CN108629305B - 一种面部识别方法 - Google Patents
一种面部识别方法 Download PDFInfo
- Publication number
- CN108629305B CN108629305B CN201810394178.7A CN201810394178A CN108629305B CN 108629305 B CN108629305 B CN 108629305B CN 201810394178 A CN201810394178 A CN 201810394178A CN 108629305 B CN108629305 B CN 108629305B
- Authority
- CN
- China
- Prior art keywords
- image
- face
- judging
- collected
- entering
- 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.)
- Active
Links
Images
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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/164—Detection; Localisation; Normalisation using holistic features
-
- 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
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)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种面部识别方法,包括以下步骤:A同时采集同一环境下的红外图像和可见光图像;B对采集的红外图像和可见光图像进行处理,获得采集图像的环境关键物体特征;C分析采集图像的环境关键物体特征,判断是否有人脸特征出现,若是,则进入下一步,否则,重新进入步骤A;D判断采集图像中的人脸特征是否来自于活体人体,若是,则进入下一步,否则,重新进入步骤A;E将来自于活体人体的人脸特征与预先储存的人脸特征数据库进行匹配,若匹配出相似度超过阈值的人脸特征数据,则判定为识别通过,输出该人脸特征数据对应的人员编码,否则,判断识别不通过。能有效提升识别准确率和识别速度,实现非接触式隐蔽报警控制,保证人身安全。
Description
技术领域
本发明属于人工智能技术领域,具体涉及一种面部识别方法。
背景技术
人脸识别技术是基于人的脸部特征,对输入的人脸图像或者视频流,首先判断其是否存在人脸,如果存在人脸,则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息,进一步提取每个人脸中所蕴涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。
目前人脸识别技术,主要应用红外图像识别技术或可见光识别技术,进行图像识别分析,在用于安防、考勤和门锁中时,还是存在以下问题:
(1)在面部相似度较高时,容易误判。即使号称能识别双胞胎的方法,却要牺牲识别速度和用户体验来调高比对严格度,造成拒识率上升。
(2)原有人脸识别技术,只能识别成功与否,识别成功则完成验证,无法在人受到威胁时隐蔽地进行报警,无法完成非接触式动作控制命令。
(3)原识别技术在活体识别中,通过系统提示作出命令,人员根据命令进行相应动作,以作为判断,存在操作体验不佳的问题;使用彩色摄像头,通过成像色差等进行活体识别,还难以识别视频、图片等虚伪脸部,容易被破解;使用红外识别时,无法识别黑白照片假造的人脸,同样易被破解。
(4)原技术使用静态1:N或1:1识别,识别人员必须在最值识别距离、角度才能进行识别,识别速度慢。
发明内容
为了解决现有技术存在的上述问题,本发明目的在于提供一种面部识别方法,能有效识别活体排除假面,提升识别准确率,提升识别速度,解决双胞胎识别,实现验证人员非接触式控制和隐蔽报警保证人身安全。
本发明所采用的技术方案为:一种面部识别方法,包括以下步骤:
A、同时采集同一环境下的红外图像和可见光图像;
B、对采集的红外图像和可见光图像进行处理,获得采集图像的环境关键物体特征;
