CN107944429A - 一种面部识别方法、装置及其使用的移动终端 - Google Patents
一种面部识别方法、装置及其使用的移动终端 Download PDFInfo
- Publication number
- CN107944429A CN107944429A CN201711349035.6A CN201711349035A CN107944429A CN 107944429 A CN107944429 A CN 107944429A CN 201711349035 A CN201711349035 A CN 201711349035A CN 107944429 A CN107944429 A CN 107944429A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- target
- similarity
- feature
- 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
- 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
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)
- Image Analysis (AREA)
Abstract
本发明公开的一种面部识别方法包括:接收用户发送的待检测图像;检测所述待检测图像中是否存在面部图像;若是,则提取所述面部图像中的目标面部特征;将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。本发明实施例提供的面部识别方法,移动终端在输入图像中进行面部检测,通过将提取的目标面部特征与特征数据库中的面部特征进行匹配,实现面部识别。由此可见,本发明实施例提供的面部识别方法,在移动终端上实现了面部检测与面部识别的结合。本发明还公开了一种面识别装置及其使用的移动终端,同样能实现上述技术效果。
Description
技术领域
本发明涉及图像处理领域,更具体地说,涉及一种面部识别方法、装置及其使用的移动终端。
背景技术
面部检测与识别正在变成一种越来越重要的技术,就这一点而言,面部检测例如可以在生物测定、用户接口、游戏和其它领域(比如在移动领域中创建用于访问社区的上下文)中使用。微处理器计算能力的发展也已经使面部分析功能在移动设备如蜂窝电话和其它智能设备上使用。
为了开发可应用系统,面部检测与识别需要适当的总体速度和高准确度。卷积神经网络(Convolution NeuralNetwork,CNN)是一种特殊的深层的神经网络模型,它是将人工神经网络和深度学习技术相结合二产生的一种新型人工神经网络方法,具有局部感受区域、层次结构化、特征提取和分类过程相结合的全局训练的特点,在图像识别领域获得了广泛的应用。随着卷积神经网络的近期发展,对于面部检测和面部识别均可以实现极高的准确度。
对于仅检测图像中的面部对象,大多数检测网络例如单次多重检测器(SingleShot MultiBox Detector,SSD)和基于区域的全卷积网络(Region-based FullyConvolutionalNetwork,R-FCN))的准确度为约90%。对于面部识别,即使是浅层CNN网络也能达到99%的准确度。虽然基于CNN的人脸检测和人脸识别有很好的准确度,但是由于其复杂的卷积运算,现有技术中大多数的应用只在云端的服务器上。
因此,如何在移动终端上实现面部检测与面部识别的结合是本领域技术人员需要解决的问题。
发明内容
本发明的目的在于提供一种面部识别方法、装置及其使用的移动终端,实现了面部检测与面部识别的结合。
为实现上述目的,本发明实施例提供了一种面部识别方法,包括:
接收用户发送的待检测图像;
检测所述待检测图像中是否存在面部图像;
若是,则提取所述面部图像中的目标面部特征;
将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。
其中,所述提取所述面部图像中的目标面部特征,包括:
获取所述面部图像对应的目标边界框;
根据所述目标边界框,将所述面部图像裁剪缩放成预订尺寸的标准目标面部图像;
从所述标准目标面部图像中提取目标面部特征。
其中,所述接收用户发送的待检测图像之前,还包括:
接收待存储面部图像和所述待存储面部图像对应的标记,将所述待存储面部图像裁剪缩放成预订尺寸的标准面部图像;
计算所述标准面部图像的特征序列,并将所述特征序列和所述标记的对应关系存储至特征数据库中。
其中,将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果,包括:
计算所述目标面部特征的目标特征序列;
计算所述目标特征序列与特征数据库中所有特征序列的相似度;
判断所述相似度中是否存在大于0的备选相似度;
若是,则将所述备选相似度中的最大值作为目标相似度,并将所述目标相似度对应特征序列的标记确定为匹配结果。
其中,提取所述面部图像中的目标面部特征之前,还包括:
判断所述待检测图像中的面部图像是否达到预设的数量;
若是,则执行提取所述面部图像中的目标面部特征的步骤;
若否,则执行接收用户发送的待检测图像的步骤。
为实现上述目的,本发明实施例提供了一种面部识别装置,包括:
接收模块,用于接收用户发送的待检测图像;
面部检测模块,用于检测所述待检测图像中是否存在面部图像;
特征提取模块,用于当所述待检测图像中存在面部图像时,提取所述面部图像中的目标面部特征;
面部识别模块,用于将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。
其中,所述特征提取模块具体包括:
提取边界单元,用于获取所述面部图像对应的目标边界框;
裁剪单元,用于根据所述目标边界框,将所述面部图像裁剪缩放成预订尺寸的标准目标面部图像;
提取特征单元,用于从所述标准目标面部图像中提取目标面部特征。
其中,还包括:
获取模块,用于接收待存储面部图像和所述待存储面部图像对应的标记,将所述待存储面部图像裁剪缩放成预订尺寸的标准面部图像;
构建特征数据库模块,用于计算所述标准面部图像的特征序列,并将所述特征序列和所述标记的对应关系存储至特征数据库中。
其中,所述面部识别模块具体包括:
计算目标特征序列单元,用于计算所述目标面部特征的目标特征序列;
计算相似度单元,用于计算所述目标特征序列与特征数据库中所有特征序列的相似度;
判断单元,用于判断所述相似度中是否存在大于0的备选相似度;
输出单元,用于在所述相似度中存在大于0的备选相似度时,将所述备选相似度中的最大值作为目标相似度,并将所述目标相似度对应特征序列的标记确定为匹配结果。
为实现上述目的,本发明实施例提供了一种移动终端,包括:
通信组件,用于接收用户发送的待检测图像;
服务器,用于检测所述待检测图像中是否存在面部图像;若是,则提取所述面部图像中的目标面部特征;将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。
通过以上方案可知,本发明实施例提供的一种面部识别方法包括:接收用户发送的待检测图像;检测所述待检测图像中是否存在面部图像;若是,则提取所述面部图像中的目标面部特征;将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。本发明实施例提供的面部识别方法,移动终端在输入图像中进行面部检测,通过将提取的目标面部特征与特征数据库中的面部特征进行匹配,实现面部识别。由此可见,本发明实施例提供的面部识别方法,在移动终端上实现了面部检测与面部识别的结合。本发明还公开了一种面识别装置及其使用的移动终端,同样能实现上述技术效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种面部识别方法的流程图;
图2为本发明实施例公开的另一种面部识别方法的流程图;
图3为本发明实施例公开的又一种面部识别方法的流程图;
图4为本发明实施例公开的一种面部识别装置的结构图;
图5为本发明实施例公开的另一种面部识别装置的结构图;
图6为本发明实施例公开的一种移动终端的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种面部识别方法,在移动终端上实现了面部检测与面部识别的结合。
参见图1,本发明实施例公开的一种面部识别方法的流程图,如图1所示,包括:
S101:接收用户发送的待检测图像;
S102:检测所述待检测图像中是否存在面部图像,若是,则进入S103,若否,则重新返回S101;
面部检测是定位人脸在图像中的位置。常见的对象检测网络(例如SSD和R-FCN)针对20多种类别的对象检测具有约70%的准确度。通过适当的再训练,它们对于仅人脸对象检测可以实现约90%的准确度。将待检测图像馈送到面部检测模块中,以检测所述待检测图像中是否存在面部图像,若是,则进入下一步骤,若否则重新接收待检测图像。
S103:提取所述面部图像中的目标面部特征;
特征提取网络被训练以识别人脸之间的差异。它通过卷积神经网络将人脸图像转换为256字节的数列,该256字节的数列最好地代表了人的人脸。
S104:将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。
在具体实施中,通过特征提取,每个人脸最佳地由256字节的特征表示。同时,在特征数据库中,所有标记的人脸都有其自身的256字节的特征。面部识别要将目标面部特征与特征数据库中的特征之一进行匹配。
本发明实施例提供的面部识别方法,移动终端在输入图像中进行面部检测,通过将提取的目标面部特征与特征数据库中的面部特征进行匹配,实现面部识别。由此可见,本发明实施例提供的面部识别方法,在移动终端上实现了面部检测与面部识别的结合。
在上述实施例的基础上,作为优选实施方式,所述提取所述面部图像中的目标面部特征,包括:
获取所述面部图像对应的目标边界框;
根据所述目标边界框,将所述面部图像裁剪缩放成预订尺寸的标准目标面部图像;
从所述标准目标面部图像中提取目标面部特征。
裁剪单元利用目标边界框和原始图像,从原始面部图像中裁剪出标准目标面部图像。在此步骤中,我们通常将人脸图像裁剪成特征提取网络所需要的正方形,当然也可以是其他形状,在此不作具体限定。此外,标准目标面部图的尺寸可以是恒定的,例如128×128像素。在这种情况下,首先对所述面部图像进行裁剪,然后缩放,通过这种方式,可以保持人脸的宽高比。
在上述实施例的基础上,作为优选实施方式,提取所述面部图像中的目标面部特征之前,还包括:
判断所述待检测图像中的面部图像是否达到预设的数量;
若是,则执行提取所述面部图像中的目标面部特征的步骤;
若否,则执行接收用户发送的待检测图像的步骤。
特征提取网络与人脸检测网络相比通常为浅层,对于特征提取网络输入的人脸图像通常很小。因此,有效地是将多个人脸堆叠在一起以进行批处理。在提取所述面部图像中的目标面部特征之前,判断所述待检测图像中的面部图像是否达到预设的数量,若是则执行批处理的过程,若否,则执行接收用户发送的待检测图像的步骤。该批处理加载CNN卷积权重一次并将其应用于多个人脸。这样显著改进了处理时间。
本发明实施例公开了一种面部识别方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
参见图2,本发明实施例提供的另一种面部识别方法的流程图,如图2所示,包括:
S211:接收待存储面部图像和所述待存储面部图像对应的标记,将所述待存储面部图像裁剪缩放成预订尺寸的标准面部图像;
在面部识别之前,需要向特征数据库中生成特征,这种过程也可以称为人脸登记。首先获取待存储面部图像和所述待存储面部图像对应的标记,该待存储面部图像可以是彩色图像,也可以是灰度图像;将待存储面部图像裁剪并缩放到特征提取网络所需要的确定尺寸,例如128×128像素。
S212:计算所述标准面部图像的特征序列,并将所述特征序列和所述标记的对应关系存储至特征数据库中。
在具体实施中,将待存储面部图像馈送到特征提取网络中,计算256字节的特征数列,并将所述特征序列和所述标记的对应关系存储至特征数据库中。
在具体实施中,可以重复上述两个步骤以登记更多的人。
S202:接收用户发送的待检测图像;
S203:检测所述待检测图像中是否存在面部图像,若是,则进入204,若否,则重新返回S202;
S204:提取所述面部图像中的目标面部特征;
S205:将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。
本发明实施例公开了一种面部识别方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
参见图3,本发明实施例提供的另一种面部识别方法的流程图,如图3所示,包括:
S301:接收用户发送的待检测图像;
S302:检测所述待检测图像中是否存在面部图像,若是,则进入S303,若否,则重新返回S301;
S303:提取所述面部图像中的目标面部特征;
S341:计算所述目标面部特征的目标特征序列;
S342:计算所述目标特征序列与特征数据库中所有特征序列的相似度;
S343:判断所述相似度中是否存在大于0的备选相似度,若是,则进入S344,若否,则结束流程;
S344:将所述备选相似度中的最大值作为目标相似度,并将所述目标相似度对应特征序列的标记确定为匹配结果。
在具体实施中,可以使用NCC(英文全称:Normalized Cross Correlation,中文全称:归一化互相关)来计算两个特征的相似度。NCC的公式定义如下:
其中,X是输入的人脸的256字节的特征,Y是来自特征数据库的256字节的特征之一。NCC在[-1,1]的范围内。NCC值接近1表示最佳相似度。假设X是从输入的人脸提取的特征,以下匹配目标面部特征与特征数据库中面部特征的过程:
1、初始化LableX=NULL,NCCx=0;
2、从特征数据库检索标记和特征序列(Label,Y);
3、计算(X,Y)的NCC;
4、如果(NCC>阈值&&NCC>NCCx),则LabelX=Label,NCCx=NCC;
重复2-4的步骤,如果最终的LabelX不为NULL,则输入的人脸被识别为具有NCCx置信度的Labelx。
下面对本发明实施例提供的一种面部识别装置进行介绍,下文描述的一种面部识别装置与上文描述的一种面部识别方法可以相互参照。
参见图4,本发明实施例提供的一种面部识别装置的结构图,如图4所示,包括:
接收模块401,用于接收用户发送的待检测图像;
面部检测模块402,用于检测所述待检测图像中是否存在面部图像;
特征提取模块403,用于当所述待检测图像中存在面部图像时,提取所述面部图像中的目标面部特征;
面部识别模块404,用于将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。
本发明实施例提供的面部识别装置,移动终端在输入图像中进行面部检测,通过将提取的目标面部特征与特征数据库中的面部特征进行匹配,实现面部识别。由此可见,本发明实施例提供的面部识别装置,在移动终端上实现了面部检测与面部识别的结合。
在上述实施例的基础上,作为优选实施方式,所述特征提取模块具体包括:
提取边界单元,用于获取所述面部图像对应的目标边界框;
裁剪单元,用于根据所述目标边界框,将所述面部图像裁剪缩放成预订尺寸的标准目标面部图像;
提取特征单元,用于从所述标准目标面部图像中提取目标面部特征。
在上述实施例的基础上,作为优选实施方式,所述面部识别模块具体包括:
计算目标特征序列单元,用于计算所述目标面部特征的目标特征序列;
计算相似度单元,用于计算所述目标特征序列与特征数据库中所有特征序列的相似度;
判断单元,用于判断所述相似度中是否存在大于0的备选相似度;
输出单元,用于在所述相似度中存在大于0的备选相似度时,将所述备选相似度中的最大值作为目标相似度,并将所述目标相似度对应特征序列的标记确定为匹配结果。
本发明实施例公开了一种面部识别装置,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
参见图5,本发明实施例提供的另一种面部识别装置的结构图,如图5所示,包括:
获取模块501,用于接收待存储面部图像和所述待存储面部图像对应的标记,将所述待存储面部图像裁剪缩放成预订尺寸的标准面部图像;
构建特征数据库模块502,用于计算所述标准面部图像的特征序列,并将所述特征序列和所述标记的对应关系存储至特征数据库中。
接收模块503,用于接收用户发送的待检测图像;
面部检测模块504,用于检测所述待检测图像中是否存在面部图像;
特征提取模块505,用于当所述待检测图像中存在面部图像时,提取所述面部图像中的目标面部特征;
面部识别模块506,用于将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。
下面对本发明实施例提供的一种移动终端进行介绍,下文描述的一种移动终端使用了上文描述的一种面部识别方法。
参见图6,本发明实施例提供的一种移动终端的结构图,如图6所示,包括:
通信组件601,用于接收用户发送的待检测图像;
服务器602,用于检测所述待检测图像中是否存在面部图像;若是,则提取所述面部图像中的目标面部特征;将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。
本发明实施例提供的移动终端,在输入图像中进行面部检测,通过将提取的目标面部特征与特征数据库中的面部特征进行匹配,实现面部识别。由此可见,本发明实施例提供的移动终端,实现了面部检测与面部识别的结合。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种面部识别方法,其特征在于,包括:
接收用户发送的待检测图像;
检测所述待检测图像中是否存在面部图像;
若是,则提取所述面部图像中的目标面部特征;
将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。
2.根据权利要求1所述的面部识别方法,其特征在于,所述提取所述面部图像中的目标面部特征,包括:
获取所述面部图像对应的目标边界框;
根据所述目标边界框,将所述面部图像裁剪缩放成预订尺寸的标准目标面部图像;
从所述标准目标面部图像中提取目标面部特征。
3.根据权利要求2所述的面部识别方法,其特征在于,所述接收用户发送的待检测图像之前,还包括:
接收待存储面部图像和所述待存储面部图像对应的标记,将所述待存储面部图像裁剪缩放成预订尺寸的标准面部图像;
计算所述标准面部图像的特征序列,并将所述特征序列和所述标记的对应关系存储至特征数据库中。
4.根据权利要求3所述的面部识别方法,其特征在于,将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果,包括:
计算所述目标面部特征的目标特征序列;
计算所述目标特征序列与特征数据库中所有特征序列的相似度;
判断所述相似度中是否存在大于0的备选相似度;
若是,则将所述备选相似度中的最大值作为目标相似度,并将所述目标相似度对应特征序列的标记确定为匹配结果。
5.根据权利要求1-4任一项所述的面部识别方法,其特征在于,提取所述面部图像中的目标面部特征之前,还包括:
判断所述待检测图像中的面部图像是否达到预设的数量;
若是,则执行提取所述面部图像中的目标面部特征的步骤;
若否,则执行接收用户发送的待检测图像的步骤。
6.一种面部识别装置,其特征在于,包括:
接收模块,用于接收用户发送的待检测图像;
面部检测模块,用于检测所述待检测图像中是否存在面部图像;
特征提取模块,用于当所述待检测图像中存在面部图像时,提取所述面部图像中的目标面部特征;
面部识别模块,用于将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。
7.根据权利要求6所述的面部识别装置,其特征在于,所述特征提取模块具体包括:
提取边界单元,用于获取所述面部图像对应的目标边界框;
裁剪单元,用于根据所述目标边界框,将所述面部图像裁剪缩放成预订尺寸的标准目标面部图像;
提取特征单元,用于从所述标准目标面部图像中提取目标面部特征。
8.根据权利要求7所述的面部识别装置,其特征在于,还包括:
获取模块,用于接收待存储面部图像和所述待存储面部图像对应的标记,将所述待存储面部图像裁剪缩放成预订尺寸的标准面部图像;
构建特征数据库模块,用于计算所述标准面部图像的特征序列,并将所述特征序列和所述标记的对应关系存储至特征数据库中。
9.根据权利要求8所述的面部识别装置,其特征在于,所述面部识别模块具体包括:
计算目标特征序列单元,用于计算所述目标面部特征的目标特征序列;
计算相似度单元,用于计算所述目标特征序列与特征数据库中所有特征序列的相似度;
判断单元,用于判断所述相似度中是否存在大于0的备选相似度;
输出单元,用于在所述相似度中存在大于0的备选相似度时,将所述备选相似度中的最大值作为目标相似度,并将所述目标相似度对应特征序列的标记确定为匹配结果。
10.一种移动终端,其特征在于,包括:
通信组件,用于接收用户发送的待检测图像;
服务器,用于检测所述待检测图像中是否存在面部图像;若是,则提取所述面部图像中的目标面部特征;将所述目标面部特征与特征数据库中的面部特征进行匹配,并得到匹配结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711349035.6A CN107944429B (zh) | 2017-12-15 | 2017-12-15 | 一种面部识别方法、装置及其使用的移动终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711349035.6A CN107944429B (zh) | 2017-12-15 | 2017-12-15 | 一种面部识别方法、装置及其使用的移动终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107944429A true CN107944429A (zh) | 2018-04-20 |
CN107944429B CN107944429B (zh) | 2021-03-12 |
Family
ID=61944324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711349035.6A Active CN107944429B (zh) | 2017-12-15 | 2017-12-15 | 一种面部识别方法、装置及其使用的移动终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107944429B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271974A (zh) * | 2018-11-16 | 2019-01-25 | 中山大学 | 一种轻量化人脸联合检测与识别方法及其系统 |
CN113779588A (zh) * | 2021-08-12 | 2021-12-10 | 荣耀终端有限公司 | 面部识别方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408929A (zh) * | 2007-10-10 | 2009-04-15 | 三星电子株式会社 | 一种用于人脸识别系统的多模板人脸注册方法和装置 |
US20140105467A1 (en) * | 2005-09-28 | 2014-04-17 | Facedouble, Inc. | Image Classification And Information Retrieval Over Wireless Digital Networks And The Internet |
CN105915782A (zh) * | 2016-03-29 | 2016-08-31 | 维沃移动通信有限公司 | 一种基于人脸识别的照片获取方法和移动终端 |
CN106326868A (zh) * | 2016-08-26 | 2017-01-11 | 江苏华通晟云科技有限公司 | 基于余弦相似度度量学习的人脸识别方法 |
-
2017
- 2017-12-15 CN CN201711349035.6A patent/CN107944429B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140105467A1 (en) * | 2005-09-28 | 2014-04-17 | Facedouble, Inc. | Image Classification And Information Retrieval Over Wireless Digital Networks And The Internet |
CN101408929A (zh) * | 2007-10-10 | 2009-04-15 | 三星电子株式会社 | 一种用于人脸识别系统的多模板人脸注册方法和装置 |
CN105915782A (zh) * | 2016-03-29 | 2016-08-31 | 维沃移动通信有限公司 | 一种基于人脸识别的照片获取方法和移动终端 |
CN106326868A (zh) * | 2016-08-26 | 2017-01-11 | 江苏华通晟云科技有限公司 | 基于余弦相似度度量学习的人脸识别方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271974A (zh) * | 2018-11-16 | 2019-01-25 | 中山大学 | 一种轻量化人脸联合检测与识别方法及其系统 |
CN113779588A (zh) * | 2021-08-12 | 2021-12-10 | 荣耀终端有限公司 | 面部识别方法及装置 |
CN113779588B (zh) * | 2021-08-12 | 2023-03-24 | 荣耀终端有限公司 | 面部识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107944429B (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292287B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN103927387B (zh) | 图像检索系统及其相关方法和装置 | |
CN106295502B (zh) | 一种人脸检测方法及装置 | |
CN110188611A (zh) | 一种引入视觉注意力机制的行人重识别方法及系统 | |
CN108764041B (zh) | 用于下部遮挡人脸图像的人脸识别方法 | |
CN107977633A (zh) | 人脸图像的年龄识别方法、装置及存储介质 | |
CN107247949A (zh) | 基于深度学习的人脸识别方法、装置和电子设备 | |
CN107657249A (zh) | 多尺度特征行人重识别的方法、装置、存储介质及处理器 | |
CN106845331B (zh) | 一种图像处理方法及终端 | |
CN113283446B (zh) | 图像中目标物识别方法、装置、电子设备及存储介质 | |
CN104063686B (zh) | 作物叶部病害图像交互式诊断系统与方法 | |
CN113159300A (zh) | 图像检测神经网络模型及其训练方法、图像检测方法 | |
CN109426785A (zh) | 一种人体目标身份识别方法及装置 | |
CN107316029A (zh) | 一种活体验证方法及设备 | |
CN109543770A (zh) | 点阵字符识别方法及装置 | |
CN113011253B (zh) | 基于ResNeXt网络的人脸表情识别方法、装置、设备及存储介质 | |
CN108734106A (zh) | 基于对比的快速暴恐视频识别方法 | |
CN110765882A (zh) | 一种视频标签确定方法、装置、服务器及存储介质 | |
CN110245573A (zh) | 一种基于人脸识别的签到方法、装置及终端设备 | |
CN114049568A (zh) | 基于图像比对的标的物形变检测方法、装置、设备及介质 | |
CN107944429A (zh) | 一种面部识别方法、装置及其使用的移动终端 | |
CN110321791A (zh) | 基于人脸识别的人像数据设置方法、装置及存储介质 | |
CN115083006A (zh) | 虹膜识别模型训练方法、虹膜识别方法及装置 | |
CN114299365B (zh) | 图像模型隐蔽后门的检测方法及系统、存储介质、终端 | |
CN110399970B (zh) | 小波卷积小波神经网络及情报分析方法与系统 |
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 Nanshan District, Shenzhen City, Guangdong Province, Guangdong Province, Yuehai Street High-tech Zone Community, No. 6 Sandao, Yuexing, Nanda Industry, Education and Research Building 3A Applicant after: SHENZHEN HAIPPI NANOOPTICAL TECHNOLOGY CO., LTD. Address before: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Applicant before: Shenzhen core Intelligent Technology Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |