CN105913014A - 基于身份证芯片照片和视频的身份鉴定方法及系统 - Google Patents
基于身份证芯片照片和视频的身份鉴定方法及系统 Download PDFInfo
- Publication number
- CN105913014A CN105913014A CN201610218061.4A CN201610218061A CN105913014A CN 105913014 A CN105913014 A CN 105913014A CN 201610218061 A CN201610218061 A CN 201610218061A CN 105913014 A CN105913014 A CN 105913014A
- Authority
- CN
- China
- Prior art keywords
- quality
- identity
- video
- photo
- 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.)
- Pending
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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
- G06K7/10297—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves arrangements for handling protocols designed for non-contact record carriers such as RFIDs NFCs, e.g. ISO/IEC 14443 and 18092
-
- 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
Abstract
本发明公开了基于身份证芯片照片和视频的身份鉴定方法及系统,本方案通过对身份证芯片内的低清晰度的照片进行优化放大处理,并对视频中出现的人脸像进行质量判定,剔除质量低的图片后,选择质量最好的人脸像与优化放大处理后的身份证芯片内照片进行比对,从而大大提高了判定的准确性,有效解决现有技术所存在的问题。
Description
技术领域
本发明涉及一种计算机机器视觉技术领域,具体涉及身份识别技术。
背景技术
计算机机器视觉技术被应用于判定视频中人脸与二代身份照是否为同一人。多数系统要求使用尺寸为358×441像素的高清二代身份证照才能保证判定的准确性。这类应用要求系统能联网到公安部身份信息服务平台以获取二代证的高清照片。但也有少量系统在无法联网查询二代证的高清照片的情况下,直接使用二代身份证芯片内存储的102×126像素的低清照进行比对,但准确率不理想。
现有大多数技术要求联网查询二代证高清照做为比对参考人像,这样的技术在实际应用存在诸多不便,如:在网络不可连接或网络质量不稳定时应用困难;在应用场景不能获取联网查询的授权时,系统不可用。
但是对于直接使用二代身份证芯片内存储的102×126像素低清照做为参考人像的系统,因没有对低清照进行优化处理,导致误判率高。
再者,现有系统在对视频中人脸进行识别比对时,只从视频中抽取一帧进行运算,因所选帧中人脸像的质量(含曈间距、对比度、人脸姿态)具有不确定性,且没有对视频中提取的人脸进行质量判定的策略,从而导致比对的准确率不高。
发明内容
针对现有基于视频中人脸以及二代身份证芯片照片的身份鉴别技术所存在准确率不高的问题,本发明的主要目的在于提供一种高准确率的身份鉴定方案,以解决现有技术所存在的问题。
为了达到上述目的,本发明采用如下的技术方案:
方案1:基于身份证芯片照片和视频的身份鉴定方法,所述身份鉴定方法对身份证芯片内存储的照片进行优化处理,并对视频中出现的人脸图像进行质量判定,选择质量最好的人脸图像,由此进行比对完成身份鉴定。
优选的,所述身份鉴定方法中对身份证芯片内存储的照片进行优化处理时,采用超分辨率复原技术进行处理,并对处理结果图像进行插值放大。
优选的,所述身份鉴定方法中结合视频人脸质量判定策略,对视频中出现的人脸图像进行质量判定,剔除质量低的图片,选择质量最好的人脸图像。
优选的,所述身份鉴定方法包括如下实施步骤:
(1)读取身份证芯片内的照片;
(2)使用超分辨复原技术恢复其高频信息;
(3)将步骤(2)处理的结果图片通过插值放大;
(4)从视频中抽取一帧图像;
(5)提取人脸图像,并计算其质量指标;
(6)根据预设的视频人脸质量判定策略,进行人脸图像质量判定,确定质量最好的人脸图像;
(7)将步骤(6)确定的质量最好的人脸图像与步骤(3)中放大后图片进行比对;
(8)根据比对结果确定身份鉴定结果。
方案2:基于身份证芯片照片和视频的身份鉴定系统,该身份鉴定系统主要包括:
照片读取模块,用于读取身份证芯片内的照片;
照片优化模块,用于对照片读取模块读取的照片优化处理;
视频图像抽取模块,用于从视频中抽取图像;
视频图像质量判定模块,用于从视频图像抽取模块抽取的图像中提取人脸图像,并进行质量判断确定质量最好的人脸图像;
图像比对模块,将优化处理的照片与确定的质量最好的人脸图像进行比对。
优选的,所述照片优化模块包括复原子模块以及插值放大子模块,所述复原子模块用于对读取的身份证芯片照片进行信息恢复,所述插值放大子模块对恢复后的照片进行插值放大。
优选的,所述复原子模块包括学习单元、知识数据库以及复原单元,所述学习单元学习高清数字信号与低清数字信号间的相关性,并形成数据库文件存入知识数据库中;所述复原单元结合知识数据库对输入的身份证芯片中存储的数字图像进行复原。
优选的,所述复原子模块采用超分辨率复原技术对读取的身份证芯片照片进行信息恢复。
优选的,所述视频图像质量判定模块包括:
人脸图像提取子模块,用于从抽取的一帧图像中提取人脸图像;
图像质量判定子模块,用于对提取的人脸图像的质量进行判定,确定质量最好的人脸图像。
优选的,所述图像质量判定子模块包括人脸图像质量指标计算单元、视频人脸质量判定策略单元以及图像质量判定单元,所述人脸图像质量指标计算单元用于计算提取的人脸图像的各项质量指标,所述图像质量判定单元调取视频人脸质量判定策略单元中的判定策略对人脸图像质量指标计算单元计算的各项质量指标进行质量评价,以确定图像质量。
本方案通过对身份证芯片内存储的照片以及视频中提取的人脸图像都进行优化预处理,大大提高身份鉴别的准确率,从而实现直接使用二代身份证芯片内存储的102X126像素的低清照与视频中人脸进行比对,且具有很高的准确率,有效解决现有技术所存在的问题。
再者,通过本方案能够在无数据网络或有网络但不能获取身份证高清照的情况下,获取良好的身份鉴别准确率。
附图说明
以下结合附图和具体实施方式来进一步说明本发明。
图1为本发明中基于身份证芯片照片和视频的身份鉴定系统的系统框图;
图2为本身份鉴定系统中照片优化模块的示意图;
图3为本身份鉴定系统中视频图像质量判定模块的示意图;
图4为本发明中进行身份鉴定的流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
本实例方案通过对二代身份证芯片内存储的102×126像素的低清晰度照片(后简称低清照)进行优化处理,同时对视频中出现的人脸图像进行质量判定,选择质量最好的人脸图像用于比对,从而实现可直接使用二代身份证芯片内存储的102×126像素的低清照进行高准确率的身份鉴定。
据此,本方案首先对二代身份证芯片内存储的102×126像素低清照采用超分辨率复原技术进行处理,并对处理结果图像进行插值放大;同时结合视频人脸质量判定策略,对视频中出现的人脸图像进行质量判定,剔除质量低的图片,选择质量最好的人脸图像;最后将确定的质量最好的人脸像与处理后的结果照片进行比对,来完成身份鉴定。
基于上述原理方案,以下具体说明一下本实例方案的具体实施过程。
参见图1,其所示为基于上述原理方案形成的基于身份证芯片照片和视频的身份鉴定系统的系统框图。
该身份鉴定系统整体以身份芯片中存储的数字图像做为输入,据此来完成高准确率的身份鉴定。
由图可知,该身份鉴定系统主要包括照片读取模块100、照片优化模块200、视频图像抽取模块300、视频图像质量判定模块400以及图像比对模块500。
其中,照片读取模块100,其用于读取身份证芯片内存储的102×126像素的低清晰度数字照片,并传至照片优化模块200。
照片优化模块200,以照片读取模块100读取的身份芯片中存储的数字图像做为输入,对该照片进行优化处理,形成204×252像素的照片;并将优化处理的照片传输至图像比对模块500。
视频图像抽取模块300,其从视频中抽取一帧图像,并传至视频图像质量判定模块400。对该模块从视频中抽取图像的速度可根据实际需求而定,本实例方案中,视频图像抽取模块300从视频中美100毫秒抽取一帧图像。
视频图像质量判定模块400,其以视频图像抽取模块300抽取的一帧图像为输入,从该图像中提取人脸图像,并进行质量判断确定质量最好的人脸图像;并将质量最好的人脸图像传输至图像比对模块500。
图像比对模块500,以照片优化模块200优化后的照片以及视频图像质量判定模块400确定的质量最好的人脸图像为输入,并将两者进行比对,根据比对结果来完成身份鉴定。
参见图2,本系统中照片优化模块200采用超分辨率复原技术对读取的身份证芯片照片进行信息恢复。该照片优化模块200主要由复原子模块201以及插值放大子模块202配合完成。
复原子模块201与照片读取模块100数据连接,用于对读取的身份证芯片照片进行信息恢复,形成尺寸为153×189像素的照片。
该复原子模块201包括学习单元201a、知识数据库201b以及复原单元201c三个功能单元,其中的学习单元201a用于根据预存的学习集来学习高清数字信号与低清数字信号间的相关性,并形成数据库文件存入知识数据库201b中;而复原单元201c则用于结合知识数据库对输入的身份证芯片中存储的数字图像进行复原。
插值放大子模块202与复原子模块201数据连接,对复原子模块201恢复后的照片进行插值放大,得到204×252像素的照片。
参见图3,本系统中的视频图像质量判定模块400主要包括:人脸图像提取子模块401和图像质量判定子模块402。
人脸图像提取子模块401,与视频图像抽取模块300数据相接,用于从视频图像抽取模块300抽取的一帧图像中提取人脸图像。
图像质量判定子模块402,与人脸图像提取子模块401数据相接,用于对提取的人脸图像的质量进行判定,确定质量最好的人脸图像。
该图像质量判定子模块402主要包括人脸图像质量指标计算单元402a、视频人脸质量判定策略单元402b以及图像质量判定单元402c。
其中的人脸图像质量指标计算单元402a,以人脸图像提取子模块401提取的人脸图像为输入,计算该人脸图像的各项质量指标。
视频人脸质量判定策略单元402b,用于存储进行视频人脸质量判定的各项策略,如判定的要素、权重等等
图像质量判定单元402c,其用于调取视频人脸质量判定策略单元402b中的判定策略对人脸图像质量指标计算单元402a计算的各项质量指标进行质量评价,以确定图像质量。
据此构成的身份鉴定系统,可为纯软件架构,可以透过程序代码布设于实体媒体,如硬盘、软盘、光盘片、或是任何机器可读取(如智能型手机、计算机可读取)储存媒体,当机器加载程序代码且执行,如智能型手机加载且执行,机器成为用以实行本系统的装置。另外,本系统也可以程序代码型态透过一些传送媒体,如电缆、光纤、或是任何传输型态进行传送,当程序代码被机器,如智能型手机接收、加载且执行,机器成为用于实行本系统的装置。
参见图4,其所示为本实例方案中身份鉴定系统直接基于身份证芯片照片及视频人脸进行身份鉴定的流程图。由图可知,整个鉴定过程包括如下几步:
(1)读取身份证芯片内的照片。
(2)使用超分辨复原技术恢复其高频信息。
由于身份证高清照占用存储空间比较大,没有存储到身份证芯片中,本步骤中以若干对数字图像作为学习集,每一对数字图像由一幅高清图像与一幅低清图像组成(即一张高清身份证照与其对应的低清照形成一对);并用学习集对算法进行训练,算法根据训练得到的知识(即,高清图像数字信号与低清图像数字信号间的相关性),指导后续系统应用,最终实现身份证芯片内低清照到高清照的信号重建/复原,并保证高清照重建/复原的精度。
据此,本步骤在对身份证芯片照片进行信息恢复时,首先以10000张身份证高清照(358×441像素)及其对应的身份证芯片内数字照(102×126像素)作为学习集,学习高清数字信号与低清数字信号间的统计相关性,并将上面学习到的知识形成对应的数据库文件。
接着,以身份芯片存储的数字图像做为输入,结合知识数据库对身份证芯片照片进行复原,复原后的尺寸为153×189像素。
(3)将步骤(2)处理的结果图片通过插值放大一倍;
该步骤将153×189像素照片通过插值放大到204×252像素的照片。
(4)从视频中抽取一帧图像,具体从视频中每100毫秒抽取一帧。
(5)对步骤(4)抽取的一帧图像进行分析:首先提取人脸图像,并计算其质量指标。
(6)根据预设的视频人脸质量判定策略,进行人脸图像质量判定,确定质量最好的人脸图像。
该步骤进行人脸图像质量判定时,首先定位人脸区域及瞳孔、下巴的位置,接着按照下表进行人脸质量评价:
表1
要素 | 满分值 | 0分值 | 权重 | 注 |
瞳间距 | 20像素 | 40像素 | 50% | |
姿态航向偏角 | 0度 | 15度 | 10% | |
姿态左右偏角 | 0度 | 30度 | 10% | |
姿态俯仰角 | 0度 | 15度 | 10% | |
光线 | 200lux | 10lux | 20% |
总权重大于70分(满分为100)的人脸像为有效人脸。
其中,若人脸图像质量判定不合格,则进一步判断该判定过程是否超时,若没有则进入步骤(5)进行下一帧图像的分析;若超时,则判定为“视频质量不够,无法判定”,转入步骤(1),完成此次的身份鉴定。
(7)将步骤(6)确定的质量最好的人脸图像与步骤(3)中放大后图片进行比对。
该步骤具体按照下表进行比对:
表2
(8)根据比对结果确定身份鉴定结果。
在根据表2进行比对后,若相似度值大于60分,判定为本人,则通过身份鉴定,转入步骤(1),完成此次的身份鉴定;若相似度值小于60分,判定为不是本人,身份确定失败,同样转入步骤(1),完成此次的身份鉴定。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.基于身份证芯片照片和视频的身份鉴定方法,其特征在于,所述身份鉴定方法对身份证芯片内存储的照片进行优化处理,并对视频中出现的人脸图像进行质量判定,选择质量最好的人脸图像,由此进行比对完成身份鉴定。
2.根据权利要求1所述的基于身份证芯片照片和视频的身份鉴定方法,其特征在于,所述身份鉴定方法中对身份证芯片内存储的照片进行优化处理时,采用超分辨率复原技术进行处理,并对处理结果图像进行插值放大。
3.根据权利要求1所述的基于身份证芯片照片和视频的身份鉴定方法,其特征在于,所述身份鉴定方法中结合视频人脸质量判定策略,对视频中出现的人脸图像进行质量判定,剔除质量低的图片,选择质量最好的人脸图像。
4.根据权利要求1或2或3所述的基于身份证芯片照片和视频的身份鉴定方法,其特征在于,所述身份鉴定方法包括如下实施步骤:
(1)读取身份证芯片内的照片;
(2)使用超分辨复原技术恢复其高频信息;
(3)将步骤(2)处理的结果图片通过插值放大;
(4)从视频中抽取一帧图像;
(5)提取人脸图像,并计算其质量指标;
(6)根据预设的视频人脸质量判定策略,进行人脸图像质量判定,确定质量最好的人脸图像;
(7)将步骤(6)确定的质量最好的人脸图像与步骤(3)中放大后图片进行比对;
(8)根据比对结果确定身份鉴定结果。
5.基于身份证芯片照片和视频的身份鉴定系统,其特征在于,所述身份鉴定系统主要包括:
照片读取模块,用于读取身份证芯片内的照片;
照片优化模块,用于对照片读取模块读取的照片优化处理;
视频图像抽取模块,用于从视频中抽取图像;
视频图像质量判定模块,用于从视频图像抽取模块抽取的图像中提取人脸图像,并进行质量判断确定质量最好的人脸图像;
图像比对模块,将优化处理的照片与确定的质量最好的人脸图像进行比对。
6.根据权利要求5所述的基于身份证芯片照片和视频的身份鉴定系统,其特征在于,所述照片优化模块包括复原子模块以及插值放大子模块,所述复原子模块用于对读取的身份证芯片照片进行信息恢复,所述插值放大子模块对恢复后的照片进行插值放大。
7.根据权利要求6所述的基于身份证芯片照片和视频的身份鉴定系统,其特征在于,所述复原子模块包括学习单元、知识数据库以及复原单元,所述学习单元学习高清数字信号与低清数字信号间的相关性,并形成数据库文件存入知识数据库中;所述复原单元结合知识数据库对输入的身份证芯片中存储的数字图像进行复原。
8.根据权利要求6或7所述的基于身份证芯片照片和视频的身份鉴定系统,其特征在于,所述复原子模块采用超分辨率复原技术对读取的身份证芯片照片进行信息恢复。
9.根据权利要求5所述的基于身份证芯片照片和视频的身份鉴定系统,其特征在于,所述视频图像质量判定模块包括:
人脸图像提取子模块,用于从抽取的一帧图像中提取人脸图像;
图像质量判定子模块,用于对提取的人脸图像的质量进行判定,确定质量最好的人脸图像。
10.根据权利要求9所述的基于身份证芯片照片和视频的身份鉴定系统,其特征在于,所述图像质量判定子模块包括人脸图像质量指标计算单元、视频人脸质量判定策略单元以及图像质量判定单元,所述人脸图像质量指标计算单元用于计算提取的人脸图像的各项质量指标,所述图像质量判定单元调取视频人脸质量判定策略单元中的判定策略对人脸图像质量指标计算单元计算的各项质量指标进行质量评价,以确定图像质量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610218061.4A CN105913014A (zh) | 2016-04-08 | 2016-04-08 | 基于身份证芯片照片和视频的身份鉴定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610218061.4A CN105913014A (zh) | 2016-04-08 | 2016-04-08 | 基于身份证芯片照片和视频的身份鉴定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105913014A true CN105913014A (zh) | 2016-08-31 |
Family
ID=56744844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610218061.4A Pending CN105913014A (zh) | 2016-04-08 | 2016-04-08 | 基于身份证芯片照片和视频的身份鉴定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105913014A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107770487A (zh) * | 2017-09-12 | 2018-03-06 | 深圳英飞拓科技股份有限公司 | 一种特征提取并优选的方法、系统及终端设备 |
CN109726617A (zh) * | 2017-10-30 | 2019-05-07 | 同方威视科技江苏有限公司 | 安检系统以及安检方法 |
CN109818924A (zh) * | 2018-12-21 | 2019-05-28 | 深圳科安达电子科技股份有限公司 | 一种基于人脸识别的登录铁路专用系统的装置 |
CN109815664A (zh) * | 2018-12-21 | 2019-05-28 | 深圳科安达电子科技股份有限公司 | 一种基于人脸识别的登录铁路专用系统的方法 |
CN110647823A (zh) * | 2019-09-02 | 2020-01-03 | 中国建设银行股份有限公司 | 一种优化人脸底库的方法和装置 |
CN115147969A (zh) * | 2022-07-01 | 2022-10-04 | 公安部第一研究所 | 一种同检系统及其方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996033A (zh) * | 2014-05-29 | 2014-08-20 | 厦门瑞为信息技术有限公司 | 一种基于人脸五官坐标跟踪的真人识别方法 |
-
2016
- 2016-04-08 CN CN201610218061.4A patent/CN105913014A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996033A (zh) * | 2014-05-29 | 2014-08-20 | 厦门瑞为信息技术有限公司 | 一种基于人脸五官坐标跟踪的真人识别方法 |
Non-Patent Citations (3)
Title |
---|
张媛媛等: "深度信念网络的二代身份证异构人脸核实算法", 《智能系统学报》 * |
王智飞: "低分辨率人脸识别算法研究", 《中国博士学位论文全文数据库》 * |
王素玉等: "智能视觉监控技术研究进展", 《中国图象图形学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107770487A (zh) * | 2017-09-12 | 2018-03-06 | 深圳英飞拓科技股份有限公司 | 一种特征提取并优选的方法、系统及终端设备 |
CN107770487B (zh) * | 2017-09-12 | 2020-06-16 | 深圳英飞拓科技股份有限公司 | 一种特征提取并优选的方法、系统及终端设备 |
CN109726617A (zh) * | 2017-10-30 | 2019-05-07 | 同方威视科技江苏有限公司 | 安检系统以及安检方法 |
CN109818924A (zh) * | 2018-12-21 | 2019-05-28 | 深圳科安达电子科技股份有限公司 | 一种基于人脸识别的登录铁路专用系统的装置 |
CN109815664A (zh) * | 2018-12-21 | 2019-05-28 | 深圳科安达电子科技股份有限公司 | 一种基于人脸识别的登录铁路专用系统的方法 |
CN110647823A (zh) * | 2019-09-02 | 2020-01-03 | 中国建设银行股份有限公司 | 一种优化人脸底库的方法和装置 |
CN115147969A (zh) * | 2022-07-01 | 2022-10-04 | 公安部第一研究所 | 一种同检系统及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913014A (zh) | 基于身份证芯片照片和视频的身份鉴定方法及系统 | |
US11188783B2 (en) | Reverse neural network for object re-identification | |
CN109766872B (zh) | 图像识别方法和装置 | |
CN102945366B (zh) | 一种人脸识别的方法及装置 | |
Dagnes et al. | Occlusion detection and restoration techniques for 3D face recognition: a literature review | |
CN106203333A (zh) | 人脸识别方法及系统 | |
CN110008909B (zh) | 一种基于ai的实名制业务实时稽核系统 | |
CN111626123A (zh) | 视频数据处理方法、装置、计算机设备及存储介质 | |
CN106203387A (zh) | 人脸验证方法及系统 | |
CN111241989A (zh) | 图像识别方法及装置、电子设备 | |
CN102324042A (zh) | 视觉识别系统及视觉识别方法 | |
CN111275040A (zh) | 定位方法及装置、电子设备、计算机可读存储介质 | |
CN111738199A (zh) | 图像信息验证方法、装置、计算装置和介质 | |
CN111241873A (zh) | 图像翻拍检测方法及其模型的训练方法、支付方法及装置 | |
CN110175553B (zh) | 基于步态识别与人脸识别建立特征库的方法及装置 | |
Devadethan et al. | Face detection and facial feature extraction based on a fusion of knowledge based method and morphological image processing | |
Atzori et al. | Demographic bias in low-resolution deep face recognition in the wild | |
CN112528903B (zh) | 人脸图像获取方法、装置、电子设备及介质 | |
CN112926557A (zh) | 一种训练多模态人脸识别模型的方法以及多模态人脸识别方法 | |
CN107025435A (zh) | 一种人脸识别处理方法和系统 | |
CN112836557A (zh) | 一种人像识别方法及系统 | |
CN111767839A (zh) | 一种车辆行驶轨迹确定方法、装置、设备及介质 | |
CN111738059A (zh) | 一种面向无感场景的人脸识别方法 | |
CN112749605A (zh) | 身份识别方法、系统和设备 | |
WO2022200211A1 (en) | Method and system for identifying a person |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190211 Address after: Room 4-2, Building No.1, 1107 Yuyuan Road, Changning District, Shanghai 200050 Applicant after: Shanghai Cash and Pay Technology Co., Ltd. Address before: Room 5220, Building 225 and 229 Shangxue Road, Jiading District, Shanghai 201188 Applicant before: Shanghai Doudian Technologies Co., Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160831 |
|
RJ01 | Rejection of invention patent application after publication |