CN107958236A - 人脸识别样本图像的生成方法及终端 - Google Patents
人脸识别样本图像的生成方法及终端 Download PDFInfo
- Publication number
- CN107958236A CN107958236A CN201711472755.1A CN201711472755A CN107958236A CN 107958236 A CN107958236 A CN 107958236A CN 201711472755 A CN201711472755 A CN 201711472755A CN 107958236 A CN107958236 A CN 107958236A
- Authority
- CN
- China
- Prior art keywords
- image
- mapping
- curved
- template
- mapping relation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013507 mapping Methods 0.000 claims abstract description 121
- 230000006870 function Effects 0.000 claims description 21
- 238000005452 bending Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 238000007639 printing Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 abstract description 8
- 238000012360 testing method Methods 0.000 abstract description 5
- 230000001815 facial effect Effects 0.000 abstract 2
- 239000011159 matrix material Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008094 contradictory effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004613 tight binding model Methods 0.000 description 1
- 238000013519 translation Methods 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
- G06V40/161—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
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)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种人脸识别样本图像的生成方法、终端及计算机可读存储介质,其中该方法包括:获取模板图像在弯曲状态下的弯曲图像;检测所述模板图像和所述弯曲图像的对应特征点,建立对应特征点之间的映射关系;根据所述映射关系,将人脸图像映射生成人脸识别样本图像。本发明实施例能够方便地通过将从任何方式获得的人脸图像映射生成大量的人脸识别样本图像,作为活体人脸识别的机器学习的负样本,以及活体人脸识别的计算机的模拟攻击数据,从而提高所述活体人脸识别的测试系统的可靠性,进而提高了所述活体人脸识别的准确度。
Description
技术领域
本发明涉及电子技术领域,尤其涉及一种人脸识别样本图像的生成方法、终端及计算机可读存储介质。
背景技术
人脸识别,是基于人的脸部特征信息,通过计算机进行身份识别的一种技术,被广泛应用在安防和信息安全领域。
目前的人脸识别技术中,通过人脸图像是否共面的共面性判定方法,以及是否有表情变化的判定方法,容易受到一些欺骗手段影响,出现误判的情况。例如,将平面的照片进行各种形状的弯曲后,则有可能将所述弯曲后的照片误判为活体人脸,降低了所述活体人脸识别的准确度。
发明内容
本发明实施例提供一种人脸识别样本图像的生成方法、终端及计算机可读存储介质,能够方便地获取大量的人脸识别样本图像。
第一方面,本发明实施例提供了一种人脸识别图像的生成方法,该方法包括:
获取模板图像在弯曲状态下的弯曲图像;
检测所述模板图像和所述弯曲图像的对应特征点,建立对应特征点之间的映射关系;
根据所述映射关系,将人脸图像映射生成人脸识别样本图像。
第二方面,本发明实施例提供了一种终端,该终端包括用于执行上述第一方面的方法的单元。
第三方面,本发明实施例提供了另一种终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储支持终端执行上述方法的计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述第一方面的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本发明实施例通过获取模板图像在弯曲状态下的弯曲图像,并检测所述模板图像和所述弯曲图像的对应特征点,建立所述对应特征点之间的映射关系;再利用所述映射关系,将从任何方式获得的人脸图像映射生成大量的人脸识别样本图像,所述人脸图像与所述人脸识别样本图像可以作为活体人脸识别的机器学习的负样本,以及活体人脸识别的计算机的模拟攻击数据,从而提高所述活体人脸识别的测试系统的可靠性,进而提高了所述活体人脸识别的准确度。而无需打印每一张人脸图像后,再对所述人脸图像进行弯曲,并拍摄所述弯曲后的人脸图像,作为所述活体人脸识别的机器学习的负样本,以及活体人脸识别的计算机的模拟攻击数据。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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是本发明实施例提供的一种人脸识别样本图像的生成方法的示意流程图;
图2是本发明实施例提供的一种模板图像的示意图;
图3是本发明实施例提供的一种模板图像在弯曲状态下的示意图;
图4是本发明实施例提供的一种终端的示意性框图;
图5是本发明另一实施例提供的一种终端的示意性框图。
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做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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中,本发明实施例中描述的终端包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是,在某些实施例中,所述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中,描述了包括显示器和触摸敏感表面的终端。然而,应当理解的是,终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
终端支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样,终端的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
如图1所示,为本发明实施例提供的一种人脸识别样本图像的生成方法的示意流程图。本实施例中人脸识别样本图像的生成方法的执行主体为终端,终端包括但不限于智能手机、平板电脑、PAD等移动终端。如图所示的人脸识别图像的生成方法可包括:
S101:获取模板图像在弯曲状态下的弯曲图像。
在获取所述模板图像在弯曲状态下的弯曲图像时,首先需要制作并得到所述模板图像。
例如,所述模板图像可以制作成如图2所示的棋盘格图像;或者所述模板图像可以制作成圆斑点阵列图像,此处只是举例说明,不表示为对本发明模板图像的限制。
可选地,所述获取模板图像在弯曲状态下的弯曲图像包括:通过终端的摄像头拍摄获取棋盘格图像或圆斑点阵列图像在打印并弯曲后或在曲面显示器显示的弯曲图像。
例如,将如图2所示的棋盘格图像打印后,进行如图3所示的弯曲,再通过终端的摄像头拍摄所述弯曲后的棋盘格图像;或者,将所述如图2所示的棋盘格图像在曲面显示器中进行显示,再由终端的摄像头拍摄所述曲面显示器显示的弯曲图像。其中,所述曲面显示器可以为曲面电视等曲面显示器。
S102:检测所述模板图像和所述弯曲图像的对应特征点,建立对应特征点之间的映射关系。
在获取了所述模板图像及所述模板图像在弯曲状态下的弯曲图像后,需要检测所述模板图像和所述弯曲图像的对应特征点,再建立对应特征点之间的映射关系。
例如,通过检测所述模板图像和所述弯曲图像的对应特征点的位置坐标;建立对应特征点的位置坐标之间的映射关系。
又例如,当所述模板图像为棋盘格图像或圆斑点阵列图像时,检测所述棋盘格图像或圆斑点阵列图像的模板角点坐标,和所述弯曲图像的弯曲角点坐标;建立所述模板角点坐标和所述弯曲角点坐标之间的映射关系。
具体地,当所述模板图像为如图2所示的棋盘格图像时,所述棋盘格图像的模板角点坐标可以为以图片左上角的O点为原点的坐标系下的像素坐标或图像坐标,为了计算的方便,可以将所述棋盘格图像中黑白格子的四个顶点的坐标作为所述棋盘格图像的模板角点坐标;本领域技术人员知晓,所述棋盘格图像的模板角点坐标还可以为其他参考点为原点的坐标系下的像素坐标或图像坐标,例如,所述棋盘格图像的几何中心;并且,所述模板角点坐标也可以为所述棋盘格图像中黑白格子其他点的坐标,例如,所述棋盘格图像中黑白格子的几何中心;此处只是举例说明,不表示为对本发明的限制。
而当所述模板图像为圆斑点阵列图像,所述圆斑点阵列图像的角点坐标可以选择为圆斑点的几何中心;进一步地,若当圆斑点阵列的相邻圆斑点彼此相交时,还可以将角点坐标选为相邻圆斑点的交点。此处仅为示意性举例,不表示为对本发明的具体限制。
此外,本领域技术人员可以理解,本领域技术人员使用的角点检测技术均可用于实现本发明,本发明对角点检测的方式不作具体限制。
在检测了所述模板图像和所述弯曲图像的对应特征点后,即可建立所述对应特征点之间的映射关系。
可选地,所述映射关系可以包括:薄板样条函数、二元多项式、贝塞尔多项式、有理贝塞尔多项式、非均匀有理B样条(Non uniform rational B-spline,NURBS)中的任意一种。
其中,所述薄板样条函数(Thin-Plate Spline,TPS)是通过若干控制点对一个薄板进行弯曲时,使弯曲能量总和最小的函数模型。而本发明实施例中的印制照片,以及曲面显示器,本质上都是薄版,所述印制照片弯曲后或在曲面显示器显示的弯曲图像与薄板样条模型非常匹配,因此,本发明实施例中,可以采用所述薄板样条函数建立所述映射关系。
例如,当所述模板图像为棋盘格图像时,采用所述薄板样条函数建立如图3所示的弯曲图像的点集Y到如图2所示的棋盘格图像的点集X的映射关系f(Yi)包括如下步骤:
将所述如图2所示的棋盘格图像的点集X={Xi,i=1,2,...,N}与所述如图3所示的弯曲图像的点集Y={Yi,i=1,2,...,N}表示为矩阵形式:
其中,xi,yi的上角标1,2分别表示点xi,yi的横坐标和纵坐标。
其能量函数表达式为:
此时需要最小化所述能量函数Etps(f),其中,最小化能量函数Etps(f)的第一项可以使得所述点集Y中的点尽可能近地映射到X中的点,所述能量函数Etps(f)的第二项属于平滑约束,用于映射的调整,调整参数λ决定映射的形变程度,当所述调整参数λ→0时,将得到所述弯曲图像的点集Y到棋盘格图像的点集X的精确匹配。
定义:t=(y1,y2),ti=(yi 1,yi 2),则
可得所述能量函数Etps(f)存在唯一极小值fλ:
其中,G(t-ti)是薄板样条的格林函数:
所述能量函数Etps(f)的极小值fλ由未知数c和d确定,将所述fλ代入所述能量函数Etps(f)中可得:
Etps(c,d)=||X-Yd-Kc||2+λtrace(cTKc),
其中,X和Y是N×3的点集;d是3×3的仿射变换矩阵;c是N×3的非仿射形变参数矩阵;K是TPS的核,为N×N矩阵,其中,Kij=G(ti-tj)。
需要说明的是,在这里直接求解上式中的c和d的最小二乘解比较繁琐。本发明实施例中,采用QR分解法来分离仿射变换和非仿射变换空间。
其中Q1和Q2分别是N×3和N×(N-3)的正交矩阵,R是上三角矩阵,可变换为:
其中,c=Q2γ,XTc=0,γ是(N-3)×3矩阵。
由和可得到:
其中,所述薄板样条函数的拟合,还可以采用Matlab工具箱中的拟合工具中的ThinPlateSpline方法进行拟合。也可以采用OPENCV中图像变换工具ThinPlateSplineShapeTransformer直接实施。
从而解出未知数c和d,得到所述薄板样条函数模型。
可选地,在本发明实施例中,所述映射关系还可以为二元多项式。
例如,采用所述二元多项式建立如图3所示的弯曲图像的弯曲图像坐标(x',y')到如图2所示的棋盘格图像的模板图像坐标(x,y)的映射关系(x,y)=f(x',y')包括如下步骤:
其中,(x,y)表示模板图像坐标,即真实坐标;(x',y')表示模板图像在弯曲状态下的弯曲图像的弯曲图像坐标。
假设f(x',y')可简化为2元4次多项式g(x',y'),记即简化模型拟合的拟合空间坐标,所述2元4次多项式g(x',y')即为所述映射关系的二元多项式。
其中,i,j表示所述多项式的幂,ki,j为待定系数,所述待定系数包含先验知识,可以通过测量实验与数学拟合获得。
在本发明实施例中,通过实验测得一组坐标映射的样本集T,用于求所述ki,j与li,j分别使得误差函数Ex(ki,j,li,j)与Ey(ki,j,li,j)最小时的解。
其中,Ex(ki,j,li,j)表示真实坐标与拟合空间坐标之间的横坐标的误差;Ey(ki,j,li,j)表示真实坐标与拟合空间坐标之间的纵坐标的误差;
其中,(xq,yq)与(xq',yq')分别为第q个样本中的真实坐标与对应的拟合空间坐标。
记:
需要说明的是,本发明实施例通过最小二乘法求解线性矛盾方程组,获得所述线性矛盾方程组的最小二乘解,求得映射关系模型参数,从而建立对应特征点的位置坐标之间的映射关系。
例如,若所述多项式模型g(x',y')能够准确反映映射关系,则表示所述误差函数Ex(ki,j,li,j)=0,即没有误差,此时关于K的方程组QK=XT有解;但是,由于所述多项式模型g(x',y')只是一个简化模型,所述Ex(ki,j,li,j)≠0,此时关于K的方程组QK=XT是矛盾方程组,无解。因此,需要转化为最小二乘问题:其中,是矛盾方程组QK=XT的极小二范数最小二乘解。
其中,最小二乘解一般不唯一,由矩阵理论知,矛盾方程组QK=XT具有唯一最小二乘解的充要条件是Q+Q=I,即Q是正交矩阵;QK=XT的最优解为
基于同样的推理过程,可以得到矛盾方程组QL=YT的最小二乘解为
可选地,在本发明实施例中,所述映射关系还可以为贝塞尔多项式。
例如,设Pij(i=0,1...n,j=0,1...m)为(n+1)×(m+1)个空间控制点列,则n×m次张量积形式的贝塞尔曲线为:
其中,是贝塞尔基函数。
依次用线段速接点列Pij(i=0,1...n,j=0,1...m)中相邻两点所形成的空间网格,称之为特征网格。
将所述Bezier曲线扩展到Bezier曲面的情况时,可得到Bezier曲面的矩阵表示形式是:
在实际应用中,n、m均小于等于4。
记:
采用归一化处理为0-1的模板图像坐标和弯曲图像坐标,则其中,坐标(u',v')表示弯曲图像坐标,坐标表示与模板图像坐标对应的拟合空间坐标,则贝塞尔曲面模型为:
参数
其中,q表示通过实验测得一组坐标映射的样本集T中第q个样本点。uq为模板图像坐标的真实坐标的横坐标。
建立矛盾方程组同样地,由于这个方程组是一个线性方程组,可以通过极小二范数的最小二乘法求解所述矛盾方程组,求得所述映射关系模型参数Pij。
