CN106326816A - 一种面部识别系统及面部识别方法 - Google Patents
一种面部识别系统及面部识别方法 Download PDFInfo
- Publication number
- CN106326816A CN106326816A CN201510383515.9A CN201510383515A CN106326816A CN 106326816 A CN106326816 A CN 106326816A CN 201510383515 A CN201510383515 A CN 201510383515A CN 106326816 A CN106326816 A CN 106326816A
- Authority
- CN
- China
- Prior art keywords
- face
- feature
- module
- identified
- characteristic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000013598 vector Substances 0.000 claims abstract description 38
- 230000001815 facial effect Effects 0.000 claims description 37
- 238000005286 illumination Methods 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 abstract 2
- 230000008859 change Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000036544 posture Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001447 compensatory effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000203 mixture Substances 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
-
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
-
- 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
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及身份识别领域,尤其涉及一种面部识别系统及面部识别方法,主要包括光照预处理模块、特征生成模块、人脸特征库模块以及特征匹配与识别模块。该面部识别方法首先通过光照预处理模块对输入的人脸图像进行光线差异度优化,然后通过特征生成模块生成该人脸图像的特征向量,再将待识别的特征向量与特征库中的所有特征向量进行匹配计算,给出待识别的特征向量对应的身份结果。本发明的技术方案可以在计算资源较为有限的系统上实时判断出待识别的人脸图像的身份,耗时短准确率高。
Description
技术领域
本发明涉及身份识别领域,尤其涉及一种面部识别系统及面部识别方法。
背景技术
现有技术中,应用在门禁安防系统中的人脸识别技术方案解决的是特定位置、特定光线条件下采集的特定角度的人脸图像的身份识别问题。这一方案可以部署在高性能的计算机上,也可以部署在低计算资源的嵌入式计算机上。由于门禁安防系统允许结果响应有长至1秒甚至更长的延时,而且一般是一次性的身份验证需求,很少有连续处理的应用场景,所以必须使用计算复杂度较高的算法。
门禁安防系统使用的人脸识别技术方案具有以下缺陷:1、需要通过补偿光源来固定光线条件,对光线非常敏感;2、要求采集固定的人脸姿势,例如正脸;3、通常计算复杂度较高,给出一次结果耗时较多,连续检测时达不到实时响应需求。
发明内容
鉴于上述问题,本发明提供一种应用在机器人视觉系统的面部识别系统及面部识别方法,实现检测到人脸区域以后的人脸身份识别功能,可以运用于各种光照条件,包括偏光或者无补偿光源的情况,且能识别多姿势的人脸,例如左侧、右侧、上仰、下俯甚至歪向一边的人脸,同时能降低计算复杂度使计算资源消耗降低到可以实时识别出现在机器人视野中的人脸,对响应速度要求较高,而且在人脸身份变化时通过连续识别实现实时反馈。
本发明解决上述技术问题所采用的技术方案为:
提供一种面部识别系统,其特征在于,包括:
光照预处理模块,该模块接收输入的待识别人脸图像,对所述待识别人脸图像进行光照差异度的优化后,将经过光照预处理的待识别人脸图像输出至下一模块;
特征生成模块,与所述光照预处理模块连接,以接收所述经过光照预处理的待识别人脸图像,并进行特征生成后,输出用于描述人脸细节特点的待识别的特征向量;
人脸特征库模块,预存储有已知人脸的特征向量;
特征匹配与识别模块,与所述特征生成模块以及人脸特征库模块连接,以将所述特征生成模块输出的待识别的特征向量与所述特征库中的所有特征向量进行匹配计算,输出所述待识别的特征向量对应的身份结果。
优选的,上述的面部识别系统,其中,所述光照预处理模块使用高斯差分的方法对所述待识别人脸图像进行处理。
优选的,上述的面部识别系统,其中,所述特征生成模块采用局部二值模式特征来描述所述人脸细节特点的特征向量。
优选的,上述的面部识别系统,其中,所述人脸特征库模块还提供新的人脸特征添加接口,通过该接口可以向所述人脸特征库模块加入已知身份的人的新人脸特征或未知身份的新人的人脸特征。
本发明还提供一种面部识别方法,其特征在于,基于权利要求1-4中任意一项所述的面部识别系统,所述方法包括以下步骤:
步骤1,初始化所述人脸特征库模块,以使所述人脸特征库模块中预存储已知的人脸特征向量;
步骤2,所述光照预处理模块接收输入的待识别人脸图像,对所述待识别人脸图像进行光照差异度的优化后,将经过光照预处理的待识别人脸图像输出;
步骤3,所述特征生成模块接收经过所述光照预处理模块处理过的待识别人脸图像,并对该待识别人脸图像进行特征生成操作后,输出用于描述人脸细节特点的特征向量;
步骤4,所述特征匹配与识别模块将所述特征生成模块输出的待识别的特征向量与所述特征库中的所有特征向量进行匹配计算,输出所述待识别的特征向量对应的身份结果。
优选的,上述的面部识别方法,其中,在所述步骤2中,所述光照预处理模块使用高斯差分的方法对所述人脸图像进行处理。
优选的,上述的面部识别方法,其中,在所述步骤3中,采用局部二值模式特征描述所述人脸细节特点的特征向量。
优选的,上述的面部识别方法,其中,所述步骤4中,若所述特征匹配与识别模块判定待识别人脸为未知人脸,则输出未知识别结果,并将该未知人脸的特征向量存储至人脸特征库模块中。
上述技术方案具有如下优点或有益效果:
本发明的技术方案可以实现检测到人脸区域以后的人脸身份识别功能,可以运用于各种光照条件,包括偏光或者无补偿光源的情况,且能识别多姿势的人脸,例如左侧、右侧、上仰、下俯甚至歪向一边的人脸,同时能降低计算复杂度使计算资源消耗降低,响应速度较高,从而可以实时识别出现在机器人视野中的人脸,而且在人脸身份变化时通过连续识别实现实时反馈。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明及其特征、外形和优点将会变得更加明显。在全部附图中相同的标记指示相同的部分。并未可以按照比例绘制附图,重点在于示出本发明的主旨。
图1是本发明的面部识别系统的功能模块图。
具体实施方式
下面结合附图和具体的实施例对本发明作进一步的说明,但是不作为本发明的限定。
如图1所示,本发明的面部识别系统,主要应用于机器人的视觉系统,主要由光照预处理模块1、特征生成模块2、人脸特征库模块3以及特征匹配与识别模块4组成。
其中,光照预处理模块1对输入的待识别人脸图像进行光照差异度的优化,减少光照变化对系统识别率的影响。该模块使用高斯差分的方法对图像进行处理。光照变化在同一人脸图像上的影响可被视为在该图像上叠加了一个低频的信号,而对人脸图像进行高斯卷积运算可被视为进行低通滤波,利用两个不同大小卷积核的高斯卷积运算可以构造一个高斯差分运算,效果可视为一个带通滤波器,由于用于人脸识别的有效特征的频率通常比光照信号的频率高,所以适当选择两个卷积核的大小组成差分滤波器可以除去人脸图像中光线变化的影响。图像处理或图像增强技术中用于对光线变化进行处理的方法超过10种,在综合效果和计算资源后,在本实施例中选用了高斯差分的方法。特征生成模块2与光照预处理模块1连接,用以对光照预处理模块1输出的经过光照预处理的人脸图像进行特征生成,并输出描述人脸细节特点的特征向量。目前用来描述人脸的特征类型有主要成分分析(PCA)、独立成分分析(ICA)、局部二值模式特征(LBP)以及深度神经网络训练出的特征等几种,针对我们的应用需求,LBP是最佳的选择。LBP的优势有两点,第一是纯定点计算,计算量较其他特征大为减少,特别是在ARM(一种精简指令集的微处理器,这里也指利用该处理器进行搭建的计算系统)框架无浮点计算能力的处理器上,计算量优势更为明显;第二点是LBP本质上是一个类似差分的特征,能抵抗一定的光线变化。这样可以继续弱化光线预处理模块中未能消除的光线变化信息对系统识别率的不利影响。在特征生成模块2对待识别的人脸图像进行特征生成后,就将待识别的特征向量存储至人脸特征库模块3中,人脸特征库模块3中预存储有已知人脸的特征向量。当需要识别人脸图像时,系统识别逻辑是把需要识别的人脸图像的特征向量与人脸特征库模块3中已知身份的人脸特征向量进行比对,找出特征最相似的人脸。这时需要通过查询人脸特征库模块3来完成识别步骤。由于单人脸图片的LBP特征只能被用于识别角度范围很小的人脸图片,因此本发明的技术方案通过收集更多角度的人脸图像特征,来管理同一个人不同角度的特征向量集。特征匹配与识别模块4与人脸特征库模块3和特征生成模块2连接,当有识别请求到来时,特征匹配与识别模块4将特征生成模块2输出的待识别的人脸特征向量与人脸特征库模块3中的所有特征向量进行匹配计算,找出最接近的一个特征向量并给出相似度值,根据相似度值的预设阈值判定待识别的人脸是否就是特征最接近的那个人脸。若是,给出相应的身份结果;若否,判定待识别人脸为未知人脸,如果此时有需求,可以将该未知人脸的特征向量添加到人脸特征库模块3中,同时需要添加身份信息,以便下次识别。
上述的功能模块组成了面部识别系统。现有的技术中还有一个人脸姿势矫正的技术可以用来减少人脸图像采集时不同的人脸姿势对识别精度的影响,但是要达到较好的效果,该功能模块需要较多的计算资源,使得计算量超出低资源系统的实时处理能力,所以我们用采集更多角度的人脸,同时通过特征匹配与识别模块4中的匹配方法使得匹配结果仍然能够解决不同姿势的人脸识别问题,达到相近的效果。
下面结合一具体实施例对本发明的一种面部识别系统及面部识别方法作详细说明。
本发明的低资源需求的面部识别系统,可运用于机器人板载视觉系统的面部识别,在本实施例中所用的硬件资源为三星Exynos 5410处理平台,所用的软件方案为基于c++语言实现方案的所有功能模块,固化到处理平台上。然后对人脸特征库模块3做初始化,即采集每个已知身份人脸左2、左1、中、右1和右2这5个位置,上、中下、这3个位置共8个位置的人脸图像的特征向量,存储到人脸特征库模块3中,然后任意输入一个人脸图像,判断出该人脸图像的身份。其识别速度大约在200毫秒,满足机器人交互的应用场景。
