CN107977640A - 一种基于车载人脸识别图像采集装置的采集方法 - Google Patents
一种基于车载人脸识别图像采集装置的采集方法 Download PDFInfo
- Publication number
- CN107977640A CN107977640A CN201711317651.3A CN201711317651A CN107977640A CN 107977640 A CN107977640 A CN 107977640A CN 201711317651 A CN201711317651 A CN 201711317651A CN 107977640 A CN107977640 A CN 107977640A
- Authority
- CN
- China
- Prior art keywords
- data
- identification
- human face
- face
- recognition
- 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
- G06V40/161—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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Processing (AREA)
Abstract
本发明为一种基于车载人脸识别图像采集装置的采集方法,其特征在于包括采集步骤如下:a.启动识别装置,进行镜头的预热与测试;b.启动镜头对前方人群进行批量识别,将识别数据搜集起来暂存到筛选服务器中;c.启动识别装置上的活体识别装置对步骤b中得到的人脸数据进行活体识别,过滤掉部分干扰数据;d.启动识别装置上的动态识别装置,对步骤c中获得的人脸数据进行进一步地筛选,得到最终准确的人脸数据;e.将步骤d中得到的数据与人脸数据库中的人脸数据进行对比匹配从而识别出准确的人脸数据,f.将步骤e中得到数据进行分类储存;g.通过计算机对步骤f中的数据进行处理,生成与相关人脸数据相匹配的图像。
Description
技术领域
本发明属于人脸识别图像采集领域,具体为一种基于车载人脸识别图像采集装置的采集方法。
背景技术
人脸识别,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。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、面部识别。
人脸识别系统的研究始于20世纪60年代,80年代后随着计算机技术和光学成像技术的发展得到提高,而真正进入初级的应用阶段则在90年后期,并且以美国、德国和日本的技术实现为主;人脸识别系统成功的关键在于是否拥有尖端的核心算法,并使识别结果具有实用化的识别率和识别速度;“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术,同时需结合中间值处理的理论与实现,是生物特征识别的最新应用,其核心技术的实现,展现了弱人工智能向强人工智能的转化。
传统的人脸识别技术主要是基于可见光图像的人脸识别,这也是人们熟悉的识别方式,已有30多年的研发历史。但这种方式有着难以克服的缺陷,尤其在环境光照发生变化时,识别效果会急剧下降,无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别,和热成像人脸识别。但这两种技术还远不成熟,识别效果不尽人意。
迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响,已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速,使人脸识别技术逐渐走向实用化。
在现有技术中还没有一种具体的针对车载人脸识别装置所采集到的图像进行处理的一种方法,现有技术中仅仅只是识别而已,所得到的图像也只是进行静态保存,这样的图像没有什么可比性。
发明内容
针对上述现有技术中的不足,本发明提供了一种基于车载人脸识别图像采集装置的采集方法。
一种基于车载人脸识别图像采集装置的采集方法,其特征在于包括采集步骤如下:
a.启动识别装置,进行镜头的预热与测试;
b.启动镜头对前方人群进行批量识别,将识别数据搜集起来暂存到筛选服务器中;
c.启动识别装置上的活体识别装置对步骤b中得到的人脸数据进行活体识别,过滤掉部分干扰数据;
d.启动识别装置上的动态识别装置,对步骤c中获得的人脸数据进行进一步地筛选,得到最终准确的人脸数据;
e.将步骤d中得到的数据与人脸数据库中的人脸数据进行对比匹配从而识别出准确的人脸数据,
f.将步骤e中得到数据进行分类储存;
g.通过计算机对步骤f中的数据进行处理,生成与相关人脸数据相匹配的图像。
所述步骤a中的测试包括:镜头测试,活体装置识别测试。
所述步骤c中涉及到的干扰数据包括各种广告牌、显示屏等包括的人脸数据。
所述步骤c中涉及到的活体识别装置为红外线是被装置。
所述步骤d中涉及到的动态识别装置是采用声呐雷达来进行动态识别。
所述动态识别包括识别运动状态,识别人脸上各个器官之间的相对运动位置。
所述步骤e中涉及到的对比匹配的数据包括:人脸数据上各个器官相对的运动位置,人脸通过活体识别装置识别出的平均温度。
所述步骤f中涉及到的数据分类储存包括:单独储存人脸数据上各个器官相对的运动位置和单独储存人脸通过活体识别装置识别出的平均温度。
所述步骤g中涉及到的图像包括:人脸数据上各个器官相对的运动位置的运动关系和人脸通过活体识别装置识别出的平均温度的热力图。
本发明的有益效果:
1.本发明在识别的基础上进行筛选采集,增加了车载人脸识别的精确性,同时对识别后的人脸图像进行分类、筛选处理,对日后的人脸数据计算提供了数据支撑。
2.本发明在不仅增加了识别的精确性,同时还使得识别过程变得可靠高效。
具体实施方式:
实施例1:
一种基于车载人脸识别图像采集装置的采集方法,其特征在于包括采集步骤如下:
a.启动识别装置,进行镜头的预热与测试;
b.启动镜头对前方人群进行批量识别,将识别数据搜集起来暂存到筛选服务器中;
c.启动识别装置上的活体识别装置对步骤b中得到的人脸数据进行活体识别,过滤掉部分干扰数据;
d.启动识别装置上的动态识别装置,对步骤c中获得的人脸数据进行进一步地筛选,得到最终准确的人脸数据;
e.将步骤d中得到的数据与人脸数据库中的人脸数据进行对比匹配从而识别出准确的人脸数据,
f.将步骤e中得到数据进行分类储存;
g.通过计算机对步骤f中的数据进行处理,生成与相关人脸数据相匹配的图像。
所述步骤a中的测试包括:镜头测试,活体装置识别测试。
所述步骤c中涉及到的干扰数据包括各种广告牌、显示屏等包括的人脸数据。
所述步骤c中涉及到的活体识别装置为红外线是被装置。
所述步骤d中涉及到的动态识别装置是采用声呐雷达来进行动态识别。
实施例2:
一种基于车载人脸识别图像采集装置的采集方法,其特征在于包括采集步骤如下:
a.启动识别装置,进行镜头的预热与测试;
b.启动镜头对前方人群进行批量识别,将识别数据搜集起来暂存到筛选服务器中;
c.启动识别装置上的活体识别装置对步骤b中得到的人脸数据进行活体识别,过滤掉部分干扰数据;
d.启动识别装置上的动态识别装置,对步骤c中获得的人脸数据进行进一步地筛选,得到最终准确的人脸数据;
e.将步骤d中得到的数据与人脸数据库中的人脸数据进行对比匹配从而识别出准确的人脸数据,
f.将步骤e中得到数据进行分类储存;
g.通过计算机对步骤f中的数据进行处理,生成与相关人脸数据相匹配的图像。
所述步骤a中的测试包括:镜头测试,活体装置识别测试。
所述步骤c中涉及到的干扰数据包括各种广告牌、显示屏等包括的人脸数据。
所述步骤c中涉及到的活体识别装置为红外线是被装置。
所述步骤d中涉及到的动态识别装置是采用声呐雷达来进行动态识别。
所述动态识别包括识别运动状态,识别人脸上各个器官之间的相对运动位置。
所述步骤g中涉及到的图像包括:人脸数据上各个器官相对的运动位置的运动关系和人脸通过活体识别装置识别出的平均温度的热力图。
实施例3:
一种基于车载人脸识别图像采集装置的采集方法,其特征在于包括采集步骤如下:
a.启动识别装置,进行镜头的预热与测试;
b.启动镜头对前方人群进行批量识别,将识别数据搜集起来暂存到筛选服务器中;
c.启动识别装置上的活体识别装置对步骤b中得到的人脸数据进行活体识别,过滤掉部分干扰数据;
d.启动识别装置上的动态识别装置,对步骤c中获得的人脸数据进行进一步地筛选,得到最终准确的人脸数据;
e.将步骤d中得到的数据与人脸数据库中的人脸数据进行对比匹配从而识别出准确的人脸数据,
f.将步骤e中得到数据进行分类储存;
g.通过计算机对步骤f中的数据进行处理,生成与相关人脸数据相匹配的图像。
所述步骤a中的测试包括:镜头测试,活体装置识别测试。
所述步骤c中涉及到的干扰数据包括各种广告牌、显示屏等包括的人脸数据。
所述步骤c中涉及到的活体识别装置为红外线是被装置。
所述步骤d中涉及到的动态识别装置是采用声呐雷达来进行动态识别。
所述动态识别包括识别运动状态,识别人脸上各个器官之间的相对运动位置。
实施例4:
一种基于车载人脸识别图像采集装置的采集方法,其特征在于包括采集步骤如下:
a.启动识别装置,进行镜头的预热与测试;
b.启动镜头对前方人群进行批量识别,将识别数据搜集起来暂存到筛选服务器中;
c.启动识别装置上的活体识别装置对步骤b中得到的人脸数据进行活体识别,过滤掉部分干扰数据;
d.启动识别装置上的动态识别装置,对步骤c中获得的人脸数据进行进一步地筛选,得到最终准确的人脸数据;
e.将步骤d中得到的数据与人脸数据库中的人脸数据进行对比匹配从而识别出准确的人脸数据,
f.将步骤e中得到数据进行分类储存;
g.通过计算机对步骤f中的数据进行处理,生成与相关人脸数据相匹配的图像。
所述步骤a中的测试包括:镜头测试,活体装置识别测试。
所述步骤c中涉及到的干扰数据包括各种广告牌、显示屏等包括的人脸数据。
所述步骤c中涉及到的活体识别装置为红外线是被装置。
所述步骤d中涉及到的动态识别装置是采用声呐雷达来进行动态识别。
所述动态识别包括识别运动状态,识别人脸上各个器官之间的相对运动位置。
所述步骤e中涉及到的对比匹配的数据包括:人脸数据上各个器官相对的运动位置,人脸通过活体识别装置识别出的平均温度。
实施例5:
一种基于车载人脸识别图像采集装置的采集方法,其特征在于包括采集步骤如下:
a.启动识别装置,进行镜头的预热与测试;
b.启动镜头对前方人群进行批量识别,将识别数据搜集起来暂存到筛选服务器中;
c.启动识别装置上的活体识别装置对步骤b中得到的人脸数据进行活体识别,过滤掉部分干扰数据;
d.启动识别装置上的动态识别装置,对步骤c中获得的人脸数据进行进一步地筛选,得到最终准确的人脸数据;
e.将步骤d中得到的数据与人脸数据库中的人脸数据进行对比匹配从而识别出准确的人脸数据,
f.将步骤e中得到数据进行分类储存;
g.通过计算机对步骤f中的数据进行处理,生成与相关人脸数据相匹配的图像。
所述步骤a中的测试包括:镜头测试,活体装置识别测试。
所述步骤c中涉及到的干扰数据包括各种广告牌、显示屏等包括的人脸数据。
所述步骤c中涉及到的活体识别装置为红外线是被装置。
所述步骤d中涉及到的动态识别装置是采用声呐雷达来进行动态识别。
所述动态识别包括识别运动状态,识别人脸上各个器官之间的相对运动位置。
所述步骤e中涉及到的对比匹配的数据包括:人脸数据上各个器官相对的运动位置,人脸通过活体识别装置识别出的平均温度。
所述步骤g中涉及到的图像包括:人脸数据上各个器官相对的运动位置的运动关系和人脸通过活体识别装置识别出的平均温度的热力图。
实施例6:
一种基于车载人脸识别图像采集装置的采集方法,其特征在于包括采集步骤如下:
a.启动识别装置,进行镜头的预热与测试;
b.启动镜头对前方人群进行批量识别,将识别数据搜集起来暂存到筛选服务器中;
c.启动识别装置上的活体识别装置对步骤b中得到的人脸数据进行活体识别,过滤掉部分干扰数据;
d.启动识别装置上的动态识别装置,对步骤c中获得的人脸数据进行进一步地筛选,得到最终准确的人脸数据;
e.将步骤d中得到的数据与人脸数据库中的人脸数据进行对比匹配从而识别出准确的人脸数据,
f.将步骤e中得到数据进行分类储存;
g.通过计算机对步骤f中的数据进行处理,生成与相关人脸数据相匹配的图像。
所述步骤a中的测试包括:镜头测试,活体装置识别测试。
所述步骤c中涉及到的干扰数据包括各种广告牌、显示屏等包括的人脸数据。
所述步骤c中涉及到的活体识别装置为红外线是被装置。
所述步骤d中涉及到的动态识别装置是采用声呐雷达来进行动态识别。
所述动态识别包括识别运动状态,识别人脸上各个器官之间的相对运动位置。
所述步骤e中涉及到的对比匹配的数据包括:人脸数据上各个器官相对的运动位置,人脸通过活体识别装置识别出的平均温度。
实施例7:
一种基于车载人脸识别图像采集装置的采集方法,其特征在于包括采集步骤如下:
a.启动识别装置,进行镜头的预热与测试;
b.启动镜头对前方人群进行批量识别,将识别数据搜集起来暂存到筛选服务器中;
c.启动识别装置上的活体识别装置对步骤b中得到的人脸数据进行活体识别,过滤掉部分干扰数据;
d.启动识别装置上的动态识别装置,对步骤c中获得的人脸数据进行进一步地筛选,得到最终准确的人脸数据;
e.将步骤d中得到的数据与人脸数据库中的人脸数据进行对比匹配从而识别出准确的人脸数据,
f.将步骤e中得到数据进行分类储存;
g.通过计算机对步骤f中的数据进行处理,生成与相关人脸数据相匹配的图像。
所述步骤a中的测试包括:镜头测试,活体装置识别测试。
所述步骤c中涉及到的干扰数据包括各种广告牌、显示屏等包括的人脸数据。
所述步骤c中涉及到的活体识别装置为红外线是被装置。
所述步骤d中涉及到的动态识别装置是采用声呐雷达来进行动态识别。
所述动态识别包括识别运动状态,识别人脸上各个器官之间的相对运动位置。
所述步骤e中涉及到的对比匹配的数据包括:人脸数据上各个器官相对的运动位置,人脸通过活体识别装置识别出的平均温度。
所述步骤f中涉及到的数据分类储存包括:单独储存人脸数据上各个器官相对的运动位置和单独储存人脸通过活体识别装置识别出的平均温度。
实施例8:
一种基于车载人脸识别图像采集装置的采集方法,其特征在于包括采集步骤如下:
a.启动识别装置,进行镜头的预热与测试;
b.启动镜头对前方人群进行批量识别,将识别数据搜集起来暂存到筛选服务器中;
c.启动识别装置上的活体识别装置对步骤b中得到的人脸数据进行活体识别,过滤掉部分干扰数据;
d.启动识别装置上的动态识别装置,对步骤c中获得的人脸数据进行进一步地筛选,得到最终准确的人脸数据;
e.将步骤d中得到的数据与人脸数据库中的人脸数据进行对比匹配从而识别出准确的人脸数据,
f.将步骤e中得到数据进行分类储存;
g.通过计算机对步骤f中的数据进行处理,生成与相关人脸数据相匹配的图像。
所述步骤a中的测试包括:镜头测试,活体装置识别测试。
所述步骤c中涉及到的干扰数据包括各种广告牌、显示屏等包括的人脸数据。
所述步骤c中涉及到的活体识别装置为红外线是被装置。
所述步骤d中涉及到的动态识别装置是采用声呐雷达来进行动态识别。
所述动态识别包括识别运动状态,识别人脸上各个器官之间的相对运动位置。
所述步骤e中涉及到的对比匹配的数据包括:人脸数据上各个器官相对的运动位置,人脸通过活体识别装置识别出的平均温度。
所述步骤f中涉及到的数据分类储存包括:单独储存人脸数据上各个器官相对的运动位置和单独储存人脸通过活体识别装置识别出的平均温度。
所述步骤g中涉及到的图像包括:人脸数据上各个器官相对的运动位置的运动关系和人脸通过活体识别装置识别出的平均温度的热力图。
Claims (9)
1.一种基于车载人脸识别图像采集装置的采集方法,其特征在于包括采集步骤如下:
a.启动识别装置,进行镜头的预热与测试;
b.启动镜头对前方人群进行批量识别,将识别数据搜集起来暂存到筛选服务器中;
c.启动识别装置上的活体识别装置对步骤b中得到的人脸数据进行活体识别,过滤掉部分干扰数据;
d.启动识别装置上的动态识别装置,对步骤c中获得的人脸数据进行进一步地筛选,得到最终准确的人脸数据;
e.将步骤d中得到的数据与人脸数据库中的人脸数据进行对比匹配从而识别出准确的人脸数据,
f.将步骤e中得到数据进行分类储存;
g.通过计算机对步骤f中的数据进行处理,生成与相关人脸数据相匹配的图像。
2.根据权利要求1所述一种基于车载人脸识别图像采集装置的采集方法,其特征在于:所述步骤a中的测试包括:镜头测试,活体装置识别测试。
3.根据权利要求1所述一种基于车载人脸识别图像采集装置的采集方法,其特征在于:所述步骤c中涉及到的干扰数据包括各种广告牌、显示屏等包括的人脸数据。
4.根据权利要求1所述一种基于车载人脸识别图像采集装置的采集方法,其特征在于:所述步骤c中涉及到的活体识别装置为红外线是被装置。
