CN105335726A - 人脸识别置信度获取方法和系统 - Google Patents
人脸识别置信度获取方法和系统 Download PDFInfo
- Publication number
- CN105335726A CN105335726A CN201510758250.6A CN201510758250A CN105335726A CN 105335726 A CN105335726 A CN 105335726A CN 201510758250 A CN201510758250 A CN 201510758250A CN 105335726 A CN105335726 A CN 105335726A
- Authority
- CN
- China
- Prior art keywords
- face
- similarity
- picture
- confidence
- face picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000009826 distribution Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000017105 transposition Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种人脸识别置信度获取方法和系统。其中,方法包括:获取待测对象的第一人脸图片,并在预设的人脸图片库内获取第二人脸图片;其中,所述人脸图片库是多张人脸图片组成的数据库;计算第一人脸图片与各个第二人脸图片之间的相似度,并确定最大相似度;根据所述最大相似度计算将所述待测对象识别为目标对象的置信度;其中,所述目标对象为所述最大相似度对应的第二人脸图片所属的对象。所述人脸识别置信度获取方法和系统能够对人脸识别结果的有效性进行评估,提高了人脸识别结果的可靠性。
Description
技术领域
本发明涉及人脸识别技术领域,特别是涉及一种人脸识别置信度获取方法和系统。
背景技术
人脸识别是一种通过摄像头获取人脸图像并通过计算机对其分析并辨识出人脸图像身份的一种技术。人脸识别技术与其它生物识别技术相比较,其优势在于:特征采集方便,不需要目标将手指放在指纹识别器上或者将视网膜对准虹膜扫描器,只需要通过摄像头采集画面即可;非侵扰性,这并不一定指在被采集图像的人不知道的情况下对其拍照获取图像,也包括就算目标人物发现自己被拍照,但是只要不会对其造成什么影响,就并不会对此反感。因此,人脸识别技术有着十分广泛的发展前景,在生物识别领域有着十分重要的研究价值。
目前人脸识别方法是从一张有人脸图片的图片上提取特征,并利用识别算法给出识别结果。由于图片质量、人脸偏转角度、光照条件、图片背景信息等对人脸识别结果都有很大的影响,所以根据识别信息提取出置信度并用置信度对识别结果进行评估是非常重要的。然而,目前的人脸识别方法并未给出识别结果对应的置信度,从而无法对人脸识别结果的有效性进行评估,人脸识别结果可靠性低。
发明内容
基于此,有必要针对现有技术无法对人脸识别结果的有效性进行评估,人脸识别结果可靠性低的问题,提供一种人脸识别置信度获取方法和系统。
一种人脸识别置信度获取方法,包括以下步骤:
获取待测对象的第一人脸图片,并在预设的人脸图片库内获取第二人脸图片;其中,所述人脸图片库是多张人脸图片组成的数据库;
计算第一人脸图片与各个第二人脸图片之间的相似度,并确定最大相似度;
根据所述最大相似度计算将所述待测对象识别为目标对象的置信度;其中,所述目标对象为所述最大相似度对应的第二人脸图片所属的对象。
一种人脸识别置信度获取系统,包括:
获取装置,用于获取待测对象的第一人脸图片,并在预设的人脸图片库内获取第二人脸图片;其中,所述人脸图片库是多张人脸图片组成的数据库;
第一计算装置,用于计算第一人脸图片与各个第二人脸图片之间的相似度,并确定最大相似度;
第二计算装置,用于根据所述最大相似度计算将所述待测对象识别为目标对象的置信度;其中,所述目标对象为所述最大相似度对应的第二人脸图片所属的对象。
所述人脸识别置信度获取方法和系统,通过获取待测对象的第一人脸图片,并在预设的人脸图片库内获取第二人脸图片,计算第一人脸图片与各个第二人脸图片之间的相似度,并确定最大相似度,将所述最大相似度代入基于所述人脸图片库建立的置信度模型,计算将所述待测对象识别为目标对象的置信度,能够对人脸识别结果的有效性进行评估,提高了人脸识别结果的可靠性。
附图说明
图1为一个实施例的人脸识别置信度获取方法流程图;
图2为一个实施例的人脸识别置信度获取系统的结构示意图。
具体实施方式
下面结合附图对本发明的人脸识别置信度获取方法的实施例做进一步描述。
图1为一个实施例的人脸识别置信度获取方法流程图。如图1所示,本发明的人脸识别置信度获取方法可包括以下步骤:
S1,获取待测对象的第一人脸图片,并在预设的人脸图片库内获取第二人脸图片;其中,所述人脸图片库是多张人脸图片组成的数据库;
S2,计算第一人脸图片与各个第二人脸图片之间的相似度,并确定最大相似度;
S3,根据所述最大相似度计算将所述待测对象识别为目标对象的置信度;其中,所述目标对象为所述最大相似度对应的第二人脸图片所属的对象。
首先,可获取待测对象的第一人脸图片,并在预设的人脸图片库内获取第二人脸图片。
在一个实施例中,可首先对待测对象的第一人脸图片进行采集。可使用摄像头采集视频图片,并通过网络传输和数据线存放在计算机系统中。所述摄像头可采用高清摄像头,例如,采用像素不低于1000万的摄像头。之后,可对采集到的视频图片进行人脸检测,提取出第一人脸图片,并将所述第一人脸图片存储在计算机硬盘中。
此外,可预先建立一个人脸图片库,并从所述人脸图片库中获取第二人脸图片。所述人脸图片库可以是由多张人脸图片组成的数据库。在一个实施例中,可从网络上爬取多张人脸图片,并根据所述人脸图片建立所述人脸图片库。所述人脸图片库中的图片数量可以是百万数量级的,也可根据实际需要而确定。
为了充分考虑图片背景信息对图片识别的影响,所述人脸图片库中的第二人脸图片可以是在与待测对象的第一人脸图片相同或相近的背景环境下获取到的人脸图片。
然后,可计算第一人脸图片与人脸图片库中的各个第二人脸图片之间的相似度,并确定最大相似度。
所述相似度可根据第一人脸图片的特征和第二人脸图片的特征来计算。第一人脸图片的特征和第二人脸图片的特征可由深度学习网络提取,也可根据其他方式获取。特征提取的方式将不会影响本发明的置信度获取,此处不再赘述。所述最大相似度为第一人脸图片与人脸图片库中的各个第二人脸图片之间的相似度中数值最大的相似度。
在提取特征之前,可对第一人脸图片和第二人脸图片进行分类和标注,还可对第一人脸图片和第二人脸图片执行人脸对齐操作。所述人脸对齐操作可包括对第二人脸图片执行旋转、放大、缩小或剪切等操作。所述人脸对齐操作可保证提取到稳定的特征并取得较好的人脸识别效果,以去除人脸角度对人脸识别带来的影响。所述关键点包括眼睛、鼻尖和嘴角等的位置。
可根据如下公式计算所述图片对的相似度:
其中,
A=(Sμ+Sε)-1-(F+G)
F=Sε -1
G=-(mSμ+Sε)-1SμSε -1;
式中,ri(x1,x2)表示第i个图片对的相似度,x1和x2分别表示第i个图片对的两张第二人脸图片中的人脸特征,P(x1,x2|HI)表示两张第二人脸图片属于相同对象的概率,P(x1,x2|HE)表示两张第二人脸图片属于不同对象的概率,T表示转置操作,-1表示求逆操作,Sμ和Sε分别表示不同对象的第二人脸图片的特征之间的协方差和相同对象的不同第二人脸图片的特征之间的协方差,m表示每个对象的图片数。
可对求出的相似度进行比较,从中选出最大相似度:
x0=max{ri(x1,x2)},
式中,x0为最大相似度,max{ri(x1,x2)}表示ri(x1,x2)中的最大者。
最后,可根据所述最大相似度计算将所述待测对象识别为目标对象的置信度。在本步骤中,可首先基于所述人脸图片库建立置信度模型,再将所述最大相似度代入所述置信度模型,得到所述待测对象识别为目标对象的置信度。其中,所述目标对象为所述最大相似度对应的第二人脸图片所属的对象。
在一个实施例中,当已经建立了所述人脸图片库时,可根据所述人脸图片库中的各个图片对的相似度建立所述置信度模型;其中,所述图片对为人脸图片库中任意两张第二人脸图片的集合,所述图片对的相似度为所述图片对中两张第二人脸图片的相似度。
可先对人脸图片库中的各个第二人脸图片进行特征提取,得到各个第二人脸图片的人脸特征,再根据所述人脸特征计算人脸图片库中的各个图片对的相似度,然后,根据所述相似度建立所述置信度模型。
根据所述相似度建立所述置信度模型时,可计算各个图片对的相似度的平均值和方差,根据所述平均值和方差获取所述相似度的概率分布,并根据所述概率分布建立人脸识别的置信度模型。
例如,所述概率分布可以是如下所示的高斯分布:
其中,
式中,s表示图片对中的两张图片属于相同对象的事件,x表示图片对中的两张图片的相似度,f(x|s)表示各图片对中的两张图片属于相同对象的条件下各图片对的相似度的概率分布,u表示高斯分布的平均值,σ表示高斯分布的方差,为所有图片对的相似度的平均值,Xi表示第i个图片对,N表示图片对的总数。其中,假设每个对象的图片数为m,对象的个数为n,则
最后,可将所述最大相似度代入基于所述人脸图片库建立的置信度模型,计算将所述待测对象识别为目标对象的置信度。
例如,根据上述相似度的概率分布f(x|s),可得出人脸识别置信度模型为:
其中,P(x)为人脸识别置信度模型。将最大相似度x0代入上式,可求出将所述待测对象识别为目标对象的置信度。
上述过程通过将离散的相似度值转换成连续的高斯分布,从而能够减小计算过程中的误差,使计算结果更为精确。在实际情况下,上述概率分布也可采用除高斯分布之外的其他概率分布,所述概率分布的类型将不会影响对置信度的计算,此处不再赘述。
在一个实施例中,还可对所述置信度进行评估。例如,可先设定置信度阈值,然后,将所述置信度与预设的置信度阈值进行比较,并根据比较结果对所述置信度进行检测。若所述置信度小于预设的置信度阈值,则判定所述人脸识别结果不可信;若所述置信度大于预设的置信度阈值,则判定所述人脸识别结果可信。
在一个实施例中,还可设定两个置信度阈值t1和t2。例如,可假设t1=0.1,t2=0.9,即可以认为如果P(x)<0.1,则认为识别结果不可信;如果P(x)>0.9,则认为识别结果非常可信。
值得一提的是,现有技术中,当上述相似度ri(x1,x2)大于零,即两张第二人脸图片属于相同对象的概率大于两张第二人脸图片属于不同对象的概率时,即判定两张第二人脸图片属于相同对象;当上述相似度ri(x1,x2)小于零,即两张第二人脸图片属于相同对象的概率小于两张第二人脸图片属于不同对象的概率时,即判定两张第二人脸图片属于不同对象。这种判定方式准确性较低。而本发明根据相似度计算置信度,并设置置信度阈值对所述置信度进行评估,能够更加准确地检测出人脸识别结果的有效性。
本发明的人脸识别置信度获取方法具有以下优点:
(1)充分考虑了图片背景信息对人脸识别结果的影响;
(2)将离散的相似度值转换成连续的高斯分布,计算过程中的误差较小,计算结果较为精确;
(3)设置置信度阈值对置信度进行评估,能够更加准确地检测出人脸识别结果的有效性。
下面结合附图对本发明的人脸识别置信度获取系统的实施例做进一步阐述。
如图2所示,本发明的人脸识别置信度获取系统可包括:
获取装置10,用于获取待测对象的第一人脸图片,并在预设的人脸图片库内获取第二人脸图片;其中,所述人脸图片库是多张人脸图片组成的数据库;
第一计算装置20,用于计算第一人脸图片与各个第二人脸图片之间的相似度,并确定最大相似度;
第二计算装置30,用于根据所述最大相似度计算将所述待测对象识别为目标对象的置信度;其中,所述目标对象为所述最大相似度对应的第二人脸图片所属的对象。
其中,所述第二计算装置30可包括:
第一建立单元,用于建立所述人脸图片库;
第二建立单元,用于根据所述人脸图片库中的各个图片对的相似度建立置信度模型;其中,所述图片对为人脸图片库中任意两张第二人脸图片的集合,所述图片对的相似度为所述图片对中两张第二人脸图片的相似度;
计算单元,用于将所述最大相似度代入所述置信度模型,得到所述待测对象识别为目标对象的置信度。
在一个实施例中,本发明的人脸识别置信度获取系统还可包括:
比较装置,用于将所述置信度与预设的置信度阈值进行比较;
检测装置,用于根据比较结果对所述置信度进行检测。
本发明的人脸识别置信度获取系统与本发明的人脸识别置信度获取方法一一对应,在上述人脸识别置信度获取方法的实施例阐述的技术特征及其有益效果均适用于人脸识别置信度获取系统的实施例中,特此声明。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种人脸识别置信度获取方法,其特征在于,包括以下步骤:
获取待测对象的第一人脸图片,并在预设的人脸图片库内获取第二人脸图片;其中,所述人脸图片库是多张人脸图片组成的数据库;
计算第一人脸图片与各个第二人脸图片之间的相似度,并确定最大相似度;
根据所述最大相似度计算将所述待测对象识别为目标对象的置信度;其中,所述目标对象为所述最大相似度对应的第二人脸图片所属的对象。
2.根据权利要求1所述的人脸识别置信度获取方法,其特征在于,根据所述最大相似度计算将所述待测对象识别为目标对象的置信度的步骤包括:
建立所述人脸图片库;
根据所述人脸图片库中的各个图片对的相似度建立置信度模型;其中,所述图片对为人脸图片库中任意两张第二人脸图片的集合,所述图片对的相似度为所述图片对中两张第二人脸图片的相似度;
将所述最大相似度代入所述置信度模型,得到所述待测对象识别为目标对象的置信度。
3.根据权利要求1所述的人脸识别置信度获取方法,其特征在于,还包括以下步骤:
将所述置信度与预设的置信度阈值进行比较;
根据比较结果对所述置信度进行检测。
4.根据权利要求2所述的人脸识别置信度获取方法,其特征在于,根据所述人脸图片库中的各个第二人脸图片的相似度建立所述置信度模型的步骤包括:
对人脸图片库中的各个第二人脸图片进行特征提取,得到各个第二人脸图片的人脸特征;
根据所述人脸特征计算人脸图片库中的各个图片对的相似度;
根据所述相似度建立所述置信度模型。
5.根据权利要求4所述的人脸识别置信度获取方法,其特征在于,对人脸图片库中的各个第二人脸图片进行特征提取的步骤包括:
根据各个第二人脸图片所属的对象,对人脸图片库中的各个第二人脸图片进行分类和标记;
对分类和标记后的第二人脸图片进行特征提取。
6.根据权利要求4所述的人脸识别置信度获取方法,其特征在于,根据所述人脸特征计算人脸图片库中的各个图片对的相似度的步骤包括:
根据如下公式计算各个图片对的相似度:
其中,
A=(Sμ+Sε)-1-(F+G)
F=Sε -1
G=-(mSμ+Sε)-1SμSε -1;
式中,ri(x1,x2)表示第i个图片对的相似度,x1和x2分别表示第i个图片对的两张第二人脸图片中的人脸特征,P(x1,x2|HI)表示两张第二人脸图片属于相同对象的概率,P(x1,x2|HE)表示两张第二人脸图片属于不同对象的概率,T表示转置操作,-1表示求逆操作,Sμ和Sε分别表示不同对象的第二人脸图片的特征之间的协方差和相同对象的不同第二人脸图片的特征之间的协方差,m表示每个对象的图片数。
7.根据权利要求4所述的人脸识别置信度获取方法,其特征在于,根据所述相似度建立所述置信度模型的步骤包括:
计算各个图片对的相似度的平均值和方差;
根据所述平均值和方差获取所述相似度的概率分布;
根据所述概率分布建立人脸识别的置信度模型。
8.根据权利要求3所述的人脸识别置信度获取方法,其特征在于,根据比较结果对所述置信度进行检测的步骤包括:
若所述置信度小于预设的置信度阈值,则判定将所述待测对象识别为目标对象的人脸识别结果不可信;
若所述置信度大于或等于预设的置信度阈值,则判定将所述待测对象识别为目标对象的人脸识别结果可信。
9.一种人脸识别置信度获取系统,其特征在于,包括:
获取装置,用于获取待测对象的第一人脸图片,并在预设的人脸图片库内获取第二人脸图片;其中,所述人脸图片库是多张人脸图片组成的数据库;
第一计算装置,用于计算第一人脸图片与各个第二人脸图片之间的相似度,并确定最大相似度;
第二计算装置,用于根据所述最大相似度计算将所述待测对象识别为目标对象的置信度;其中,所述目标对象为所述最大相似度对应的第二人脸图片所属的对象。
10.根据权利要求9所述的人脸识别置信度获取系统,其特征在于,所述第二计算装置包括:
第一建立单元,用于建立所述人脸图片库;
第二建立单元,用于根据所述人脸图片库中的各个图片对的相似度建立置信度模型;其中,所述图片对为人脸图片库中任意两张第二人脸图片的集合,所述图片对的相似度为所述图片对中两张第二人脸图片的相似度;
计算单元,用于将所述最大相似度代入所述置信度模型,得到所述待测对象识别为目标对象的置信度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510758250.6A CN105335726B (zh) | 2015-11-06 | 2015-11-06 | 人脸识别置信度获取方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510758250.6A CN105335726B (zh) | 2015-11-06 | 2015-11-06 | 人脸识别置信度获取方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105335726A true CN105335726A (zh) | 2016-02-17 |
CN105335726B CN105335726B (zh) | 2018-11-27 |
Family
ID=55286242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510758250.6A Active CN105335726B (zh) | 2015-11-06 | 2015-11-06 | 人脸识别置信度获取方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105335726B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868695A (zh) * | 2016-03-24 | 2016-08-17 | 北京握奇数据系统有限公司 | 一种人脸识别方法及系统 |
CN107169408A (zh) * | 2017-03-31 | 2017-09-15 | 北京奇艺世纪科技有限公司 | 一种颜值判定方法及装置 |
CN107273859A (zh) * | 2017-06-20 | 2017-10-20 | 南京末梢信息技术有限公司 | 一种照片自动标记方法及其系统 |
CN107330750A (zh) * | 2017-05-26 | 2017-11-07 | 北京三快在线科技有限公司 | 一种推荐产品配图方法及装置,电子设备 |
CN107358079A (zh) * | 2017-06-16 | 2017-11-17 | 微梦创科网络科技(中国)有限公司 | 实时人脸识别登录验证方法及系统 |
CN107625527A (zh) * | 2016-07-19 | 2018-01-26 | 杭州海康威视数字技术股份有限公司 | 一种测谎方法及装置 |
CN107844735A (zh) * | 2016-09-19 | 2018-03-27 | 北京眼神科技有限公司 | 生物特征的认证方法和装置 |
CN108875493A (zh) * | 2017-10-12 | 2018-11-23 | 北京旷视科技有限公司 | 人脸识别中相似度阈值的确定方法以及确定装置 |
CN109284675A (zh) * | 2018-08-13 | 2019-01-29 | 阿里巴巴集团控股有限公司 | 一种用户的识别方法、装置及设备 |
CN110222662A (zh) * | 2019-06-12 | 2019-09-10 | 北京博雅英杰科技股份有限公司 | 对象的识别方法、装置及存储介质 |
CN110309735A (zh) * | 2019-06-14 | 2019-10-08 | 平安科技(深圳)有限公司 | 异常侦测方法、装置、服务器及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040042643A1 (en) * | 2002-08-28 | 2004-03-04 | Symtron Technology, Inc. | Instant face recognition system |
CN1794266A (zh) * | 2005-12-31 | 2006-06-28 | 清华大学 | 生物特征融合的身份识别和认证方法 |
US20100135541A1 (en) * | 2008-12-02 | 2010-06-03 | Shang-Hong Lai | Face recognition method |
CN103984738A (zh) * | 2014-05-22 | 2014-08-13 | 中国科学院自动化研究所 | 一种基于搜索匹配的角色标注方法 |
CN104021380A (zh) * | 2014-05-02 | 2014-09-03 | 香港应用科技研究院有限公司 | 通过计算装置进行面部识别的方法和装置 |
-
2015
- 2015-11-06 CN CN201510758250.6A patent/CN105335726B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040042643A1 (en) * | 2002-08-28 | 2004-03-04 | Symtron Technology, Inc. | Instant face recognition system |
CN1794266A (zh) * | 2005-12-31 | 2006-06-28 | 清华大学 | 生物特征融合的身份识别和认证方法 |
US20100135541A1 (en) * | 2008-12-02 | 2010-06-03 | Shang-Hong Lai | Face recognition method |
CN104021380A (zh) * | 2014-05-02 | 2014-09-03 | 香港应用科技研究院有限公司 | 通过计算装置进行面部识别的方法和装置 |
CN103984738A (zh) * | 2014-05-22 | 2014-08-13 | 中国科学院自动化研究所 | 一种基于搜索匹配的角色标注方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868695B (zh) * | 2016-03-24 | 2019-04-02 | 北京握奇数据系统有限公司 | 一种人脸识别方法及系统 |
CN105868695A (zh) * | 2016-03-24 | 2016-08-17 | 北京握奇数据系统有限公司 | 一种人脸识别方法及系统 |
CN107625527B (zh) * | 2016-07-19 | 2021-04-20 | 杭州海康威视数字技术股份有限公司 | 一种测谎方法及装置 |
CN107625527A (zh) * | 2016-07-19 | 2018-01-26 | 杭州海康威视数字技术股份有限公司 | 一种测谎方法及装置 |
CN107844735A (zh) * | 2016-09-19 | 2018-03-27 | 北京眼神科技有限公司 | 生物特征的认证方法和装置 |
CN107169408A (zh) * | 2017-03-31 | 2017-09-15 | 北京奇艺世纪科技有限公司 | 一种颜值判定方法及装置 |
CN107330750A (zh) * | 2017-05-26 | 2017-11-07 | 北京三快在线科技有限公司 | 一种推荐产品配图方法及装置,电子设备 |
CN107358079A (zh) * | 2017-06-16 | 2017-11-17 | 微梦创科网络科技(中国)有限公司 | 实时人脸识别登录验证方法及系统 |
CN107273859B (zh) * | 2017-06-20 | 2020-10-02 | 南京末梢信息技术有限公司 | 一种照片自动标记方法及其系统 |
CN107273859A (zh) * | 2017-06-20 | 2017-10-20 | 南京末梢信息技术有限公司 | 一种照片自动标记方法及其系统 |
CN108875493A (zh) * | 2017-10-12 | 2018-11-23 | 北京旷视科技有限公司 | 人脸识别中相似度阈值的确定方法以及确定装置 |
CN109284675A (zh) * | 2018-08-13 | 2019-01-29 | 阿里巴巴集团控股有限公司 | 一种用户的识别方法、装置及设备 |
CN109284675B (zh) * | 2018-08-13 | 2022-06-07 | 创新先进技术有限公司 | 一种用户的识别方法、装置及设备 |
CN110222662A (zh) * | 2019-06-12 | 2019-09-10 | 北京博雅英杰科技股份有限公司 | 对象的识别方法、装置及存储介质 |
CN110222662B (zh) * | 2019-06-12 | 2020-11-03 | 北京博雅英杰科技股份有限公司 | 对象的识别方法、装置及存储介质 |
CN110309735A (zh) * | 2019-06-14 | 2019-10-08 | 平安科技(深圳)有限公司 | 异常侦测方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105335726B (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105335726B (zh) | 人脸识别置信度获取方法和系统 | |
KR102596897B1 (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
CN106557726B (zh) | 一种带静默式活体检测的人脸身份认证系统及其方法 | |
CN106557723B (zh) | 一种带交互式活体检测的人脸身份认证系统及其方法 | |
Chakraborty et al. | An overview of face liveness detection | |
Tome et al. | The 1st competition on counter measures to finger vein spoofing attacks | |
US7869657B2 (en) | System and method for comparing images using an edit distance | |
US7873189B2 (en) | Face recognition by dividing an image and evaluating a similarity vector with a support vector machine | |
EP3229171A1 (en) | Method and device for determining identity identifier of human face in human face image, and terminal | |
CN104123543B (zh) | 一种基于人脸识别的眼球运动识别方法 | |
CN103778409A (zh) | 基于人脸特征数据挖掘的人脸识别方法与装置 | |
CN106529377A (zh) | 一种基于图像的年龄估计方法、装置及系统 | |
CN103902978A (zh) | 人脸检测及识别方法 | |
CN110827432B (zh) | 一种基于人脸识别的课堂考勤方法及系统 | |
CN105654056A (zh) | 人脸识别的方法及装置 | |
TW201917636A (zh) | 一種基於線上學習的人臉辨識方法與系統 | |
Lee et al. | Robust iris recognition baseline for the grand challenge | |
JP5004181B2 (ja) | 領域識別装置およびコンテンツ識別装置 | |
Si et al. | Detecting fingerprint distortion from a single image | |
CN111814612A (zh) | 目标的脸部检测方法及其相关装置 | |
CN112749605A (zh) | 身份识别方法、系统和设备 | |
KR20200119425A (ko) | 도메인 적응 기반 객체 인식 장치 및 그 방법 | |
Panetta et al. | LQM: Localized quality measure for fingerprint image enhancement | |
WO2015131710A1 (zh) | 人眼定位方法及装置 | |
JP6003367B2 (ja) | 画像認識装置、画像認識方法および画像認識プログラム |
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 |