CN107844773A - 一种三维动态智能人脸识别方法及系统 - Google Patents
一种三维动态智能人脸识别方法及系统 Download PDFInfo
- Publication number
- CN107844773A CN107844773A CN201711103143.5A CN201711103143A CN107844773A CN 107844773 A CN107844773 A CN 107844773A CN 201711103143 A CN201711103143 A CN 201711103143A CN 107844773 A CN107844773 A CN 107844773A
- Authority
- CN
- China
- Prior art keywords
- face
- identified
- characteristic
- recognition
- facial 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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种三维动态智能人脸识别方法及系统，方法包括：获取带结构光编码的第一待识别人脸图像；获取不带结构光编码的第二待识别人脸图像；根据预训练的结构光人脸特征模型从第一待识别人脸图像中查找出第一人脸特征；根据预训练的非结构光人脸特征模型从第二待识别人脸图像中查找出第二人脸特征；根据第一人脸特征和第二人脸特征，结合被动测温技术判定待识别人脸是立体模型人脸还是真实人脸；对真实人脸采用预设的人脸识别算法完成人脸识别。本发明结合被动测温技术和结构光编码实现了三维人脸识别，具有有效识别距离长、识别效果好、适用性广和安全性高的优点，可广泛应用于生物特征识别领域。
Description
技术领域
本发明涉及生物特征识别领域，尤其是一种三维动态智能人脸识别方法及系统。
背景技术
人体有诸多唯一的特征，比如人脸、指纹、虹膜、人耳等，这些特征被统称为生物特征。生物特征识别已被广泛用于安防、家居、智能硬件等众多领域。人脸识别，作为生物特征识别的一种，是基于人的脸部特征信息进行身份识别的一种生物识别技术。它用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别或面部识别。利用人脸识别技术可有效地加强安全和隐私。
目前市面上的人脸识别技术，存在以下缺陷或不足：
(1)人机距离(摄像头到人的距离)测量范围在10m左右甚至更短，有效识别距离短；
(2)主要基于人脸二维彩色图像进行识别，在环境光不稳定变化的情况下使用时会出现数据偏差大、数据丢失等问题，严重影响了识别效果；
(3)主要基于人脸二维彩色图像进行识别，摄像机扫描识别时，不能用于三维人脸识别，适用性不广；
(4)未能识别是否为真实人脸，容易被其它非真实人脸特征欺骗，例如被识别对象不是真实人脸，而是立体模型人脸(如照片或视频等非真实人脸)时，往往也能通过识别，安全性有待进一步提升。
发明内容
为解决上述技术问题，本发明的目的在于：提供一种有效识别距离长、识别效果好、适用性广和安全性高的，三维动态智能人脸识别方法及系统。
本发明所采取的第一技术方案是：
一种三维动态智能人脸识别方法，包括以下步骤：
获取带结构光编码的第一待识别人脸图像；
获取不带结构光编码的第二待识别人脸图像；
根据预训练的结构光人脸特征模型从第一待识别人脸图像中查找出第一人脸特征；
根据预训练的非结构光人脸特征模型从第二待识别人脸图像中查找出第二人脸特征；
根据第一人脸特征和第二人脸特征，结合被动测温技术判定待识别人脸是立体模型人脸还是真实人脸；
对真实人脸采用预设的人脸识别算法完成人脸识别。
进一步，所述获取带结构光编码的第一待识别人脸图像这一步骤，具体包括：
发射经红外调制的一维条码结构光至待识别人脸；
接收待识别人脸反射回的红外编码，并生成第一待识别人脸图像。
进一步，所述根据预训练的结构光人脸特征模型从第一待识别人脸图像中查找出第一人脸特征这一步骤，具体包括：
计算第一待识别人脸图像中各点相对于参考点的距离，并根据计算的距离得到人脸深度图像；
根据预训练的结构光人脸特征模型从人脸深度图像中查找出第一人脸特征。
进一步，所述根据第一人脸特征和第二人脸特征，结合被动测温技术判定待识别人脸是立体模型人脸还是真实人脸这一步骤，具体包括：
根据第一人脸特征对应的第一人脸标定框与第二人脸特征对应的第二人脸标定框的重叠度，判定待识别人脸是否为立体人脸；
采用被动测温技术识别属于立体人脸的待识别人脸是立体模型人脸还是真实人脸。
进一步，所述根据第一人脸特征对应的第一人脸标定框与第二人脸特征对应的第二人脸标定框的重叠度，判定待识别人脸是否为立体人脸这一步骤，具体为：
判断第一人脸标定框与第二人脸标定框的重叠度是否大于预设阈值，若是，则判定待识别人脸是立体人脸，反之，则判定待识别人脸不是立体人脸。
进一步，所述采用被动测温技术识别属于立体人脸的待识别人脸是立体模型人脸还是真实人脸这一步骤，具体包括：
通过被动红外测温技术测定第二人脸标定框对应的人脸区域内的温度分布；
判断测定的温度分布是否符合活性人脸的温度分布，若是，则判定属于立体人脸的待识别人脸是真实人脸，反之，则判定属于立体人脸的待识别人脸是立体模型人脸。
进一步，所述对真实人脸采用预设的人脸识别算法完成人脸识别这一步骤，具体为：
采用标准的人脸识别算法从数据库中检索出与真实人脸的相似度满足预设相似度要求的人脸标号，进而根据检索出的人脸标号完成人脸识别。
本发明所采取的第二技术方案是：
一种三维动态智能人脸识别系统，包括以下模块：
第一获取模块，用于获取带结构光编码的第一待识别人脸图像；
第二获取模块，用于获取不带结构光编码的第二待识别人脸图像；
第一特征查找模块，用于根据预训练的结构光人脸特征模型从第一待识别人脸图像中查找出第一人脸特征；
第二特征查找模块，用于根据预训练的非结构光人脸特征模型从第二待识别人脸图像中查找出第二人脸特征；
活体人脸检测模块，用于根据第一人脸特征和第二人脸特征，结合被动测温技术判定待识别人脸是立体模型人脸还是真实人脸；
真实人脸识别模块，对真实人脸采用预设的人脸识别算法完成人脸识别。
进一步，所述活体人脸检测模块包括：
立体人脸检测单元，用于根据第一人脸特征对应的第一人脸标定框与第二人脸特征对应的第二人脸标定框的重叠度，判定待识别人脸是否为立体人脸；
真实人脸检测单元，用于采用被动测温技术识别属于立体人脸的待识别人脸是立体模型人脸还是真实人脸。
本发明所采取的第三技术方案是：
一种三维动态智能人脸识别系统，包括：
存储器，用于存放程序；
处理器，用于加载所述程序以执行如第一技术方案所述的一种三维动态智能人脸识别方法。
本发明的有益效果是：本发明一种三维动态智能人脸识别方法及系统，结合了被动测温技术和结构光编码来进行三维人脸识别，通过第一待识别人脸图像和第二待识别人脸图像的配合实现了三维人脸识别，在传统二维人脸识别的基础上，通过结构光编码引入了深度这一第三维特征，有效提升了人脸识别的有效识别距离，且不受光照的影响，在环境光不稳定变化的情况下仍能保证识别效果，还使得摄像机扫描识别能用于三维人脸识别，适用性更广；能结合被动测温技术判定待识别人脸是立体模型人脸还是真实人脸，不易被其它非真实人脸特征欺骗，安全性更高。
附图说明
图1为本发明一种三维动态智能人脸识别方法的整体步骤流程图；
图2为本发明的一种具体实施例流程图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。
参照图1，一种三维动态智能人脸识别方法，包括以下步骤：
获取带结构光编码的第一待识别人脸图像；
获取不带结构光编码的第二待识别人脸图像；
根据预训练的结构光人脸特征模型从第一待识别人脸图像中查找出第一人脸特征；
根据预训练的非结构光人脸特征模型从第二待识别人脸图像中查找出第二人脸特征；
根据第一人脸特征和第二人脸特征，结合被动测温技术判定待识别人脸是立体模型人脸还是真实人脸；
对真实人脸采用预设的人脸识别算法完成人脸识别。
其中，第一待识别人脸图像和第二待识别人脸图像均为二维图像，二者通过2个不同的摄像机采集得到，例如第一待识别人脸图像可通过结构光CMOS摄像机(测距摄像机的一种)采集，第二待识别人脸图像可通过常用的彩色摄像机采集。
预训练的结构光人脸特征模型或预训练的非结构光人脸特征模型，可以通过机器学习的方式训练出来，而且其在训练时采用的样本库为二维样本库，与采用三维样本库的训练方式相比，计算量小，实现难度低。
此外，为了正确区分被识别对象是否为真实人脸，本发明采用了被动测温技术，通过由被动式红外测温传感器等采集的热红外图像来获取被识别对象的温度，进而结合活体人脸的温度在37.8℃左右这一特性来分辨出被识别对象是立体模型人脸还是真实人脸，更加安全和可靠。
优选地，被动测温技术的热红外图像和第二待识别人脸图像可通过同时具有拍摄和红外测温功能的摄像头来实现。
进一步作为优选的实施方式，所述获取带结构光编码的第一待识别人脸图像这一步骤，具体包括：
发射经红外调制的一维条码结构光至待识别人脸；
接收待识别人脸反射回的红外编码，并生成第一待识别人脸图像。
其中，一维条码结构光采用红外光作为光源，通过红外光照射光栅产生一维条码结构光。一维条码结构光经待识别人脸反射后被结构光CMOS传感器等结构光摄像机所采集，进而经过结构光摄像机内部的图像处理芯片产生相应的第一待识别人脸图像。
进一步作为优选的实施方式，所述根据预训练的结构光人脸特征模型从第一待识别人脸图像中查找出第一人脸特征这一步骤，具体包括：
计算第一待识别人脸图像中各点相对于参考点的距离，并根据计算的距离得到人脸深度图像；
根据预训练的结构光人脸特征模型从人脸深度图像中查找出第一人脸特征。
其中，采用红外光以一维条码形式形成编码结构光时，距离越远，亮条越宽，因此本发明通过测量亮条和暗条的宽度比计算各点相对于参考点(即摄像机所在的点)的距离。
结构光人脸特征模型通过对深度图像采用机器学习的方式训练(简称机器训练)出来。
进一步作为优选的实施方式，所述根据第一人脸特征和第二人脸特征，结合被动测温技术判定待识别人脸是立体模型人脸还是真实人脸这一步骤，具体包括：
根据第一人脸特征对应的第一人脸标定框与第二人脸特征对应的第二人脸标定框的重叠度，判定待识别人脸是否为立体人脸；
采用被动测温技术识别属于立体人脸的待识别人脸是立体模型人脸还是真实人脸。
其中，第一人脸标定框和第二人脸标定框，用于界定人脸特征的提取区域，便于进行标定和对准。
判定待识别人脸是否为立体人脸，是为了通过重叠度特征初步判定待识别人脸是否符合立体人脸的几何特征要求，对于不属于立体人脸的待识别人脸，则直接结束人脸识别流程，这样能提高识别准确率和识别速度(因为无论是立体模型人脸还是真实人脸都必须是立体人脸，否则会增大识别误差和降低识别速度)。
进一步作为优选的实施方式，所述根据第一人脸特征对应的第一人脸标定框与第二人脸特征对应的第二人脸标定框的重叠度，判定待识别人脸是否为立体人脸这一步骤，具体为：
判断第一人脸标定框与第二人脸标定框的重叠度是否大于预设阈值，若是，则判定待识别人脸是立体人脸，此时接着执行采用被动测温技术识别属于立体人脸的待识别人脸是立体模型人脸还是真实人脸这一步骤；反之，则判定待识别人脸不是立体人脸，此时结束人脸识别流程。
进一步作为优选的实施方式，所述采用被动测温技术识别属于立体人脸的待识别人脸是立体模型人脸还是真实人脸这一步骤，具体包括：
通过被动红外测温技术测定第二人脸标定框对应的人脸区域内的温度分布；
判断测定的温度分布是否符合活性人脸的温度分布，若是，则判定属于立体人脸的待识别人脸是真实人脸，反之，则判定属于立体人脸的待识别人脸是立体模型人脸。
其中，被动红外测温技术可采用被动式红外测温传感器来实现。本发明若判定待识别人脸是立体模型人脸，则直接结束人脸识别流程；若判定待识别人脸是真实人脸，则继续执行采用预设的人脸识别算法完成人脸识别的步骤，这样可以提升人脸识别的安全性，并提高识别效率。
进一步作为优选的实施方式，所述对真实人脸采用预设的人脸识别算法完成人脸识别这一步骤，具体为：
采用标准的人脸识别算法从数据库中检索出与真实人脸的相似度满足预设相似度要求的人脸标号，进而根据检索出的人脸标号完成人脸识别。
其中，标准的人脸识别算法，可为常见的彩色二维人脸识别算法，如RGB彩色二维人脸识别算法等。
数据库，用于存储人脸图像的特征、人脸标号等信息。人脸标号确定后，人脸的其它信息也随之对应确定。
与图1的方法相对应，本发明一种三维动态智能人脸识别系统，包括以下模块：
第一获取模块，用于获取带结构光编码的第一待识别人脸图像；
第二获取模块，用于获取不带结构光编码的第二待识别人脸图像；
第一特征查找模块，用于根据预训练的结构光人脸特征模型从第一待识别人脸图像中查找出第一人脸特征；
第二特征查找模块，用于根据预训练的非结构光人脸特征模型从第二待识别人脸图像中查找出第二人脸特征；
活体人脸检测模块，用于根据第一人脸特征和第二人脸特征，结合被动测温技术判定待识别人脸是立体模型人脸还是真实人脸；
真实人脸识别模块，对真实人脸采用预设的人脸识别算法完成人脸识别。
进一步，所述活体人脸检测模块包括：
立体人脸检测单元，用于根据第一人脸特征对应的第一人脸标定框与第二人脸特征对应的第二人脸标定框的重叠度，判定待识别人脸是否为立体人脸；
真实人脸检测单元，用于采用被动测温技术识别属于立体人脸的待识别人脸是立体模型人脸还是真实人脸。
与图1的方法相对应，本发明一种三维动态智能人脸识别系统，包括：
存储器，用于存放程序；
处理器，用于加载所述程序以执行如本发明所述的一种三维动态智能人脸识别方法。
以采用红外光通过一维条码形式形成编码结构光，第一待识别人脸图像为结构光CMOS光电传感器拍摄的结构光人脸图像，第二待识别人脸图像为RGB CMOS光电传感器拍摄的RGB彩色图像为例，如图2所示，本发明一种三维动态智能人脸识别方案的一种具体实施例包括以下步骤：
S1、发射高频红外调制一维条码结构光至待识别人脸；
S2、结构光CMOS光电传感器(前面加滤镜过滤可见光)接收待识别人脸反射回的红外编码，并生成相应的结构光人脸图像；
S3、通过测量亮条和暗条的宽度比计算结构光人脸图像中各点相对于参考点的距离，获得结构光深度图像。
S4、RGB CMOS光电传感器拍摄得到待识别人脸的RGB彩色图像。
S5、根据RGB图像机器训练获得的RGB人脸特征模型，从步骤S4得到的RGB图像查找人脸特征。
S6、根据结构光深度图像机器训练获得的结构光人脸特征模型，从步骤S3得到的深度图像查找人脸特征。
S7、判断步骤S5和S6对应的人脸标定框的重叠度是否大于设定值，若是，则判定待识别人脸为立体人脸并执行步骤S8；否则确定待识别人脸为非立体人脸并结束人脸识别流程。
S8、通过被动红外测温技术测定人脸标定框所标定的人脸区域的温度分布是否符合活性人脸的温度分布，从而判定是立体模型人脸还是真实人脸。
S9、对真实人脸采用标准的RGB人脸识别算法从数据库检索相似度满足预设相似度要求的人脸标号，从而完成人脸识别。
本具体实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，具体实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
综上所述，本发明一种三维动态智能人脸识别方法及系统具有以下优点：
(1)结合了被动测温技术和结构光编码来进行三维人脸识别，通过第一待识别人脸图像和第二待识别人脸图像的配合实现了三维人脸识别，在传统二维人脸识别的基础上，通过结构光编码引入了深度信息这一第三维特征，有效提升了人脸识别的有效识别距离。
(2)采用了三维人脸识别来取代二维彩色人脸识别，不受光照的影响，在环境光不稳定变化的情况下仍能保证识别效果。
(3)采用了三维人脸识别来取代二维彩色人脸识别，使得摄像机扫描识别能用于三维人脸识别，适用性更广，实时性更好。
(4)结合了被动测温技术来判定待识别人脸是立体模型人脸还是真实人脸，不易被其它非真实人脸特征欺骗，安全性更高，更加可靠。
(5)预训练的人脸特征模型采用了二维样本库进行训练，与采用三维样本库的训练方式相比，计算量小，实现难度低。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种三维动态智能人脸识别方法，其特征在于：包括以下步骤：
获取带结构光编码的第一待识别人脸图像；
获取不带结构光编码的第二待识别人脸图像；
根据预训练的结构光人脸特征模型从第一待识别人脸图像中查找出第一人脸特征；
根据预训练的非结构光人脸特征模型从第二待识别人脸图像中查找出第二人脸特征；
根据第一人脸特征和第二人脸特征，结合被动测温技术判定待识别人脸是立体模型人脸还是真实人脸；
对真实人脸采用预设的人脸识别算法完成人脸识别。
2.根据权利要求1所述的一种三维动态智能人脸识别方法，其特征在于：所述获取带结构光编码的第一待识别人脸图像这一步骤，具体包括：
发射经红外调制的一维条码结构光至待识别人脸；
接收待识别人脸反射回的红外编码，并生成第一待识别人脸图像。
3.根据权利要求1所述的一种三维动态智能人脸识别方法，其特征在于：所述根据预训练的结构光人脸特征模型从第一待识别人脸图像中查找出第一人脸特征这一步骤，具体包括：
计算第一待识别人脸图像中各点相对于参考点的距离，并根据计算的距离得到人脸深度图像；
根据预训练的结构光人脸特征模型从人脸深度图像中查找出第一人脸特征。
4.根据权利要求1所述的一种三维动态智能人脸识别方法，其特征在于：所述根据第一人脸特征和第二人脸特征，结合被动测温技术判定待识别人脸是立体模型人脸还是真实人脸这一步骤，具体包括：
根据第一人脸特征对应的第一人脸标定框与第二人脸特征对应的第二人脸标定框的重叠度，判定待识别人脸是否为立体人脸；
采用被动测温技术识别属于立体人脸的待识别人脸是立体模型人脸还是真实人脸。
5.根据权利要求4所述的一种三维动态智能人脸识别方法，其特征在于：所述根据第一人脸特征对应的第一人脸标定框与第二人脸特征对应的第二人脸标定框的重叠度，判定待识别人脸是否为立体人脸这一步骤，具体为：
判断第一人脸标定框与第二人脸标定框的重叠度是否大于预设阈值，若是，则判定待识别人脸是立体人脸，反之，则判定待识别人脸不是立体人脸。
6.根据权利要求4所述的一种三维动态智能人脸识别方法，其特征在于：所述采用被动测温技术识别属于立体人脸的待识别人脸是立体模型人脸还是真实人脸这一步骤，具体包括：
通过被动红外测温技术测定第二人脸标定框对应的人脸区域内的温度分布；
判断测定的温度分布是否符合活性人脸的温度分布，若是，则判定属于立体人脸的待识别人脸是真实人脸，反之，则判定属于立体人脸的待识别人脸是立体模型人脸。
7.根据权利要求1所述的一种三维动态智能人脸识别方法，其特征在于：所述对真实人脸采用预设的人脸识别算法完成人脸识别这一步骤，具体为：
采用标准的人脸识别算法从数据库中检索出与真实人脸的相似度满足预设相似度要求的人脸标号，进而根据检索出的人脸标号完成人脸识别。
8.一种三维动态智能人脸识别系统，其特征在于：包括以下模块：
第一获取模块，用于获取带结构光编码的第一待识别人脸图像；
第二获取模块，用于获取不带结构光编码的第二待识别人脸图像；
第一特征查找模块，用于根据预训练的结构光人脸特征模型从第一待识别人脸图像中查找出第一人脸特征；
第二特征查找模块，用于根据预训练的非结构光人脸特征模型从第二待识别人脸图像中查找出第二人脸特征；
活体人脸检测模块，用于根据第一人脸特征和第二人脸特征，结合被动测温技术判定待识别人脸是立体模型人脸还是真实人脸；
真实人脸识别模块，对真实人脸采用预设的人脸识别算法完成人脸识别。
9.根据权利要求8所述的一种三维动态智能人脸识别系统，其特征在于：所述活体人脸检测模块包括：
立体人脸检测单元，用于根据第一人脸特征对应的第一人脸标定框与第二人脸特征对应的第二人脸标定框的重叠度，判定待识别人脸是否为立体人脸；
真实人脸检测单元，用于采用被动测温技术识别属于立体人脸的待识别人脸是立体模型人脸还是真实人脸。
10.一种三维动态智能人脸识别系统，其特征在于：包括：
存储器，用于存放程序；
处理器，用于加载所述程序以执行如权利要求1-7任一项所述的一种三维动态智能人脸识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711103143.5A CN107844773A (zh) | 2017-11-10 | 2017-11-10 | 一种三维动态智能人脸识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711103143.5A CN107844773A (zh) | 2017-11-10 | 2017-11-10 | 一种三维动态智能人脸识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107844773A true CN107844773A (zh) | 2018-03-27 |
Family
ID=61681549
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711103143.5A Pending CN107844773A (zh) | 2017-11-10 | 2017-11-10 | 一种三维动态智能人脸识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107844773A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108492421A (zh) * | 2018-03-29 | 2018-09-04 | 成都惠网远航科技有限公司 | 低功耗人脸识别方法 |
| CN108647636A (zh) * | 2018-05-09 | 2018-10-12 | 深圳阜时科技有限公司 | 身份鉴权方法、身份鉴权装置及电子设备 |
| CN108763902A (zh) * | 2018-05-29 | 2018-11-06 | Oppo广东移动通信有限公司 | 验证方法、验证系统、终端、计算机设备和可读存储介质 |
| CN109063620A (zh) * | 2018-07-25 | 2018-12-21 | 维沃移动通信有限公司 | 一种身份识别方法及终端设备 |
| CN109583304A (zh) * | 2018-10-23 | 2019-04-05 | 宁波盈芯信息科技有限公司 | 一种基于结构光模组的快速3d人脸点云生成方法及装置 |
| CN109961062A (zh) * | 2019-04-16 | 2019-07-02 | 北京迈格威科技有限公司 | 图像识别方法、装置、终端和可读存储介质 |
| CN110163097A (zh) * | 2019-04-16 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 三维头像真伪性的鉴别方法、装置、电子设备及存储介质 |
| WO2020038445A1 (en) * | 2018-08-24 | 2020-02-27 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Infrared projector, imaging device, and terminal device |
| US11580779B2 (en) | 2018-05-29 | 2023-02-14 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Verification system, electronic device, and verification method |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101339607A (zh) * | 2008-08-15 | 2009-01-07 | 北京中星微电子有限公司 | 人脸识别方法及系统、人脸识别模型训练方法及系统 |
| CN101793562A (zh) * | 2010-01-29 | 2010-08-04 | 中山大学 | 一种红外热图像序列的人脸检测与跟踪的算法 |
| CN103544738A (zh) * | 2013-11-13 | 2014-01-29 | 胡江莉 | 一种企业考勤系统 |
| CN105069448A (zh) * | 2015-09-29 | 2015-11-18 | 厦门中控生物识别信息技术有限公司 | 一种真假人脸识别方法及装置 |
| CN105120257A (zh) * | 2015-08-18 | 2015-12-02 | 宁波盈芯信息科技有限公司 | 一种基于结构光编码的垂直深度感知装置 |
| CN105513221A (zh) * | 2015-12-30 | 2016-04-20 | 四川川大智胜软件股份有限公司 | 一种基于三维人脸识别的atm机防欺诈装置及系统 |
| CN105574509A (zh) * | 2015-12-16 | 2016-05-11 | 天津科技大学 | 一种基于光照的人脸识别系统回放攻击检测方法及应用 |
| CN106161907A (zh) * | 2016-08-31 | 2016-11-23 | 北京的卢深视科技有限公司 | 获取场景三维信息的安防网络相机 |
-
2017
- 2017-11-10 CN CN201711103143.5A patent/CN107844773A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101339607A (zh) * | 2008-08-15 | 2009-01-07 | 北京中星微电子有限公司 | 人脸识别方法及系统、人脸识别模型训练方法及系统 |
| CN101793562A (zh) * | 2010-01-29 | 2010-08-04 | 中山大学 | 一种红外热图像序列的人脸检测与跟踪的算法 |
| CN103544738A (zh) * | 2013-11-13 | 2014-01-29 | 胡江莉 | 一种企业考勤系统 |
| CN105120257A (zh) * | 2015-08-18 | 2015-12-02 | 宁波盈芯信息科技有限公司 | 一种基于结构光编码的垂直深度感知装置 |
| CN105069448A (zh) * | 2015-09-29 | 2015-11-18 | 厦门中控生物识别信息技术有限公司 | 一种真假人脸识别方法及装置 |
| CN105574509A (zh) * | 2015-12-16 | 2016-05-11 | 天津科技大学 | 一种基于光照的人脸识别系统回放攻击检测方法及应用 |
| CN105513221A (zh) * | 2015-12-30 | 2016-04-20 | 四川川大智胜软件股份有限公司 | 一种基于三维人脸识别的atm机防欺诈装置及系统 |
| CN106161907A (zh) * | 2016-08-31 | 2016-11-23 | 北京的卢深视科技有限公司 | 获取场景三维信息的安防网络相机 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108492421A (zh) * | 2018-03-29 | 2018-09-04 | 成都惠网远航科技有限公司 | 低功耗人脸识别方法 |
| CN108647636A (zh) * | 2018-05-09 | 2018-10-12 | 深圳阜时科技有限公司 | 身份鉴权方法、身份鉴权装置及电子设备 |
| CN108647636B (zh) * | 2018-05-09 | 2024-03-05 | 深圳阜时科技有限公司 | 身份鉴权方法、身份鉴权装置及电子设备 |
| CN108763902A (zh) * | 2018-05-29 | 2018-11-06 | Oppo广东移动通信有限公司 | 验证方法、验证系统、终端、计算机设备和可读存储介质 |
| US11580779B2 (en) | 2018-05-29 | 2023-02-14 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Verification system, electronic device, and verification method |
| CN109063620A (zh) * | 2018-07-25 | 2018-12-21 | 维沃移动通信有限公司 | 一种身份识别方法及终端设备 |
| WO2020038445A1 (en) * | 2018-08-24 | 2020-02-27 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Infrared projector, imaging device, and terminal device |
| CN109583304A (zh) * | 2018-10-23 | 2019-04-05 | 宁波盈芯信息科技有限公司 | 一种基于结构光模组的快速3d人脸点云生成方法及装置 |
| CN109961062A (zh) * | 2019-04-16 | 2019-07-02 | 北京迈格威科技有限公司 | 图像识别方法、装置、终端和可读存储介质 |
| CN110163097A (zh) * | 2019-04-16 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 三维头像真伪性的鉴别方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107844773A (zh) | 一种三维动态智能人脸识别方法及系统 | |
| CN103106397B (zh) | 基于亮瞳效应的人脸活体检测方法 | |
| CN107832677A (zh) | 基于活体检测的人脸识别方法及系统 | |
| CN110569772B (zh) | 一种泳池内人员状态检测方法 | |
| CN107748869A (zh) | 3d人脸身份认证方法与装置 | |
| CN107609383A (zh) | 3d人脸身份认证方法与装置 | |
| CN107633165A (zh) | 3d人脸身份认证方法与装置 | |
| CN107169483A (zh) | 基于人脸识别的任务执行 | |
| CN107341481A (zh) | 利用结构光图像进行识别 | |
| CN107403168A (zh) | 一种面部识别系统 | |
| CN102622588A (zh) | 双验证人脸防伪方法及装置 | |
| CN103093191A (zh) | 一种三维点云数据结合数字影像数据的物体识别方法 | |
| CN111914761A (zh) | 一种热红外人脸识别的方法及系统 | |
| CN112487922A (zh) | 一种多模态人脸活体检测方法及系统 | |
| US11600112B2 (en) | Bio-security system based on multi-spectral sensing | |
| CN110383289A (zh) | 人脸识别的装置、方法和电子设备 | |
| CN109784130A (zh) | 行人重识别方法及其装置和设备 | |
| CN105426843A (zh) | 一种单镜头下掌静脉和掌纹图像采集装置及图像增强和分割方法 | |
| CN110458041A (zh) | 一种基于rgb-d相机的人脸识别方法及系统 | |
| CN107895110A (zh) | 终端设备的解锁方法、装置及移动终端 | |
| CN110337656A (zh) | 用于人脸识别的光学传感器、装置、方法和电子设备 | |
| CN105354856A (zh) | 一种基于mser与orb相结合的人体匹配与定位方法及系统 | |
| CN109934108A (zh) | 一种多目标多种类的车辆检测和测距系统及实现方法 | |
| CN108509857A (zh) | 人脸活体检测方法、电子设备和计算机程序产品 | |
| CN109389630A (zh) | 可见光图像与红外图像特征点集确定、配准方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180327 |