算法的应用。
18.根据权利要求15所述的介质，其中，将所述候选人呈现给所述第一用户，用于所述第一用户对所述面部进行匹配进一步包括在由一个或多个计算装置执行时能够进行以下操作的软件：
针对与所述一个或多个候选人相关联的信息来访问一个或多个数据存储器；
生成包括与所述一个或多个候选人相关联的信息的一个或多个画面；以及
显示至少部分覆盖所述图像的一个或多个所述画面。
19.根据权利要求18所述的介质，其中，所述一个或多个画面包括一个或多个可选择的图标。
20.根据权利要求15所述的介质，其中，所述图像文件包括照相图片以及数字形式的关联元数据或视频以及数字形式的关联元数据。
CN201280015911.0A 2011-03-29 2012-03-08 基于空间和时间接近度的面部辨认 Active CN103477350B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/074,743 US9317530B2 (en) 2011-03-29 2011-03-29 Face recognition based on spatial and temporal proximity
US13/074,743 2011-03-29
PCT/US2012/028225 WO2012134756A2 (en) 2011-03-29 2012-03-08 Face recognition based on spatial and temporal proximity

Publications (2)

Publication Number Publication Date
CN103477350A CN103477350A (zh) 2013-12-25
CN103477350B true CN103477350B (zh) 2018-04-06

Family

ID=46927309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280015911.0A Active CN103477350B (zh) 2011-03-29 2012-03-08 基于空间和时间接近度的面部辨认

Country Status (8)

Country Link
US (3) US9317530B2 (zh)
JP (1) JP6030117B2 (zh)
KR (1) KR101666967B1 (zh)
CN (1) CN103477350B (zh)
BR (1) BR112013024048A2 (zh)
CA (1) CA2829079C (zh)
MX (1) MX342076B (zh)
WO (1) WO2012134756A2 (zh)

Families Citing this family (104)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9143573B2 (en) * 2008-03-20 2015-09-22 Facebook, Inc. Tag suggestions for images on online social networks
WO2009116049A2 (en) 2008-03-20 2009-09-24 Vizi Labs Relationship mapping employing multi-dimensional context including facial recognition
US9210313B1 (en) 2009-02-17 2015-12-08 Ikorongo Technology, LLC Display device content selection through viewer identification and affinity prediction
US10706601B2 (en) 2009-02-17 2020-07-07 Ikorongo Technology, LLC Interface for receiving subject affinity information
US9727312B1 (en) 2009-02-17 2017-08-08 Ikorongo Technology, LLC Providing subject information regarding upcoming images on a display
US10786736B2 (en) 2010-05-11 2020-09-29 Sony Interactive Entertainment LLC Placement of user information in a game space
US8630494B1 (en) 2010-09-01 2014-01-14 Ikorongo Technology, LLC Method and system for sharing image content based on collection proximity
US8824748B2 (en) 2010-09-24 2014-09-02 Facebook, Inc. Auto tagging in geo-social networking system
US9317530B2 (en) 2011-03-29 2016-04-19 Facebook, Inc. Face recognition based on spatial and temporal proximity
US8625860B2 (en) * 2011-04-01 2014-01-07 Intel Corporation Adaptive face recognition using online learning
US20120265703A1 (en) * 2011-04-13 2012-10-18 Verizon Patent And Licensing Inc. Ad hoc social networking
US9721388B2 (en) * 2011-04-20 2017-08-01 Nec Corporation Individual identification character display system, terminal device, individual identification character display method, and computer program
US8631084B2 (en) * 2011-04-29 2014-01-14 Facebook, Inc. Dynamic tagging recommendation
US9305024B2 (en) 2011-05-31 2016-04-05 Facebook, Inc. Computer-vision-assisted location accuracy augmentation
WO2012169135A1 (en) * 2011-06-08 2012-12-13 Sony Corporation Information processing device, information processing method and computer program product
US20120314916A1 (en) * 2011-06-13 2012-12-13 Reagan Inventions, Llc Identifying and tagging objects within a digital image
JP5995520B2 (ja) * 2011-06-14 2016-09-21 キヤノン株式会社 画像に関する処理支援システム、情報処理装置、及び画像に関する処理影支援方法
US9342817B2 (en) * 2011-07-07 2016-05-17 Sony Interactive Entertainment LLC Auto-creating groups for sharing photos
US9195679B1 (en) 2011-08-11 2015-11-24 Ikorongo Technology, LLC Method and system for the contextual display of image tags in a social network
JP5852370B2 (ja) * 2011-08-31 2016-02-03 キヤノン株式会社 画像処理装置、画像処理装置の制御方法およびプログラム
US8533266B2 (en) 2012-02-14 2013-09-10 Google Inc. User presence detection and event discovery
US8510381B1 (en) 2012-02-14 2013-08-13 Google Inc. Sharing electronic resources with users of nearby devices
US9894116B2 (en) * 2012-04-12 2018-02-13 Intel Corporation Techniques for augmented social networking
JP5959923B2 (ja) * 2012-04-26 2016-08-02 キヤノン株式会社 検出装置、その制御方法、および制御プログラム、並びに撮像装置および表示装置
US20130329061A1 (en) * 2012-06-06 2013-12-12 Samsung Electronics Co. Ltd. Method and apparatus for storing image data
US9626381B2 (en) * 2012-06-19 2017-04-18 International Business Machines Corporation Photo album creation based on social media content
US10038885B2 (en) 2012-10-17 2018-07-31 Facebook, Inc. Continuous capture with augmented reality
US20140108501A1 (en) * 2012-10-17 2014-04-17 Matthew Nicholas Papakipos Presence Granularity with Augmented Reality
US10032233B2 (en) 2012-10-17 2018-07-24 Facebook, Inc. Social context in augmented reality
EP2915132A4 (en) * 2012-10-31 2016-06-29 Google Inc COMPARISON OF IMAGES PROCESS
US11823499B2 (en) * 2012-11-14 2023-11-21 Golan Weiss Methods and systems for enrollment and authentication
US9245312B2 (en) * 2012-11-14 2016-01-26 Facebook, Inc. Image panning and zooming effect
US9235321B2 (en) 2012-11-14 2016-01-12 Facebook, Inc. Animation sequence associated with content item
CN103970804B (zh) * 2013-02-06 2018-10-30 腾讯科技（深圳）有限公司 一种信息查询方法及装置
US20140321720A1 (en) * 2013-04-30 2014-10-30 International Business Machines Corporation Managing social network distance in social networks using photographs
US10158921B2 (en) * 2013-07-03 2018-12-18 Telefonaktiebolaget Lm Ericsson (Publ) IM client and method performed thereby for providing a subscriber of an IPTV service provider with information
WO2015017865A1 (en) 2013-08-02 2015-02-05 Shoto, Inc. Discovery and sharing of photos between devices
US20150074206A1 (en) * 2013-09-12 2015-03-12 At&T Intellectual Property I, L.P. Method and apparatus for providing participant based image and video sharing
US12008838B2 (en) 2013-09-17 2024-06-11 Cloudspotter Technologies, Inc. Private photo sharing system, method and network
US10460151B2 (en) 2013-09-17 2019-10-29 Cloudspotter Technologies, Inc. Private photo sharing system, method and network
WO2015061696A1 (en) * 2013-10-25 2015-04-30 Peep Mobile Digital Social event system
US9628986B2 (en) 2013-11-11 2017-04-18 At&T Intellectual Property I, L.P. Method and apparatus for providing directional participant based image and video sharing
CN104639823A (zh) * 2013-11-14 2015-05-20 索尼公司 图像形成方法、装置以及电子设备
US20150142891A1 (en) * 2013-11-19 2015-05-21 Sap Se Anticipatory Environment for Collaboration and Data Sharing
US9569656B2 (en) * 2013-12-06 2017-02-14 Google Inc. Local real-time facial recognition
US10243753B2 (en) 2013-12-19 2019-03-26 Ikorongo Technology, LLC Methods for sharing images captured at an event
US10121060B2 (en) * 2014-02-13 2018-11-06 Oath Inc. Automatic group formation and group detection through media recognition
WO2015139026A2 (en) 2014-03-14 2015-09-17 Go Tenna Inc. System and method for digital communication between computing devices
US9639741B2 (en) 2014-04-14 2017-05-02 International Business Machines Corporation Facial recognition with biometric pre-filters
KR102240263B1 (ko) * 2014-08-06 2021-04-14 오드컨셉 주식회사 얼굴의 시각적 정보를 이용한 관계망 연결 시스템 및 연결방법
CN105447044A (zh) 2014-09-02 2016-03-30 阿里巴巴集团控股有限公司 一种确定用户关系的方法及装置
US11429657B2 (en) * 2014-09-12 2022-08-30 Verizon Patent And Licensing Inc. Mobile device smart media filtering
US10943111B2 (en) 2014-09-29 2021-03-09 Sony Interactive Entertainment Inc. Method and apparatus for recognition and matching of objects depicted in images
US10032042B1 (en) * 2014-12-10 2018-07-24 Morphotrust Usa, Llc Digital identification enrollment
CN104640060B (zh) * 2015-01-28 2019-08-23 惠州Tcl移动通信有限公司 一种数据共享的方法及其系统
US10628593B2 (en) 2015-04-17 2020-04-21 Dropbox, Inc. Collection folder for collecting file submissions and recording associated activities
US20160364397A1 (en) * 2015-06-11 2016-12-15 Qualcomm Incorporated System and Methods for Locally Customizing Media Content for Rendering
US9872061B2 (en) 2015-06-20 2018-01-16 Ikorongo Technology, LLC System and device for interacting with a remote presentation
US9563643B2 (en) * 2015-06-25 2017-02-07 Intel Corporation Automatic metatagging in images
JP6785305B2 (ja) * 2015-07-15 2020-11-18 １５ セカンズ オブ フェイム，インコーポレイテッド 顔認識及びコンテキストビデオストリームで個人を識別するためのビデオ解析技術のための装置及び方法
WO2017009851A2 (en) * 2015-07-16 2017-01-19 Pomvom Ltd. Coordinating communication and/or storage based on image analysis
US10863003B2 (en) 2015-09-10 2020-12-08 Elliot Berookhim Methods, devices, and systems for determining a subset for autonomous sharing of digital media
US9934424B2 (en) 2015-10-05 2018-04-03 International Business Machines Corporation Automated relationship categorizer and visualizer
KR20180105636A (ko) * 2015-10-21 2018-09-28 15 세컨즈 오브 페임, 인크. 얼굴 인식 애플리케이션들에서 긍정 오류를 최소화하기 위한 방법들 및 장치
US9934397B2 (en) 2015-12-15 2018-04-03 International Business Machines Corporation Controlling privacy in a face recognition application
US10713966B2 (en) 2015-12-31 2020-07-14 Dropbox, Inc. Assignments for classrooms
US10043102B1 (en) * 2016-01-20 2018-08-07 Palantir Technologies Inc. Database systems and user interfaces for dynamic and interactive mobile image analysis and identification
US10497014B2 (en) * 2016-04-22 2019-12-03 Inreality Limited Retail store digital shelf for recommending products utilizing facial recognition in a peer to peer network
US10305977B2 (en) * 2016-08-05 2019-05-28 International Business Machines Corporation Social network image filtering
US10055871B2 (en) 2016-10-12 2018-08-21 International Business Machines Corporation Applying an image overlay to an image based on relationship of the people identified in the image
US10636175B2 (en) * 2016-12-22 2020-04-28 Facebook, Inc. Dynamic mask application
US10282598B2 (en) 2017-03-07 2019-05-07 Bank Of America Corporation Performing image analysis for dynamic personnel identification based on a combination of biometric features
EP3410330B1 (en) * 2017-05-31 2021-07-21 Mastercard International Incorporated Improvements in biometric authentication
KR102299847B1 (ko) 2017-06-26 2021-09-08 삼성전자주식회사 얼굴 인증 방법 및 장치
US10652592B2 (en) 2017-07-02 2020-05-12 Comigo Ltd. Named entity disambiguation for providing TV content enrichment
US10268234B2 (en) 2017-08-07 2019-04-23 Apple Inc. Bracket assembly for a multi-component vision system in an electronic device
US11445094B2 (en) 2017-08-07 2022-09-13 Apple Inc. Electronic device having a vision system assembly held by a self-aligning bracket assembly
US10996713B2 (en) 2017-08-07 2021-05-04 Apple Inc. Portable electronic device
US10880465B1 (en) 2017-09-21 2020-12-29 IkorongoTechnology, LLC Determining capture instructions for drone photography based on information received from a social network
US20190147046A1 (en) * 2017-11-16 2019-05-16 Facebook, Inc. Systems and methods for providing personalized context-aware information
CN107992822B (zh) * 2017-11-30 2020-04-10 Oppo广东移动通信有限公司 图像处理方法和装置、计算机设备、计算机可读存储介质
US10387487B1 (en) 2018-01-25 2019-08-20 Ikorongo Technology, LLC Determining images of interest based on a geographical location
US11328153B1 (en) 2018-04-25 2022-05-10 Snap Inc. Secure biometric metadata generation
US20190349517A1 (en) * 2018-05-10 2019-11-14 Hanwha Techwin Co., Ltd. Video capturing system and network system to support privacy mode
US10963677B2 (en) 2018-07-23 2021-03-30 The Mitre Corporation Name and face matching
US10936856B2 (en) 2018-08-31 2021-03-02 15 Seconds of Fame, Inc. Methods and apparatus for reducing false positives in facial recognition
US20200177531A1 (en) * 2018-12-03 2020-06-04 International Business Machines Corporation Photo sharing in a trusted auto-generated network
US10910854B2 (en) 2019-02-11 2021-02-02 Alfi, Inc. Methods and apparatus for a tablet computer system incorporating a battery charging station
US10784696B1 (en) 2019-02-11 2020-09-22 Alfi, Inc. Methods and apparatus for a tablet computer system incorporating a battery charging station
US11010596B2 (en) 2019-03-07 2021-05-18 15 Seconds of Fame, Inc. Apparatus and methods for facial recognition systems to identify proximity-based connections
JP2020173680A (ja) * 2019-04-12 2020-10-22 京セラドキュメントソリューションズ株式会社 電子機器及び画像判断プログラム
CN110085299B (zh) * 2019-04-19 2020-12-08 合肥中科离子医学技术装备有限公司 一种图像识别去燥方法、系统及图像库
US11341186B2 (en) * 2019-06-19 2022-05-24 International Business Machines Corporation Cognitive video and audio search aggregation
US11250266B2 (en) * 2019-08-09 2022-02-15 Clearview Ai, Inc. Methods for providing information about a person based on facial recognition
US11283937B1 (en) 2019-08-15 2022-03-22 Ikorongo Technology, LLC Sharing images based on face matching in a network
WO2021076523A1 (en) * 2019-10-13 2021-04-22 eConnect, Inc. Intelligent visual human behvior prediction
JP7567908B2 (ja) * 2019-10-25 2024-10-16 日本電気株式会社 逐次的なカスケード顔認識
CN111064658B (zh) * 2019-12-31 2022-04-19 维沃移动通信有限公司 显示控制方法及电子设备
US11341351B2 (en) 2020-01-03 2022-05-24 15 Seconds of Fame, Inc. Methods and apparatus for facial recognition on a user device
CN112131942B (zh) * 2020-08-19 2022-05-17 深圳云天励飞技术股份有限公司 场所的属性分类方法、装置、电子设备及存储介质
JP7436338B2 (ja) * 2020-09-28 2024-02-21 Kddi株式会社 情報処理システム、端末、サーバ及びプログラム
CN112381448B (zh) * 2020-11-30 2023-10-13 深圳云天励飞技术股份有限公司 基于人脸时空特征的教学质量评估方法、装置及电子设备
ES2923102A1 (es) * 2021-03-12 2022-09-23 Univ Castilla La Mancha Dispositivo tactil para la obtencion de informacion de un usuario, sistema que integra dicho dispositivo y procedimiento de utilizacion de dicho sistema
US11822596B2 (en) * 2021-04-30 2023-11-21 Hewlett-Packard Development Company, L.P. Digital image file metadata characteristics

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060251339A1 (en) * 2005-05-09 2006-11-09 Gokturk Salih B System and method for enabling the use of captured images through recognition
US20080152216A1 (en) * 2004-08-31 2008-06-26 Visre, Inc. Methods for and apparatus for generating a continuum of three dimensional image data
US20090005987A1 (en) * 2007-04-27 2009-01-01 Vengroff Darren E Determining locations of interest based on user visits
US20090036902A1 (en) * 2006-06-06 2009-02-05 Intuitive Surgical, Inc. Interactive user interfaces for robotic minimally invasive surgical systems
WO2009116049A2 (en) * 2008-03-20 2009-09-24 Vizi Labs Relationship mapping employing multi-dimensional context including facial recognition

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7890581B2 (en) * 1996-12-16 2011-02-15 Ip Holdings, Inc. Matching network system for mobile devices
US7634662B2 (en) 2002-11-21 2009-12-15 Monroe David A Method for incorporating facial recognition technology in a multimedia surveillance system
US20060018522A1 (en) 2004-06-14 2006-01-26 Fujifilm Software(California), Inc. System and method applying image-based face recognition for online profile browsing
US7606168B2 (en) * 2005-01-28 2009-10-20 Attenex Corporation Apparatus and method for message-centric analysis and multi-aspect viewing using social networks
US7809192B2 (en) 2005-05-09 2010-10-05 Like.Com System and method for recognizing objects from images and identifying relevancy amongst images and information
US20070098303A1 (en) 2005-10-31 2007-05-03 Eastman Kodak Company Determining a particular person from a collection
KR100802915B1 (ko) 2006-06-01 2008-02-14 (주) 엘지텔레콤 태그기반 사진파일 관리방법
JP4891691B2 (ja) 2006-07-31 2012-03-07 ヤフー株式会社 位置情報を付加されたデータを検索する方法およびシステム
JP4228320B2 (ja) 2006-09-11 2009-02-25 ソニー株式会社 画像処理装置および方法、並びにプログラム
WO2008044524A1 (fr) 2006-10-10 2008-04-17 Nikon Corporation Programme de classification d'image, appareil de classification d'image et caméra électronique
US8085995B2 (en) * 2006-12-01 2011-12-27 Google Inc. Identifying images using face recognition
US7739304B2 (en) 2007-02-08 2010-06-15 Yahoo! Inc. Context-based community-driven suggestions for media annotation
KR100796044B1 (ko) 2007-02-08 2008-01-21 (주)올라웍스 인물 이미지에 대한 태깅 방법
CN100580691C (zh) * 2007-03-16 2010-01-13 上海博康智能信息技术有限公司 综合利用人脸及人体辅助信息的交互式人脸识别系统及方法
US7860525B2 (en) * 2007-04-25 2010-12-28 Nokia Corporation System, method, and computer program product for service and application configuration in a network device
US20080270425A1 (en) 2007-04-27 2008-10-30 James Cotgreave System and method for connecting individuals in a social networking environment based on facial recognition software
JP2009113279A (ja) 2007-11-05 2009-05-28 Seiko Epson Corp 画像処理装置、画像処理方法及びそのプログラム
KR101618735B1 (ko) 2008-04-02 2016-05-09 구글 인코포레이티드 디지털 영상 컬렉션에 자동 얼굴 인식 기능을 통합하는 방법 및 장치
US8520979B2 (en) 2008-08-19 2013-08-27 Digimarc Corporation Methods and systems for content processing
US8302015B2 (en) 2008-09-04 2012-10-30 Qualcomm Incorporated Integrated display and management of data objects based on social, temporal and spatial parameters
US9495583B2 (en) 2009-01-05 2016-11-15 Apple Inc. Organizing images by correlating faces
US20100191728A1 (en) 2009-01-23 2010-07-29 James Francis Reilly Method, System Computer Program, and Apparatus for Augmenting Media Based on Proximity Detection
US9288540B2 (en) * 2009-03-25 2016-03-15 Eloy Technology, Llc System and method for aggregating devices for intuitive browsing
US8320617B2 (en) * 2009-03-27 2012-11-27 Utc Fire & Security Americas Corporation, Inc. System, method and program product for camera-based discovery of social networks
US20100309225A1 (en) 2009-06-03 2010-12-09 Gray Douglas R Image matching for mobile augmented reality
US8670597B2 (en) 2009-08-07 2014-03-11 Google Inc. Facial recognition with social network aiding
CN101668176A (zh) * 2009-09-25 2010-03-10 北京酷联天下科技有限公司 一种基于人际社交图的多媒体内容点播与分享方法
US8126903B2 (en) * 2009-12-21 2012-02-28 Sap Ag Computer implemented method for allocating drivers and passengers sharing a trip
US9405772B2 (en) 2009-12-02 2016-08-02 Google Inc. Actionable search results for street view visual queries
CN102713905A (zh) 2010-01-08 2012-10-03 瑞典爱立信有限公司 用于媒体文件的社会标签的方法和设备
US8392411B2 (en) * 2010-05-20 2013-03-05 Google Inc. Automatic routing of search results
US8824748B2 (en) 2010-09-24 2014-09-02 Facebook, Inc. Auto tagging in geo-social networking system
US20120213404A1 (en) * 2011-02-18 2012-08-23 Google Inc. Automatic event recognition and cross-user photo clustering
US9317530B2 (en) 2011-03-29 2016-04-19 Facebook, Inc. Face recognition based on spatial and temporal proximity
US8631084B2 (en) 2011-04-29 2014-01-14 Facebook, Inc. Dynamic tagging recommendation

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080152216A1 (en) * 2004-08-31 2008-06-26 Visre, Inc. Methods for and apparatus for generating a continuum of three dimensional image data
US20060251339A1 (en) * 2005-05-09 2006-11-09 Gokturk Salih B System and method for enabling the use of captured images through recognition
US20090036902A1 (en) * 2006-06-06 2009-02-05 Intuitive Surgical, Inc. Interactive user interfaces for robotic minimally invasive surgical systems
US20090005987A1 (en) * 2007-04-27 2009-01-01 Vengroff Darren E Determining locations of interest based on user visits
WO2009116049A2 (en) * 2008-03-20 2009-09-24 Vizi Labs Relationship mapping employing multi-dimensional context including facial recognition

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Context-Aware Person Identification in Personal Photo Collections;Neil O"Hare等;《IEEE TRANSACTIONS ON MULTIMEDIA》;20090228;第11卷(第2期);全文 *
Imlooking :Image-based Face Retrieval in Online Dating Profile Search;Leizhong Zhang等;《CHI EA "06: CHI "06 Extended Abstracts on Human Factors in Computing Systems》;20060427;附图2 *

Also Published As

Publication number Publication date
KR101666967B1 (ko) 2016-10-17
AU2012238085A1 (en) 2013-09-26
US20160171291A1 (en) 2016-06-16
CA2829079C (en) 2016-10-11
WO2012134756A3 (en) 2012-12-27
WO2012134756A2 (en) 2012-10-04
JP2014518573A (ja) 2014-07-31
US20190108389A1 (en) 2019-04-11
CN103477350A (zh) 2013-12-25
MX342076B (es) 2016-09-13
US10162999B2 (en) 2018-12-25
CA2829079A1 (en) 2012-10-04
MX2013011249A (es) 2013-10-17
US20120250950A1 (en) 2012-10-04
US9317530B2 (en) 2016-04-19
BR112013024048A2 (pt) 2016-12-13
JP6030117B2 (ja) 2016-11-24
KR20140019807A (ko) 2014-02-17

Similar Documents

Publication Publication Date Title
CN103477350B (zh) 基于空间和时间接近度的面部辨认
US10176199B2 (en) Auto tagging in geo-social networking system
US9680990B2 (en) Caller identification using communication network information
US10282154B2 (en) Graphical user interface for map search
CN103988224B (zh) 基于地理社交因素的内容呈现系统和方法
US9753609B2 (en) User interface with media wheel facilitating viewing of media objects
CN104380766B (zh) 基于移动设备的操作状态的移动设备的处理器的动态占空比
CN103154993B (zh) 使用社交图信息的位置排序
US20120233158A1 (en) Automated Location Check-In for Geo-Social Networking System
US10216785B2 (en) Dynamically-sorted contact information

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: California, USA

Patentee after: Yuan platform Co.

Address before: California, USA

Patentee before: Facebook, Inc.