CN108090420A - 一种人脸识别方法 - Google Patents

一种人脸识别方法 Download PDF

Info

Publication number
CN108090420A
CN108090420A CN201711242921.9A CN201711242921A CN108090420A CN 108090420 A CN108090420 A CN 108090420A CN 201711242921 A CN201711242921 A CN 201711242921A CN 108090420 A CN108090420 A CN 108090420A
Authority
CN
China
Prior art keywords
data
face
matched
matching
skin detection
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
CN201711242921.9A
Other languages
English (en)
Other versions
CN108090420B (zh
Inventor
张旭
吴琦
肖潇
龚纯斌
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.)
Vision (shenzhen) Algorithm Technology Co Ltd
Original Assignee
Vision (shenzhen) Algorithm 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 Vision (shenzhen) Algorithm Technology Co Ltd filed Critical Vision (shenzhen) Algorithm Technology Co Ltd
Priority to CN201711242921.9A priority Critical patent/CN108090420B/zh
Publication of CN108090420A publication Critical patent/CN108090420A/zh
Application granted granted Critical
Publication of CN108090420B publication Critical patent/CN108090420B/zh
Active 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
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • 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
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • 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
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种人脸识别方法，包括如下步骤：步骤1，采集人脸特征模板数据，放入标准库中，并设置至少一个辅助库，在使用过程中对辅助库中的人脸特征模板数据进行添加、更新、替换或删除；步骤2，对待匹配的照片或人脸信息电子载体提取待匹配的人脸特征模板数据，并与标准库中的数据进行匹配，对匹配的人脸数据进行正常输出；若标准库匹配不到人脸数据，则继续将待匹配的人脸特征模板数据与辅助库中的数据进行匹配，若匹配到数据，则进行人脸数据的输出。此种方法可解决人脸由于拍摄角度、年龄变化、遮盖物带来识别率过低或者识别出错的问题，提高人脸识别率。