5.根据权利要求1所述一种基于车载人脸识别图像采集装置的采集方法,其特征在于:所述步骤d中涉及到的动态识别装置是采用声呐雷达来进行动态识别。
6.根据权利要求5所述一种基于车载人脸识别图像采集装置的采集方法,其特征在于:所述动态识别包括识别运动状态,识别人脸上各个器官之间的相对运动位置。
7.根据权利要求1所述一种基于车载人脸识别图像采集装置的采集方法,其特征在于:所述步骤e中涉及到的对比匹配的数据包括:人脸数据上各个器官相对的运动位置,人脸通过活体识别装置识别出的平均温度。
8.根据权利要求1所述一种基于车载人脸识别图像采集装置的采集方法,其特征在于:所述步骤f中涉及到的数据分类储存包括:单独储存人脸数据上各个器官相对的运动位置和单独储存人脸通过活体识别装置识别出的平均温度。
9.根据权利要求1所述一种基于车载人脸识别图像采集装置的采集方法,其特征在于:所述步骤g中涉及到的图像包括:人脸数据上各个器官相对的运动位置的运动关系和人脸通过活体识别装置识别出的平均温度的热力图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711317651.3A CN107977640A (zh) | 2017-12-12 | 2017-12-12 | 一种基于车载人脸识别图像采集装置的采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711317651.3A CN107977640A (zh) | 2017-12-12 | 2017-12-12 | 一种基于车载人脸识别图像采集装置的采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107977640A true CN107977640A (zh) | 2018-05-01 |
Family
ID=62010097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711317651.3A Pending CN107977640A (zh) | 2017-12-12 | 2017-12-12 | 一种基于车载人脸识别图像采集装置的采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107977640A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060036967A1 (en) * | 2004-04-26 | 2006-02-16 | Crichlow Henry B | Remote meter reading using transmitted visual graphics. |
CN102799872A (zh) * | 2012-07-17 | 2012-11-28 | 西安交通大学 | 基于面部图像特征的图像处理方法 |
CN103544738A (zh) * | 2013-11-13 | 2014-01-29 | 胡江莉 | 一种企业考勤系统 |
CN103593654A (zh) * | 2013-11-13 | 2014-02-19 | 智慧城市系统服务(中国)有限公司 | 一种人脸定位的方法与装置 |
CN105138996A (zh) * | 2015-09-01 | 2015-12-09 | 北京上古视觉科技有限公司 | 一种具有活体检测功能的虹膜识别系统 |
CN107358152A (zh) * | 2017-06-02 | 2017-11-17 | 广州视源电子科技股份有限公司 | 一种活体识别方法和系统 |
-
2017
- 2017-12-12 CN CN201711317651.3A patent/CN107977640A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060036967A1 (en) * | 2004-04-26 | 2006-02-16 | Crichlow Henry B | Remote meter reading using transmitted visual graphics. |
CN102799872A (zh) * | 2012-07-17 | 2012-11-28 | 西安交通大学 | 基于面部图像特征的图像处理方法 |
CN103544738A (zh) * | 2013-11-13 | 2014-01-29 | 胡江莉 | 一种企业考勤系统 |
CN103593654A (zh) * | 2013-11-13 | 2014-02-19 | 智慧城市系统服务(中国)有限公司 | 一种人脸定位的方法与装置 |
CN105138996A (zh) * | 2015-09-01 | 2015-12-09 | 北京上古视觉科技有限公司 | 一种具有活体检测功能的虹膜识别系统 |
CN107358152A (zh) * | 2017-06-02 | 2017-11-17 | 广州视源电子科技股份有限公司 | 一种活体识别方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Visual perception enabled industry intelligence: state of the art, challenges and prospects | |
CN105354548B (zh) | 一种基于ImageNet检索的监控视频行人重识别方法 | |
Xu et al. | Arid: A new dataset for recognizing action in the dark | |
CN105955465A (zh) | 一种桌面便携式视线跟踪方法及装置 | |
WO2021135557A1 (zh) | 一种人工智能多模成像分析装置 | |
Liu et al. | IR2VI: enhanced night environmental perception by unsupervised thermal image translation | |
CN106250819A (zh) | 基于脸部实时监控检测人脸对称性及异常方法 | |
CN109255319A (zh) | 针对静态照片的人脸识别支付信息防伪方法 | |
CN110414381A (zh) | 追踪式人脸识别系统 | |
CN107862240A (zh) | 一种多摄像头协同的人脸追踪方法 | |
CN107609475B (zh) | 基于光场相机的行人检测误检提出方法 | |
WO2021217764A1 (zh) | 一种基于偏振成像的人脸活体检测方法 | |
CN106845449A (zh) | 一种图像处理装置、方法以及人脸识别系统 | |
CN108765014A (zh) | 一种基于门禁系统的智能广告投放方法 | |
CN109409250A (zh) | 一种基于深度学习的无交叠视域跨摄像机行人再识别方法 | |
CN110210292A (zh) | 一种基于深度学习的目标识别方法 | |
CN110929570B (zh) | 虹膜快速定位装置及其定位方法 | |
CN110472546B (zh) | 一种婴幼儿非接触式眼动特征提取装置及方法 | |
CN115147936A (zh) | 一种活体检测方法、电子设备、存储介质及程序产品 | |
CN112488165A (zh) | 一种基于深度学习模型的红外行人识别方法及系统 | |
CN112907571A (zh) | 基于多光谱图像融合识别的目标判定方法 | |
CN108717522A (zh) | 一种基于深度学习和相关滤波的人体目标跟踪方法 | |
CN107977640A (zh) | 一种基于车载人脸识别图像采集装置的采集方法 | |
Tsuruda et al. | 3D body parts tracking of mouse based on RGB-D video from under an open field | |
CN106683064B (zh) | 一种基于二维耦合卷积的多聚焦图像融合方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180501 |
|
WD01 | Invention patent application deemed withdrawn after publication |