CN108509937A - 一种人脸识别系统及方法 - Google Patents
一种人脸识别系统及方法 Download PDFInfo
- Publication number
- CN108509937A CN108509937A CN201810327044.3A CN201810327044A CN108509937A CN 108509937 A CN108509937 A CN 108509937A CN 201810327044 A CN201810327044 A CN 201810327044A CN 108509937 A CN108509937 A CN 108509937A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- signal
- module
- face identification
- 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
-
- 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 Processing (AREA)
Abstract
本发明实施例提出一种人脸识别系统及方法,涉及计算机图像处理技术领域。所述人脸识别系统包括:用于获取人脸图像的图像采集装置,以及用于对所述图像采集装置所获取的人脸图像进行人脸识别的至少一个人脸识别装置,其中,所述图像采集装置和所述人脸识别装置各自部署在不同的网络中。具有结构简单、安全性高、识别准确和智能化等优点。
Description
技术领域
本发明涉及计算机图像处理技术领域,具体而言,涉及一种人脸识别 系统及方法。
背景技术
一个完整的人脸自动检测和识别系统应包括三个方面:人脸检测、特 征提取和人脸识别。人脸检测是人脸自动识别完成的第一步,是人脸自动 识别系统解决的首要问题。经济社会的日益壮大发展,使得我们对于自动 身份验证的及时有效性要求越来越迫切。由于人体的生物特征具有很强的 个体差异性和自身稳定性,是进行身份验证的最理想的依据。和利用指纹、 视网膜、声音等其它人体生物特征的人身鉴别方法相比,人脸识别具有蕴涵信息量大、直接、友好、便捷等特点,更易于被广大用户接受。
发明内容
本发明的目的在于提供一种人脸识别系统及方法,具有结构简单、安 全性高、识别准确和智能化等优点。
为了实现上述目的,本发明实施例采用的技术方案如下:
一种人脸识别系统,所述系统包括:用于获取人脸图像的图像采集 装置,以及用于对所述图像采集装置所获取的人脸图像进行人脸识别的至 少一个人脸识别装置,其中,所述图像采集装置和所述人脸识别装置各 自部署在不同的网络中。
进一步的,所述人脸识别装置包括:图像采集单元、图像处理单元、 模式判断模块、本地数据库、对比判断单元和控制器;所述图像采集单元 信号连接于图像处理单元,用于将图像采集装置获取的人脸图像数据信息 转换为数字信号,将该信号发送到图像处理单元;所述图像处理单元信号 连接于模式判断单元;所述模式判断单元信号连接于本地数据库,用于判 断应该进行注册还是应该进行人脸识别;所述本地数据库信号连接有对比判断单元,用于存储处理后的人脸图像信息;所述对比判断单元信号连接 于结果显示单元,用于对获取到的人脸图像和本地数据库中的人脸图像进 行比对;所述控制器,用于根据对比结果控制系统的运行。
进一步的,所述图像处理单元包括:质量评估模块、归一化模块、图 像展开模块、二值化模块、图像增强模块、特征提取和缩码模块;所述质 量评估模块分别信号连接于归一化模块和图像采集单元;所述归一化模块 信号连接于图像展开模块;所述图像展开模块信号连接于二值化模块;所 述二值化模块信号连接于图像增强模块;所述图像增强模块信号连接于特 征提取和缩码模块;所述特征提取和缩码模块信号连接于模式判断单元。
一种人脸识别方法,所述方法包括:
步骤1:系统启动,系统初始化,图像采集装置,开始检测是否存在 人脸区域,若检测到人脸区域,则开始采集用户的人脸图像信息;将采集 到的人脸图像信息发送给人脸识别装置;
步骤2:人脸识别装置开始对获取用户的人脸图像进行处理,图像处 理单元中的:质量评估模块、归一化模块、图像展开模块、二值化模块、 图像增强模块、特征提取和缩码模块,依次对采集到的人脸图像进行处理; 其中,若质量评估模块对图像的质量评估不合格,则发送信息到控制器; 控制器控制语音播放装置播放人脸图像采集不合格的语音提示,同时打开 照明装置;
步骤3:模式判断单元判断此时应该进行人脸图像注册还是应该进行 人脸图像判断;如果判断为需要进行人脸图像注册,则将该人脸图像信息 发送到本体数据库进行注册;如果判断为需要进行图像判断则进行步骤4;
步骤4:如果模式判断单元判断此时应该进行图像对比判断,则发送 命令至对比判断单元,对比判断单元开始调取本地数据库中的人脸,进行 对比,输出对比结果。
进一步的,所述图像采集装置检测人脸区域的方法包括:
步骤1:从摄像头采集到的图像为RGB格式,利用如下公式实现将 RGB颜色空间到HSV颜色空间的转换:
步骤2:再利用如下公式将驾驶员的肤色区域检测出来:
R>G&&|R-G|≥11
340≤S≤359P0≤S≤50
0.12≤T≤0.7&&0.3≤V≤1.0
步骤3:然后对人脸进行水平和垂直投影,确定脸部的边界区域,边 界确定公式如下:
其中, h、w分别为用水平和垂直投影求得的脸部区域的高度和宽度。
进一步的,所述二值化模块对图像进行二值化处理的方法包括如下步 骤:
步骤1:对信号进行平滑滤波,获得图像信号g(x),假设平滑滤波器 的冲击响应函数h(x),原信号为f(x),则进行滤波后的信号 g(x)=f(x)*h(x);