C、分析采集图像的环境关键物体特征,判断是否有人脸特征出现,若是,则进入下一步,否则,重新进入步骤A;
D、判断采集图像中的人脸特征是否来自于活体人体,若是,则进入下一步,否则,重新进入步骤A;
E、将来自于活体人体的人脸特征与预先储存的人脸特征数据库进行匹配,若匹配出相似度超过阈值的人脸特征数据,则判定为识别通过,输出该人脸特征数据对应的人员编码,否则,判断识别不通过。
可选地,所述步骤C包括以下过程:
C1、分析采集图像的环境关键物体特征,判定采集的图像是否有效:若环境关键物体特征与预先存储环境特征的相似度小于阈值,则判定采集的图像无效,重新进入步骤A,否则,进入下一步;
C2、若采集的图像有效,并且无人脸特征出现,则重新进入步骤A,否则,进入下一步;
C3、若采集的图像有效,并且人脸特征出现,则进入步骤D。
可选地,所述步骤D包括以下过程:
D1、分析采集的红外图像和可见光图像的人脸特征是否相似,若相似度大于阀值,则判定图像有效,进入下一步,否则,判定图像无效,发出警报;
D2、在红外图像中提取的人脸特征上选取坐标不同的三个特征点R1、R2和R3,计算R1到R2的距离D1,计算R2到R3的距离D2,并计算距离之比B1=D1/D2;在可见光图像中提取的人脸特征上选取与点R1、R2和R3分别对应的三个特征点r1、r2和r3,计算r1到r2的距离d1,计算r2到r3的距离d2,并计算距离之比b1=d1/d2;若B1=b1,则判定采集图像中的人脸特征来自于平面假脸,否则,判定采集图像中的人脸特征来自于活体人体。
可选地,所述步骤E包括以下过程:
E1、从n+1组可见光图像中分别提取出目标人脸特征,形成n+1组表征目标人脸特征的数组P0-Pn;
E2、将数组P0与预先存储的所有人脸特征进行比对,相似度由高至低排序,相似度在前m位的人员编码编为一数组P0(m);同样将数组P1-Pn分别与预先存储的所有人脸特征进行比对,分别获得数组P1(m)-Pn(m);
E3、将数组P0(m)至Pn(m)进行分析,统计人员编码的重复出现次数,重复出现次数较多的前k位人员编码组成为新的数组P(m);
E4、从数组P0-Pn中确认最优识别距离下的最优目标人脸特征Pj,0≤j≤n;
E5、计算最优目标人脸特征Pj与数组P(m)内的各人员编码对应的人脸特征的相似度,当最大相似度的值达到阀值时,输出最大相似度对应的人员编码,否则,判断人员识别不通过。
可选地,所述步骤E5还包括以下过程:当最大相似度的值小于阀值时,计算最优目标人脸特征Pj与数组P(m)以外人脸特征的相似度,若存在相似度的值达到阀值,则判定识别通过,输出对应人员编码,否则,判定为识别不通过。
可选地,步骤E之后还包括以下过程:
F、采集多张人体动作图像,从采集的人体动作图像中提取人体动作特征,与预存的动作库进行顺序比对,判定人体是否按预设顺序做出相应动作,若是,则判定为识别通过,进入下一步;
G、识别提取的人体动作中是否含有胁迫动作,若是,则发出报警。
可选地,所述步骤A中:红外图像通过红外摄像头采集,可见光图像通过可见光摄像头采集,且红外摄像头和可见光摄像头左右设置或是上下设置。
可选地,所述步骤B包括以下过程:采用图像处理增强技术对采集的红外图像和可见光图像进行预处理,对预处理后的图像进行图像分割和轮廓提取,获得图像的环境关键物体特征。
本发明的有益效果为:本发明使用红外摄像和可见光摄像组合识别,多层活体识别技术结合能更有效地识别活体,排除彩色、黑白和视频等多种假脸;利用红外光在玻璃、镜片上反射特性,手机、平板等显示器的人脸照片视频将无法有效形成人脸图像,并且在使用过程中,系统定期识别并保存使用环境的图像参数,在识别过程中利用当前识别的图像与保存的使用环境的图像的特征进行相似性比对,来判断是否为有效图像,以识别照片和视频;利用双摄像头的距离与人脸的立体性,排除平面假脸,提高活体识别效果;本发明使用了同一人脸目标预跟踪比对技术,以提升识别速度和效率,并通过动态识别人员外形和姿态进一步进行防伪识别。
附图说明
图1是本发明流程示意图;
图2是摄像头左右设置时的示意图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步阐释。
实施例1:
如图1所示,一种面部识别方法,包括以下步骤:
A、同时采集同一环境下的红外图像和可见光图像;
B、对采集的红外图像和可见光图像进行处理,获得采集图像的环境关键物体特征;