需要说明的是,本发明实施例中的所述映射关系还可以为有理贝塞尔多项式、非均匀有理B样条中的任意一种,并可以使用非线性优化算法进行求解,其中,所述非线性优化算法可以选用非线性迭代优化算法,如Levenberg-Marquardt迭代(LM算法)或者信赖域法。另外,通过调用Matlab曲面拟合工具箱也可以进行优化求解。
S103:根据所述映射关系,将人脸图像映射生成人脸识别样本图像。
通过上述映射关系的求解后,即可利用所述映射关系将人脸图像映射生成人脸识别样本图像。所述人脸识别样本图像,一方面,可以作为人脸识别的机器学习负样本,即非真实人脸样本;另一方面,可以作为测试人脸识别系统准确性的欺骗性样本。
例如,通过上网搜索人脸照片(人脸图像)后,将所述人脸照片作为所述映射关系对应的映射模型的输入,即可由所述映射模型输出所述人脸照片的人脸识别样本图像。
需要说明的是,在所述将人脸图像映射生成人脸识别样本图像的过程中,一方面,可以根据所述映射关系,将所述人脸图像中的全图像像素坐标进行映射,生成人脸识别样本图像;另一方面,可以根据所述映射关系,选择人脸的全部或部分特征点进行映射,生成人脸识别样本图像。后者可以减小映射过程中的计算量,大大提高效率。例如,对所述人脸图像中的人脸的全部特征点(如,106个特征点),或人脸的部分特征点(如,30个特征点)进行采样后,据所述映射关系,将人脸图像映射生成人脸识别样本图像。
本发明实施例通过获取模板图像在弯曲状态下的弯曲图像,并检测所述模板图像和所述弯曲图像的对应特征点,建立所述对应特征点之间的映射关系;再利用所述映射关系,将从任何方式获得的人脸图像映射生成大量的人脸识别样本图像,所述人脸图像与所述人脸识别样本图像可以作为活体人脸识别的机器学习的负样本,以及活体人脸识别的计算机的模拟攻击数据,从而提高所述活体人脸识别的测试系统的可靠性,进而提高了所述活体人脸识别的准确度。而无需打印每一张人脸图像后,再对所述人脸图像进行弯曲,并拍摄所述弯曲后的人脸图像,作为所述活体人脸识别的机器学习的负样本,以及活体人脸识别的计算机的模拟攻击数据。
在一些终端设备中,可以采用双摄像头进行人脸识别,为了配合所述双摄像头的人脸识别,本发明实施例还可以将所述映射关系扩展至多个映射关系,例如,两个映射关系的情况。
可选地,通过终端的双摄像头获取模板图像在弯曲状态下的第一弯曲图像和第二弯曲图像;检测所述模板图像、所述第一弯曲图像和第二弯曲图像的对应特征点,建立所述模板图像和所述第一弯曲图像的对应特征点之间的第一映射关系,建立所述模板图像和所述第二弯曲图像的对应特征点之间的第二映射关系;根据所述第一映射关系和第二映射关系,将人脸图像映射生成两幅人脸识别样本图像。
同样地,在获取所述模板图像在弯曲状态下的第一弯曲图像和第二弯曲图像时,首先需要制作并得到所述模板图像。
例如,所述模板图像可以制作成如图2所示的棋盘格图像;或者所述模板图像可以制作成圆斑点阵列图像,此处只是举例说明,不表示为对本发明模板图像的限制。
再通过所述终端的双摄像头获取模板图像在弯曲状态下的第一弯曲图像和第二弯曲图像,检测所述模板图像、所述第一弯曲图像和第二弯曲图像的对应特征点,建立所述模板图像和所述第一弯曲图像的对应特征点之间的第一映射关系,建立所述模板图像和所述第二弯曲图像的对应特征点之间的第二映射关系;根据所述第一映射关系和第二映射关系,将人脸图像映射生成两幅人脸识别样本图像。
需要说明的是,所述第一映射关系和第二映射关系的建立方法与上述映射关系的建立方法相同,在此不再赘述。
本发明实施例还提供一种终端,该终端包括用于执行前述任一实施例中所述的人脸识别图像的生成方法中的各步骤的单元。具体地,参见图4,图4是本发明实施例提供的一种终端的示意框图。本实施例的终端3包括:获取单元310、建立单元320以及生成单元330。
获取单元310,用于获取模板图像在弯曲状态下的弯曲图像。
建立单元320,用于检测所述模板图像和所述弯曲图像的对应特征点,建立对应特征点之间的映射关系。
生成单元330,用于根据所述映射关系,将人脸图像映射生成人脸识别样本图像。
可选地,获取单元可以用于通过终端的摄像头拍摄获取棋盘格图像或圆斑点阵列图像在打印并弯曲后或在曲面显示器显示的弯曲图像。
可选地,建立单元320可以用于检测所述模板图像和所述弯曲图像的对应特征点的位置坐标;建立对应特征点的位置坐标之间的映射关系。
具体地,建立单元320可以用于检测所述棋盘格图像或圆斑点阵列图像的模板角点坐标,和所述弯曲图像的弯曲角点坐标;建立所述模板角点坐标和所述弯曲角点坐标之间的映射关系。
更具体地,建立单元320可以用于通过解线性矛盾方程组获得最小二乘解的方式或非线性优化算法,求得映射关系模型参数,从而建立对应特征点的位置坐标之间的映射关系。
其中,所述映射关系包括:薄板样条函数、二元多项式、贝塞尔多项式、有理贝塞尔多项式、非均匀有理B样条中的任意一种。
另外,所述终端还可以通过终端的双摄像头获取模板图像在弯曲状态下的第一弯曲图像和第二弯曲图像;检测所述模板图像、所述第一弯曲图像和第二弯曲图像的对应特征点,建立所述模板图像和所述第一弯曲图像的对应特征点之间的第一映射关系,建立所述模板图像和所述第二弯曲图像的对应特征点之间的第二映射关系;根据所述第一映射关系和第二映射关系,将人脸图像映射生成两幅人脸识别样本图像。
终端通过获取模板图像在弯曲状态下的弯曲图像,并检测所述模板图像和所述弯曲图像的对应特征点,建立所述对应特征点之间的映射关系;再利用所述映射关系,将从任何方式获得的人脸图像映射生成大量的人脸识别样本图像,所述人脸图像与所述人脸识别图像可以作为活体人脸识别的机器学习的负样本,以及活体人脸识别的计算机的模拟攻击数据,从而提高所述活体人脸识别的测试系统的可靠性,进而提高了所述活体人脸识别的准确度。而无需打印每一张人脸图像后,再对所述人脸图像进行弯曲,并拍摄所述弯曲后的人脸图像,作为所述活体人脸识别的机器学习的负样本,以及活体人脸识别的计算机的模拟攻击数据。
参见图5,图5是本发明另一实施例提供的一种终端示意框图。如图所示的本实施例中的终端5可以包括:一个或多个处理器501;一个或多个输入设备502,一个或多个输出设备503和存储器504。上述处理器501、输入设备502、输出设备503和存储器504通过总线505连接。存储器504用于存储计算机程序,所述计算机程序包括程序指令,处理器501用于执行存储器504存储的程序指令。其中,处理器501被配置用于调用所述程序指令执行:获取模板图像在弯曲状态下的弯曲图像;检测所述模板图像和所述弯曲图像的对应特征点,建立对应特征点之间的映射关系;根据所述映射关系,将人脸图像映射生成人脸识别图像。
可选地,处理器501具体被配置用于调用所述程序指令执行:检测所述模板图像和所述弯曲图像的对应特征点的位置坐标;建立对应特征点的位置坐标之间的映射关系。所述映射关系包括:薄板样条函数、二元多项式、贝塞多项式、有理贝塞尔多项式、非均匀有理B样条中的任意一种。
可选地,处理器501具体被配置用于调用所述程序指令执行:通过终端的摄像头拍摄获取棋盘格图像或圆斑点阵列图像在打印并弯曲后或在曲面显示器显示的弯曲图像。
可选地,处理器501具体被配置用于调用所述程序指令执行:检测所述棋盘格图像或圆斑点阵列图像的模板角点坐标,和所述弯曲图像的弯曲角点坐标;建立所述模板角点坐标和所述弯曲角点坐标之间的映射关系。
可选地,处理器501具体被配置用于调用所述程序指令执行:通过解线性矛盾方程组获得最小二乘解的方式,求得映射关系模型参数,从而建立对应特征点的位置坐标之间的映射关系。
可选地,处理器501具体被配置用于调用所述程序指令执行:通过终端的双摄像头获取模板图像在弯曲状态下的第一弯曲图像和第二弯曲图像;检测所述模板图像、所述第一弯曲图像和第二弯曲图像的对应特征点,建立所述模板图像和所述第一弯曲图像的对应特征点之间的第一映射关系,建立所述模板图像和所述第二弯曲图像的对应特征点之间的第二映射关系;根据所述第一映射关系和第二映射关系,将人脸图像映射生成两幅人脸识别样本图像。
应当理解,在本发明实施例中,所称处理器501可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备502可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等,输出设备503可以包括显示器(LCD等)、扬声器等。
该存储器504可以包括只读存储器和随机存取存储器,并向处理器501提供指令和数据。存储器504的一部分还可以包括非易失性随机存取存储器。例如,存储器504还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器501、输入设备502、输出设备503可执行本发明实施例提供的人脸识别图像的生成方法的第一实施例和第二实施例中所描述的实现方式,也可执行本发明实施例所描述的终端的实现方式,在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现:获取模板图像在弯曲状态下的弯曲图像;检测所述模板图像和所述弯曲图像的对应特征点,建立对应特征点之间的映射关系;根据所述映射关系,将人脸图像映射生成人脸识别图像。
可选地,所述程序指令被处理器执行时具体实现:检测所述模板图像和所述弯曲图像的对应特征点的位置坐标;建立对应特征点的位置坐标之间的映射关系。所述映射关系可以包括:薄板样条函数、二元多项式、贝塞尔多项式、有理贝塞尔多项式、非均匀有理B样条中的任意一种。
可选地,所述程序指令被处理器执行时具体实现:通过终端的摄像头拍摄获取棋盘格图像或圆斑点阵列图像在打印并弯曲后或在曲面显示器显示的弯曲图像。
可选地,所述程序指令被处理器执行时具体实现:检测所述棋盘格图像或圆斑点阵列图像的模板角点坐标,和所述弯曲图像的弯曲角点坐标;建立所述模板角点坐标和所述弯曲角点坐标之间的映射关系。
可选地,所述程序指令被处理器执行时具体实现:通过解线性矛盾方程组获得最小二乘解的方式或非线性优化算法,求得映射关系模型参数,从而建立对应特征点的位置坐标之间的映射关系。
可选地,所述程序指令被处理器执行时具体实现:通过终端的双摄像头获取模板图像在弯曲状态下的第一弯曲图像和第二弯曲图像;检测所述模板图像、所述第一弯曲图像和第二弯曲图像的对应特征点,建立所述模板图像和所述第一弯曲图像的对应特征点之间的第一映射关系,建立所述模板图像和所述第二弯曲图像的对应特征点之间的第二映射关系;根据所述第一映射关系和第二映射关系,将人脸图像映射生成两幅人脸识别样本图像。
所述计算机可读存储介质可以是前述任一实施例所述的终端的内部存储单元,例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的终端和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的终端和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种人脸识别样本图像的生成方法,其特征在于,包括:
获取模板图像在弯曲状态下的弯曲图像;
检测所述模板图像和所述弯曲图像的对应特征点,建立对应特征点之间的映射关系;
根据所述映射关系,将人脸图像映射生成人脸识别样本图像。
2.根据权利要求1所述的方法,其特征在于,所述检测所述模板图像和所述弯曲图像的对应特征点,建立对应特征点之间的映射关系,包括:
检测所述模板图像和所述弯曲图像的对应特征点的位置坐标;
建立对应特征点的位置坐标之间的映射关系。
3.根据权利要求1或2所述的方法,其特征在于,所述映射关系包括:
薄板样条函数、二元多项式、贝塞尔多项式、有理贝塞尔多项式、非均匀有理B样条中的任意一种。
4.根据权利要求1或2所述的方法,其特征在于,所述获取模板图像在弯曲状态下的弯曲图像,包括:
通过终端的摄像头拍摄获取棋盘格图像或圆斑点阵列图像在打印并弯曲后或在曲面显示器显示的弯曲图像。
5.根据权利要求4所述的方法,其特征在于,所述检测所述模板图像和所述弯曲图像的对应特征点,建立对应特征点之间的映射关系,包括:
检测所述棋盘格图像或圆斑点阵列图像的模板角点坐标,和所述弯曲图像的弯曲角点坐标;
建立所述模板角点坐标和所述弯曲角点坐标之间的映射关系。
6.根据权利要求2所述的方法,其特征在于,所述建立对应特征点的位置坐标之间的映射关系,包括:
通过解线性矛盾方程组获得最小二乘解的方式或非线性优化算法,求得映射关系模型参数,从而建立对应特征点的位置坐标之间的映射关系。
7.根据权利要求1或2所述的方法,其特征在于,所述根据所述映射关系,将人脸图像映射生成人脸识别样本图像,包括:
根据所述映射关系,将人脸图像的全图像坐标进行映射,生成人脸识别的样本图像;或
根据所述映射关系,将人脸图像的人脸全部或部分特征点的坐标进行映射,生成人脸识别的样本图像。
8.根据权利要求1或2所述的方法,其特征在于,所述方法包括:
通过终端的双摄像头获取模板图像在弯曲状态下的第一弯曲图像和第二弯曲图像;
分别检测所述模板图像、所述第一弯曲图像和第二弯曲图像的对应特征点,建立所述模板图像和所述第一弯曲图像的对应特征点之间的第一映射关系,建立所述模板图像和所述第二弯曲图像的对应特征点之间的第二映射关系;
根据所述第一映射关系和第二映射关系,将人脸图像映射生成两幅人脸识别图像。
9.一种终端,其特征在于,包括用于执行如权利要求1-8任一权利要求所述的方法的单元。
10.一种终端,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-8任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711472755.1A CN107958236B (zh) | 2017-12-28 | 2017-12-28 | 人脸识别样本图像的生成方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711472755.1A CN107958236B (zh) | 2017-12-28 | 2017-12-28 | 人脸识别样本图像的生成方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107958236A true CN107958236A (zh) | 2018-04-24 |
CN107958236B CN107958236B (zh) | 2021-03-19 |
Family
ID=61956063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711472755.1A Active CN107958236B (zh) | 2017-12-28 | 2017-12-28 | 人脸识别样本图像的生成方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107958236B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109003224A (zh) * | 2018-07-27 | 2018-12-14 | 北京微播视界科技有限公司 | 基于人脸的形变图像生成方法和装置 |
CN109242892A (zh) * | 2018-09-12 | 2019-01-18 | 北京字节跳动网络技术有限公司 | 用于确定图像间的几何变换关系的方法和装置 |
CN110163053A (zh) * | 2018-08-02 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 生成人脸识别的负样本的方法、装置及计算机设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216887A (zh) * | 2008-01-04 | 2008-07-09 | 浙江大学 | 照片人脸与活体人脸的计算机自动鉴别方法 |
CN101999900A (zh) * | 2009-08-28 | 2011-04-06 | 南京壹进制信息技术有限公司 | 一种应用于人脸识别的活体检测方法及系统 |
CN103116763A (zh) * | 2013-01-30 | 2013-05-22 | 宁波大学 | 一种基于hsv 颜色空间统计特征的活体人脸检测方法 |
US20130266195A1 (en) * | 2012-04-10 | 2013-10-10 | Derek Shiell | Hash-Based Face Recognition System |
CN103605958A (zh) * | 2013-11-12 | 2014-02-26 | 北京工业大学 | 一种基于灰度共生矩阵和小波分析的活体人脸检测方法 |
CN103886301A (zh) * | 2014-03-28 | 2014-06-25 | 中国科学院自动化研究所 | 一种人脸活体检测方法 |
CN104766063A (zh) * | 2015-04-08 | 2015-07-08 | 宁波大学 | 一种活体人脸识别方法 |
CN105023010A (zh) * | 2015-08-17 | 2015-11-04 | 中国科学院半导体研究所 | 一种人脸活体检测方法及系统 |
CN105574518A (zh) * | 2016-01-25 | 2016-05-11 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
CN105740780A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
CN106897700A (zh) * | 2017-02-27 | 2017-06-27 | 苏州大学 | 一种单样本人脸识别方法及系统 |
-
2017
- 2017-12-28 CN CN201711472755.1A patent/CN107958236B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216887A (zh) * | 2008-01-04 | 2008-07-09 | 浙江大学 | 照片人脸与活体人脸的计算机自动鉴别方法 |
CN101999900A (zh) * | 2009-08-28 | 2011-04-06 | 南京壹进制信息技术有限公司 | 一种应用于人脸识别的活体检测方法及系统 |
US20130266195A1 (en) * | 2012-04-10 | 2013-10-10 | Derek Shiell | Hash-Based Face Recognition System |
CN103116763A (zh) * | 2013-01-30 | 2013-05-22 | 宁波大学 | 一种基于hsv 颜色空间统计特征的活体人脸检测方法 |
CN103605958A (zh) * | 2013-11-12 | 2014-02-26 | 北京工业大学 | 一种基于灰度共生矩阵和小波分析的活体人脸检测方法 |
CN103886301A (zh) * | 2014-03-28 | 2014-06-25 | 中国科学院自动化研究所 | 一种人脸活体检测方法 |
CN104766063A (zh) * | 2015-04-08 | 2015-07-08 | 宁波大学 | 一种活体人脸识别方法 |
CN105023010A (zh) * | 2015-08-17 | 2015-11-04 | 中国科学院半导体研究所 | 一种人脸活体检测方法及系统 |
CN105574518A (zh) * | 2016-01-25 | 2016-05-11 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
CN105740780A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
CN106897700A (zh) * | 2017-02-27 | 2017-06-27 | 苏州大学 | 一种单样本人脸识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
BOWYER, KEVIN W.1;: "Face recognition technology: security versus privacy", 《IEEE TECHNOLOGY AND SOCIETY MAGAZINE》 * |
邹国锋等: "多姿态人脸识别综述", 《模式识别与人工智能》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109003224A (zh) * | 2018-07-27 | 2018-12-14 | 北京微播视界科技有限公司 | 基于人脸的形变图像生成方法和装置 |
CN110163053A (zh) * | 2018-08-02 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 生成人脸识别的负样本的方法、装置及计算机设备 |
EP3751450A4 (en) * | 2018-08-02 | 2021-04-28 | Tencent Technology (Shenzhen) Company Limited | METHOD AND DEVICE FOR GENERATING A NEGATIVE SAMPLE FACIAL RECOGNITION AND COMPUTER DEVICE |