综上所述,本发明公开了一种面部识别系统及面部识别方法,解决了在光照和拍摄角度明显变化,而计算资源又较为有限时的人脸识别问题,本发明的技术方案可以在计算资源较为有限的系统上实时判断出待识别人脸最可能的身份,并给出置信率;该方案支持20~50个人的识别。当限定以下光照条件为在人脸图像上的光照亮度均匀变化,即不同人脸图像中亮度可以不同,但一张人脸图像中各处要同光照而非有明暗的侧光情况,角度条件为左右偏转各40度以内,上下偏转各30度以内时,20人识别准确率达90%以上,50人准确率达80%以上。
本领域技术人员应该理解,本领域技术人员在结合现有技术以及上述实施例可以实现所述变化例,在此不做赘述。这样的变化例并不影响本发明的实质内容,在此不予赘述。
以上对本发明的较佳实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施;任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例,这并不影响本发明的实质内容。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (8)
1.一种面部识别系统,其特征在于,包括:
光照预处理模块,该模块接收输入的待识别人脸图像,对所述待识别人脸图像进行光照差异度的优化后,将经过光照预处理的待识别人脸图像输出至下一模块;
特征生成模块,与所述光照预处理模块连接,以接收所述经过光照预处理的待识别人脸图像,并进行特征生成后,输出用于描述人脸细节特点的待识别的特征向量;
人脸特征库模块,预存储有已知人脸的特征向量;
特征匹配与识别模块,与所述特征生成模块以及人脸特征库模块连接,以将所述特征生成模块输出的待识别的特征向量与所述特征库中的所有特征向量进行匹配计算,输出所述待识别的特征向量对应的身份结果。
2.根据权利要求1所述的面部识别系统,其特征在于,所述光照预处理模块使用高斯差分的方法对所述待识别人脸图像进行处理。
3.根据权利要求1所述的面部识别系统,其特征在于,所述特征生成模块采用局部二值模式特征来描述所述人脸细节特点的特征向量。
4.根据权利要求1所述的面部识别系统,其特征在于,所述人脸特征库模块还提供新的人脸特征添加接口,通过该接口可以向所述人脸特征库模块加入已知身份的人的新人脸特征或未知身份的新人的人脸特征。
5.一种面部识别方法,其特征在于,基于权利要求1-4中任意一项所述的面部识别系统,所述方法包括以下步骤:
步骤1,初始化所述人脸特征库模块,以使所述人脸特征库模块中预存储已知的人脸特征向量;
步骤2,所述光照预处理模块接收输入的待识别人脸图像,对所述待识别人脸图像进行光照差异度的优化后,将经过光照预处理的待识别人脸图像输出;
步骤3,所述特征生成模块接收经过所述光照预处理模块处理过的待识别人脸图像,并对该待识别人脸图像进行特征生成操作后,输出用于描述人脸细节特点的特征向量;
步骤4,所述特征匹配与识别模块将所述特征生成模块输出的待识别的特征向量与所述特征库中的所有特征向量进行匹配计算,输出所述待识别的特征向量对应的身份结果。
6.根据权利要求5所述的面部识别方法,其特征在于,在所述步骤2中,所述光照预处理模块使用高斯差分的方法对所述人脸图像进行处理。
7.根据权利要求5所述的面部识别方法,其特征在于,在所述步骤3中,采用局部二值模式特征描述所述人脸细节特点的特征向量。
8.根据权利要求5所述的面部识别方法,其特征在于,所述步骤4中,若所述特征匹配与识别模块判定待识别人脸为未知人脸,则输出未知识别结果,并将该未知人脸的特征向量存储至人脸特征库模块中。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510383515.9A CN106326816A (zh) | 2015-06-30 | 2015-06-30 | 一种面部识别系统及面部识别方法 |
EP16817180.9A EP3319010A4 (en) | 2015-06-30 | 2016-06-21 | SYSTEM AND METHOD FOR FACIAL RECOGNITION |
JP2017567755A JP2018525718A (ja) | 2015-06-30 | 2016-06-21 | 顔認識システム及び顔認識方法 |
US15/741,063 US10438056B2 (en) | 2015-06-30 | 2016-06-21 | Face recognition system and face recognition method |
PCT/CN2016/086631 WO2017000816A1 (zh) | 2015-06-30 | 2016-06-21 | 一种面部识别系统及面部识别方法 |
TW105120661A TW201701192A (zh) | 2015-06-30 | 2016-06-30 | 臉部識別系統及臉部識別方法 |
HK17105110.5A HK1231601A1 (zh) | 2015-06-30 | 2017-05-19 | 種面部識別系統及面部識別方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510383515.9A CN106326816A (zh) | 2015-06-30 | 2015-06-30 | 一种面部识别系统及面部识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106326816A true CN106326816A (zh) | 2017-01-11 |
Family