C、分析采集图像的环境关键物体特征,判断是否有人脸特征出现,若是,则进入下一步,否则,重新进入步骤A;
D、判断采集图像中的人脸特征是否来自于活体人体,若是,则进入下一步,否则,重新进入步骤A;
E、将来自于活体人体的人脸特征与预先储存的人脸特征数据库进行匹配,若匹配出相似度超过阈值的人脸特征数据,则判定为识别通过,输出该人脸特征数据对应的人员编码,否则,判断识别不通过。
可选地,所述步骤C包括以下过程:
C1、分析采集图像的环境关键物体特征,如门、窗、地面、桌椅和墙等特征,判定采集的图像是否有效:若环境关键物体特征与预先存储环境特征的相似度小于阈值,则判定采集的图像无效,重新进入步骤A,否则,进入下一步;其中,当判定采集的图像无效时,输出物体变化警报,人工介入确定环境物体是否变化,若是,则更新存储的环境特征参数;
C2、若采集的图像有效,并且无人脸特征出现,则重新进入步骤A,否则,进入下一步;
C3、若采集的图像有效,并且人脸特征出现,则进入步骤D。
可选地,所述步骤D包括以下过程:
D1、分析采集的红外图像和可见光图像的人脸特征是否相似,若相似度大于阀值,则判定图像有效,进入下一步,否则,判定图像无效,发出警报;
目前显示器显示的人脸图像在红外摄像头中无法成像,而彩色摄像头却可以,并且在光面的照片会在补光灯的照射下出现反光现像,如果两种摄像头的图像所提取的人体和面部特征差异超过一定范围,即可认定为图像无效,所以利用两个不同的摄像头的成像差异比对,能有效排除显示器、光面照片等假图像的验证。
D2、在红外图像中提取的人脸特征上选取坐标不同的三个特征点R1、R2和R3,计算R1到R2的距离D1,计算R2到R3的距离D2,并计算距离之比B1=D1/D2;在可见光图像中提取的人脸特征上选取与点R1、R2和R3分别对应的三个特征点r1、r2和r3,计算r1到r2的距离d1,计算r2到r3的距离d2,并计算距离之比b1=d1/d2;若B1=b1,则判定采集图像中的人脸特征来自于平面假脸,否则,判定采集图像中的人脸特征来自于活体人体。
具体地,红外图像通过红外摄像头采集,可见光图像通过可见光摄像头采集,且红外摄像头和可见光摄像头左右设置或是上下设置,因为两摄像头的位置不同,与立体人脸各关键点的投射距离和距离之间的比值存在必然关系。这些立体成像的关键特征点的距离和比值关系与平面照片的假脸形成的图像的关键特征点的距离和比值关系存在明显差异,因此可以分析出是是平面照片成像还是立体的成像。如图2所示,C1为红外摄像头,C2为可见光摄像头,以上下结构放置摄像头为例:
C1摄像头图像获得的特征点11.1到1.1的距离为L1,特征点1.1到2.10的距离为L2。
C2摄像头图像获得的特征点11.1到1.1的距离为L3,特征点1.1到2.10的距离为L4。
在立体图像中比值L1/L2与比值L3/L4差异较大,而在平面照片中比值L1/L2与比值L3/L4相同,因此可以有效排除平面照片的假脸。
可选地,所述步骤E包括以下过程:
E1、从n+1组可见光图像中分别提取出目标人脸特征,形成n+1组表征目标人脸特征的数组P0-Pn;
E2、将数组P0与预先存储的所有人脸特征进行比对,相似度由高至低排序,相似度在前m位的人员编码编为一数组P0(m);同样将数组P1-Pn分别与预先存储的所有人脸特征进行比对,分别获得数组P1(m)-Pn(m);
E3、将数组P0(m)至Pn(m)进行分析,统计人员编码的重复出现次数,重复出现次数较多的前k位人员编码组成为新的数组P(m);
E4、从数组P0-Pn中确认最优识别距离下的最优目标人脸特征Pj,0≤j≤n;
E5、计算最优目标人脸特征Pj与数组P(m)内的各人员编码对应的人脸特征的相似度,当最大相似度的值达到阀值时,输出最大相似度对应的人员编码,否则,判断人员识别不通过。
可选地,所述步骤E5还包括以下过程:当最大相似度的值小于阀值时,计算最优目标人脸特征Pj与数组P(m)以外人脸特征的相似度,若存在相似度的值达到阀值,则判定识别通过,输出对应人员编码,否则,判定为识别不通过。
