CN105574500A - 提高人脸识别通过率的方法和装置 - Google Patents
提高人脸识别通过率的方法和装置 Download PDFInfo
- Publication number
- CN105574500A CN105574500A CN201510938668.5A CN201510938668A CN105574500A CN 105574500 A CN105574500 A CN 105574500A CN 201510938668 A CN201510938668 A CN 201510938668A CN 105574500 A CN105574500 A CN 105574500A
- Authority
- CN
- China
- Prior art keywords
- photo
- compared
- comparison
- threshold value
- threshold
- 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
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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种提高人脸识别通过率的方法和装置,属于生物识别技术领域,所述方法包括:获取人脸的待比对照片和被比对照片;将所述待比对照片和被比对照片发送给比对服务器;接收比对服务器返回的比对分值;根据所述待比对照片和被比对照片的尺寸信息,获取相应的阈值,其中当所述尺寸信息越大,则相应的阈值也越大;根据所述比对分值和所获取的阈值,给出比对结果。本发明根据图像尺寸预先设置不同的阈值,在使用时根据照片的尺寸信息选取对应的阈值,这样提高了人脸识别的通过率,降低了人脸识别的误识率。
Description
技术领域
本发明涉及生物识别技术领域,特别是指一种提高人脸识别通过率的方法和装置。
背景技术
随着计算机技术的发展,模式识别成为一项热门的计算机技术研究领域,人脸识别是模式识别的重要应用,有着迫切的现实需求和广阔的应用前景,同一个人的人脸图像会由于表情变化、光照环境变化等原因发生一定改变,不同的人脸之间有时也会存在相似性,这些因素问题均影响人脸识别的识别率和稳定性,是人脸识别研究的难题。
人脸识别从初期研究开始,每个公司和研究机构都有自己的处理方式和阈值定义方式(即比对分值的阈值)。一般都是采用采集照片为统一尺寸如分辨率为:640*480,这样可以保证现场采集的照片尺寸大小(主要是分辨率)过关,但是被比对照片的尺寸有时是不可预测的,有可能会出现各种尺寸的照片如358*441、178*220、144*178、120*147、102*126等等。被比对照片一般为公安部标准的照片,例如可以是身份证上的照片,公安部标准的照片的尺寸为358*441,但是后来各个地区经济水平和拍摄的技术不同,上交公安部的照片的尺寸也不太统一,就出现了很多尺寸的照片,但是最常见的是358*441和178*220。
现有的人脸识别装置在使用时,客户可以根据使用需要灵活设定比对分值的阈值(根据使用手册自行设定或是要求厂家进行设定),这些人脸识别装置,一般都是将比对阈值设定成固定值,这种方式通常识别精确度低,因此有必要进行改进以提高人脸识别的通过率。
发明内容
本发明提供一种提高人脸识别通过率的方法和装置。
为解决上述技术问题,本发明提供技术方案如下:
一方面,本发明提供一种提高人脸识别通过率的方法,包括:
获取人脸的待比对照片和被比对照片;
将所述待比对照片和被比对照片发送给比对服务器;
接收比对服务器返回的比对分值;
根据所述待比对照片和被比对照片的尺寸信息,获取相应的阈值,其中当所述尺寸信息越大,则相应的阈值也越大;
根据所述比对分值和所获取的阈值,给出比对结果。
另一方面,本发明还提供一种提高人脸识别通过率的装置,包括:
第一获取模块,用于获取人脸的待比对照片和被比对照片;
发送模块,用于将所述待比对照片和被比对照片发送给比对服务器;
第一接收模块,用于接收比对服务器返回的比对分值;
第二获取模块,用于根据所述待比对照片和被比对照片的尺寸信息,获取相应的阈值,其中当所述尺寸信息越大,则相应的阈值也越大;
输出模块,用于根据所述比对分值和所获取的阈值,给出比对结果。
本发明具有以下有益效果:
本发明的提高人脸识别通过率的方法和装置,首先获取人脸的待比对照片和被比对照片后,将它们发送给比对服务器,在比对服务器将两张照片进行比对处理并返回比对分值后,再根据两张照片的尺寸信息和比对服务器返回的比对分值,获取相应的阈值,其中当尺寸信息越大,则相应的阈值也越大。
照片的尺寸差异越小,则比对分值越高,此时阈值可设置的较高,而照片的尺寸差异越大,则比对分值越低,此时阈值可设置的较低。因此,本发明根据图像的尺寸预先设置不同的阈值,在使用时根据照片的尺寸信息选取对应的阈值,这样提高了人脸识别的通过率,降低了人脸识别的误识率。
附图说明
图1为本发明的提高人脸识别通过率的方法的一个实施例的流程示意图;
图2为本发明的提高人脸识别通过率的方法的另一实施例的流程示意图;
图3为本发明的提高人脸识别通过率的装置的一个实施例的示意图;
图4为本发明的提高人脸识别通过率的装置的另一实施例的示意图;
图5为本发明的提高人脸识别通过率的装置的工作过程示意图;
图6为本发明的提高人脸识别通过率的方法的ROC(特征曲线)形象示意图;
图7为本发明的提高人脸识别通过率的方法的ROC(特征曲线)形象示意图;
图8为本发明的提高人脸识别通过率的方法的ROC(特征曲线)形象示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
人脸识别系统通常包括应用服务器、管理服务器和比对服务器,其中应用服务器用于与用户进行信息交互,管理服务器用于分配任务、数据等,比对服务器用于实现比对的功能;并且,应用服务器与管理服务器可以为一体或分体式结构,管理服务器与比对服务器可以为一体或分体式结构。本发明实施例的提高人脸识别通过率的方法和装置即是针对前述人脸识别系统所作出的改进,以下将基于此进行详细的说明。
一方面,如图1所示,本发明提供一种提高人脸识别通过率的方法,包括:
步骤S101:获取人脸的待比对照片和被比对照片;
本步骤中,管理服务器获取人脸的待比对照片和被比对照片,其中待比对照片可以是现场采集的用户的照片,被比对照片可以是公安部规定的标准照片,例如可以是身份证上的照片。当然,本领域技术人员应当理解的是,待比对照片和被比对照片还可以是其他应用场景下需要进行比对的两幅照片。
步骤S102:将待比对照片和被比对照片发送给比对服务器;
本步骤中,管理服务器将获取的待比对照片和被比对照片发送给比对服务器进行比对,比对服务器会根据比对算法计算出二者的比对分值。比对服务器可以是单独的服务器,也可以与管理服务器是一体结构。可以实现比对功能的服务器、处理芯片等都可以认为是本步骤中的比对服务器。其中比对服务器采用的比对算法可以是本领域技术人员通常使用的各种比对算法。
步骤S103:接收比对服务器返回的比对分值;
步骤S104:根据待比对照片和被比对照片的尺寸信息,获取相应的阈值,其中当尺寸信息越大,则相应的阈值也越大;
本步骤中,管理服务器根据待比对照片和被比对照片的尺寸信息获取相应的阈值,一般是照片的尺寸越大,相应的阈值也越大。可以将照片按照照片尺寸信息的不同划分成若干分组,同一分组内的照片对应相同的阈值,尺寸信息在不同分组内的照片对应不同的阈值。其中尺寸信息主要指的照片的分辨率。尺寸信息与阈值的对应关系可以预先存储在比对服务器上,也可以预先存储在其他存储器或数据库中等。
步骤S105:根据比对分值和所获取的阈值,给出比对结果。
本步骤中,如果比对分值高于所获取的阈值,则管理服务器可以给出比对通过或比对成功等信息,如果比对分值低于所获取的阈值,则管理服务器可以给出比对不通过或者比对失败等信息。
目前在人脸识别时,由于人脸图像的尺寸大小不同,导致比对分数差异较大,比如:640*480像素的图像与178*220像素的图片相比,由于两张图像的像素差异较大,两张图像中包含的信息也不同,这样就会对比对结果造成一定的影响。因此同样的一个人,比对出来的分值可能会有很大的差异,而目前人脸识别的结果为识别通过与不通过,当两个像素相同或相近的照片比对时,同一个人的比对结果分值会比较高,这种情况下与设定阈值比较大小,比阈值高的算通过的话,通过率会较高,通过实验得出的结论,同样像素在640*480的同一个人的两张不同的照片比对通过率,阈值为80分时,通过率大约能达到95%左右,而640*480像素的照片与220*178像素的照片比对,通常比对通过率大约为50%左右,这样,可考虑根据不同的尺寸信息来设定不同的阈值,来提高人脸识别的整体通过率。