ID=57607768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510383515.9A Pending CN106326816A (zh) | 2015-06-30 | 2015-06-30 | 一种面部识别系统及面部识别方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10438056B2 (zh) |
EP (1) | EP3319010A4 (zh) |
JP (1) | JP2018525718A (zh) |
CN (1) | CN106326816A (zh) |
HK (1) | HK1231601A1 (zh) |
TW (1) | TW201701192A (zh) |
WO (1) | WO2017000816A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679570A (zh) * | 2017-09-27 | 2018-02-09 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
CN109919041A (zh) * | 2019-02-16 | 2019-06-21 | 天津大学 | 一种基于智能机器人的人脸识别方法 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9971847B2 (en) * | 2016-01-07 | 2018-05-15 | International Business Machines Corporation | Automating browser tab groupings based on the similarity of facial features in images |
CN108228871A (zh) * | 2017-07-21 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
US10621416B2 (en) * | 2017-10-02 | 2020-04-14 | Microsoft Technology Licensing, Llc | Image processing for person recognition |
US10747989B2 (en) * | 2018-08-21 | 2020-08-18 | Software Ag | Systems and/or methods for accelerating facial feature vector matching with supervised machine learning |
TWI688902B (zh) * | 2018-08-31 | 2020-03-21 | 國立中正大學 | 應用於表情辨識之拓展式局部二值模式方法及其系統 |
CN109063691B (zh) * | 2018-09-03 | 2021-04-20 | 武汉普利商用机器有限公司 | 一种人脸识别底库优化方法及系统 |
CN108932783A (zh) * | 2018-09-19 | 2018-12-04 | 南京邮电大学 | 一种基于二维人脸识别的面向大流量场景的门禁系统 |
CN109377616B (zh) * | 2018-10-30 | 2021-02-12 | 南京邮电大学 | 一种基于二维人脸识别的门禁控制系统 |
CN111259684B (zh) * | 2018-11-30 | 2023-07-28 | Tcl科技集团股份有限公司 | 一种确定摄像头到人脸距离的方法及装置 |
CN109614962B (zh) * | 2019-01-24 | 2022-11-18 | 深圳市梦网视讯有限公司 | 一种偏光光源人脸图像检测方法和系统 |
TWI701607B (zh) * | 2019-02-26 | 2020-08-11 | 英屬開曼群島商麥迪創科技股份有限公司 | 動態臉部識別系統與動態臉部識別方法 |
CN110097668A (zh) * | 2019-04-19 | 2019-08-06 | 合肥宇科电子科技有限公司 | 一种人脸识别监测控制系统 |
US10650824B1 (en) * | 2019-05-10 | 2020-05-12 | Fmr Llc | Computer systems and methods for securing access to content provided by virtual assistants |
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 |
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 |
CN112668514A (zh) * | 2020-12-31 | 2021-04-16 | 云从科技集团股份有限公司 | 人脸识别的采集控制方法及系统、控制装置、存储介质 |
CN113743308B (zh) * | 2021-09-06 | 2023-12-12 | 汇纳科技股份有限公司 | 基于特征质量的人脸识别方法、装置、存储介质及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561874A (zh) * | 2008-07-17 | 2009-10-21 | 清华大学 | 一种人脸图像识别的方法 |
CN102779273A (zh) * | 2012-06-29 | 2012-11-14 | 重庆邮电大学 | 一种基于局部对比模式的人脸识别方法 |
CN103714347A (zh) * | 2013-12-30 | 2014-04-09 | 汉王科技股份有限公司 | 人脸识别方法及人脸识别装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3469031B2 (ja) * | 1997-02-18 | 2003-11-25 | 株式会社東芝 | 顔画像登録装置及びその方法 |
JP3886660B2 (ja) * | 1999-03-11 | 2007-02-28 | 株式会社東芝 | 人物認識装置における登録装置及びその方法 |
WO2011055164A1 (en) * | 2009-11-06 | 2011-05-12 | Vesalis | Method for illumination normalization on a digital image for performing face recognition |
US9082235B2 (en) * | 2011-07-12 | 2015-07-14 | Microsoft Technology Licensing, Llc | Using facial data for device authentication or subject identification |
CN102663400B (zh) * | 2012-04-16 | 2014-06-04 | 北京博研新创数码科技有限公司 | 一种结合预处理的lbp特征提取方法 |
JP6074182B2 (ja) * | 2012-07-09 | 2017-02-01 | キヤノン株式会社 | 画像処理装置及び画像処理方法、プログラム |
JP6268960B2 (ja) * | 2013-11-15 | 2018-01-31 | オムロン株式会社 | 画像認識装置及び画像認識装置に対するデータ登録方法 |
CN103761514B (zh) * | 2014-01-26 | 2017-08-29 | 公安部第三研究所 | 基于广角枪机和多球机实现人脸识别的系统及方法 |
CN104268539B (zh) | 2014-10-17 | 2017-10-31 | 中国科学技术大学 | 一种高性能的人脸识别方法及系统 |
-
2015
- 2015-06-30 CN CN201510383515.9A patent/CN106326816A/zh active Pending
-
2016
- 2016-06-21 US US15/741,063 patent/US10438056B2/en active Active
- 2016-06-21 WO PCT/CN2016/086631 patent/WO2017000816A1/zh active Application Filing
- 2016-06-21 EP EP16817180.9A patent/EP3319010A4/en not_active Withdrawn
- 2016-06-21 JP JP2017567755A patent/JP2018525718A/ja active Pending
- 2016-06-30 TW TW105120661A patent/TW201701192A/zh unknown
-
2017
- 2017-05-19 HK HK17105110.5A patent/HK1231601A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561874A (zh) * | 2008-07-17 | 2009-10-21 | 清华大学 | 一种人脸图像识别的方法 |
CN102779273A (zh) * | 2012-06-29 | 2012-11-14 | 重庆邮电大学 | 一种基于局部对比模式的人脸识别方法 |
CN103714347A (zh) * | 2013-12-30 | 2014-04-09 | 汉王科技股份有限公司 | 人脸识别方法及人脸识别装置 |
Non-Patent Citations (1)
Title |
---|
马晓路等: "《MATLAB图像处理从入门到精通》", 28 February 2013, 北京:中国铁道出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679570A (zh) * | 2017-09-27 | 2018-02-09 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
CN109919041A (zh) * | 2019-02-16 | 2019-06-21 | 天津大学 | 一种基于智能机器人的人脸识别方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3319010A4 (en) | 2019-02-27 |
TW201701192A (zh) | 2017-01-01 |
EP3319010A1 (en) | 2018-05-09 |
US10438056B2 (en) | 2019-10-08 |
US20180121714A1 (en) | 2018-05-03 |
WO2017000816A1 (zh) | 2017-01-05 |
HK1231601A1 (zh) | 2017-12-22 |
JP2018525718A (ja) | 2018-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106326816A (zh) | 一种面部识别系统及面部识别方法 | |