在人体从远到近靠近摄像头时,动态面部识别过程如下:在人员靠近但还未到达最优识别距离时,摄像头开始采集人脸图像,并提取出人脸特征,获得表征目标人脸特征的数组P0,同时将P0与存储器中预先录入的所有人脸特征进行比对,相似度排名靠前的人员编码编为一数组P0(m);在不停靠近过程中,按一定时长或者靠近距离长度采集多次人脸图像,进行若干次比对,形成若干组目标人脸特征数组P0-Pn,以及相似度排名靠前的人员编码数组P0(m)-Pn(m);将P0(m)-Pn(m)进行分析,按重复出现的人员编码次数排序,将排序靠前的再组成为新的数组P(m),当人员靠近到最优识别距离后,提取到的最终特征Pj与数组P(m)的人员编码对应的特征比对,当最大相似度达到阀值时,输出对应的人员编码;当与P(m)的人员编码对应的特征比对的相似度值均未达到阀值时,再比对P(m)以外的人员编码对应的特征,如果有相似度达到阀值时,输出对应人员编码,如果仍然没有相似度值达到阀值的,则判断人员识别不通过,通过各种通讯方式输出识别不通讯的结果。
可选地,步骤E之后还包括以下过程:
F、采集多张人体动作图像,从采集的人体动作图像中提取人体动作特征,与预存的动作库进行顺序比对,判定人体是否按预设顺序做出相应动作,若是,则判定为识别通过,进入下一步;
G、识别提取的人体动作中是否含有胁迫动作,若是,则发出报警。
具体地,利用动作顺序和动作密码进行隐蔽报警和自动化操作,利用动作密码还可排除双胞胎、3D面具等高度相似的人员的识别,提高安全性。默认可识别的动作储存为动作库,如下表1。每个人员可选择若干个动作,按顺序作为密码,和选择一个动作为胁迫密码。当人脸特征相似度达到阀值时,而且动作密码一致,判定为识别通过,执行和输出相应的命令。当人脸识别相似度与胁迫密码都通过时,判定为受到胁迫,进行报警和相应命令输出。
表1
序号 | 动作 |
1 | 抬头 |
2 | 低头 |
3 | 左转头 |
4 | 右转头 |
5 | 张大口 |
6 | 左眨眼 |
7 | 右眨眼 |
8 | 闭双眼 |
9 | 用手摸左眼 |
10 | 用手摸右眼 |
11 | 用手摸额头 |
12 | 用手摸左耳 |
13 | 用手摸右耳 |
14 | 用手摸左脸 |
15 | 用手摸右脸 |
16 | 用手摸鼻子 |
17 | 用手摸口 |
18 | 用手摸下巴 |
可选地,所述步骤B包括以下过程:采用图像处理增强技术对采集的红外图像和可见光图像进行预处理,对预处理后的图像进行图像分割和轮廓提取,获得图像的环境关键物体特征。此处图像处理增强技术、图像分割和轮廓提取均是采用现有技术,在此不再赘述。
本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (7)
1.一种面部识别方法,其特征在于,包括以下步骤:
A、同时采集同一环境下的红外图像和可见光图像;
B、对采集的红外图像和可见光图像进行处理,获得采集图像的环境关键物体特征;
C、分析采集图像的环境关键物体特征,判断是否有人脸特征出现,若是,则进入下一步,否则,重新进入步骤A;
D、判断采集图像中的人脸特征是否来自于活体人体,若是,则进入下一步,否则,重新进入步骤A;
E、将来自于活体人体的人脸特征与预先储存的人脸特征数据库进行匹配,若匹配出相似度超过阈值的人脸特征数据,则判定为识别通过,输出该人脸特征数据对应的人员编码,否则,判断识别不通过;
所述步骤E包括以下过程:
E1、从n+1组可见光图像中分别提取出目标人脸特征,形成n+1组表征目标人脸特征的数组P0-Pn;
E2、将数组P0与预先存储的所有人脸特征进行比对,相似度由高至低排序,相似度在前m位的人员编码编为一数组P0(m);同样将数组P1-Pn分别与预先存储的所有人脸特征进行比对,分别获得数组P1(m)-Pn(m);
E3、将数组P0(m)至Pn(m)进行分析,统计人员编码的重复出现次数,重复出现次数较多的前k位人员编码组成为新的数组P(m);
E4、从数组P0-Pn中确认最优识别距离下的最优目标人脸特征Pj,0≤j≤n;
E5、计算最优目标人脸特征Pj与数组P(m)内的各人员编码对应的人脸特征的相似度,当最大相似度的值达到阀值时,输出最大相似度对应的人员编码,否则,判断人员识别不通过。
2.根据权利要求1所述的面部识别方法,其特征在于,所述步骤C包括以下过程:
C1、分析采集图像的环境关键物体特征,判定采集的图像是否有效:若环境关键物体特征与预先存储环境特征的相似度小于阈值,则判定采集的图像无效,重新进入步骤A,否则,进入下一步;
C2、若采集的图像有效,并且无人脸特征出现,则重新进入步骤A,否则,进入下一步;
C3、若采集的图像有效,并且人脸特征出现,则进入步骤D。
3.根据权利要求1所述的面部识别方法,其特征在于,所述步骤D包括以下过程:
D1、分析采集的红外图像和可见光图像的人脸特征是否相似,若相似度大于阀值,则判定图像有效,进入下一步,否则,判定图像无效,发出警报;
D2、在红外图像中提取的人脸特征上选取坐标不同的三个特征点R1、R2和R3,计算R1到R2的距离D1,计算R2到R3的距离D2,并计算距离之比B1=D1/D2;在可见光图像中提取的人脸特征上选取与点R1、R2和R3分别对应的三个特征点r1、r2和r3,计算r1到r2的距离d1,计算r2到r3的距离d2,并计算距离之比b1=d1/d2;若B1=b1,则判定采集图像中的人脸特征来自于平面假脸,否则,判定采集图像中的人脸特征来自于活体人体。
4.根据权利要求1所述的面部识别方法,其特征在于:所述步骤E5还包括以下过程:当最大相似度的值小于阀值时,计算最优目标人脸特征Pj与数组P(m)以外人脸特征的相似度,若存在相似度的值达到阀值,则判定识别通过,输出对应人员编码,否则,判定为识别不通过。
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,步骤E之后还包括以下过程:
F、采集多张人体动作图像,从采集的人体动作图像中提取人体动作特征,与预存的动作库进行顺序比对,判定人体是否按预设顺序做出相应动作,若是,则判定为识别通过,进入下一步;
G、识别提取的人体动作中是否含有胁迫动作,若是,则发出报警。
6.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,所述步骤A中:红外图像通过红外摄像头采集,可见光图像通过可见光摄像头采集,且红外摄像头和可见光摄像头左右设置或是上下设置。
7.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,所述步骤B包括以下过程:采用图像处理增强技术对采集的红外图像和可见光图像进行预处理,对预处理后的图像进行图像分割和轮廓提取,获得图像的环境关键物体特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810394178.7A CN108629305B (zh) | 2018-04-27 | 2018-04-27 | 一种面部识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810394178.7A CN108629305B (zh) | 2018-04-27 | 2018-04-27 | 一种面部识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108629305A CN108629305A (zh) | 2018-10-09 |
CN108629305B true CN108629305B (zh) | 2021-10-22 |
Family
ID=63694841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810394178.7A Active CN108629305B (zh) | 2018-04-27 | 2018-04-27 | 一种面部识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108629305B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492538A (zh) * | 2018-10-17 | 2019-03-19 | 广州云从信息科技有限公司 | 基于人脸识别技术的智能登机系统、方法及可读存储介质 |
CN109522877A (zh) * | 2018-12-14 | 2019-03-26 | 睿云联(厦门)网络通讯技术有限公司 | 一种基于安卓设备的离线多人脸识别方法以及计算机设备 |
CN109871773A (zh) * | 2019-01-21 | 2019-06-11 | 深圳市云眸科技有限公司 | 活体检测方法、装置及门禁机 |
CN109816907A (zh) * | 2019-01-21 | 2019-05-28 | 江西阳光安全设备集团有限公司 | 智能型密集架的自动开关装置 |
CN109801462A (zh) * | 2019-01-21 | 2019-05-24 | 江西阳光安全设备集团有限公司 | 智能型密集架的防盗报警装置 |
CN109584759A (zh) * | 2019-01-31 | 2019-04-05 | 黄山商维网络科技有限公司 | 一种广告显示装置及其吸烟检测方法 |
CN110059644A (zh) * | 2019-04-23 | 2019-07-26 | 杭州智趣智能信息技术有限公司 | 一种基于人脸图像的活体检测方法、系统及相关组件 |
CN112184937A (zh) * | 2019-07-04 | 2021-01-05 | 钉钉控股(开曼)有限公司 | 考勤以及红外补光灯驱动方法、装置、设备和系统 |
CN110363180A (zh) * | 2019-07-24 | 2019-10-22 | 厦门云上未来人工智能研究院有限公司 | 一种统计陌生人人脸重复出现的方法和装置以及设备 |
CN110443192B (zh) * | 2019-08-01 | 2023-04-28 | 中国科学院重庆绿色智能技术研究院 | 一种基于双目图像的非交互式人脸活体检测方法及系统 |
CN110991266B (zh) * | 2019-11-13 | 2024-02-20 | 北京智芯原动科技有限公司 | 一种双目人脸活体检测方法及装置 |
CN111310538B (zh) * | 2019-11-18 | 2020-11-17 | 万金芬 | 基于大数据服务器的内容管理系统 |
TWI761739B (zh) | 2019-12-10 | 2022-04-21 | 緯創資通股份有限公司 | 活體臉部辨識系統與方法 |
CN111738065A (zh) * | 2020-05-11 | 2020-10-02 | 广东天波信息技术股份有限公司 | 一种人脸识别门禁控制方法及系统 |
CN111666553A (zh) * | 2020-07-17 | 2020-09-15 | 江苏荣泽信息科技股份有限公司 | 一种基于分布式pki的区块链身份权限管理方法 |
CN111914769B (zh) * | 2020-08-06 | 2024-01-26 | 腾讯科技(深圳)有限公司 | 用户合法性判定方法、装置、计算机可读存储介质及设备 |
CN113239766A (zh) * | 2021-04-30 | 2021-08-10 | 复旦大学 | 基于深度神经网络的行为识别方法及智能报警装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9628755B2 (en) * | 2010-10-14 | 2017-04-18 | Microsoft Technology Licensing, Llc | Automatically tracking user movement in a video chat application |
CN101964056B (zh) * | 2010-10-26 | 2012-06-27 | 徐勇 | 一种具有活体检测功能的双模态人脸认证方法和系统 |
CN102024145B (zh) * | 2010-12-01 | 2012-11-21 | 五邑大学 | 一种伪装人脸分层识别方法及系统 |
CN103324947B (zh) * | 2012-03-19 | 2020-02-21 | 联想(北京)有限公司 | 一种认证方法及一种鉴权方法 |
CN103324904A (zh) * | 2012-03-20 | 2013-09-25 | 凹凸电子(武汉)有限公司 | 人脸识别系统及其方法 |
CN104038476B (zh) * | 2014-05-16 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 一种用于登录管理的方法、设备与系统 |
CN105740688B (zh) * | 2016-02-01 | 2021-04-09 | 腾讯科技(深圳)有限公司 | 解锁的方法和装置 |
CN105930775B (zh) * | 2016-04-14 | 2019-07-19 | 中南大学 | 基于灵敏度参数的人脸朝向识别方法 |
CN107169405B (zh) * | 2017-03-17 | 2020-07-03 | 上海云从企业发展有限公司 | 基于双目摄像机活体识别的方法及装置 |
-
2018
- 2018-04-27 CN CN201810394178.7A patent/CN108629305B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108629305A (zh) | 2018-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108629305B (zh) | 一种面部识别方法 | |
CN108921100B (zh) | 一种基于可见光图像与红外图像融合的人脸识别方法及系统 | |
Shao et al. | Deep convolutional dynamic texture learning with adaptive channel-discriminability for 3D mask face anti-spoofing | |
CN109800643B (zh) | 一种活体人脸多角度的身份识别方法 | |
CN105868689B (zh) | 一种基于级联卷积神经网络的人脸遮挡检测方法 | |
CN109377616B (zh) | 一种基于二维人脸识别的门禁控制系统 | |
CN108764058B (zh) | 一种基于热成像效应的双摄像头人脸活体检测方法 | |
D'Orazio et al. | An algorithm for real time eye detection in face images | |
CN101558431B (zh) | 脸认证设备 | |
CN111597955A (zh) | 基于深度学习的表情情绪识别的智能家居控制方法及装置 | |
CN102194131A (zh) | 基于五官几何比例特征的快速人脸识别方法 | |
CN104951773A (zh) | 一种实时人脸识别监视系统 | |
CN109684965A (zh) | 一种基于近红外成像与深度学习的人脸识别系统 | |
KR101640014B1 (ko) | 허위 안면 이미지 분류가 가능한 홍채 인식 장치 | |
CN106682578A (zh) | 基于眨眼检测的人脸识别方法 | |
CN110555926B (zh) | 一种基于多证件识别的门禁方法及相应的装置 | |
CN110705454A (zh) | 一种具有活体检测功能的人脸识别方法 | |
CN109255282A (zh) | 一种生物识别方法、装置和系统 | |
CN109003367A (zh) | 门禁的控制方法及装置、存储介质、终端 | |
CN106156739B (zh) | 一种基于脸部轮廓分析的证件照耳朵检测与提取方法 | |
CN104573628A (zh) | 一种三维人脸识别方法 | |
KR101174103B1 (ko) | 근골격 구조에 기초한 수학적 패턴 분석의 얼굴인식 방법 | |
CN107220623A (zh) | 一种人脸识别方法及系统 | |
Mary et al. | Human identification using periocular biometrics | |
KR101107308B1 (ko) | 영상 검색 및 인식 방법 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210916 Address after: 510000 rooms 901, 902 and 903, No. 8, Qingnian Road, Huangpu District, Guangzhou, Guangdong Applicant after: GUANGZHOU ZHONGQIZHENGHAO INFORMATION TECHNOLOGY Co.,Ltd. Address before: 510000 No. 7, East 8th lane, Yapu street, Shengang village, Zhucun street, Zengcheng City, Guangzhou City, Guangdong Province Applicant before: Zhu Xuhui |
|
GR01 | Patent grant | ||
GR01 | Patent grant |