本发明的提高人脸识别通过率的方法,首先获取人脸的待比对照片和被比对照片后,将它们发送给比对服务器,在比对服务器将两张照片进行比对处理并返回比对分值后,再根据两张照片的尺寸信息和比对服务器返回的比对分值,获取相应的阈值,其中当尺寸信息越大,则相应的阈值也越大。
发明人发现,照片的尺寸差异越小,则比对分值越高,此时阈值可设置的较高,而照片的尺寸差异越大,则比对分值越低,此时阈值可设置的较低。因此,本发明根据图像尺寸预先设置不同的阈值,在使用时根据照片的尺寸信息选取对应的阈值,这样提高了人脸识别的通过率,降低了人脸识别的误识率。
作为本发明的一种改进,如图2所示,根据待比对照片和被比对照片的尺寸信息,获取相应的阈值之前还优选包括:
步骤S110:接收比对服务器返回的待比对照片和被比对照片的尺寸信息。
本步骤中,比对服务器在接收到待比对照片和被比对照片后,不但计算两张照片的比对分值,还可以分析计算出两张照片的尺寸信息,这样将两张照片的比对分值和尺寸信息一并返回至管理服务器,便于根据照片的尺寸信息获取相应的阈值。其中,可以是比对服务器获取待比对照片和被比对照片的尺寸信息,也可以是管理服务器获取待比对照片和被比对照片的尺寸信息。
具体的,为了便于根据待比对照片和被比对照片的尺寸信息,获取相应的阈值可以进一步包括:当待比对照片和被比对照片中较小的照片的尺寸大于或等于358*441时,获取第一阈值;当待比对照片和被比对照片中较小的照片的尺寸大于178*220并且小于358*441时,获取第二阈值;当待比对照片和被比对照片中较小的照片的尺寸小于或等于178*220时,获取第三阈值;其中,第一阈值大于第二阈值,第二阈值大于第三阈值。这样,将照片按照尺寸信息分成三个不同的范围,同一范围内的照片在比对时对应的阈值相同,不同范围内的照片在比对时对应的阈值不同,照片的尺寸(通常指的是分辨率)越大,对应的阈值也越大。通常情况下,被比对照片的尺寸较大时(尺寸为640*480),这种情况下只需要考虑待比对照片的尺寸大小并选择对应的阈值;有些情况下被比对照片的尺寸可能较大,待比对照片的尺寸较小,也可能二者的尺寸一样大,也可能被比对照片的尺寸可能较小,待比对照片的尺寸较大,因此这种情况下需要判断被比对照片和待比对照片的哪个尺寸更小,从而选择对应的阈值。由于图片尺寸越小,图片中存储的信息也越少,对图片对比的结果影响也相对越大,因此需要根据被比对照片和待比对照片中较小的图片来确定对应的阈值。
优选的,当比对分值的满分为100分时,第一阈值为80,第二阈值为70,第三阈值为60。现有标准中,通常情况下阈值有两个标准,最高为100分或127分的标准,两种标准之间可以相互转换。本发明以阈值最高为100分的标准为例,第一阈值为80,第二阈值为70,第三阈值为60。这样在人脸识别时设置三种不同的阈值来用于匹配不同照片质量的人脸照片,可以使识别的整体通过率保持在80-90%之间,可以满足客户的需要。
使用本发明进行人脸识别的大致流程如下,如图5所示,在使用时,应用服务器(本实施例中可以是人脸图像采集模块或装置)进行采集人脸现场照片(一般采集的为640*480),获取公安部标准图片,然后将采集的现场照片和获取的公安部照片发送到管理服务器,管理服务器接收照片后开始解析数据,调用比对服务器检查照片的尺寸并对两张照片进行比对,如果比对失败,获取比对失败的原因,如果比对成功,获取两张照片的尺寸信息以及比对分值,根据两张照片中较小照片的尺寸信息获取相应的阈值,然后比较两张照片的比对分值和获取的阈值的大小关系,若比对分值大于或等于获取的阈值,将比对通过的结果返回应用服务器,若比对分值小于获取的阈值,将比对不通过的结果返回应用服务器。
使用本发明提高人脸识别通过率的一个具体实施例如下:假设有一组数据100对(共计200张照片),100张现场照片全部都是640*480的照片。100张公安部标准照片中的60张是358*441的,30张是178*220的,其余的10张是小于178*220的,其中以现场照片和公安部预先采集并存储的照片进行比对,比对分值区间如下:
大于80分的75个;
位于70到80分的有10个,其中有2个公安部标准照片尺寸为358*441,6个公安部标准照片尺寸为178*220,2个公安部标准照片尺寸小于178*220;
位于60到70分的有12个,其中有1个公安部标准照片尺寸为358*441,9个公安部标准照片尺寸为178*220,2个公安部标准照片尺寸小于178*220;
小于60分的有3个。
示例1:使用统一阈值,按100分值,阈值设定为80分。
整批测试通过率为75%;
示例2:根据图片尺寸,调整阈值,阈值设定,图片尺寸为358*441的阈值为80分,图片尺寸为178*220的阈值设定为70分,小于178*220的阈值设定为60分;
整批测试通过率为(75+6+2+9+2)%=94%
从上面的实施例可以看出根据不同的照片质量,取不同的阈值,得到的通过率比使用统一的阈值的通过率要高,这样就可以满足用户对通过率的需求。
下面给出几个具体的实施例,如图6至图8所示,其中横坐标代表两张照片的比对分值,纵轴代表各种通过率(范围为0到1),呈上升趋势的曲线为比对分值-拒真率曲线,拒真是指正样本未被识别通过,即同一个人的两张人脸图像经过比对,但是未被识别通过;相应的,前述的误识是指负样本被识别通过了,即并非同一个人的两张人脸图像经过比对,但是结果为识别通过。比对分值-拒真曲线能够为确定在不同场合下使用不同的误识率提供参考数据,避免拒真率过高导致的本应识别通过的用户多次识别不通过的问题,用户体验性好。呈下降趋势的曲线为比对分值-认假率(即误识率)曲线。图6中,为640*480与640*480的图像比对分值为83分时,拒真率为0.00361,认假率为0.00159;图7中,是640*480与358*441的比对阈值(即比对分值)为78分时,拒真率为0.06073,认假率为0.00112;图8中,是640*480与102*206的比对阈值为71分时,拒真率为0.08400,认假率为0.00960。图6-图8中,通过率=1-拒真率。我们将比对阈值-误识率曲线和比对阈值-拒真率曲线合称为ROC曲线。
另一方面,与上述提高人脸识别通过率的方法相对应的,如图3所示,本发明还提供一种提高人脸识别通过率的装置,包括:
第一获取模块10,用于获取人脸的待比对照片和被比对照片;
发送模块20,用于将待比对照片和被比对照片发送给比对服务器;
第一接收模块30,用于接收比对服务器返回的比对分值;
第二获取模块40,用于根据待比对照片和被比对照片的尺寸信息,获取相应的阈值,其中当尺寸信息越大,则相应的阈值也越大;
输出模块50,用于根据比对分值和所获取的阈值,给出比对结果。
本发明的提高人脸识别通过率的装置在使用时,根据图像尺寸预先设置不同的阈值,在使用时根据照片的尺寸信息选取对应的阈值,这样提高了人脸识别的通过率,降低了人脸识别的误识率。
作为本发明的一种改进,如图4所示,提高人脸识别通过率的装置还优选包括:第二接收模块60,用于接收比对服务器计算后的待比对照片和被比对照片的尺寸信息。与上述方法相对应的,第二接收模块接收待比对照片和被比对照片的比对分值和尺寸信息后,便于根据照片的尺寸信息获取相应的阈值,提高效率。
作为本发明的另一种改进,第二获取模块40可以进一步用于当待比对照片和被比对照片中较小的照片的尺寸大于或等于358*441时,获取第一阈值;当待比对照片和被比对照片中较小的照片的尺寸大于178*220并且小于358*441时,获取第二阈值;当待比对照片和被比对照片中较小的照片的尺寸小于或等于178*220时,获取第三阈值;其中,第一阈值大于第二阈值,第二阈值大于第三阈值。这样,将照片按照尺寸信息分成三个不同的范围,同一范围内的照片在比对时对应的阈值相同,不同范围内的照片在比对时对应的阈值不同,照片的尺寸信息(分辨率)越大,对应的阈值也越大。
优选的,当比对分值的满分为100分时,第一阈值为80,第二阈值为70,第三阈值为60。本发明以阈值最高为100分的标准为例,发明人经过试验发现,第一阈值为80,第二阈值为70,第三阈值为60时,可以使识别的整体通过率保持在80-90%之间,可以满足客户的需要。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种提高人脸识别通过率的方法,其特征在于,包括:
获取人脸的待比对照片和被比对照片;
将所述待比对照片和被比对照片发送给比对服务器;
接收比对服务器返回的比对分值;
根据所述待比对照片和被比对照片的尺寸信息,获取相应的阈值,其中当所述尺寸信息越大,则相应的阈值也越大;
根据所述比对分值和所获取的阈值,给出比对结果。
2.根据权利要求1所述的提高人脸识别通过率的方法,其特征在于,所述根据所述待比对照片和被比对照片的尺寸信息,获取相应的阈值之前还包括:
接收比对服务器返回的所述待比对照片和被比对照片的尺寸信息。
3.根据权利要求1所述的提高人脸识别通过率的方法,其特征在于,所述根据所述待比对照片和被比对照片的尺寸信息,获取相应的阈值进一步包括:
当待比对照片和被比对照片中较小的照片的尺寸大于或等于358*441时,获取第一阈值;当待比对照片和被比对照片中较小的照片的尺寸大于178*220并且小于358*441时,获取第二阈值;当待比对照片和被比对照片中较小的照片的尺寸小于或等于178*220时,获取第三阈值;
其中,所述第一阈值大于所述第二阈值,所述第二阈值大于所述第三阈值。
4.根据权利要求3所述的提高人脸识别通过率的方法,其特征在于,当比对分值的满分为100分时,所述第一阈值为80,所述第二阈值为70,所述第三阈值为60。
5.一种提高人脸识别通过率的装置,其特征在于,包括:
第一获取模块,用于获取人脸的待比对照片和被比对照片;
发送模块,用于将所述待比对照片和被比对照片发送给比对服务器;
第一接收模块,用于接收比对服务器返回的比对分值;
第二获取模块,用于根据所述待比对照片和被比对照片的尺寸信息,获取相应的阈值,其中当所述尺寸信息越大,则相应的阈值也越大;
输出模块,用于根据所述比对分值和所获取的阈值,给出比对结果。
6.根据权利要求5所述的提高人脸识别通过率的装置,其特征在于,还包括:
第二接收模块,用于接收比对服务器计算后的所述待比对照片和被比对照片的尺寸信息。
7.根据权利要求5所述的提高人脸识别通过率的装置,其特征在于,所述第二获取模块进一步用于,
当待比对照片和被比对照片中较小的照片的尺寸大于或等于358*441时,获取第一阈值;当待比对照片和被比对照片中较小的照片的尺寸大于178*220并且小于358*441时,获取第二阈值;当待比对照片和被比对照片中较小的照片的尺寸小于或等于178*220时,获取第三阈值;
其中,所述第一阈值大于所述第二阈值,所述第二阈值大于所述第三阈值。
8.根据权利要求7所述的提高人脸识别通过率的装置,其特征在于,当比对分值的满分为100分时,所述第一阈值为80,所述第二阈值为70,所述第三阈值为60。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510938668.5A CN105574500B (zh) | 2015-12-15 | 2015-12-15 | 提高人脸识别通过率的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510938668.5A CN105574500B (zh) | 2015-12-15 | 2015-12-15 | 提高人脸识别通过率的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105574500A true CN105574500A (zh) | 2016-05-11 |
CN105574500B CN105574500B (zh) | 2019-09-27 |
Family
ID=55884608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510938668.5A Active CN105574500B (zh) | 2015-12-15 | 2015-12-15 | 提高人脸识别通过率的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105574500B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096539A (zh) * | 2016-06-07 | 2016-11-09 | 广东欧珀移动通信有限公司 | 一种进行生物识别的方法及终端 |
CN109101947A (zh) * | 2018-08-27 | 2018-12-28 | Oppo广东移动通信有限公司 | 人像识别方法、人像识别装置及终端设备 |
CN110807403A (zh) * | 2019-10-29 | 2020-02-18 | 中新智擎科技有限公司 | 一种用户身份识别方法、装置及电子设备 |
WO2020034645A1 (zh) * | 2018-08-13 | 2020-02-20 | 浙江宇视科技有限公司 | 人脸识别方法、人脸识别系统、及电子设备 |
CN112889062A (zh) * | 2018-12-07 | 2021-06-01 | 深圳市欢太科技有限公司 | 人脸识别数据处理方法、装置、移动设备和计算机可读存储介质 |
CN113255631A (zh) * | 2021-07-15 | 2021-08-13 | 浙江大华技术股份有限公司 | 相似度阈值更新方法、人脸识别方法及相关装置 |
CN113807319A (zh) * | 2021-10-15 | 2021-12-17 | 云从科技集团股份有限公司 | 人脸识别优化方法、装置、设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101482919A (zh) * | 2008-01-08 | 2009-07-15 | 欧姆龙株式会社 | 人脸核对装置 |
CN201689439U (zh) * | 2010-05-20 | 2010-12-29 | 上海洪剑智能科技有限公司 | 分布式人脸识别系统 |
EP2198394B1 (en) * | 2007-09-26 | 2011-03-09 | Tessera Technologies Ireland Limited | Face tracking in a camera processor |
CN104702409A (zh) * | 2014-12-31 | 2015-06-10 | 北京天诚盛业科技有限公司 | 基于云平台的生物识别系统及其方法 |
-
2015
- 2015-12-15 CN CN201510938668.5A patent/CN105574500B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2198394B1 (en) * | 2007-09-26 | 2011-03-09 | Tessera Technologies Ireland Limited | Face tracking in a camera processor |
CN101482919A (zh) * | 2008-01-08 | 2009-07-15 | 欧姆龙株式会社 | 人脸核对装置 |
CN201689439U (zh) * | 2010-05-20 | 2010-12-29 | 上海洪剑智能科技有限公司 | 分布式人脸识别系统 |
CN104702409A (zh) * | 2014-12-31 | 2015-06-10 | 北京天诚盛业科技有限公司 | 基于云平台的生物识别系统及其方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096539A (zh) * | 2016-06-07 | 2016-11-09 | 广东欧珀移动通信有限公司 | 一种进行生物识别的方法及终端 |
WO2020034645A1 (zh) * | 2018-08-13 | 2020-02-20 | 浙江宇视科技有限公司 | 人脸识别方法、人脸识别系统、及电子设备 |
US11967176B2 (en) | 2018-08-13 | 2024-04-23 | Zhejiang Unview Technologies Co., Ltd. | Facial recognition method, facial recognition system, and electronic device |
CN109101947A (zh) * | 2018-08-27 | 2018-12-28 | Oppo广东移动通信有限公司 | 人像识别方法、人像识别装置及终端设备 |
CN112889062A (zh) * | 2018-12-07 | 2021-06-01 | 深圳市欢太科技有限公司 | 人脸识别数据处理方法、装置、移动设备和计算机可读存储介质 |
CN110807403A (zh) * | 2019-10-29 | 2020-02-18 | 中新智擎科技有限公司 | 一种用户身份识别方法、装置及电子设备 |
CN110807403B (zh) * | 2019-10-29 | 2022-12-02 | 中新智擎科技有限公司 | 一种用户身份识别方法、装置及电子设备 |
CN113255631A (zh) * | 2021-07-15 | 2021-08-13 | 浙江大华技术股份有限公司 | 相似度阈值更新方法、人脸识别方法及相关装置 |
