CN107368770A - 一种回头客自动识别方法及系统 - Google Patents

一种回头客自动识别方法及系统 Download PDF

Info

Publication number
CN107368770A
CN107368770A CN201610316057.1A CN201610316057A CN107368770A CN 107368770 A CN107368770 A CN 107368770A CN 201610316057 A CN201610316057 A CN 201610316057A CN 107368770 A CN107368770 A CN 107368770A
Authority
CN
China
Prior art keywords
face
face information
frequent customer
information
unit
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
Application number
CN201610316057.1A
Other languages
English (en)
Other versions
CN107368770B (zh
Inventor
宁晓然
宋易霖
薛远翊
鄢波
刘思璇
赵萱
李晨鸽
仵婷
卓小纳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Enertech Energy Service Co ltd
Original Assignee
Shenzhen City Enthone Vijay Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen City Enthone Vijay Technology Co Ltd filed Critical Shenzhen City Enthone Vijay Technology Co Ltd
Priority to CN201610316057.1A priority Critical patent/CN107368770B/zh
Publication of CN107368770A publication Critical patent/CN107368770A/zh
Application granted granted Critical
Publication of CN107368770B publication Critical patent/CN107368770B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及生物特征识别技术领域，提供了一种回头客自动识别方法及系统。其中回头客自动识别方法包括以下步骤：追踪监控区域内的人脸并记录人脸信息；对所述人脸信息进行去重处理；判断所述人脸信息是否为人脸数据库中已有的人脸信息，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。本发明对图像中的信息采用了更加先进的卷积神经网络模型来对回头客进行识别，可以做到更高的匹配准确率；通过对特征向量投影可以进一步的提高回头客识别的准确率。