Description

一种人脸识别方法
技术领域
本发明涉及一种人脸识别方法。
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，包括构建人脸识别系统的一系列相关技术：人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等。近年来，随着人脸识别技术的发展，已经有越来越多成熟的相关产品出现并被广泛应用于金融、政府、工厂、教育、医疗、娱乐、互联网等众多领域和相关部门中。
人们熟识的人脸技术，其主要的步骤是：
(1)人脸图像采集及检测
主要通过各种硬件设备采集符合需求的人脸电子信息，包括照片和视频流；然后，从中检测出人脸出现的区域，并把相关信息从电子载体中分离出来。其中包含灰度校正、灰度变换、几何校正、噪声过滤、光线补偿、归一化、滤波以及锐化等各种图像预处理手段。
(2)人脸图像预处理
对电子载体中分离出来的人脸信息，进行归一化处理，得到统一特征的归一化人脸数据，并存放在对比库中。
(3)人脸图像特征提取以及匹配与识别
根据提取的人脸特征值信息，将要识别的特征数据和系统中对比库的人脸信息进行对比。通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是这样将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断，实现人脸识别的功能。
人脸识别技术中遇到的困难主要是人脸作为生物特征的特点(相似性和易变形)所带来的，以下两点基本都是人脸识别领域共识：
(1)不同个体之间的区别不大，所有的人脸结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。这是人脸相似性带来的问题。
(2)人脸的外形很不稳定，可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件(例如白天和夜晚，室内和室外等)、人脸的很多遮盖物(例如口罩、墨镜、头发、胡须等)、年龄、拍摄的姿态角度等多方面因素的影响。这是人脸易变形带来的问题。
发明内容
本发明的目的，在于提供一种人脸识别方法，其可解决人脸由于拍摄角度、年龄变化、遮盖物带来识别率过低或者识别出错的问题，提高人脸识别率。
为了达成上述目的，本发明的解决方案是：
一种人脸识别方法，包括如下步骤：
步骤1，采集人脸特征模板数据，放入标准库中，并设置至少一个辅助库，在使用过程中对辅助库中的人脸特征模板数据进行添加、更新、替换或删除；
步骤2，对待匹配的照片或人脸信息电子载体提取待匹配的人脸特征模板数据，并与标准库中的数据进行匹配，对匹配的人脸数据进行正常输出；若标准库匹配不到人脸数据，则继续将待匹配的人脸特征模板数据与辅助库中的数据进行匹配，若匹配到数据，则进行人脸数据的输出。
上述步骤1中，将身份证照、一寸正脸照或正面照作为标准人脸，从中采集一份人脸特征模板数据放入标准库中。
上述步骤1中，辅助库的设置方法是：判断某个人脸特征值与标准库中的人脸特征模板数据的相似度，若相似度在设定阈值内，则将该人脸特征值放入特征库中。
上述步骤2后，还包括根据匹配结果对标准库进行更新，更新规则是：若某个人连续n次在标准库匹配不到而在辅助库中匹配到数据，则更新标准库此人的人脸信息。
上述步骤2后，还包括根据匹配结果对辅助库进行更新，更新规则是：每个有匹配结果输出的情况下，会对该次待匹配的人脸特征模板数据及M个辅助库中所有人脸标准特征数据，进行循环匹配，然后把匹配度进行求和；最后，辅助库中会存放最高的M个人脸特征值标准数据；如果待匹配的人脸信息在这最高的三个人脸特征标准数据中，就进行辅助库数据的更新，整个过程结束。
上述步骤1中，还包括设置标签辅助数据，标签辅助数据是对标准库中的人脸特征模板数据增加标签信息而得到。
上述基于标签辅助数据的匹配过程是：对待匹配的照片或人脸信息电子载体IS提取待匹配的人脸特征模板数据I，并与标准库中的数据进行匹配，对匹配的人脸数据进行正常输出；若标准库匹配不到人脸数据，则对IS提取标签信息，然后找到标签信息对应的辅助人脸特征数据，将该辅助人脸特征数据与I进行相似度计算。
上述基于标签辅助数据的匹配过程结束后，如果人脸识别过程最后是通过标签信息对应的辅助人脸特征数据进行输出的话，对输入的IS、标签信息对应的辅助人脸特征数据和标准人脸进行特征值对比，把相似度高的存放在标签辅助数据中。
上述步骤2中，对待匹配的照片或人脸信息电子载体提取待匹配的人脸特征模板数据，并与标准库中的数据进行匹配，对匹配的人脸数据进行正常输出；若标准库匹配不到人脸数据，则对待匹配的照片或人脸信息电子载体首先进行标签提取，若有标签信息，则进行基于标签辅助数据的匹配过程，若没有标签信息，则将待匹配的人脸特征模板数据与辅助库中的数据进行匹配。
采用上述方案后，本发明实现了匹配库中的一部分人脸标准数据跟随使用者动态变化，因此这样的匹配过程可以显著地解决人脸由于年龄、环境、化妆等变化导致识别率下降甚至无法匹配的问题。
另外，本发明还可进一步引入标签系统，大大提高了人脸在遮盖物情况下，人脸识别率过低甚至无法匹配的问题。
附图说明
图1是本发明的流程图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
如图1所示，本发明提供一种人脸识别方法，包括如下步骤：
步骤1，人脸数据采集及入库
根据应用场景，采用身份证照、一寸正脸照或正面照作为标准人脸，从这些照片中采集一份人脸特征模板数据进行入库。
对每个人脸特征模板数据，在匹配库中都存在四份(s、a、b、c)，其中，s为前期入库的标准照片提取的人脸特征模板数据，a、b、c为可替代的人脸特征模板数据，在后续系统使用过程中，可以进行添加、更新、替换及删除。其中，s存放在标准库，a、b、c存放在辅助库。辅助库中a、b、c中的人脸特征值的设计是按照阈值(假设阈值可选范围为0-100)，这里暂时定为85。a、b、c分别存放匹配到在相关区间的图片。a：(85,90]，b：(90,95]，c：(95,100]，这样，只有当与标准库中人脸相似度高于85时，才会执行添加a、b、c的数据，相似度在(85,90]的就更新在a中,相似度在(90,95]的更新在b中，相似度在(95,100]的更新在c中。这样的区间设计是为了获取更多元、更广区间的人脸特征信息，使辅助库更大地发挥提高识别率的作用。
步骤2，照片或人脸信息匹配
具体步骤是：
(21)任一待匹配的照片或者人脸信息电子载体输入系统，系统对其进行预处理，提取待匹配的人脸特征模板数据；
(22)把待匹配的人脸特征模板数据和标准库中的数据进行匹配，对匹配的人脸数据进行正常输出；
(23)如果标准库匹配不到人脸数据，系统会进行辅助库的人脸匹配，匹配到数据，然后进行人脸数据的输出。
上面就是整个匹配的过程。在完成上面匹配之后，后台会根据匹配(度)结果对匹配辅助库的数据进行更新或者提示更新标准库信息。标准库更新规则是，如果某个人连续10次在标准库匹配不到而在辅助库中匹配到数据，系统会提示更新标准库此人的人脸信息，然后可重新采集人脸特征模板数据进行入库。辅助库更新规则是，每个有匹配结果输出的情况下，会对这次待匹配的人脸信息和辅助库中a、b、c共4个人脸标准特征数据，进行循环匹配，然后把匹配度进行求和。最后，辅助库中会存放最高的三个人脸特征值标准数据。如果待匹配的人脸信息在这最高的三个人脸特征标准数据中，就将该待匹配的人脸信息替换掉原辅助库中匹配度最低的数据，进行辅助库数据的更新，整个过程结束。
为了解决由于人脸包含很多遮盖物(例如口罩、墨镜、头发、胡须等)导致人脸识别下降问题，本实施例中还引入标签分类辅助，辅助库中包含标签辅助数据。标签辅助数据包含N个标签的标准人脸数据。假设系统需要识别有遮罩物口罩、墨镜、头发、胡须等情况下的人脸，标签辅助数据就有遮罩物口罩(TAG_Mask)、墨镜(TAG_Sunglasses)、头发(TAG_Hair)、胡须(TAB_Beard)。4个标准人脸特征数据。
标签匹配过程包含：
(1)任一待匹配的照片或者人脸信息电子载体(IS)输入系统，系统对其进行预处理，提取待匹配的人脸特征模板数据(I)。
(2)把待匹配的人脸特征模板数据和标准库中的数据中进行匹配，对匹配的人脸数据进行正常输出。
(3)如果标准库匹配不到人脸数据，系统会对(IS)提取标签信息(TAG_Input)，然后找到TAG_Input对应的辅助人脸特征数据。最后，把这个辅助人脸特征数据和I进行相似度计算；例如，若待匹配的照片或人脸信息电子载体IS包含有帽子，那么，从IS中提取出TAG_Input(帽子)，然后将“帽子”这个标签对应下的辅助人脸特征数据与I进行对比。
上面是标签辅助系统的整个匹配过程。标签辅助系统的辅助数据更新逻辑是，如果人脸识别过程，最后是通过标签人脸辅助得到的数据进行输出的话，对输入的IS和标签辅助系统的数据和标准人脸进行特征值对比，把相似度高的存放在标签辅助系统里，例如，若IS相似度更高，那么使用I替换原来TAG_Input对应的辅助人脸特征数据。这样标签辅助系统更新完成。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (9)

1.一种人脸识别方法，其特征在于包括如下步骤：
步骤1，采集人脸特征模板数据，放入标准库中，并设置至少一个辅助库，在使用过程中对辅助库中的人脸特征模板数据进行添加、更新、替换或删除；
步骤2，对待匹配的照片或人脸信息电子载体提取待匹配的人脸特征模板数据，并与标准库中的数据进行匹配，对匹配的人脸数据进行正常输出；若标准库匹配不到人脸数据，则继续将待匹配的人脸特征模板数据与辅助库中的数据进行匹配，若匹配到数据，则进行人脸数据的输出。
2.如权利要求1所述的一种人脸识别方法，其特征在于：所述步骤1中，将身份证照、一寸正脸照或正面照作为标准人脸，从中采集一份人脸特征模板数据放入标准库中。
3.如权利要求1所述的一种人脸识别方法，其特征在于：所述步骤1中，辅助库的设置方法是：判断某个人脸特征值与标准库中的人脸特征模板数据的相似度，若相似度在设定阈值内，则将该人脸特征值放入特征库中。
4.如权利要求1所述的一种人脸识别方法，其特征在于：所述步骤2后，还包括根据匹配结果对标准库进行更新，更新规则是：若某个人连续n次在标准库匹配不到而在辅助库中匹配到数据，则更新标准库此人的人脸信息。
5.如权利要求1所述的一种人脸识别方法，其特征在于：所述步骤2后，还包括根据匹配结果对辅助库进行更新，更新规则是：每个有匹配结果输出的情况下，会对该次待匹配的人脸特征模板数据及M个辅助库中所有人脸标准特征数据，进行循环匹配，然后把匹配度进行求和；最后，辅助库中会存放最高的M个人脸特征值标准数据；如果待匹配的人脸信息在这最高的三个人脸特征标准数据中，就进行辅助库数据的更新，整个过程结束。
6.如权利要求1所述的一种人脸识别方法，其特征在于：所述步骤1中，还包括设置标签辅助数据，标签辅助数据是对标准库中的人脸特征模板数据增加标签信息而得到。
7.如权利要求6所述的一种人脸识别方法，其特征在于：所述基于标签辅助数据的匹配过程是：对待匹配的照片或人脸信息电子载体IS提取待匹配的人脸特征模板数据I，并与标准库中的数据进行匹配，对匹配的人脸数据进行正常输出；若标准库匹配不到人脸数据，则对IS提取标签信息，然后找到标签信息对应的辅助人脸特征数据，将该辅助人脸特征数据与I进行相似度计算。
8.如权利要求7所述的一种人脸识别方法，其特征在于：所述基于标签辅助数据的匹配过程结束后，如果人脸识别过程最后是通过标签信息对应的辅助人脸特征数据进行输出的话，对输入的IS、标签信息对应的辅助人脸特征数据和标准人脸进行特征值对比，把相似度高的存放在标签辅助数据中。
9.如权利要求7所述的一种人脸识别方法，其特征在于：所述步骤2中，对待匹配的照片或人脸信息电子载体提取待匹配的人脸特征模板数据，并与标准库中的数据进行匹配，对匹配的人脸数据进行正常输出；若标准库匹配不到人脸数据，则对待匹配的照片或人脸信息电子载体首先进行标签提取，若有标签信息，则进行基于标签辅助数据的匹配过程，若没有标签信息，则将待匹配的人脸特征模板数据与辅助库中的数据进行匹配。
CN201711242921.9A 2017-11-30 2017-11-30 一种人脸识别方法 Active CN108090420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711242921.9A CN108090420B (zh) 2017-11-30 2017-11-30 一种人脸识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711242921.9A CN108090420B (zh) 2017-11-30 2017-11-30 一种人脸识别方法

Publications (2)

Publication Number Publication Date
CN108090420A true CN108090420A (zh) 2018-05-29
CN108090420B CN108090420B (zh) 2021-07-23

Family

ID=62173532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711242921.9A Active CN108090420B (zh) 2017-11-30 2017-11-30 一种人脸识别方法

Country Status (1)

Country Link
CN (1) CN108090420B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063506A (zh) * 2018-07-09 2018-12-21 江苏达实久信数字医疗科技有限公司 用于医疗手术示教系统的隐私处理方法
CN110334688A (zh) * 2019-07-16 2019-10-15 重庆紫光华山智安科技有限公司 基于人脸照片库的图像识别方法、装置和计算机可读存储介质
CN111144323A (zh) * 2019-12-28 2020-05-12 广东智冠信息技术股份有限公司 一种掌静脉生物特征识别注册库自适应变化方法
WO2020134527A1 (zh) * 2018-12-29 2020-07-02 深圳云天励飞技术有限公司 人脸识别的方法及装置
CN112949362A (zh) * 2019-12-11 2021-06-11 杭州海康威视数字技术股份有限公司 人员信息标注方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504408A (zh) * 2015-01-12 2015-04-08 吴建忠 一种人脸识别比对方法和实现该方法的系统
CN105700682A (zh) * 2016-01-08 2016-06-22 北京乐驾科技有限公司 基于视觉和语音的智能性别、情绪识别检测系统及方法
CN105868695A (zh) * 2016-03-24 2016-08-17 北京握奇数据系统有限公司 一种人脸识别方法及系统
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
CN106991448A (zh) * 2017-04-10 2017-07-28 广东金杭科技股份有限公司 一种人像比对处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504408A (zh) * 2015-01-12 2015-04-08 吴建忠 一种人脸识别比对方法和实现该方法的系统
CN105700682A (zh) * 2016-01-08 2016-06-22 北京乐驾科技有限公司 基于视觉和语音的智能性别、情绪识别检测系统及方法
CN105868695A (zh) * 2016-03-24 2016-08-17 北京握奇数据系统有限公司 一种人脸识别方法及系统
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
CN106991448A (zh) * 2017-04-10 2017-07-28 广东金杭科技股份有限公司 一种人像比对处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张鑫: "基于SIFT算法的ATM视频人脸识别系统研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063506A (zh) * 2018-07-09 2018-12-21 江苏达实久信数字医疗科技有限公司 用于医疗手术示教系统的隐私处理方法
CN109063506B (zh) * 2018-07-09 2021-07-06 江苏达实久信数字医疗科技有限公司 用于医疗手术示教系统的隐私处理方法
WO2020134527A1 (zh) * 2018-12-29 2020-07-02 深圳云天励飞技术有限公司 人脸识别的方法及装置
US11074436B1 (en) 2018-12-29 2021-07-27 Shenzhen Intellifusion Technologies Co., Ltd. Method and apparatus for face recognition
CN110334688A (zh) * 2019-07-16 2019-10-15 重庆紫光华山智安科技有限公司 基于人脸照片库的图像识别方法、装置和计算机可读存储介质
CN110334688B (zh) * 2019-07-16 2021-09-07 重庆紫光华山智安科技有限公司 基于人脸照片库的图像识别方法、装置和计算机可读存储介质
CN112949362A (zh) * 2019-12-11 2021-06-11 杭州海康威视数字技术股份有限公司 人员信息标注方法、装置及电子设备
CN112949362B (zh) * 2019-12-11 2023-10-17 杭州海康威视数字技术股份有限公司 人员信息标注方法、装置及电子设备
CN111144323A (zh) * 2019-12-28 2020-05-12 广东智冠信息技术股份有限公司 一种掌静脉生物特征识别注册库自适应变化方法

Also Published As

Publication number Publication date
CN108090420B (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN108090420A (zh) 一种人脸识别方法
CN110659589B (zh) 基于姿态和注意力机制的行人再识别方法、系统、装置
Sun et al. Iris image classification based on hierarchical visual codebook
Tsao et al. A data mining approach to face detection
Kabacinski et al. Vein pattern database and benchmark results
CN106682578B (zh) 基于眨眼检测的弱光人脸识别方法
Jabnoun et al. Object detection and identification for blind people in video scene
US20130266195A1 (en) Hash-Based Face Recognition System
CN103824052A (zh) 一种基于多层次语义特征的人脸特征提取方法及识别方法
CN108805077A (zh) 一种基于三元组损失函数的深度学习网络的人脸识别系统
CN111126280B (zh) 基于融合手势识别的失语症患者辅助康复训练系统及方法
Huong et al. Static hand gesture recognition for vietnamese sign language (VSL) using principle components analysis
CN101493887A (zh) 基于半监督学习和哈希索引的眉毛图像分割方法
CN112464730A (zh) 一种基于域无关前景特征学习的行人再识别方法
CN107066955A (zh) 一种从局部人脸区域还原整张人脸的方法
Kumar et al. A novel method for visually impaired using object recognition
CN115690884A (zh) 一种人脸识别方法、系统、存储介质及计算设备
CN111666976A (zh) 基于属性信息的特征融合方法、装置和存储介质
Latha et al. A novel method for person authentication using retinal images
CN106446870A (zh) 一种人体轮廓特征提取方法和装置
Kakkar Facial expression recognition with LDPP & LTP using deep belief network
Mousavi et al. Seven staged identity recognition system using Kinect V. 2 sensor
Amjed et al. Noncircular iris segmentation based on weighted adaptive hough transform using smartphone database
Anifantis et al. A neural network method for accurate face detection on arbitrary images
Bora et al. ISL gesture recognition using multiple feature fusion

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