CN113807319A (zh) * | 2021-10-15 | 2021-12-17 | 云从科技集团股份有限公司 | 人脸识别优化方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105574500B (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105574500A (zh) | 提高人脸识别通过率的方法和装置 | |
US20180165511A1 (en) | Three-dimensional facial recognition method and system | |
CN103679147A (zh) | 手机型号的识别方法与装置 | |
WO2020147398A1 (zh) | 翻拍图像检测方法、装置、计算机设备及存储介质 | |
US10409853B2 (en) | Image filtering method and image filtering system | |
WO2019085064A1 (zh) | 医疗理赔拒付方法、装置、终端设备及存储介质 | |
CN105631439A (zh) | 人脸图像处理方法和装置 | |
WO2021027540A1 (zh) | 走失人员信息匹配方法、装置、计算机设备和存储介质 | |
CN110781805B (zh) | 一种目标物体检测方法、装置、计算设备和介质 | |
CN103793719A (zh) | 一种基于人眼定位的单目测距方法和系统 | |
US10706452B1 (en) | Systems for updating listings | |
EP3843036A1 (en) | Sample labeling method and device, and damage category identification method and device | |
CN112287896A (zh) | 一种基于深度学习的无人机航拍图像目标检测方法及系统 | |
CN109858441A (zh) | 一种用于施工现场的异常状态监测方法与装置 | |
CN104361357A (zh) | 基于图片内容分析的相片集分类系统及分类方法 | |
CN112613471B (zh) | 人脸活体检测方法、装置及计算机可读存储介质 | |
CN112101124A (zh) | 一种坐姿检测方法及装置 | |
CN112014413A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 | |
JP7103229B2 (ja) | 不審度推定モデル生成装置 | |
CN114494751A (zh) | 证照信息识别方法、装置、设备及介质 | |
CN106373121A (zh) | 模糊图像识别方法和装置 | |
CN111476148B (zh) | 一种基于移动端的学历证件照采集系统和方法 | |
TWI727337B (zh) | 電子裝置及人臉識別方法 | |
CN102223472B (zh) | 指示使用者判断图像采集装置的镜头是否与被拍摄体平行的方法 | |
CN112633143A (zh) | 图像处理系统、方法、头戴设备、处理设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100085 Beijing, Haidian District, No. ten on the ground floor, No. 1, building 8, floor 802, 1 Applicant after: Beijing eye Intelligence Technology Co., Ltd. Address before: 100085 Beijing, Haidian District, No. ten on the ground floor, No. 1, building 8, floor 802, 1 Applicant before: Beijing Techshino Technology Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |