CN104537388B - 一种多级人脸比对系统和方法 - Google Patents
一种多级人脸比对系统和方法 Download PDFInfo
- Publication number
- CN104537388B CN104537388B CN201410836847.3A CN201410836847A CN104537388B CN 104537388 B CN104537388 B CN 104537388B CN 201410836847 A CN201410836847 A CN 201410836847A CN 104537388 B CN104537388 B CN 104537388B
- Authority
- CN
- China
- Prior art keywords
- grayscale image
- feature
- comparison
- local feature
- local
- 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
Classifications
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
Abstract
本发明涉及一种多级人脸比对系统和方法,包括以下步骤:将第一人脸图像转化为第一灰度图,提取第一灰度图的整体特征和局部特征保存;将第二人脸图像转化为第二灰度图,提取第二灰度图的整体特征,将第二灰度图的整体特征和第一灰度图的整体特征进行比对;比对成功,提取第二灰度图的局部特征,将第二灰度图的局部特征和整体特征放入标准比对库;比对失败,提取第二灰度图的局部特征,将其与第一灰度图的局部特征进行比对;比对成功,将第二灰度图的局部特征和整体特征放入标准比对库。相对现有技术,本发明结合整体比对和局部比对,提高人脸了比对的准确性,且能自动更新比对标准,提升适应范围。
Description
技术领域
本发明涉及生物特征识别技术领域,具体涉及一种多级比对相结合,能够进行自学习的人脸比对系统和方法。
背景技术
人脸识别技术日渐成熟,引起大家越来越多的关注,在很多领域得到应用;人脸比对是人脸识别过程中的一个关键环节,现有的人脸比对方法主要是从整张人脸图像中提取全局特征或局部特征,通过整体比对提高人脸比对的性能进入一个瓶颈,随着图像、视频技术的进步,摄像设备获得的图片分辨率不断提高,获得的人脸的局部区域,尤其是眼睛、鼻子、嘴巴等器官的分辨率越来越高,由于获得的人脸的局部区域分辨率不高导致的提取特征困难,比对准确性低的技术难题正逐步得到缓解,如何利用局部区域进行比对是提高对人脸比对的性能的一个重要发展趋势和技术难题。
目前的人脸识别方法使用相对固定的标准比对库来进行人脸比对,这使人脸比对严重依赖该标准库,缺乏对场景的适应能力。随着时间、场景、任务表情等的变化,人脸比对的性能变化很大。同时,必须对不同的使用场景分别建立一个完善的人脸标准比对库。建立完善标准比对库的过程复杂。在很多实际场景中,在部署人脸识别系统的初期建立一个完善的标准比对库很难实现。如何提高人脸比对的自学习能力,使比对方法能够适应不同环境是人脸比对过程中另一个技术难题。
发明内容
本发明所要解决的技术问题是提供一种结合整体比对和局部比对,提高人脸了比对的准确性,减少误判,且能自动更新比对标准,提升适应范围的多级人脸比对系统和方法。
本发明解决上述技术问题的技术方案如下:一种多级人脸比对方法,包括以下步骤:
步骤S1:转化模块将第一人脸图像转化为第一灰度图,提取模块提取第一灰度图的整体特征和局部特征保存到标准比对库;
步骤S2:转化模块将第二人脸图像转化为第二灰度图,提取模块提取第二灰度图的整体特征,将第二灰度图和第一灰度图的整体特征送入整体比对模块进行比对;
步骤S3:如果比对的欧式距离小于或等于阈值1,则比对成功执行步骤S4;如果比对的欧式距离大于阈值1,则比对失败执行步骤S5;
步骤S4:提取模块提取第二灰度图的局部特征,将局部特征和整体特征放入标准比对库;
步骤S5:提取模块提取第二灰度图的局部特征,将其与第一灰度图的局部LBP特征送入局部比对模块进行比对;
步骤S6:如果比对的欧式距离小于或等于阈值2,将第二灰度图的局部特征和整体特征放入标准比对库;如果比对的欧式距离大于阈值2,则比对失败。
本发明的有益效果是:通过整体特征比对和局部特征比对,提高了人脸比对的准确性,减少误判;再者能自动更新标准比对库,不断更新比对标准,提升比对的准确性,以及使得本方法能适应人脸在不断变化的比对,提高适应性。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述第一灰度图的整体特征和局部特征与第二灰度图的整体特征和局部特征的比对的计算方法还包括街区距离和棋盘距离。
进一步,所述步骤4和步骤6的具体实现步骤:将第一灰度图和第二灰度图两者的整体特征和局部特征放入候选比对库,当候选比对库中的整体特征和局部特征超过设定数量或停留超过设定时间,将候选比对库中的整体特征和局部特征加入标准比对库。
采用上述进一步方案的有益效果是:能够提高比对的效率和稳定性,而且避免标准比对库在一段时间内的急剧变化和臃肿
进一步,所述第一灰度图和第二灰度图两者的整体特征和局部特征提取方法包括LBP特征提取、Gabor特征提取和HOG特征提取。
进一步,提取灰度图的整体特征和局部特征的具体实现,用AdaBoost算法的变形算法检测人脸区域,人脸区域归一化到固定存储数值,再用能减少或消除光照给人脸比对带来的影响的图像预处理算法对人脸区域进行预处理。
所述图像增强算法包括直方图均衡和gamma变换。
采用上述进一步方案的有益效果是:便于比对,提升比对的准确率。
进一步,所述局部特征包括眼睛、鼻子、嘴巴、眉毛、痣、斑点、胎记的特征。
采用上述进一步方案的有益效果是:全面比对脸部的凸出特征,能提升比对的准确性。
进一步,提取灰度图的局部特征包括以下步骤:将灰度图通过ASM算法进行特征点定位,分别提取眼睛、鼻子、嘴巴和眉毛区域,然后将眼睛、鼻子、嘴巴区域分别归一化到不同的固定存储数值。
进一步,所述第二灰度图和第一灰度图的局部特征比对的具体实现,将眼睛、鼻子和嘴巴的欧式距离按权值相加,获得局部特征的欧式距离。
采用上述进一步方案的有益效果是:根据眼睛、鼻子和嘴巴的重要性赋予不同的权值,综合起来比对局部特征,提升比对的准确性。
一种多级人脸比对系统,包括转化模块、提取模块、整体比对模块、局部比对模块和标准比对库;
所述转化模块,用于将第一人脸图像转化为第一灰度图,还用于将第二人脸图像转化为第二灰度图;
所述提取模块,其用于提取第一灰度图的整体特征和局部特征,还用于提取第二灰度图的整体特征;还用于当整体比对模块比对失败时,提取第二灰度图的局部特征;
所述整体比对模块,其用于将第二灰度图和第一灰度图的整体特征进行比对,如果比对的欧式距离小于或等于阈值1,则比对成功;如果比对的欧式距离大于阈值1,则比对失败;
所述局部比对模块,其用于将第二灰度图和第一灰度图的局部特征进行比对,比对的欧式距离小于或等于阈值2,比对成功,比对的欧式距离大于阈值2,则比对失败;
所述标准比对库,用于放入第一灰度图的整体特征和局部特征;还用于当整体比对模块的比对成功和局部比对模块的比对成功时,放入第二灰度图的局部特征和整体特征。
本发明的有益效果是:通过整体特征比对和局部特征比对,提高了人脸比对的准确性,减少误判;再者能自动更新标准比对库,不断更新比对标准,提升比对的准确性,以及使得本方法能适应人脸在不断变化的比对,提高适应性。
还设置有候选比对库,其用于存储第一灰度图和第二灰度图两者的整体特征和局部特征,当候选比对库中的整体特征和局部特征超过设定数量或停留超过设定时间,将候选库中的整体特征和局部特征加入标准比对库。
附图说明
图1为本发明一种多级人脸比对方法的流程图;
图2为本发明一种多级人脸比对系统模块框图;
图3为本发明特征比对的流程图;
图4为本发明提取人脸局部特征的流程图。
附图中,各标号所代表的部件列表如下:
1、转化模块,2、提取模块,3、整体比对模块,4、标准比对库,5、局部比对模块,6、候选比对库。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。如图1和图3所示,一种多级人脸比对方法,包括以下步骤:
步骤S1:转化模块1将第一人脸图像转化为第一灰度图,提取模块2提取第一灰度图的整体特征和局部特征保存到标准比对库4;
步骤S2:转化模块1将第二人脸图像转化为第二灰度图,提取模块2提取第二灰度图的整体特征,将第二灰度图和第一灰度图的整体特征送入整体比对模块3进行比对;
步骤S3:如果比对的欧式距离小于或等于阈值1,则比对成功执行步骤S4;如果比对的欧式距离大于阈值1,则比对失败执行步骤S5;
步骤S4:提取模块2提取第二灰度图的局部特征,将局部特征和整体特征放入标准比对库4;
步骤S5:提取模块2提取第二灰度图的局部特征,将其与第一灰度图的局部特征送入局部比对模块5进行比对;
步骤S6:如果比对的欧式距离小于或等于阈值2,将第二灰度图的局部特征和整体特征放入标准比对库;如果比对的欧式距离大于阈值2,则比对失败。
所述第一灰度图的整体特征和局部特征与第二灰度图的整体特征和局部特征的比对的计算方法还包括街区距离和棋盘距离。
所述步骤4和步骤6的具体实现步骤:将第一灰度图和第二灰度图两者的整体特征和局部特征放入候选比对库6,当候选比对库6中的整体特征和局部特征超过设定数量或停留超过设定时间,将候选比对库6中的整体特征和局部特征加入标准比对库。
所述第一灰度图和第二灰度图两者的整体特征和局部特征提取方法包括LBP特征提取、Gabor特征提取和HOG特征提取。
提取灰度图的整体特征和局部LBP特征的具体实现,用AdaBoost算法的变形算法检测人脸区域,人脸区域归一化到固定存储数值,再用能减少或消除光照给人脸比对带来的影响的图像预处理算法对人脸区域进行预处理。
所述图像增强算法包括直方图均衡和gamma变换。
所述局部特征包括眼睛、鼻子、嘴巴、眉毛、痣、斑点和胎记的特征。
如图4所示,提取灰度图的局部特征包括以下步骤:将灰度图通过ASM算法进行特征点定位,分别提取眼睛、鼻子、嘴巴和眉毛区域,然后将眼睛、鼻子、嘴巴区域分别归一化到不同的固定存储数值。
所述第二灰度图和第一灰度图的局部特征比对的具体实现,将眼睛、鼻子和嘴巴的欧式距离按权值相加,获得局部特征的欧式距离。
如图2所示,一种多级人脸比对系统,包括转化模块、提取模块、整体比对模块、局部比对模块和标准比对库;
所述转化模块1,用于将第一人脸图像转化为第一灰度图,还用于将第二人脸图像转化为第二灰度图;
所述提取模块2,其用于提取第一灰度图的整体特征和局部特征,还用于提取第二灰度图的整体特征;还用于当整体比对模块3比对失败时,提取第二灰度图的局部特征;
所述整体比对模块3,其用于将第二灰度图和第一灰度图的整体特征进行比对,如果比对的欧式距离小于或等于阈值1,则比对成功;如果比对的欧式距离大于阈值1,则比对失败;
所述局部比对模块5,其用于将第二灰度图和第一灰度图的局部特征进行比对,比对的欧式距离小于或等于阈值2,比对成功,比对的欧式距离大于阈值2,则比对失败;
所述标准比对库4,用于放入第一灰度图的整体特征和局部特征;还用于当整体比对模块3的比对成功和局部比对模块5的比对成功时,放入第二灰度图的局部特征和整体特征。
还设置有候选比对库6,其用于存储第一灰度图和第二灰度图两者的整体特征和局部特征,当候选比对库6中的整体特征和局部特征超过设定数量或停留超过设定时间,将候选库中的整体特征和局部特征加入标准比对库。
将候选比对库中的人脸图像的特征信息加入到标准库中,这样做的原因是,如果同一个人频繁的进行比对,那么每比对成功一次就将该人的人脸图像加入标准比对库,这种做法不仅降低比对效率,而且极大增加标准比对库的冗余和重复率,等候选比对库达到一定的规模之后,对候选比对库与标准比对库进行检查,如果候选比对库中的人脸图像和标准比对库中的人脸图片的相似度满足预设的条件,则将该人脸图像的整体和局部特征加入标准比对库中,这种集中入库的方式,能够提高比对的效率和稳定性,而且避免标准比对库在一段时间内的急剧变化和臃肿。
以上所述仅为本发明的较佳实施例,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、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种多级人脸比对方法,其特征在于,包括以下步骤:
步骤S1:转化模块(1)将第一人脸图像转化为第一灰度图,提取模块(2)提取第一灰度图的整体特征和局部特征保存到标准比对库(4);
步骤S2:转化模块(1)将第二人脸图像转化为第二灰度图,提取模块(2)提取第二灰度图的整体特征,将第二灰度图的整体特征和标准比对库(4)内的第一灰度图的整体特征送入整体比对模块(3)进行比对;
步骤S3:如果比对的欧式距离小于或等于阈值1,则比对成功执行步骤S4;如果比对的欧式距离大于阈值1,则比对失败执行步骤S5;
步骤S4:提取模块(2)提取第二灰度图的局部特征,将第二灰度图的局部特征和整体特征放入标准比对库(4),结束处理流程;
步骤S5:提取模块(2)提取第二灰度图的局部特征,将其与第一灰度图的局部特征送入局部比对模块(5)进行比对;
步骤S6:如果比对的欧式距离小于或等于阈值2,将第二灰度图的局部特征和整体特征放入标准比对库(4);如果比对的欧式距离大于阈值2,则比对失败,结束处理流程;
所述第一灰度图和第二灰度图两者的整体特征和局部特征放入标准比对库(4)之前先放入候选比对库(6),当候选比对库(6)中的整体特征和局部特征超过设定数量或停留超过设定时间,将候选比对库(6)中的整体特征和局部特征放入标准比对库(4);
所述局部特征包括眼睛、鼻子、嘴巴、眉毛、痣、斑点和胎记的特征;
提取第一灰度图和第二灰度图的局部特征包括以下步骤:将第一灰度图和第二灰度图通过ASM算法进行特征点定位,分别提取眼睛、鼻子、嘴巴和眉毛区域,然后将眼睛、鼻子、嘴巴区域分别归一化到不同的固定存储数值;
所述第二灰度图和第一灰度图的局部特征比对的具体实现,将眼睛、鼻子和嘴巴的欧式距离按权值相加,获得局部特征的欧式距离。
2.根据权利要求1所述一种多级人脸比对方法,其特征在于,所述第一灰度图的整体特征和局部特征与第二灰度图的整体特征和局部特征的比对的计算方法还包括街区距离和棋盘距离。
3.根据权利要求1所述一种多级人脸比对方法,其特征在于,所述第一灰度图和第二灰度图两者的整体特征和局部特征提取方法包括LBP特征提取、Gabor特征提取和HOG特征提取。
4.根据权利要求1所述一种多级人脸比对方法,其特征在于,提取第一灰度图和第二灰度图两者的整体特征和局部特征的具体实现,用AdaBoost算法的变形算法检测人脸区域,人脸区域归一化到固定存储数值,再用能减少或消除光照给人脸比对带来的影响的图像预处理算法对人脸区域进行预处理。
5.一种多级人脸比对系统,其特征在于,包括转化模块、提取模块、整体比对模块、局部比对模块和标准比对库;
所述转化模块(1),用于将第一人脸图像转化为第一灰度图,还用于将第二人脸图像转化为第二灰度图;
所述提取模块(2),其用于提取第一灰度图的整体特征和局部特征,还用于提取第二灰度图的整体特征和局部特征;还用于当整体比对模块(3)比对失败时,提取第二灰度图的局部特征;
所述整体比对模块(3),其用于将第二灰度图的整体特征和标准比对库(4)内的第一灰度图的整体特征进行比对,如果比对的欧式距离小于或等于阈值1,则比对成功;如果比对的欧式距离大于阈值1,则比对失败;
所述局部比对模块(5),其用于将第二灰度图和第一灰度图的局部特征进行比对,比对的欧式距离小于或等于阈值2,比对成功,比对的欧式距离大于阈值2,则比对失败;
所述标准比对库(4),用于放入第一灰度图的整体特征和局部特征;还用于当整体比对模块(3)的比对成功和局部比对模块(5)的比对成功时,放入第二灰度图的局部特征和整体特征;
还设置有候选比对库(6),其用于存储第一灰度图和第二灰度图两者的整体特征和局部特征,当候选比对库(6)中的整体特征和局部特征超过设定数量或停留超过设定时间,将候选库中的整体特征和局部特征加入标准比对库;
所述局部特征包括眼睛、鼻子、嘴巴、眉毛、痣、斑点和胎记的特征;
提取灰度图的局部特征包括以下步骤:将灰度图通过ASM算法进行特征点定位,分别提取眼睛、鼻子、嘴巴和眉毛区域,然后将眼睛、鼻子、嘴巴区域分别归一化到不同的固定存储数值;所述第二灰度图和第一灰度图的局部特征比对的具体实现,将眼睛、鼻子和嘴巴的欧式距离按权值相加,获得局部特征的欧式距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410836847.3A CN104537388B (zh) | 2014-12-29 | 2014-12-29 | 一种多级人脸比对系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410836847.3A CN104537388B (zh) | 2014-12-29 | 2014-12-29 | 一种多级人脸比对系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104537388A CN104537388A (zh) | 2015-04-22 |
CN104537388B true CN104537388B (zh) | 2019-02-12 |
Family
ID=52852908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410836847.3A Expired - Fee Related CN104537388B (zh) | 2014-12-29 | 2014-12-29 | 一种多级人脸比对系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104537388B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550671A (zh) * | 2016-01-28 | 2016-05-04 | 北京麦芯科技有限公司 | 一种人脸识别的方法及装置 |
CN108399598B (zh) * | 2018-01-24 | 2021-11-23 | 武汉智博创享科技股份有限公司 | 基于全景影像的人脸模糊化方法及系统 |
CN108717520A (zh) * | 2018-04-10 | 2018-10-30 | 新智数字科技有限公司 | 一种行人重识别方法及装置 |
CN110263604A (zh) * | 2018-05-14 | 2019-09-20 | 桂林远望智能通信科技有限公司 | 一种基于像素级别分离行人图片背景的方法及装置 |
CN108734835B (zh) * | 2018-05-15 | 2020-09-11 | 温州伊诺韦特科技有限公司 | 一种门禁验证方法及其系统 |
CN110348372A (zh) * | 2019-07-09 | 2019-10-18 | 杭州米络星科技(集团)有限公司 | 一种直播中主播身份的实名验证方法 |
CN111768543A (zh) * | 2020-06-29 | 2020-10-13 | 杭州翔毅科技有限公司 | 基于人脸识别的通行管理方法、设备、存储介质及装置 |
CN111814702A (zh) * | 2020-07-13 | 2020-10-23 | 安徽兰臣信息科技有限公司 | 一种基于成年人脸和儿童照特征空间映射关系的儿童人脸识别方法 |
CN111814701A (zh) * | 2020-07-13 | 2020-10-23 | 安徽兰臣信息科技有限公司 | 一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法 |
CN114419525A (zh) * | 2022-03-30 | 2022-04-29 | 成都考拉悠然科技有限公司 | 一种有害视频的检测方法及其系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102591863A (zh) * | 2011-01-06 | 2012-07-18 | 上海银晨智能识别科技有限公司 | 比对系统中的数据处理方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120066462A (ko) * | 2010-12-14 | 2012-06-22 | 한국전자통신연구원 | 얼굴 인식 방법 및 시스템, 얼굴 인식을 위한 학습용 특징 벡터 추출 장치 및 테스트용 특징 벡터 추출 장치 |
CN102902959B (zh) * | 2012-04-28 | 2015-05-06 | 王浩 | 基于二代身份证存储证件照的人脸识别方法及系统 |
-
2014
- 2014-12-29 CN CN201410836847.3A patent/CN104537388B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102591863A (zh) * | 2011-01-06 | 2012-07-18 | 上海银晨智能识别科技有限公司 | 比对系统中的数据处理方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于人脸特征的身份认证技术及在考勤系统中的应用研究;王雄伟;《中国优秀硕士学位论文全文数据库信息科技辑(月刊 )》;20080915;第I138-857页 |
融合全局与局部特征的子空间人脸识别算法;王蕴红等;《计算机学报》;20051031;第28卷(第10期);1657-1663 |
Also Published As
Publication number | Publication date |
---|---|
CN104537388A (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104537388B (zh) | 一种多级人脸比对系统和方法 | |
KR102641115B1 (ko) | 객체 검출을 위한 영상 처리 방법 및 장치 | |
CN102902959B (zh) | 基于二代身份证存储证件照的人脸识别方法及系统 | |
US9036917B2 (en) | Image recognition based on patterns of local regions | |
CN109558810B (zh) | 基于部位分割与融合目标人物识别方法 | |
US8837773B2 (en) | Apparatus which detects moving object from image and method thereof | |
US20190279010A1 (en) | Method, system and terminal for identity authentication, and computer readable storage medium | |
CN106339702A (zh) | 一种基于多特征融合的人脸识别方法 | |
US9025882B2 (en) | Information processing apparatus and method of processing information, storage medium and program | |
CN111144293A (zh) | 带交互式活体检测的人脸身份认证系统及其方法 | |
CN109376604B (zh) | 一种基于人体姿态的年龄识别方法和装置 | |
US20160078319A1 (en) | Method, Apparatus and Computer Readable Recording Medium for Detecting a Location of a Face Feature Point Using an Adaboost Learning Algorithm | |
US20220147735A1 (en) | Face-aware person re-identification system | |
CN108171138B (zh) | 一种生物特征信息获取方法和装置 | |
CN105160331A (zh) | 一种基于隐马尔可夫模型的人脸几何特征识别方法 | |
CN106446779A (zh) | 身份识别方法和装置 | |
US11967176B2 (en) | Facial recognition method, facial recognition system, and electronic device | |
CN109993130A (zh) | 一种基于深度图像动态手语语义识别系统及方法 | |
CN102110225A (zh) | 户外人脸识别方法及系统 | |
CN106407966B (zh) | 一种应用于考勤的人脸识别方法 | |
CN109635625A (zh) | 智能身份核验方法、设备、存储介质及装置 | |
KR101101142B1 (ko) | 비제한적 환경에서의 홍채 인식 시스템 및 방법 | |
KR20200119425A (ko) | 도메인 적응 기반 객체 인식 장치 및 그 방법 | |
Chen et al. | Fast eye detection using different color spaces | |
KR101600617B1 (ko) | 영상내 사람 검출 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 |
Granted publication date: 20190212 Termination date: 20201229 |
|
CF01 | Termination of patent right due to non-payment of annual fee |