步骤2:对滤波后的信号进行边缘检测;
步骤3:按照如下公式进行二值化处理:
其中,b(x,y)为二值化图像,i(x,y)为进行边缘检测后的图像值。
进一步的,所述对比判断单元对虹膜图像信息进行比对判断的方法包 括如下步骤:
步骤1:提取出归一化后的人脸图像的二值编码,在匹配时,使用汉 明距离对这两个人脸特征码进行匹配比对,所述公式如下:
步骤2:设定一个阈值F;将匹配结果和阈值进行比较;小于此阈值 的两幅图像则认为人脸图像匹配,反之,则认为人脸图像不匹配。
本发明的有益效果是:
1、智能化:本发明的图像识别系统自动检测人脸,自动进行识别,智 能化程度高。
3、识别准确:本发明在图像采集后就对图像进行了评估。对于图像效 果较差的图像,需要重新采集虹膜图像,这样从源头保证了图像信息的准 确性。另外,在识别过程中,采用了改进的图像识别算法,使得图像识别 的效果更佳。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实 施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需 要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些 实施例,因此不应被看作是对范围的限定,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相关的附 图。
图1示出了本发明实施例提供的人脸识别系统的功能框图。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组 件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本 发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅 仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一 旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步 定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区 分描述,而不能理解为指示或暗示相对重要性。
实施例1
请参阅图1,图1示出了一种人脸识别系统,所述系统包括:用于获 取人脸图像的图像采集装置,以及用于对所述图像采集装置所获取的人 脸图像进行人脸识别的至少一个人脸识别装置,其中,所述图像采集装 置和所述人脸识别装置各自部署在不同的网络中。
进一步的,所述人脸识别装置包括:图像采集单元、图像处理单元、 模式判断模块、本地数据库、对比判断单元和控制器;所述图像采集单元 信号连接于图像处理单元,用于将图像采集装置获取的人脸图像数据信息 转换为数字信号,将该信号发送到图像处理单元;所述图像处理单元信号 连接于模式判断单元;所述模式判断单元信号连接于本地数据库,用于判 断应该进行注册还是应该进行人脸识别;所述本地数据库信号连接有对比判断单元,用于存储处理后的人脸图像信息;所述对比判断单元信号连接 于结果显示单元,用于对获取到的人脸图像和本地数据库中的人脸图像进 行比对;所述控制器,用于根据对比结果控制系统的运行。
进一步的,所述图像处理单元包括:质量评估模块、归一化模块、图 像展开模块、二值化模块、图像增强模块、特征提取和缩码模块;所述质 量评估模块分别信号连接于归一化模块和图像采集单元;所述归一化模块 信号连接于图像展开模块;所述图像展开模块信号连接于二值化模块;所 述二值化模块信号连接于图像增强模块;所述图像增强模块信号连接于特 征提取和缩码模块;所述特征提取和缩码模块信号连接于模式判断单元。
实施例2
一种人脸识别方法,所述方法包括:
步骤1:系统启动,系统初始化,图像采集装置,开始检测是否存在 人脸区域,若检测到人脸区域,则开始采集用户的人脸图像信息;将采集 到的人脸图像信息发送给人脸识别装置;
步骤2:人脸识别装置开始对获取用户的人脸图像进行处理,图像处 理单元中的:质量评估模块、归一化模块、图像展开模块、二值化模块、 图像增强模块、特征提取和缩码模块,依次对采集到的人脸图像进行处理; 其中,若质量评估模块对图像的质量评估不合格,则发送信息到控制器; 控制器控制语音播放装置播放人脸图像采集不合格的语音提示,同时打开 照明装置;
步骤3:模式判断单元判断此时应该进行人脸图像注册还是应该进行 人脸图像判断;如果判断为需要进行人脸图像注册,则将该人脸图像信息 发送到本体数据库进行注册;如果判断为需要进行图像判断则进行步骤4;
步骤4:如果模式判断单元判断此时应该进行图像对比判断,则发送 命令至对比判断单元,对比判断单元开始调取本地数据库中的人脸,进行 对比,输出对比结果。
进一步的,所述图像采集装置检测人脸区域的方法包括:
步骤1:从摄像头采集到的图像为RGB格式,利用如下公式实现将 RGB颜色空间到HSV颜色空间的转换:
步骤2:再利用如下公式将驾驶员的肤色区域检测出来:
R>G&&|R-G|≥11
340≤S≤359 P0≤S≤50
0.12≤T≤0.7&&0.3≤V≤1.0
步骤3:然后对人脸进行水平和垂直投影,确定脸部的边界区域,边 界确定公式如下:
其中, h、w分别为用水平和垂直投影求得的脸部区域的高度和宽度
进一步的,所述二值化模块对图像进行二值化处理的方法包括如下步 骤:
步骤1:对信号进行平滑滤波,获得图像信号g(x),假设平滑滤波器 的冲击响应函数h(x),原信号为f(x),则进行滤波后的信号 g(x)=f(x)*h(x);
步骤2:对滤波后的信号进行边缘检测;