Chatrath et al. | Real time human face detection and tracking | |
Oloyede et al. | Improving face recognition systems using a new image enhancement technique, hybrid features and the convolutional neural network | |
Wang et al. | A novel hybrid multibiometrics based on the fusion of dual iris, visible and thermal face images | |
US20160026857A1 (en) | Image processor comprising gesture recognition system with static hand pose recognition based on dynamic warping | |
Al-Modwahi et al. | Facial expression recognition intelligent security system for real time surveillance | |
Hsiao et al. | EfficientNet based iris biometric recognition methods with pupil positioning by U-net | |
Minhas et al. | Accurate pixel-wise skin segmentation using shallow fully convolutional neural network | |
Vupputuri et al. | Facial expression recognition using local binary patterns and kullback leibler divergence | |
Pathak et al. | Entropy based CNN for segmentation of noisy color eye images using color, texture and brightness contour features | |
Kavitha et al. | Face mask detection using deep learning | |
Panchal et al. | Pose, illumination and expression invariant face recognition using laplacian of Gaussian and Local Binary Pattern | |
Montazeri et al. | Automatically eye detection with different gray intensity image conditions | |
Selvi et al. | FPGA implementation of a face recognition system | |
Paul et al. | Automatic adaptive facial feature extraction using CDF analysis | |
Pandey et al. | An efficient algorithm for sign language recognition | |
Naz et al. | Intelligent surveillance camera using PCA | |
Jia et al. | Cjam: Convolutional neural network joint attention mechanism in gait recognition | |
Murthy et al. | Dense body part trajectories for human action recognition | |
Hashem et al. | Human gait identification system based on transfer learning | |
Thazheena et al. | A review on face detection under occlusion by facial accessories | |
Hazar et al. | Real time face detection based on motion and skin color information | |
Jirka et al. | Face recognition system with automatic training samples selection using self-organizing map | |
Luo et al. | Pedestrian detection of occlusion based on multi-marker method | |
JP7302719B2 (ja) | 情報処理装置、情報処理方法、および、情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1231601 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |
|
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1231601 Country of ref document: HK |