CN110163053B (zh) * | 2018-08-02 | 2021-07-13 | 腾讯科技(深圳)有限公司 | 生成人脸识别的负样本的方法、装置及计算机设备 |
CN109242892A (zh) * | 2018-09-12 | 2019-01-18 | 北京字节跳动网络技术有限公司 | 用于确定图像间的几何变换关系的方法和装置 |
CN109242892B (zh) * | 2018-09-12 | 2019-11-12 | 北京字节跳动网络技术有限公司 | 用于确定图像间的几何变换关系的方法和装置 |
US10984542B2 (en) | 2018-09-12 | 2021-04-20 | Beijing Bytedance Network Technology Co., Ltd. | Method and device for determining geometric transformation relation for images |
Also Published As
Publication number | Publication date |
---|---|
CN107958236B (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111815755B (zh) | 虚拟物体被遮挡的区域确定方法、装置及终端设备 | |
TWI654567B (zh) | Method and apparatus for extracting specific information from standard cards | |
WO2018028546A1 (zh) | 一种关键点的定位方法及终端、计算机存储介质 | |
CN109859305B (zh) | 基于多角度二维人脸的三维人脸建模、识别方法及装置 | |
CN107958236B (zh) | 人脸识别样本图像的生成方法及终端 | |
CN109948397A (zh) | 一种人脸图像校正方法、系统及终端设备 | |
CN112348863B (zh) | 图像对齐方法、图像对齐装置及终端设备 | |
US10198533B2 (en) | Registration of multiple laser scans | |
WO2014090090A1 (zh) | 角度测量方法和装置 | |
CN111310724A (zh) | 基于深度学习的活体检测方法、装置、存储介质及设备 | |
CN113654765A (zh) | 一种基于曲面屏的相位偏折测量方法、系统及终端 | |
CN116596935B (zh) | 形变检测方法、装置、计算机设备及计算机可读存储介质 | |
CN113610958A (zh) | 一种基于风格迁移的3d图像构建方法、装置及终端 | |
CN110210279B (zh) | 目标检测方法、装置及计算机可读存储介质 | |
WO2021139169A1 (zh) | 卡片识别方法、装置、设备及存储介质 | |
CN112200002A (zh) | 一种体温测量方法、装置、终端设备及存储介质 | |
Sun et al. | Designing in-air hand gesture-based user authentication system via convex hull | |
CN111274602A (zh) | 一种图像特征信息替换方法、装置、设备及介质 | |
CN112613357B (zh) | 人脸测量方法、装置、电子设备和介质 | |
CN113807191B (zh) | 一种非侵入式可视化测试脚本自动录制方法 | |
CN114743075A (zh) | 点云模型的检测方法和装置、电子设备和可读存储介质 | |
WO2020125014A1 (zh) | 一种信息处理方法、服务器、终端及计算机存储介质 | |
CN115861520B (zh) | 高光检测方法、装置、计算机设备和存储介质 | |
CN112565601B (zh) | 图像处理方法、装置、移动终端及存储介质 | |
JP3224399U (ja) | 化粧評価装置および化粧評価システム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210420 Address after: No. 1702-1703, 17 / F (15 / F, natural floor), Desai technology building, 9789 Shennan Avenue, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Patentee after: Shenzhen Microphone Holdings Co.,Ltd. Address before: 518040, 21 floor, Times Technology Building, 7028 Shennan Road, Futian District, Guangdong, Shenzhen Patentee before: DONGGUAN GOLDEX COMMUNICATION TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |