CN103605969B - 一种人脸录入的方法及装置 - Google Patents
一种人脸录入的方法及装置 Download PDFInfo
- Publication number
- CN103605969B CN103605969B CN201310633977.2A CN201310633977A CN103605969B CN 103605969 B CN103605969 B CN 103605969B CN 201310633977 A CN201310633977 A CN 201310633977A CN 103605969 B CN103605969 B CN 103605969B
- Authority
- CN
- China
- Prior art keywords
- face
- video frame
- frame queue
- database
- queue
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims description 33
- 239000013598 vector Substances 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 7
- 210000000887 face Anatomy 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims 2
- 238000012545 processing Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明适用于计算机视觉技术领域，提供了一种人脸录入的方法，所述方法包括：采集视频帧，形成视频帧队列；对所述视频帧队列进行检测，判断所述视频帧队列中是否包含人脸；如果所述视频帧队列中包含人脸，将所述人脸与人脸库中保存的人脸进行匹配；如果所述人脸未保存在所述人脸库中，自动将所述人脸录入所述人脸库。在本发明中，在采集到的视频帧中检测人脸，判断检测出的人脸是否保存在人脸库中，如果未保存在人脸库中，自动将其录入人脸库，实现了人脸库中数据的自动增加，有利于对陌生人脸的识别和跟踪。
Description
技术领域
本发明属于计算机视觉技术领域，尤其涉及一种人脸录入的方法及装置。
背景技术
近年来，随着计算机视觉技术的发展，人脸识别技术在日常生活中的应用越来越广泛，如笔记本登录验证、门禁系统和视频监控等。但是，目前的人脸识别系统均需要预先建立人脸库，只能对预先放入人脸库中的人脸进行识别和跟踪，如果要实现增量化的人脸识别，则需要人工手动录入人脸，而且在行人处于非配合的运动状态下进行的人脸识别，如视频监控，视频画面中会出现大量的人脸，并且其中大多数陌生的人脸都是不能预先录入人脸库的，局限了人脸识别系统的智能化应用。
发明内容
本发明的目的在于提供一种人脸录入的方法，旨在解决现有技术不能自动录入陌生人脸进而跟踪其运动轨迹的问题。
本发明是这样实现的，一种人脸录入的方法，包括：
采集视频帧，形成视频帧队列；
对所述视频帧队列进行检测，判断所述视频帧队列中是否包含人脸；
如果所述视频帧队列中包含人脸，将所述人脸与人脸库中保存的人脸进行匹配；
如果所述人脸未保存在所述人脸库中，自动将所述人脸录入所述人脸库。
本发明的另一目的在于提供一种人脸录入的装置，包括：
采集模块，用于采集视频帧，形成视频帧队列；
检测模块，用于对所述视频帧队列进行检测，判断所述视频帧队列中是否包含人脸；
识别模块，用于如果所述视频帧队列中包含人脸，将所述人脸与人脸库中保存的人脸进行匹配；
录入模块，用于如果所述人脸未保存在所述人脸库中，自动将所述人脸录入所述人脸库。
在本发明中，在采集到的视频帧中检测人脸，判断检测出的人脸是否保存在人脸库中，如果未保存在人脸库中，自动将其录入人脸库，实现了人脸库中数据的自动增加，有利于对陌生人脸的识别和跟踪。
附图说明
图1是本发明实施例提供的一种人脸录入的方法的实现流程图；
图2是本发明实施例提供的一种人脸录入的方法采集视频帧的流程示意图；
图3是本发明实施例提供的一种人脸录入的方法步骤S102的具体实现流程图；
图4是本发明实施例提供的一种人脸录入的方法检测预处理的过程示意图；
图5是本发明实施例提供的一种人脸录入的方法Haar特征示意图；
图6是本发明实施例提供的一种人脸录入的方法检测过程示意图；
图7是本发明实施例提供的一种人脸录入的方法步骤S103的具体实现流程图；
图8是本发明实施例提供的一种人脸录入的方法识别预处理的过程示意图；
图9是本发明实施例提供的一种人脸录入的方法跟踪过程的具体实现流程图；
图10是本发明实施例提供的一种人脸录入的方法步骤S104的具体实现流程图；
图11是本发明实施例提供的一种人脸录入的装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明实施例中，在采集到的视频帧中检测人脸，判断检测出的人脸是否保存在人脸库中，如果未保存在人脸库中，自动将其录入人脸库，实现了人脸库中数据的自动增加，有利于对陌生人脸的识别和跟踪。
图1示出了本发明实施例提供的一种人脸录入的方法的实现流程，详述如下：
在步骤S101中，采集视频帧，形成视频帧队列。
首先采集视频图像，在本发明实施例中，驱动和初始化摄像头，分配内存缓冲区，对摄像头的图像捕获格式、图像分辨率等参数进行设置，然后采集视频帧。图2为采集视频帧过程的示意图，摄像头根据预先设置的图像捕获速度捕获视频帧，如每秒6帧，然后通过摄像头驱动层将视频帧传送到操作封装层，对视频帧进行封装后，放入预先分配的内存缓冲区。
由于摄像头采集视频帧的速度远远大于后续检测等步骤的处理速度，为了使采集视频帧和处理视频帧的速度能够相互配合，应该对采集到的视频帧进行一些动态调整。按照预设间隔提取视频帧，形成视频帧队列。如在采集到的视频帧中每隔10帧提取一帧，形成视频帧队列，以供后续的检测等步骤使用。预设间隔需综合考虑摄像头采集视频帧的速度和后续检测等步骤的处理速度，在此不做限定。
在步骤S102中，对所述视频帧队列进行检测，判断所述视频帧队列中是否包含人脸。
作为本发明的一个实施例，如图3所示，S102具体为：
在S301中，对所述视频帧队列进行检测预处理。
为了适应检测算法，同时也为了兼顾检测的速度和精度，对间隔取帧后的视频帧队列进行检测前的预处理，如图像灰度化、调整图像分辨率和颜色空间转换等，图像灰度化是将彩色的视频帧转换为灰度图，图像分辨率影响检测的处理速度，调整图像分辨率能够在检测速度和检测精度之间取得更好的平衡。图4为各种检测预处理的过程示意图，检测预处理的操作应根据检测的要求而定，并不局限于图中所示，可以是图中所示的一种或者多种的组合，在此不做一一限定。
在S302中，通过级联的Haar人脸分类器和Haar双眼分类器，对检测预处理后的视频帧队列进行过滤，得到视频帧队列中人脸覆盖的像素点坐标。
采用基于Haar分类器的检测算法，也称为Viola-Jones算法，将人脸看作是五官特征的组合，根据眼睛、眉毛、嘴巴、鼻子等五官的特征以及相互之间的几何位置关系来区分视频帧中的人脸和非人脸。
首先通过大量的具有明显Haar特征的图像对Haar分类器进行训练，如图5所示，Haar特征分为边缘特征、线性特征、中心特征。将其中任意一个特征放到视频帧上，白色区域的像素和减去黑色区域的像素和得到人脸特征值，对于人类区域和非人脸区域，计算得到的人脸特征值是不一样的，从而可以区分人脸和非人脸。将待检测的视频帧经过级联的训练好的Haar分类器过滤，即能够找出人脸覆盖的像素点坐标。
级联的Haar分类器越多，检测的准确性越好，为了兼顾检测的速度和准确性，在本发明实施例中，通过级联的Haar人脸分类器和Haar双眼分类器过滤视频帧队列，如图6所示，检测出人脸覆盖的像素点坐标。
在S303中，根据视频帧队列中的所述像素点坐标计算所述人脸的位置变化速度。
在本发明实施例中，对于同一个人脸，通过每一视频帧中其覆盖的像素点坐标计算其位移，并且从视频帧的间隔推算出时间，从而计算该人脸的位置变化速度。
在S304中，如果所述位置变化速度小于第一预设阈值，最终判定覆盖所述像素点坐标的为人脸。
在本发明实施例中，如果人脸对应的位置变化速度小于预设阈值，说明这个人脸的变化速度不是剧变的，认为是真正的人脸；对于剧变的人脸，可认为是噪音，忽略不做处理。
在步骤S103中，如果所述视频帧队列中包含人脸，将所述人脸与人脸库中保存的人脸进行匹配。
作为本发明的一个实施例，如图7所示，S103具体为：
在S701中，对所述视频帧队列进行识别预处理。
与检测预处理类似，在进行识别之前，为了适应识别算法，同时也为了兼顾识别的速度和精度，对视频帧队列进行识别前的预处理，如调整图像分辨率、设置像素值类型、直方图均衡化等。与检测的区别在于，识别要求的精度高于检测，因此应提高检测后的视频帧队列的图像分辨率。图8示出了各种识别预处理的过程示意图，识别预处理的操作应根据识别的要求而定，并不局限于图中所示，可以是图中所示的一种或者多种的组合，在此不做一一限定。
在S702中，通过第一算法提取识别预处理后的视频帧队列中人脸的第一特征向量。
在本发明实施例中，通过主成分分析（Principal Component Analysis，PCA）算法提取检测出的所有人脸的特征向量，特征向量包括但不限于眼虹膜特征值、鼻翼特征值、嘴角特征值、五官轮廓特征值等，上述特征向量可以从不同的角度反应同一个人脸的特点。为了提高识别的准确度和可靠性，可以对多个视频帧进行特征提取后取平均值，各个特征向量的平均值综合表示该人脸。
在S703中，计算所述第一特征向量和所述人脸库中保存的人脸特征向量的相似度。
人脸库中保存的每一张人脸同样也是通过多个特征向量进行表示。在本发明实施例中，以人脸库中所有人脸的特征向量训练形成特征子空间，将第一特征向量投影到该特征子空间上，通过距离函数计算投影系数，该投影系数表征了第一特征向量分别与人脸库中各个人脸的相似度。
在S704中，如果所述相似度小于第二预设阈值，所述人脸未保存在所述人脸库中。
在本发明实施例中，如果所有的投影系数都小于第二预设阈值，即为该人脸与人脸库中保存的所有人脸的相似度均较低，表示该人脸未保存在人脸库中。另外，其中某个投影系数大于预设阈值的，即该人脸与人脸库中的该投影系数对应的人脸相似度较高，识别即为此人脸。
以上所述的步骤放入具体的应用场景中为，当视频帧中出现陌生人脸A和陌生人脸B时，通过级联的Haar分类器检测到A覆盖的坐标和B覆盖的坐标，通过PCA算法在视频帧的上述坐标上分别提取A的特征向量和B的特征向量，然后与人脸库中保存的人脸匹配后可知，A和B均没有保存在人脸库中。如果希望跟踪和区分出A和B的运动轨迹，继续进行以下步骤。
在长时间监控多人脸的情况下，对于未保存在人脸库中的人脸，由于光照、遮挡、姿态等不确定因素影响，难以进行跟踪或者跟踪的准确度不高。在识别出未知人脸后，如图9所示，对该人脸进行匿名化处理以提高跟踪的准确度，具体为：
在S901中，如果所述人脸未保存在所述人脸库中，为所述人脸分配唯一的标识。
在本发明实施例中，维护一张人脸库中保存的人脸列表，当识别出视频帧中某个人脸未保存在人脸库时，为该人脸在人脸列表中分配唯一的标识，更新人脸列表。
在S902中，根据所述人脸的标识，标记所述人脸的运动轨迹。
在本发明实施例中，以检测到的该人脸的像素点坐标为初始位置，采用跟踪学习检测（Tracking Learning Detection，TLD）算法获取该人脸的运动轨迹，并以分配的标识标记该运动轨迹，在后续该人脸发生遮挡或者重新进入画面等情况时，能够快速地识别和跟踪。如，上述应用场景中识别出A和B未保存在人脸库时，为A和B分配不同的标识，由标识来区分各自的运动轨迹。
在步骤S104中，如果所述人脸未保存在所述人脸库中，自动将所述人脸录入所述人脸库。
在人脸库中，每一张人脸通过各种特征向量进行综合表示，当需要增加新人脸时，作为本发明的一个实施例，如图10所示，S104具体为：
在S1001中，通过第二算法提取所述人脸的第二特征向量。
与识别阶段通过PCA算法提取人脸的特征向量不同，录入人脸库中的人脸需要更高的图像质量和分辨率。对包含需要录入人脸的特定数量的视频帧提高分辨率后，重新采用PCA算法对视频帧进行特征向量的提取，计算特征向量的平均值，各个特征向量的平均值综合表示该人脸。
在S1002中，建立所述人脸的标识和所述第二特征向量的对应关系，放入所述人脸库中。
为了能够实时监控整个处理过程，将以上各个阶段的视频帧队列，如采集的原始视频帧队列、检测后的视频帧队列、识别后的视频帧队列等，通过并发处理模块后再进入下一处理环节，每次更新的人脸列表和人脸的运动轨迹也反馈到该并发处理模块中。当需要监控某个阶段的处理细节时，从并发处理模块中提取相应的数据进行显示。
在本发明实施例中，在采集到的视频帧中检测人脸，判断检测出的人脸是否保存在人脸库中，如果未保存在人脸库中，自动将其录入人脸库，实现了人脸库中数据的自动增加，有利于对陌生人脸的识别和跟踪。
图11示出了本发明实施例提供的一种人脸录入的装置的结构框图，该装置可以位于楼宇安防和公共场所人数统计等视频监控系统中，用于执行本发明实施例图1至图10所述的一种人脸录入的方法。为了便于说明，仅示出了与本实施例相关的部分。
参照图11，该装置包括：
采集模块1101，采集视频帧，形成视频帧队列。
检测模块1102，对所述视频帧队列进行检测，判断所述视频帧队列中是否包含人脸。
识别模块1103，如果所述视频帧队列中包含人脸，将所述人脸与人脸库中保存的人脸进行匹配。
录入模块1104，如果所述人脸未保存在所述人脸库中，自动将所述人脸录入所述人脸库。
可选地，所述装置还包括：
分配模块，如果所述人脸未保存在所述人脸库中，为所述人脸分配唯一的标识。
标记模块，根据所述人脸的标识，标记所述人脸的运动轨迹。
可选地，所述采集模块还包括：
采集子模块，采集视频帧。
提取子模块，按照预设间隔提取视频帧，形成视频帧队列。
可选地，所述检测模块包括：
检测预处理子模块，对所述视频帧队列进行检测预处理。
过滤子模块，通过级联的Haar人脸分类器和Haar双眼分类器，对检测预处理后的视频帧队列进行过滤，得到视频帧队列中人脸覆盖的像素点坐标。
位置变化速度计算子模块，根据视频帧队列中的所述像素点坐标计算所述人脸的位置变化速度。
第一判断子模块，如果所述位置变化速度小于第一预设阈值，最终判定覆盖所述像素点坐标的为人脸。
可选地，所述识别模块包括：
识别预处理子模块，对所述视频帧队列进行识别预处理。
第一特征提取子模块，通过第一算法提取识别预处理后的视频帧队列中人脸的第一特征向量。
特征相似度计算子模块，计算所述第一特征向量和所述人脸库中保存的人脸特征向量的相似度。
第二判断子模块，如果所述相似度小于第二预设阈值，所述人脸未保存在所述人脸库中。
可选地，所述录入模块包括：
第二特征提取子模块，通过第二算法提取所述人脸的第二特征向量。
对应关系建立子模块，建立所述人脸的标识和所述第二特征向量的对应关系，放入所述人脸库中。
在本发明实施例中，在采集到的视频帧中检测人脸，判断检测出的人脸是否保存在人脸库中，如果未保存在人脸库中，自动将其录入人脸库，实现了人脸库中数据的自动增加，有利于对陌生人脸的识别和跟踪。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种人脸录入的方法，其特征在于，包括：
采集视频帧，形成视频帧队列；
对所述视频帧队列进行检测，判断所述视频帧队列中是否包含人脸；
如果所述视频帧队列中包含人脸，将所述人脸与人脸库中保存的人脸进行匹配；
如果所述人脸未保存在所述人脸库中，为所述人脸分配唯一的标识，以监控多个未保存的人脸；
根据所述人脸的标识以及跟踪学习检测算法，标记所述人脸的运动轨迹，包括：以检测到的所述人脸的像素点坐标为初始位置，采用跟踪学习检测算法获取所述人脸的运动轨迹，并以分配的所述标识标记所述运动轨迹，所述运动轨迹用于当后续视频帧中所述人脸发生遮挡或者重新进入画面的情况时，对所述人脸进行识别和跟踪；
如果所述人脸未保存在所述人脸库中，自动将所述人脸录入所述人脸库；
所述如果所述视频帧队列中包含人脸，将所述人脸与人脸库中保存的人脸进行匹配包括：
对所述视频帧队列进行识别预处理；
通过第一算法提取识别预处理后的视频帧队列中人脸的第一特征向量；
计算所述第一特征向量和所述人脸库中保存的人脸特征向量的相似度；
如果所述相似度小于第二预设阈值，所述人脸未保存在所述人脸库中；
所述如果所述人脸未保存在所述人脸库中，自动将所述人脸录入所述人脸库包括：
通过第二算法提取所述人脸的第二特征向量；
建立所述人脸的标识和所述第二特征向量的对应关系，放入所述人脸库中。
2.如权利要求1所述的方法，其特征在于，所述采集视频帧，形成视频帧队列包括：
采集视频帧；
按照预设间隔提取视频帧，形成视频帧队列。
3.如权利要求1所述的方法，其特征在于，所述对所述视频帧队列进行检测，判断所述视频帧队列中是否包含人脸包括：
对所述视频帧队列进行检测预处理；
通过级联的Haar人脸分类器和Haar双眼分类器，对检测预处理后的视频帧队列进行过滤，得到视频帧队列中人脸覆盖的像素点坐标；
根据视频帧队列中的所述像素点坐标计算所述人脸的位置变化速度；
如果所述位置变化速度小于第一预设阈值，最终判定覆盖所述像素点坐标的为人脸。
4.一种人脸录入的装置，其特征在于，包括：
采集模块，用于采集视频帧，形成视频帧队列；
检测模块，用于对所述视频帧队列进行检测，判断所述视频帧队列中是否包含人脸；
识别模块，用于如果所述视频帧队列中包含人脸，将所述人脸与人脸库中保存的人脸进行匹配；
分配模块，用于如果所述人脸未保存在所述人脸库中，为所述人脸分配唯一的标识，以监控多个未保存的人脸；
标记模块，用于根据所述人脸的标识以及跟踪学习检测算法，标记所述人脸的运动轨迹，包括：以检测到的所述人脸的像素点坐标为初始位置，采用跟踪学习检测算法获取所述人脸的运动轨迹，并以分配的所述标识标记所述运动轨迹，所述运动轨迹用于当后续视频帧中所述人脸发生遮挡或者重新进入画面的情况时，对所述人脸进行识别和跟踪；
录入模块，用于如果所述人脸未保存在所述人脸库中，自动将所述人脸录入所述人脸库；
所述识别模块包括：
识别预处理子模块，用于对所述视频帧队列进行识别预处理；
第一特征提取子模块，用于通过第一算法提取识别预处理后的视频帧队列中人脸的第一特征向量；
特征相似度计算子模块，用于计算所述第一特征向量和所述人脸库中保存的人脸特征向量的相似度；
第二判断子模块，用于如果所述相似度小于第二预设阈值，所述人脸未保存在所述人脸库中；
所述录入模块包括：
第二特征提取子模块，用于通过第二算法提取所述人脸的第二特征向量；
对应关系建立子模块，用于建立所述人脸的标识和所述第二特征向量的对应关系，放入所述人脸库中。
5.如权利要求4所述的装置，其特征在于，所述采集模块还包括：
采集子模块，用于采集视频帧；
提取子模块，用于按照预设间隔提取视频帧，形成视频帧队列。
6.如权利要求4所述的装置，其特征在于，所述检测模块包括：
检测预处理子模块，用于对所述视频帧队列进行检测预处理；
过滤子模块，用于通过级联的Haar人脸分类器和Haar双眼分类器，对检测预处理后的视频帧队列进行过滤，得到视频帧队列中人脸覆盖的像素点坐标；
位置变化速度计算子模块，用于根据视频帧队列中的所述像素点坐标计算所述人脸的位置变化速度；
第一判断子模块，用于如果所述位置变化速度小于第一预设阈值，最终判定覆盖所述像素点坐标的为人脸。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310633977.2A CN103605969B (zh) | 2013-11-28 | 2013-11-28 | 一种人脸录入的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310633977.2A CN103605969B (zh) | 2013-11-28 | 2013-11-28 | 一种人脸录入的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103605969A CN103605969A (zh) | 2014-02-26 |
| CN103605969B true CN103605969B (zh) | 2018-10-09 |
Family
ID=50124189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310633977.2A Expired - Fee Related CN103605969B (zh) | 2013-11-28 | 2013-11-28 | 一种人脸录入的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103605969B (zh) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463117B (zh) * | 2014-12-02 | 2018-07-03 | 苏州科达科技股份有限公司 | 一种基于视频方式的人脸识别样本采集方法及系统 |
| CN105243373B (zh) * | 2015-10-27 | 2019-06-07 | 北京奇虎科技有限公司 | 人脸图像滤重抓拍方法、服务器、智能监控设备及系统 |
| CN105354562A (zh) * | 2015-12-10 | 2016-02-24 | 深圳先进技术研究院 | 基于虹膜识别的动物管理系统及虹膜采集手持机 |
| CN106127911A (zh) * | 2016-08-25 | 2016-11-16 | 济南新吉纳远程测控股份有限公司 | 门禁身份识别跟踪方法及装置、识别跟踪系统、门禁系统 |
| CN108021895A (zh) * | 2017-12-07 | 2018-05-11 | 深圳云天励飞技术有限公司 | 人数统计方法、设备、可读存储介质及电子设备 |
| CN108491832A (zh) * | 2018-05-21 | 2018-09-04 | 广西师范大学 | 一种嵌入式人脸识别追踪装置及方法 |
| CN109063534B (zh) * | 2018-05-25 | 2022-07-22 | 隆正信息科技有限公司 | 一种基于图像的购物识别和表意方法 |
| CN109190561B (zh) * | 2018-09-04 | 2022-03-22 | 四川长虹电器股份有限公司 | 一种视频播放中的人脸识别方法及系统 |
| CN109413495A (zh) * | 2018-09-06 | 2019-03-01 | 广州虎牙信息科技有限公司 | 一种登录方法、装置、系统、电子设备及存储介质 |
| 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 |
| CN111291596A (zh) * | 2018-12-07 | 2020-06-16 | 杭州海康威视数字技术股份有限公司 | 一种基于人脸识别的预警方法及装置 |
| CN109670451A (zh) * | 2018-12-20 | 2019-04-23 | 天津天地伟业信息系统集成有限公司 | 自动人脸识别跟踪方法 |
| CN110298254A (zh) * | 2019-05-30 | 2019-10-01 | 罗普特科技集团股份有限公司 | 一种用于人员异常行为的分析方法和系统 |
| CN110222627A (zh) * | 2019-05-31 | 2019-09-10 | 深圳算子科技有限公司 | 一种人脸补录方法 |
| CN112395436A (zh) * | 2019-08-14 | 2021-02-23 | 北京迈格威科技有限公司 | 一种底库录入方法及装置 |
| CN111325139B (zh) * | 2020-02-18 | 2023-08-04 | 浙江大华技术股份有限公司 | 一种唇语识别方法及装置 |
| CN111770299B (zh) * | 2020-04-20 | 2022-04-19 | 厦门亿联网络技术股份有限公司 | 一种智能视频会议终端的实时人脸摘要服务的方法及系统 |
| CN112017015B (zh) * | 2020-10-30 | 2022-02-01 | 腾讯科技（深圳）有限公司 | 一种商品信息推荐的方法、相关装置、设备及存储介质 |
| CN112487222B (zh) * | 2020-11-30 | 2021-11-30 | 江苏正赫通信息科技有限公司 | 相似人脸快速搜索及有效存储的方法 |
| CN113361456B (zh) * | 2021-06-28 | 2024-05-07 | 北京影谱科技股份有限公司 | 一种人脸识别方法和系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102375970A (zh) * | 2010-08-13 | 2012-03-14 | 北京中星微电子有限公司 | 一种基于人脸的身份认证方法和认证装置 |
| CN103281579A (zh) * | 2013-05-29 | 2013-09-04 | 苏州福丰科技有限公司 | 基于人脸识别的电视监控方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010063463A2 (en) * | 2008-12-05 | 2010-06-10 | Fotonation Ireland Limited | Face recognition using face tracker classifier data |
| CN102214291B (zh) * | 2010-04-12 | 2013-01-16 | 云南清眸科技有限公司 | 一种快速准确的基于视频序列的人脸检测跟踪方法 |
| CN102004899B (zh) * | 2010-11-03 | 2012-09-26 | 无锡中星微电子有限公司 | 一种人脸认证系统及方法 |
| CN102004905B (zh) * | 2010-11-18 | 2012-11-21 | 无锡中星微电子有限公司 | 人脸认证方法及装置 |
-
2013
- 2013-11-28 CN CN201310633977.2A patent/CN103605969B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102375970A (zh) * | 2010-08-13 | 2012-03-14 | 北京中星微电子有限公司 | 一种基于人脸的身份认证方法和认证装置 |
| CN103281579A (zh) * | 2013-05-29 | 2013-09-04 | 苏州福丰科技有限公司 | 基于人脸识别的电视监控方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103605969A (zh) | 2014-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103605969B (zh) | 一种人脸录入的方法及装置 | |
| US10672140B2 (en) | Video monitoring method and video monitoring system | |
| US20200364443A1 (en) | Method for acquiring motion track and device thereof, storage medium, and terminal | |
| Shreve et al. | Macro-and micro-expression spotting in long videos using spatio-temporal strain | |
| US10943095B2 (en) | Methods and systems for matching extracted feature descriptors for enhanced face recognition | |
| US9621779B2 (en) | Face recognition device and method that update feature amounts at different frequencies based on estimated distance | |
| Dowdall et al. | Face detection in the near-IR spectrum | |
| US8314854B2 (en) | Apparatus and method for image recognition of facial areas in photographic images from a digital camera | |
| JP5010905B2 (ja) | 顔認証装置 | |
| EP0967574A2 (en) | Method for robust human face tracking in presence of multiple persons | |
| US20070291991A1 (en) | Unusual action detector and abnormal action detecting method | |
| KR20170090347A (ko) | 이미지 형성에 관한 동적 비전 센서의 이벤트 샘플링을 위한 장치 및 방법 | |
| CN103020992B (zh) | 一种基于运动颜色关联的视频图像显著性检测方法 | |
| CN107230267B (zh) | 基于人脸识别算法的幼儿园智能签到方法 | |
| MX2013002904A (es) | Aparato de proceso de imagenes de personas y metodo para procesar imagenes de personas. | |
| JP6157165B2 (ja) | 視線検出装置及び撮像装置 | |
| Yazdi et al. | Driver drowsiness detection by Yawn identification based on depth information and active contour model | |
| Doulamis et al. | A real-time single-camera approach for automatic fall detection | |
| US20230222842A1 (en) | Improved face liveness detection using background/foreground motion analysis | |
| CN103049748A (zh) | 行为监测方法及装置 | |
| KR101146417B1 (ko) | 무인 감시 로봇에서 중요 얼굴 추적 장치 및 방법 | |
| Guan | Robust eye detection from facial image based on multi-cue facial information | |
| US10140503B2 (en) | Subject tracking apparatus, control method, image processing apparatus, and image pickup apparatus | |
| KR20200049936A (ko) | 생체 인식 장치 및 방법 | |
| KR102194511B1 (ko) | 대표 영상프레임 결정시스템 및 이를 이용한 방법 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181009 |