步骤3:按照如下公式进行二值化处理:
其中,b(x,y)为二值化图像,i(x,y)为进行边缘检测后的图像值。
进一步的,所述对比判断单元对虹膜图像信息进行比对判断的方法包 括如下步骤:
步骤1:提取出归一化后的人脸图像的二值编码,在匹配时,使用汉 明距离对这两个人脸特征码进行匹配比对,所述公式如下:
步骤2:设定一个阈值F;将匹配结果和阈值进行比较;小于此阈值 的两幅图像则认为人脸图像匹配,反之,则认为人脸图像不匹配。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法, 也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的, 例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方 法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流 程图或框图中的每个方框可以代表一个单元、程序段或代码的一部分,所 述单元、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标 注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方 框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依 所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以 及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专 用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来 实现。
另外,在本发明各个实施例中的各功能单元可以集成在一起形成一个 独立的部分,也可以是各个单元单独存在,也可以两个或两个以上单元集 成形成一个独立的部分。
所述功能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-Onl8Memor8)、随机存取存储器(RAM,RandomAccess Memor8)、 磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用 来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者 暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语 “包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得 包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还 包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……” 限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还 存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于 本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精 神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明 的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似 项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对 其进行进一步定义和解释。
Claims (7)
1.一种人脸识别系统,其特征在于,所述系统包括:用于获取人脸图像的图像采集装置,以及用于对所述图像采集装置所获取的人脸图像进行人脸识别的至少一个人脸识别装置,其中,所述图像采集装置和所述人脸识别装置各自部署在不同的网络中。
2.如权利要求1所述的人脸识别系统,其特征在于,所述人脸识别装置包括:图像采集单元、图像处理单元、模式判断模块、本地数据库、对比判断单元和控制器;所述图像采集单元信号连接于图像处理单元,用于将图像采集装置获取的人脸图像数据信息转换为数字信号,将该信号发送到图像处理单元;所述图像处理单元信号连接于模式判断单元;所述模式判断单元信号连接于本地数据库,用于判断应该进行注册还是应该进行人脸识别;所述本地数据库信号连接有对比判断单元,用于存储处理后的人脸图像信息;所述对比判断单元信号连接于结果显示单元,用于对获取到的人脸图像和本地数据库中的人脸图像进行比对;所述控制器,用于根据对比结果控制系统的运行。
3.如权利要求2所述的人脸识别系统,其特征在于,所述图像处理单元包括:质量评估模块、归一化模块、图像展开模块、二值化模块、图像增强模块、特征提取和缩码模块;所述质量评估模块分别信号连接于归一化模块和图像采集单元;所述归一化模块信号连接于图像展开模块;所述图像展开模块信号连接于二值化模块;所述二值化模块信号连接于图像增强模块;所述图像增强模块信号连接于特征提取和缩码模块;所述特征提取和缩码模块信号连接于模式判断单元。
4.一种人脸识别方法,其特征在于,所述方法包括:
步骤1:系统启动,系统初始化,图像采集装置,开始检测是否存在人脸区域,若检测到人脸区域,则开始采集用户的人脸图像信息;将采集到的人脸图像信息发送给人脸识别装置;
步骤2:人脸识别装置开始对获取用户的人脸图像进行处理,图像处理单元中的:质量评估模块、归一化模块、图像展开模块、二值化模块、图像增强模块、特征提取和缩码模块,依次对采集到的人脸图像进行处理;其中,若质量评估模块对图像的质量评估不合格,则发送信息到控制器;控制器控制语音播放装置播放人脸图像采集不合格的语音提示,同时打开照明装置;
步骤3:模式判断单元判断此时应该进行人脸图像注册还是应该进行人脸图像判断;如果判断为需要进行人脸图像注册,则将该人脸图像信息发送到本体数据库进行注册;如果判断为需要进行图像判断则进行步骤4;
步骤4:如果模式判断单元判断此时应该进行图像对比判断,则发送命令至对比判断单元,对比判断单元开始调取本地数据库中的人脸,进行对比,输出对比结果。
5.如权利要求4所述的人脸识别方法,其特征在于,所述图像采集装置检测人脸区域的方法包括:
步骤1:从摄像头采集到的图像为RGB格式,利用如下公式实现将RGB颜色空间到HSV颜色空间的转换:
步骤2:再利用如下公式将驾驶员的肤色区域检测出来:
R>G&&|R-G|≥11
340≤S≤359P0≤S≤50
0.12≤T≤0.7&&0.3≤V≤1.0
步骤3:然后对人脸进行水平和垂直投影,确定脸部的边界区域,边界确定公式如下:
其中,h、w分别为用水平和垂直投影求得的脸部区域的高度和宽宽。
6.如权利要求5所述的人脸识别方法,其特征在于,所述二值化模块对图像进行二值化处理的方法包括如下步骤:
步骤1:对信号进行平滑滤波,获得图像信号g(x),假设平滑滤波器的冲击响应函数h(x),原信号为f(x),则进行滤波后的信号g(x)=f(x)*h(x);
步骤2:对滤波后的信号进行边缘检测;
步骤3:按照如下公式进行二值化处理:
其中,b(x,y)为二值化图像,i(x,y)为进行边缘检测后的图像值。
7.如权利要求6所述的人脸识别方法,其特征在于,所述对比判断单元对虹膜图像信息进行比对判断的方法包括如下步骤:
步骤1:提取出归一化后的人脸图像的二值编码,在匹配时,使用汉明距离对这两个人脸特征码进行匹配比对,所述公式如下:
步骤2:设定一个阈值F;将匹配结果和阈值进行比较;小于此阈值的两幅图像则认为人脸图像匹配,反之,则认为人脸图像不匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810327044.3A CN108509937A (zh) | 2018-04-12 | 2018-04-12 | 一种人脸识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810327044.3A CN108509937A (zh) | 2018-04-12 | 2018-04-12 | 一种人脸识别系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108509937A true CN108509937A (zh) | 2018-09-07 |
Family
ID=63381998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810327044.3A Pending CN108509937A (zh) | 2018-04-12 | 2018-04-12 | 一种人脸识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108509937A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114291141A (zh) * | 2022-01-18 | 2022-04-08 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种ctc系统的操作行为管控及统计系统 |
CN114842579A (zh) * | 2022-04-26 | 2022-08-02 | 深圳市凯迪仕智能科技有限公司 | 智能锁、图像处理方法及相关产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101030244A (zh) * | 2006-03-03 | 2007-09-05 | 中国科学院自动化研究所 | 基于人体生理图像中排序测度特征的自动身份识别方法 |
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 |
CN103324919A (zh) * | 2013-06-25 | 2013-09-25 | 郑州吉瑞特电子科技有限公司 | 基于人脸识别的视频监控系统及其数据处理方法 |
CN106469301A (zh) * | 2016-08-31 | 2017-03-01 | 北京天诚盛业科技有限公司 | 自适应可调节的人脸识别方法和装置 |
CN106650589A (zh) * | 2016-09-30 | 2017-05-10 | 北京旷视科技有限公司 | 实时人脸识别系统和方法 |
-
2018
- 2018-04-12 CN CN201810327044.3A patent/CN108509937A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101030244A (zh) * | 2006-03-03 | 2007-09-05 | 中国科学院自动化研究所 | 基于人体生理图像中排序测度特征的自动身份识别方法 |
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 |
CN103324919A (zh) * | 2013-06-25 | 2013-09-25 | 郑州吉瑞特电子科技有限公司 | 基于人脸识别的视频监控系统及其数据处理方法 |
CN106469301A (zh) * | 2016-08-31 | 2017-03-01 | 北京天诚盛业科技有限公司 | 自适应可调节的人脸识别方法和装置 |
CN106650589A (zh) * | 2016-09-30 | 2017-05-10 | 北京旷视科技有限公司 | 实时人脸识别系统和方法 |
Non-Patent Citations (1)
Title |
---|
JIA MINGXING 等: "Research on Driver’s Face Detection and Position Method Based on Image Processing", 《2012 24TH CHINESE CONTROL AND DECISION CONFERENCE》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114291141A (zh) * | 2022-01-18 | 2022-04-08 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种ctc系统的操作行为管控及统计系统 |
CN114842579A (zh) * | 2022-04-26 | 2022-08-02 | 深圳市凯迪仕智能科技有限公司 | 智能锁、图像处理方法及相关产品 |
CN114842579B (zh) * | 2022-04-26 | 2024-02-20 | 深圳市凯迪仕智能科技股份有限公司 | 智能锁、图像处理方法及相关产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106557726B (zh) | 一种带静默式活体检测的人脸身份认证系统及其方法 | |
KR100826876B1 (ko) | 홍채 검출 방법 및 이를 위한 장치 | |
Sun et al. | Improving iris recognition accuracy via cascaded classifiers | |
CN109558810B (zh) | 基于部位分割与融合目标人物识别方法 | |
CN106557723B (zh) | 一种带交互式活体检测的人脸身份认证系统及其方法 | |
Si et al. | Novel approaches to improve robustness, accuracy and rapidity of iris recognition systems | |
CN102945366B (zh) | 一种人脸识别的方法及装置 | |
Kashem et al. | Face recognition system based on principal component analysis (PCA) with back propagation neural networks (BPNN) | |
US9633284B2 (en) | Image processing apparatus and image processing method of identifying object in image | |
KR20180022677A (ko) | 지문기반 인증을 위한 장치 및 컴퓨터 구현방법 | |
CN101216884A (zh) | 一种人脸认证的方法及系统 | |
CN105574509B (zh) | 一种基于光照的人脸识别系统回放攻击检测方法及应用 | |
US9704024B2 (en) | Object discriminating apparatus and method | |
CN105590097A (zh) | 暗视觉条件下双摄像头协同实时人脸识别安防系统及方法 | |
CN108268823A (zh) | 目标再识别方法和装置 | |
CN104036254A (zh) | 一种人脸识别方法 | |
CN104598888B (zh) | 一种人脸性别的识别方法 | |
CN107133629B (zh) | 图片分类方法、装置和移动终端 | |
CN107918773A (zh) | 一种人脸活体检测方法、装置及电子设备 | |
CN108509937A (zh) | 一种人脸识别系统及方法 | |
Travieso et al. | Bimodal biometric verification based on face and lips | |
Bakshi et al. | Optimized periocular template selection for human recognition | |
CN103207993A (zh) | 基于核的判别随机近邻嵌入分析的人脸识别方法 | |
CN114519897B (zh) | 基于颜色空间融合及循环神经网络的人脸活体检测方法 | |
Ibrahim | Iris recognition using Haar wavelet transform |
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 |
Application publication date: 20180907 |
|
RJ01 | Rejection of invention patent application after publication |