Description

一种回头客自动识别方法及系统
【技术领域】
本发明涉及生物特征识别技术领域，尤其涉及一种回头客自动识别方法及系统。
【背景技术】
目前的大型商场或小型店铺门口都装有监控设备，该设备能够统计每天的客流量情况，在统计客流量的基础上找出回头客并分析回头客的消费群体，对商场或店铺的经营具有重要的意义。
客流量统计设备中的回头客分析技术多采用人脸识别技术，人脸识别技术，是基于静态图像、需要手动输入一张静态头像，系统才能够对人脸进行识别，无法实现对处于动态的客流量进行人脸识别，如何在客流量动态过程中实现回头客的识别，是目前亟待解决的问题。
【发明内容】
本发明要解决的技术问题是现有回头客识别技术只能基于静态图像进行识别，检测结果不够准确的问题。
为解决上述技术问题，本发明提供以下技术方案：
一种回头客自动识别方法，包括以下步骤：
采集追踪监控区域内的人脸并记录人脸信息；
判断所述对所述人脸信息进行去重处理；
判断所述人脸信息是否为人脸数据库中已有的人脸信息，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。
在一些实施例中，所述对所述人脸信息进行去重处理具体为：
比对人脸信息找出相同的人脸信息；
在相同的人脸信息中提取出最清晰的人脸信息进行保存。
在一些实施例中，所述判断所述人脸信息是否为人脸数据库中已有的人脸信息，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中具体为：
利用深度卷积神经网络对所述人脸信息进行卷积运算，将最后一个卷基层的输出作为特征向量；
将所述特征向量投射至投影矩阵定义好的空间；
判断所述特征向量是否为人脸数据库中已有的特征向量，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。
在一些实施例中，所述追踪监控区域内的人脸并记录人脸信息的步骤之前还包括判断监控区域内是否含有人脸信息。
在一些实施例中，所述判断监控区域内是否含有人脸信息具体为：
利用哈尔特征算法逐层判断所述监控区域内的图像中是否含有人脸特征，将含有人脸特征的图像定义为阳性样本；
利用离线训练方法筛选出阳性样本中的假阳性样本。
另一方面，本发明还提供一种回头客自动识别系统，包括：人脸追踪采集模块，人脸信息去重模块，回头客识别模块，其中：
人脸追踪采集模块，用于追踪监控区域内的人脸并记录人脸信息；
人脸信息去重模块，用于对所述人脸信息进行去重处理；
回头客识别模块，用于判断所述人脸信息是否为人脸数据库中已有的人脸信息，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。
在一些实施例中，所述人脸信息去重模块具体包括：人脸信息比对单元和人脸信息提取单元，其中：
人脸信息比对单元，用于比对人脸信息找出相同的人脸信息；
人脸信息提取单元，用于在相同的人脸信息中提取出最清晰的人脸信息进行保存。
在一些实施例中，所述回头客识别模块具体包括：卷积输出单元、投影矩阵单元和特征向量判断单元，其中：
卷积输出单元，用于利用深度卷积神经网络对所述人脸信息进行卷积运算，将最后一个卷基层的输出作为特征向量；
投影矩阵单元，用于将所述特征向量投射至投影矩阵定义好的空间；
特征向量判断单元，用于判断所述特征向量是否为人脸数据库中已有的特征向量，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。
在一些实施例中，所述系统还包括人脸信息判断模块，所述人脸信息判断模块用于判断监控区域内是否含有人脸信息。
在一些实施例中，所述人脸信息判断模块具体包括：层联分类器单元和支持向量机单元，其中：
层联分类器单元，用于利用哈尔特征算法逐层判断所述图像中是否含有人脸特征，将含有人脸特征的图像定义为阳性样本；
支持向量机单元，用于利用离线训练方法筛选出阳性样本中的假阳性样本。
本发明的有益效果在于：本发明对图像中的信息采用了更加先进的卷积神经网络模型来对回头客进行识别，可以做到更高的匹配准确率；通过对特征向量投影可以进一步的提高回头客识别的准确率。
【附图说明】
图1是本发明实施例1一种回头客自动识别方法的流程示意图；
图2是本发明实施例2一种回头客自动识别系统的结构示意图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1
如图1所示，是本发明实施例1一种回头客自动识别方法的结构示意图，本发明实施例1提供一种回头客自动识别方法，包括以下步骤：
S1：追踪监控区域内的人脸并记录人脸信息；
为了了解店铺回头客的情况，需要在店铺安装采集设备，采集监控区域内的人脸信息。例如：当有顾客进入店铺时，采集设备将追踪监控区域内的人脸，记录下人脸区域内的相关信息为FaceID1，直到人脸消失在监控区域内，当有下一个顾客进入店铺时，记录下人脸区域内的相关信息为FaceID2，以同样的方法记录FaceID3、FaceID4等等。
S2：对所述人脸信息进行去重处理；
在本实施例中，所述对所述人脸信息进行去重处理具体为：
S21：比对人脸信息找出相同的人脸信息；
S22：在相同的人脸信息中提取出最清晰的人脸信息进行保存。
在一段时间内对进入店铺内的人脸进行采集后，需要对这些人脸信息进行去重处理。例如：在一天的记录时间过后，一共记录了FaceID1-FaceID20的人脸特征信息，需要找出这些人脸信息中属于同一个人的人脸信息并将同一个人的人脸信息中提取出最清晰的人脸信息做为下一步进行回头客判断的人脸信息，该过程是为了避免FaceID1-FaceID20中FaceID1可能和FaceID3是同一个人，若将每个FaceID都进行回头客判断会增加系统工作量。判断两个FaceID是否相同是通过判断两个FaceID之间的欧氏距离完成的。
S3：判断所述人脸信息是否为人脸数据库中已有的人脸信息，若是，确定所述人脸信息为回头客信息；若否，将所述人脸信息存储更新于所述人脸数据库中。
在本实施例中，所述步骤S3具体为：
S31：利用深度卷积神经网络对所述人脸信息进行卷积运算，将最后一个卷基层的输出作为特征向量；
S32：将所述特征向量投射至投影矩阵定义好的空间；
S33：判断所述特征向量是否为人脸数据库中已有的特征向量，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。
对所述人脸信息进行去重处理之后，需要判断所述人脸信息是否为人脸数据库中已有的人脸信息，具体为：利用深度卷积神经网络对所述人脸信息进行卷积运算，将最后一个卷基层的输出作为特征向量，由于所述人脸信息可能为人脸数据库中没有的新人信息，需要将特征向量投射至投影矩阵定义好的空间，该空间能够将属于不相同的人脸信息的特征向量的欧式距离最大化，同时将同一人的人脸信息的特征向量的欧式距离最小化，该过程使得同一人的人脸信息更加全面准确，并保证不会将不相同的人脸信息进行混淆；判断所述特征向量是否为人脸数据库中已有的特征向量是通过比较人脸数据库中已有的特征向量与新投射的特征向量是否相似，若相似，说明该人脸信息为回头客信息，若不相似，则将新的特征向量存储更新于所述人脸数据库中的特征向量。进一步地，所述特征向量通过分类器后可以得到回头客的性别、年龄和颜值等参数，在输出回头客信息的过程中，可同时输出回头客的性别、年龄和颜值等参数，这里的颜值指一个人面容的美丽或英俊程度。
较佳地，在本实施例中，所述追踪监控区域内的人脸并记录人脸信息的步骤之前还包括判断监控区域内是否含有人脸信息。
为了保证判断的准确性，该判断过程分两级，首先进行第一级判断：利用哈尔特征算法逐层判断所述图像中是否含有人脸特征，将含有人脸特征的图像定义为阳性样本；哈尔特征是基于哈尔小波的特征，计算每一个图像内某矩形的像素和及其差值。通过哈尔特征算法判断的人脸特征信息可能出现假阳性样本，例如：设定哈尔特征为两个眼睛，一个鼻子，狗也是具有两个眼睛，一个鼻子的生物，此时图像中出现的狗脸被判断为人脸时，就出现了假阳性样本。因此，需要进行第二级判断：利用离线训练方法筛选出阳性样本中的假阳性样本，该过程利用非人脸数据作为阴性样本进行训练。
本实施例提供一种回头客自动识别方法，通过对图像中的信息采用了更加先进的卷积神经网络模型来对回头客进行识别，可以做到更高的匹配准确率；通过对特征向量投影可以进一步的提高回头客识别的准确率。
实施例2
如图2所示，是本发明实施例2一种回头客自动识别系统的结构示意图。本发明实施例2提供一种回头客自动识别系统，包括：人脸追踪采集模块2，人脸信息去重模块3，回头客识别模块4，其中：
人脸追踪采集模块2，用于追踪监控区域内的人脸并记录人脸信息；
人脸信息去重模块3，用于对所述人脸信息进行去重处理；
在本实施例中，所述人脸信息去重模块3具体包括：人脸信息比对单元31和人脸信息提取单元32，其中：
人脸信息比对单元31，用于比对人脸信息找出相同的人脸信息；
人脸信息提取单元32，用于在相同的人脸信息中提取出最清晰的人脸信息进行保存。
回头客识别模块4，用于判断所述人脸信息是否为人脸数据库中已有的人脸信息，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。
在本实施例中，所述回头客识别模块4具体包括：卷积输出单元41、投影矩阵单元42和特征向量判断单元43，其中：
卷积输出单元41，用于利用深度卷积神经网络对所述人脸信息进行卷积运算，将最后一个卷基层的输出作为特征向量；
投影矩阵单元42，用于将所述特征向量投射至投影矩阵定义好的空间；
特征向量判断单元43，用于判断所述特征向量是否为人脸数据库中已有的特征向量，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。
优选地，所述系统还包括人脸信息判断模块1，人脸信息判断模块1，用于判断所述图像信息是否为人脸信息；
在本实施例中，所述人脸信息判断模块1具体包括：层联分类器单元11和支持向量机单元12，其中：
层联分类器单元11，用于利用哈尔特征算法逐层判断所述图像中是否含有人脸特征，将含有人脸特征的图像定义为阳性样本；
支持向量机单元12，用于利用离线训练方法筛选出阳性样本中的假阳性样本。
由于本发明装置实施例与本发明方法实施例基于相同的发明构思，方法实施例中描述的技术内容同样适用于本发明装置实施例，此处不再赘述。
本实施例提供一种回头客自动识别系统，通过对图像中的信息采用了更加先进的卷积神经网络模型来对回头客进行识别，可以做到更高的匹配准确率；通过对特征向量投影可以进一步的提高回头客识别的准确率。
以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种回头客自动识别方法，其特征在于，包括以下步骤：
追踪监控区域内的人脸并记录人脸信息；
对所述人脸信息进行去重处理；
判断所述人脸信息是否为人脸数据库中已有的人脸信息，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。
2.如权利要求1所述的回头客自动识别方法，其特征在于，所述对所述人脸信息进行去重处理具体为：
比对人脸信息找出相同的人脸信息；
在相同的人脸信息中提取出最清晰的人脸信息进行保存。
3.如权利要求1所述的回头客自动识别方法，其特征在于，所述判断所述人脸信息是否为人脸数据库中已有的人脸信息，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中具体为：
利用深度卷积神经网络对所述人脸信息进行卷积运算，将最后一个卷基层的输出作为特征向量；
将所述特征向量投射至投影矩阵定义好的空间；
判断所述特征向量是否为人脸数据库中已有的特征向量，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。
4.如权利要求1所述的回头客自动识别方法，其特征在于，所述追踪监控区域内的人脸并记录人脸信息的步骤之前还包括判断监控区域内是否含有人脸信息。
5.如权利要求4所述的回头客自动识别方法，其特征在于，所述判断监控区域内是否含有人脸信息具体为：
利用哈尔特征算法逐层判断所述监控区域内的图像中是否含有人脸特征，将含有人脸特征的图像定义为阳性样本；
利用离线训练方法筛选出阳性样本中的假阳性样本。
6.一种回头客自动识别系统，其特征在于，包括：人脸追踪采集模块，人脸信息去重模块，回头客识别模块，其中：
人脸追踪采集模块，用于追踪监控区域内的人脸并记录人脸信息；
人脸信息去重模块，用于对所述人脸信息进行去重处理；
回头客识别模块，用于判断所述人脸信息是否为人脸数据库中已有的人脸信息，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。
7.如权利要求6所述的回头客自动识别系统，其特征在于，所述人脸信息去重模块具体包括：人脸信息比对单元和人脸信息提取单元，其中：
人脸信息比对单元，用于比对人脸信息找出相同的人脸信息；
人脸信息提取单元，用于在相同的人脸信息中提取出最清晰的人脸信息进行保存。
8.如权利要求6所述的回头客自动识别系统，其特征在于，所述回头客识别模块具体包括：卷积输出单元、投影矩阵单元和特征向量判断单元，其中：
卷积输出单元，用于利用深度卷积神经网络对所述人脸信息进行卷积运算，将最后一个卷基层的输出作为特征向量；
投影矩阵单元，用于将所述特征向量投射至投影矩阵定义好的空间；
特征向量判断单元，用于判断所述特征向量是否为人脸数据库中已有的特征向量，若是，确定所述人脸为回头客；若否，将所述人脸信息存储更新于所述人脸数据库中。
9.如权利要求6所述的回头客自动识别系统，其特征在于，所述系统还包括人脸信息判断模块，所述人脸信息判断模块用于判断监控区域内是否含有人脸信息。
10.如权利要求9所述的回头客自动识别系统，其特征在于，所述人脸信息判断模块具体包括：层联分类器单元和支持向量机单元，其中：
层联分类器单元，用于利用哈尔特征算法逐层判断所述图像中是否含有人脸特征，将含有人脸特征的图像定义为阳性样本；
支持向量机单元，用于利用离线训练方法筛选出阳性样本中的假阳性样本。
CN201610316057.1A 2016-05-12 2016-05-12 一种回头客自动识别方法及系统 Expired - Fee Related CN107368770B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610316057.1A CN107368770B (zh) 2016-05-12 2016-05-12 一种回头客自动识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610316057.1A CN107368770B (zh) 2016-05-12 2016-05-12 一种回头客自动识别方法及系统

Publications (2)

Publication Number Publication Date
CN107368770A true CN107368770A (zh) 2017-11-21
CN107368770B CN107368770B (zh) 2021-05-11

Family

ID=60304076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610316057.1A Expired - Fee Related CN107368770B (zh) 2016-05-12 2016-05-12 一种回头客自动识别方法及系统

Country Status (1)

Country Link
CN (1) CN107368770B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108021895A (zh) * 2017-12-07 2018-05-11 深圳云天励飞技术有限公司 人数统计方法、设备、可读存储介质及电子设备
CN108597065A (zh) * 2018-03-12 2018-09-28 南京甄视智能科技有限公司 基于人脸识别的客流统计方法
CN109117741A (zh) * 2018-07-20 2019-01-01 苏州中德宏泰电子科技股份有限公司 离线待检测对象识别方法与装置
CN109784163A (zh) * 2018-12-12 2019-05-21 中国科学院深圳先进技术研究院 一种轻量视觉问答系统及方法
CN109859359A (zh) * 2019-01-18 2019-06-07 喆点(东莞)电商科技有限公司 一种智能管理门扫码开门通报后台监控管理系统及方法
CN110414347A (zh) * 2019-06-26 2019-11-05 北京迈格威科技有限公司 人脸验证方法、装置、设备和存储介质
CN112183380A (zh) * 2020-09-29 2021-01-05 新疆爱华盈通信息技术有限公司 基于人脸识别的客流量分析方法和系统、电子设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7236615B2 (en) * 2004-04-21 2007-06-26 Nec Laboratories America, Inc. Synergistic face detection and pose estimation with energy-based models
US20090220156A1 (en) * 2008-02-29 2009-09-03 Canon Kabushiki Kaisha Image processing apparatus, image processing method, program, and storage medium
US8582807B2 (en) * 2010-03-15 2013-11-12 Nec Laboratories America, Inc. Systems and methods for determining personal characteristics
CN103839041A (zh) * 2012-11-27 2014-06-04 腾讯科技（深圳）有限公司 客户端特征的识别方法和装置
CN103902978A (zh) * 2014-04-01 2014-07-02 浙江大学 人脸检测及识别方法
CN104133875A (zh) * 2014-07-24 2014-11-05 北京中视广信科技有限公司 一种基于人脸的视频标注方法和视频检索方法
CN104392370A (zh) * 2014-11-06 2015-03-04 上海斐讯数据通信技术有限公司 一种自动获取顾客信息的电子商务系统和方法
CN104899579A (zh) * 2015-06-29 2015-09-09 小米科技有限责任公司 人脸识别方法和装置
EP2955666A1 (en) * 2014-06-12 2015-12-16 Omron Corporation Image recognition device and method for registering feature data in image recognition device

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7236615B2 (en) * 2004-04-21 2007-06-26 Nec Laboratories America, Inc. Synergistic face detection and pose estimation with energy-based models
US20090220156A1 (en) * 2008-02-29 2009-09-03 Canon Kabushiki Kaisha Image processing apparatus, image processing method, program, and storage medium
US8582807B2 (en) * 2010-03-15 2013-11-12 Nec Laboratories America, Inc. Systems and methods for determining personal characteristics
CN103839041A (zh) * 2012-11-27 2014-06-04 腾讯科技（深圳）有限公司 客户端特征的识别方法和装置
CN103902978A (zh) * 2014-04-01 2014-07-02 浙江大学 人脸检测及识别方法
EP2955666A1 (en) * 2014-06-12 2015-12-16 Omron Corporation Image recognition device and method for registering feature data in image recognition device
CN104133875A (zh) * 2014-07-24 2014-11-05 北京中视广信科技有限公司 一种基于人脸的视频标注方法和视频检索方法
CN104392370A (zh) * 2014-11-06 2015-03-04 上海斐讯数据通信技术有限公司 一种自动获取顾客信息的电子商务系统和方法
CN104899579A (zh) * 2015-06-29 2015-09-09 小米科技有限责任公司 人脸识别方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王昆翔等: "《智能理论与警用智能技术第二版》", 31 May 2009, 中国人民公安大学出版社 *
邹建成等: "《数学及其在图像处理中的应用》", 31 July 2015, 北京邮电大学出版社 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108021895A (zh) * 2017-12-07 2018-05-11 深圳云天励飞技术有限公司 人数统计方法、设备、可读存储介质及电子设备
CN108597065A (zh) * 2018-03-12 2018-09-28 南京甄视智能科技有限公司 基于人脸识别的客流统计方法
CN109117741A (zh) * 2018-07-20 2019-01-01 苏州中德宏泰电子科技股份有限公司 离线待检测对象识别方法与装置
CN109784163A (zh) * 2018-12-12 2019-05-21 中国科学院深圳先进技术研究院 一种轻量视觉问答系统及方法
CN109859359A (zh) * 2019-01-18 2019-06-07 喆点(东莞)电商科技有限公司 一种智能管理门扫码开门通报后台监控管理系统及方法
CN110414347A (zh) * 2019-06-26 2019-11-05 北京迈格威科技有限公司 人脸验证方法、装置、设备和存储介质
CN110414347B (zh) * 2019-06-26 2021-05-11 北京迈格威科技有限公司 人脸验证方法、装置、设备和存储介质
CN112183380A (zh) * 2020-09-29 2021-01-05 新疆爱华盈通信息技术有限公司 基于人脸识别的客流量分析方法和系统、电子设备

Also Published As

Publication number Publication date
CN107368770B (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
CN107368770A (zh) 一种回头客自动识别方法及系统
KR100974293B1 (ko) 얼굴 인식 방법 및 시스템
CN106296879B (zh) 基于无线探测的人流量获取的方法、装置和系统
CN105139003B (zh) 一种动态人脸识别系统及方法
CN104732601B (zh) 一种基于人脸识别技术的高识别率自动考勤装置及方法
CN103116763A (zh) 一种基于hsv 颜色空间统计特征的活体人脸检测方法
CN109272347A (zh) 一种门店客流量的统计分析方法及系统
CN103049459A (zh) 一种基于特征识别的快速录像检索方法
CN101556717A (zh) 一种atm智能安保系统及监测方法
Qing et al. Automated detection and identification of white-backed planthoppers in paddy fields using image processing
Mady et al. Face recognition and detection using Random forest and combination of LBP and HOG features
WO2018040306A1 (zh) 一种监控视频中检测频繁过人的方法
CN106548148A (zh) 视频中未知人脸的识别方法和系统
CN110648352A (zh) 一种异常事件的检测方法、装置及电子设备
CN103093212A (zh) 基于人脸检测和跟踪截取人脸图像的方法和装置
CN106372572A (zh) 监控方法和装置
CN103530648A (zh) 一种基于多帧图像的人脸识别方法
CN108563675B (zh) 基于目标体特征的电子档案自动生成方法及装置
WO2019119515A1 (zh) 人脸分析、过滤方法、装置、嵌入式设备、介质和集成电路
CN110414459A (zh) 建立人车关联的方法及装置
CN106778636A (zh) 身份验证方法及装置
JP2015106197A (ja) 画像処理装置、画像処理方法
CN108446690A (zh) 一种基于多视角动态特征的人脸活体检测方法
CN110909684A (zh) 基于人体检测的工作状态检查系统及方法
CN111353343A (zh) 一种基于视频监控的营业厅服务规范质检方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518000 langrong road Mingjun business center, Dalang community, Dalang street, Longhua District, Shenzhen City, Guangdong Province 802

Applicant after: Shenzhen Miaosi chuangxiang Education Technology Co., Ltd

Address before: 518000 Guangdong Province, Shenzhen city Longhua District streets of new road Vanke Golden Mile Washington, two 1A-2901

Applicant before: WIKKIT LABS Inc.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200826

Address after: Room 1602, North building, Huihu building, No.10, Yueliangwan Road, Suzhou Industrial Park, Jiangsu Province, 215000

Applicant after: JIANGSU ENERTECH ENERGY SERVICE Co.,Ltd.

Address before: 518000 langrong road Mingjun business center, Dalang community, Dalang street, Longhua District, Shenzhen City, Guangdong Province 802

Applicant before: Shenzhen Miaosi chuangxiang Education Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210511

Termination date: 20210512