CN108694385A - 一种高速人脸识别方法、系统及装置 - Google Patents
一种高速人脸识别方法、系统及装置 Download PDFInfo
- Publication number
- CN108694385A CN108694385A CN201810457428.7A CN201810457428A CN108694385A CN 108694385 A CN108694385 A CN 108694385A CN 201810457428 A CN201810457428 A CN 201810457428A CN 108694385 A CN108694385 A CN 108694385A
- Authority
- CN
- China
- Prior art keywords
- face
- facial image
- image
- quality
- module
- 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
Abstract
本发明涉及一种高速人脸识别方法、系统和装置,所述方法包括步骤:(1)图像采集,并在采集的图像中进行人像检测定位,得到适用于人脸识别的人脸图像;(2)依据采集顺序对得到的人脸图像采用一一对比的方式进行质量筛选;(3)质量筛选进行N轮,得到一个质量最优的人脸图像;4)把质量最优的人脸图像送入人脸识别模块进行识别。所述方法、系统和装置把采集到的人脸图像一一对比,进行了质量筛选,然后把质量相对较高的人脸图像传送给人脸识别模块进行识别,提高了识别成功率,减少了识别次数,从而提高了识别速度。由于质量筛选采用的是一一对比方式,N张照片只需要对比N‑1次,就可以得出最终的结果,所以效率高。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种高速人脸识别方法、系统及装置。
背景技术
人脸识别技术,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对比的一系列相关技术,通常也叫做人像识别、面部识别。人脸识别技术主要是通过人脸图像特征的提取与对比来进行的,人脸识别系统将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,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。
在现有的人脸识别系统中,主要包括人脸图像采集模块和人脸识别模块,对应用层领域来讲,人脸识别模块可以看成一个黑匣子,人脸图像采集模块把采集到的人脸图像高速地传送给人脸识别模块,人脸识别模块逐张进行高速识别,并输出匹配结果,但是当数据库内的图像样本数量太大时,识别时间较长,识别速度无法另人满意;另外,当环境光线较差、或者逆光时,可能会出现运动模糊、离焦模糊等情况,采集到的人脸图像存在连续几十张质量都很差的情况,人脸识别模块不停地识别,不停地识别失败,严重影响用户体验。地也会影响识别速度,同时识别成功率也会下降,有改进空间。
发明内容
本发明的目的在于提供一种具有图像筛选功能、识别速度快的人脸识别方法、系统及装置。
本发明是这样实现的:一种高速人脸识别方法,包括步骤:
(1)图像采集,并在采集的图像中进行人像检测定位,得到适用于人脸识别的人脸图像;
(2)依据采集顺序对得到的人脸图像采用一一对比的方式进行质量筛选,质量高的人脸图像进入下一轮对比,质量差的人脸图像直接舍弃;
(3)质量筛选进行N轮,得到一个质量最优的人脸图像,N为自然数;
(4)把质量最优的人脸图像送入人脸识别模块进行识别。
其中,所述N为5-50。
其中,在步骤(1)和(2)之间,包括步骤:(1.1)把前M张人脸图像按顺序直接送入人脸识别模块进行识别,M为自然数。
其中,所述M为3-10。
其中,步骤(2)中质量筛选具体又包括以下步骤:
(2.1)确定每张人脸图像的双眼坐标和人脸矩形的位置,根据双眼坐标和人脸矩形的位置和预设的人脸完整性标准、人脸大小标准和人脸位置标准对每张人脸图像进行评分;
(2.2)确定每张人脸图像的清晰度,并根据预设的清晰度标准对每张人脸图像进行评分;
(2.3)根据双眼坐标确定每张人脸图像的人脸偏转角度,并根据预设的最佳角度标准对每张人脸图像进行评分;
(2.4)对从步骤2.1、2.2和2.3中获得的评分进行加权平均,然后比较两张人脸图像的最终得分,分数高的质量较高,分数低的质量较差。
本发明提供的另一种技术方案为:一种高速人脸识别系统,包括:
图像采集模块,用于采集图像;
人脸检测模块,用于从采集的图像中进行人像检测定位,得到适用于人脸识别的人脸图像;
图像筛选模块,用于依据采集顺序对得到的人脸图像采用一一对比的方式进行质量筛选,质量高的人脸图像进入下一轮对比,质量差的人脸图像直接舍弃;
人脸识别模块,用于对得到的人脸图像进行识别。
其中,所述图像筛选模块包括:
人脸特征评分模块,用于确定每张人脸图像的双眼坐标和人脸矩形的位置,并根据双眼坐标和人脸矩形的位置和预设的人脸完整性标准、人脸大小标准和人脸位置标准对每张人脸图像进行评分;
清晰度评分模块,确定每张人脸图像的清晰度,并根据预设的清晰度标准对每张人脸图像进行评分;
人脸偏转角度评分模块,根据双眼坐标确定每张人脸图像的人脸偏转角度,并根据预设的最佳角度标准对每张人脸图像进行评分;
分数计算和比较模块,用于对人脸特征评分模块、清晰度评分模块和人脸偏转角度评分模块得出的分数进行加权平均,然后比较高低,分数高的质量较高,分数低的质量较差。
其中,还包括人脸图像传送控制模块,用于控制把人脸图像传送给人脸识别模块或图像筛选模块。
本发明提供的第三种技术方案为:一种高速人脸识别装置,包括人脸识别组件、角度调整装置和上面所述的人脸识别系统,所述人脸识别组件固定在角度调整装置上。
其中,所述角度调整装置为柱式角度调整装置或者壁挂式角度调整装置。
本发明的有益效果为:所述高速人脸识别方法、系统和装置把采集到的人脸图像一一对比,进行了质量筛选,然后把质量相对较高的人脸图像传送给人脸识别模块进行识别,提高了识别成功率,减少了识别次数,从而提高了识别速度,数据库内的图像样本数量越大,效果越明显。由于质量筛选采用的是一一对比方式,N张照片只需要对比N-1次,就可以得出最终的结果,所以效率高。
附图说明
图1是本发明所述高速人脸识别方法的实施例一的流程图;
图2是本发明所述高速人脸识别方法的实施例二的流程图;
图3是本发明所述高速人脸识别装置实施例的正视图;
图4是本发明所述高速人脸识别装置实施例的侧视图;
图5是本发明所述高速人脸识别装置实施例的立体图;
图6是本发明所述角度调整装置的分解示意图;
图7是本发明所述角度调整装置另一角度的分解示意图;
图8是本发明所述角度调整装置实施例的剖示图。
1、固定筒;11、开口;12、盲孔;2、角度调整杆;21、弧形凸起;3、转轴;4、固定盖;41、螺纹孔;42、压条;5、内压件;51、弧形凹陷;52、避让孔;6、锁紧螺钉;61、旋转手轮;7、人脸识别组件;71、外壳;72、显示屏;73、摄像头;8、身份证验证模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
作为本发明所述高速人脸识别方法的实施例一,如图1所示,包括步骤:
(1)图像采集,并在采集的图像中进行人像检测定位,得到适用于人脸识别的人脸图像;
(2)依据采集顺序对得到的人脸图像采用一一对比的方式进行质量筛选,质量高的人脸图像进入下一轮对比,质量差的人脸图像直接舍弃;
(3)质量筛选进行N轮,得到一个质量最优的人脸图像,N为自然数;
(4)把质量最优的人脸图像送入人脸识别模块进行识别。
在本实施例中,所述N优选值为5-50。N设置的太大,在光线好,采集的人像质量较高时,属于多余计算,浪费计算资源;N设置的太小,在光线差的时候,采集的人像质量较差时,识别速度提高不够明显。
所述高速人脸识别方法把采集到的人脸图像一一对比,进行了质量筛选,然后把质量相对较高的人脸图像传送给人脸识别模块进行识别,提高了识别成功率,减少了识别次数,从而提高了识别速度,数据库内的图像样本数量越大,效果越明显。由于质量筛选采用的是一一对比方式,N张照片只需要对比N-1次,就可以得出最终的结果,所以效率高。
在本实施例中,步骤(2)中质量筛选具体又包括以下步骤:
(2.1)确定每张人脸图像的双眼坐标和人脸矩形的位置,根据双眼坐标和人脸矩形的位置和预设的人脸完整性标准、人脸大小标准和人脸位置标准对每张人脸图像进行评分;
(2.2)确定每张人脸图像的清晰度,并根据预设的清晰度标准对每张人脸图像进行评分;
(2.3)根据双眼坐标确定每张人脸图像的人脸偏转角度,并根据预设的最佳角度标准对每张人脸图像进行评分;
(2.4)对从步骤2.1、2.2和2.3中获得的评分进行加权平均,然后比较两张人脸图像的最终得分,分数高的质量较高,分数低的质量较差。
人脸完整性、人脸大小和人脸位置,人脸图像清晰度以及人脸偏转角度是人脸识别最关键的三个因素,质量筛选对这三个因素进行评分,并取加权平均数做质量高低的依据,操作性强,计算量小,速度快,不会因此失彼。当然,经过系统的深度学习和训练之后,也可以调整三个因素的权重。
作为本发明所述高速人脸识别方法的实施例二,如图2所示,与实施例一不同之处在于,在步骤(1)和(2)之间,包括步骤:(1.1)把前M张人脸图像按顺序直接送入人脸识别模块进行识别,M为自然数。
在本实施例中,所述M的优选值为3-10。在正常情况下,人脸识别设备都会放在环境较友善的位置,并且人脸识别设备一般也都自带补光灯,所以采集到的人脸图像有机会一直很高,前面几张人脸图像就能比对成功,那么质量筛选这个步骤有可能显得多余,另外在质量筛选的过程中,人脸识别模块处于闲置状态,也浪费了计算资源。所以增加步骤1.1就很有必要了,识别流程进一步得到优化。当前面几张人脸图像都比对不成功之后,说明要么该人脸特征不在数据库内,要么环境情况恶劣,无法采集到质量较高的人脸图像,此时,启用人脸图像质量筛选,来提高识别速度,就显得非常合时宜了。
本发明还提供了一种高速人脸识别系统,作为高速人脸识别系统的实施例,包括:
图像采集模块,用于采集图像;
人脸检测模块,用于从采集的图像中进行人像检测定位,得到适用于人脸识别的人脸图像;
图像筛选模块,用于依据采集顺序对得到的人脸图像采用一一对比的方式进行质量筛选,质量高的人脸图像进入下一轮对比,质量差的人脸图像直接舍弃;
人脸识别模块,用于对得到的人脸图像进行识别。
在本实施例中,所述图像筛选模块包括:
人脸特征评分模块,用于确定每张人脸图像的双眼坐标和人脸矩形的位置,并根据双眼坐标和人脸矩形的位置和预设的人脸完整性标准、人脸大小标准和人脸位置标准对每张人脸图像进行评分;
清晰度评分模块,确定每张人脸图像的清晰度,并根据预设的清晰度标准对每张人脸图像进行评分;
人脸偏转角度评分模块,根据双眼坐标确定每张人脸图像的人脸偏转角度,并根据预设的最佳角度标准对每张人脸图像进行评分;
分数计算和比较模块,用于对人脸特征评分模块、清晰度评分模块和人脸偏转角度评分模块得出的分数进行加权平均,然后比较高低,分数高的质量较高,分数低的质量较差。
在本实施例中,所述高速人脸识别系统还包括人脸图像传送控制模块,用于控制把人脸图像传送给人脸识别模块或图像筛选模块。
所述高速人脸识别系统把采集到的人脸图像一一对比,进行了质量筛选,然后把质量相对较高的人脸图像传送给人脸识别模块进行识别,提高了识别成功率,减少了识别次数,从而提高了识别速度,数据库内的图像样本数量越大,效果越明显。由于质量筛选采用的是一一对比方式,N张照片只需要对比N-1次,就可以得出最终的结果,所以效率高。
本发明还提供了一种高速人脸识别装置,作为所述高速人脸识别装置的实施例,如图3至图8所示,包括人脸识别组件7、角度调整装置和上面所述的人脸识别系统,所述人脸识别组件7固定在角度调整装置上。
所述角度调整装置为柱式角度调整装置,包括中空的固定筒1、角度调整杆2、转轴3、固定盖4、内压件5和锁紧螺钉6,所述固定筒1一端侧面设有开口11,所述角度调整杆2一端通过转轴3固定在固定筒1内,并可绕转轴3旋转,另一端从开口11处伸出固定筒1外,用于固定人脸识别组件7,所述固定盖4固定在固定筒1侧面具有开口11的一端,所述内压件5活动地设置在固定盖4和角度调整杆2之间,所述角度调整杆2上设有弧形凸起21,所述内压件5上对应地设有弧形凹陷51,所述固定盖4上设有螺纹孔41,所述锁紧螺钉6旋入所述螺纹孔41内并与内压件5抵接,所述弧形凸起21和弧形凹陷51的弧形配合面使角度调整杆2角度可调,锁紧螺钉6通过压紧内压件5使弧形凸起21和弧形凹陷51锁定。
在本实施例中,所述人脸识别组件7包括外壳71、显示屏72、和摄像头73,所述人脸识别组件7外壳上还固定有身份证验证模块8,用于验证通行者的身份证。
在本实施例中,所述固定筒1、角度调整杆2、固定盖4和内压件5均由铝合金制成,外观漂亮,金属感强,不会生锈。
在本实施例中,所述固定筒1侧面具有开口11的一端内侧面设有半开放式的盲孔12,所述转轴3从所述盲孔12顶端置入盲孔12底部,所述固定盖4上设有压条42,所述压条42压紧所述转轴3。这样转轴3的两端也不露出固定筒1,依靠压条42压紧,转轴3不会轴向移动,也不会径向移动,更不会松脱,固定可靠。
在本实施例中,所述内压件5上设有避让所述压条42的避让孔52,可以让结构更紧凑,避免固定盖4设计的过大。
在本实施例中,所述角度调整杆2和弧形凸起21为分体结构,弧形凸起21通过螺钉固定在角度调整杆2上,由于角度调整杆2和弧形凸起21均为铝合金材料,主要由机械加工而成,如果做成一体的,加工费时费力,而且非常浪费材料,成本较高,分体式结构可以降低一些制造成本。如果角度调整杆和弧形凸起采用塑料材质,把角度调整杆和弧形凸起一体成型是较好的方案。
在本实施例中,所述锁紧螺钉6上还设有旋转手轮61,由于旋转手轮61的直径较大,可以手动拧紧或拧松锁紧螺钉6,完全不必使用工具,所以调整的时候会非常方便高效。
在本实施例中,所述固定盖4通过螺钉固定在固定筒1的一端。
所述角度调整装置的内压件5和转轴3设置在固定筒内部,所以从外观上基本上看不到与角度调整相关的部件,外观更整洁,更美观,提升了产品的品质感;另外,所述弧形凸起21和弧形凹陷51的弧形配合面使角度调整杆2角度可调,由于弧形凸起21和弧形凹陷51接触面积较大,锁紧后摩擦力也大,更稳固,不易松动。
作为另一种设计方案,所述角度调整装置也可以为壁挂式角度调整装置,包括固定盖、角度调整杆和固定座,所述角度调整杆一端设有球头,所述固定座上设有与所述球头相配合的内球面,所述固定盖固定在固定座上,并把角度调整杆的球头压紧在固定盖和固定座之间。一般情况下,所述内球面为局部球面,不必为完整的半球面。所述固定盖为圆环状,所述角度调整杆的另一端穿过并突出于固定盖,所述固定盖与球头的接触部位为内圆弧面。由于固定盖和球头的接触面积较大,锁紧后摩擦力也大,更稳固,不易松动。
所述壁挂式角度调整装置的具体调整过程为:先松开固定盖,这样球头和内球面可以进行上下左右任意角度的调整(根据具体各组件的尺寸配合设计,以及实际使用需要,角度调整杆在上下左右可调整角度范围在0-25度,就已经足够了),角度调整杆还可以进行径向360度的旋转;调整好合适的角度后,锁紧固定盖,这样球头被压紧在固定盖和固定座之间,角度调整杆被完全固定,完成调整工作,通过简单的结构设计,实现了多个角度上的调整,调整方便,固定可靠,从外观上基本上看不到与角度调整相关的部件,外观更整洁,更美观,提升了产品的品质感。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种高速人脸识别方法,其特征在于,包括步骤:
(1)图像采集,并在采集的图像中进行人像检测定位,得到适用于人脸识别的人脸图像;
(2)依据采集顺序对得到的人脸图像采用一一对比的方式进行质量筛选,质量高的人脸图像进入下一轮对比,质量差的人脸图像直接舍弃;
(3)质量筛选进行N轮,得到一个质量最优的人脸图像,N为自然数;
(4)把质量最优的人脸图像送入人脸识别模块进行识别。
2.根据权利要求1所述的高速人脸识别方法,其特征在于,所述N为5-50。
3.根据权利要求1所述的人脸识别方法,其特征在于,在步骤(1)和(2)之间,包括步骤:(1.1)把前M张人脸图像按顺序直接送入人脸识别模块进行识别,M为自然数。
4.根据权利要求3所述的高速人脸识别方法,其特征在于,所述M为3-10。
5.根据权利要求1所述的高速人脸识别方法,其特征在于,步骤(2)中质量筛选具体又包括以下步骤:
(2.1)确定每张人脸图像的双眼坐标和人脸矩形的位置,根据双眼坐标和人脸矩形的位置和预设的人脸完整性标准、人脸大小标准和人脸位置标准对每张人脸图像进行评分;
(2.2)确定每张人脸图像的清晰度,并根据预设的清晰度标准对每张人脸图像进行评分;
(2.3)根据双眼坐标确定每张人脸图像的人脸偏转角度,并根据预设的最佳角度标准对每张人脸图像进行评分;
(2.4)对从步骤2.1、2.2和2.3中获得的评分进行加权平均,然后比较两张人脸图像的最终得分,分数高的质量较高,分数低的质量较差。
6.一种高速人脸识别系统,其特征在于,包括:
图像采集模块,用于采集图像;
人脸检测模块,用于从采集的图像中进行人像检测定位,得到适用于人脸识别的人脸图像;
图像筛选模块,用于依据采集顺序对得到的人脸图像采用一一对比的方式进行质量筛选,质量高的人脸图像进入下一轮对比,质量差的人脸图像直接舍弃;
人脸识别模块,用于对得到的人脸图像进行识别。
7.根据权利要求6所述的高速人脸识别系统,其特征在于,所述图像筛选模块包括:
人脸特征评分模块,用于确定每张人脸图像的双眼坐标和人脸矩形的位置,并根据双眼坐标和人脸矩形的位置和预设的人脸完整性标准、人脸大小标准和人脸位置标准对每张人脸图像进行评分;
清晰度评分模块,确定每张人脸图像的清晰度,并根据预设的清晰度标准对每张人脸图像进行评分;
人脸偏转角度评分模块,根据双眼坐标确定每张人脸图像的人脸偏转角度,并根据预设的最佳角度标准对每张人脸图像进行评分;
分数计算和比较模块,用于对人脸特征评分模块、清晰度评分模块和人脸偏转角度评分模块得出的分数进行加权平均,然后比较高低,分数高的质量较高,分数低的质量较差。
8.根据权利要求6所述的高速人脸识别系统,其特征在于,还包括人脸图像传送控制模块,用于控制把人脸图像传送给人脸识别模块或图像筛选模块。
9.一种高速人脸识别装置,包括人脸识别组件、角度调整装置和权利要求6-8任一项所述的人脸识别系统,所述人脸识别组件固定在角度调整装置上。
10.根据权利要求9所述的高速人脸识别装置,其特征在于,所述角度调整装置为柱式角度调整装置或者壁挂式角度调整装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810457428.7A CN108694385A (zh) | 2018-05-14 | 2018-05-14 | 一种高速人脸识别方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810457428.7A CN108694385A (zh) | 2018-05-14 | 2018-05-14 | 一种高速人脸识别方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108694385A true CN108694385A (zh) | 2018-10-23 |
Family
ID=63846350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810457428.7A Pending CN108694385A (zh) | 2018-05-14 | 2018-05-14 | 一种高速人脸识别方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108694385A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109871243A (zh) * | 2019-02-22 | 2019-06-11 | 苏州迈荣祥信息科技有限公司 | 智能终端多应用软件控制方法与系统 |
CN109903474A (zh) * | 2019-01-17 | 2019-06-18 | 平安科技(深圳)有限公司 | 一种基于人脸识别的智能开柜方法及装置 |
CN110298310A (zh) * | 2019-06-28 | 2019-10-01 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110837821A (zh) * | 2019-12-05 | 2020-02-25 | 深圳市亚略特生物识别科技有限公司 | 基于生物特征的身份识别的方法、设备及电子系统 |
CN112836660A (zh) * | 2021-02-08 | 2021-05-25 | 上海卓繁信息技术股份有限公司 | 一种用于监控领域的人脸库生成方法、装置和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201061A (zh) * | 2011-06-24 | 2011-09-28 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控系统及方法 |
CN102799877A (zh) * | 2012-09-11 | 2012-11-28 | 上海中原电子技术工程有限公司 | 人脸图像筛选方法及系统 |
CN104463083A (zh) * | 2013-09-24 | 2015-03-25 | 北京正邦信息技术有限公司 | 非接触式掌纹认证方法、装置及便携终端 |
CN105184819A (zh) * | 2015-09-14 | 2015-12-23 | 浙江大学 | 用于医学图像重建参数寻优的客观图像质量评价方法 |
CN105931407A (zh) * | 2016-06-27 | 2016-09-07 | 合肥指南针电子科技有限责任公司 | 一种住户智能防盗系统及方法 |
US20160350587A1 (en) * | 2015-05-29 | 2016-12-01 | Accenture Global Solutions Limited | Local caching for object recognition |
CN107130889A (zh) * | 2017-06-12 | 2017-09-05 | 南京威因特智能科技有限公司 | 一种智能门及其工作方法 |
-
2018
- 2018-05-14 CN CN201810457428.7A patent/CN108694385A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201061A (zh) * | 2011-06-24 | 2011-09-28 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控系统及方法 |
CN102799877A (zh) * | 2012-09-11 | 2012-11-28 | 上海中原电子技术工程有限公司 | 人脸图像筛选方法及系统 |
CN104463083A (zh) * | 2013-09-24 | 2015-03-25 | 北京正邦信息技术有限公司 | 非接触式掌纹认证方法、装置及便携终端 |
US20160350587A1 (en) * | 2015-05-29 | 2016-12-01 | Accenture Global Solutions Limited | Local caching for object recognition |
CN105184819A (zh) * | 2015-09-14 | 2015-12-23 | 浙江大学 | 用于医学图像重建参数寻优的客观图像质量评价方法 |
CN105931407A (zh) * | 2016-06-27 | 2016-09-07 | 合肥指南针电子科技有限责任公司 | 一种住户智能防盗系统及方法 |
CN107130889A (zh) * | 2017-06-12 | 2017-09-05 | 南京威因特智能科技有限公司 | 一种智能门及其工作方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109903474A (zh) * | 2019-01-17 | 2019-06-18 | 平安科技(深圳)有限公司 | 一种基于人脸识别的智能开柜方法及装置 |
CN109871243A (zh) * | 2019-02-22 | 2019-06-11 | 苏州迈荣祥信息科技有限公司 | 智能终端多应用软件控制方法与系统 |
CN109871243B (zh) * | 2019-02-22 | 2021-12-21 | 山东诺蓝信息科技有限公司 | 智能终端多应用软件控制方法与系统 |
CN110298310A (zh) * | 2019-06-28 | 2019-10-01 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110837821A (zh) * | 2019-12-05 | 2020-02-25 | 深圳市亚略特生物识别科技有限公司 | 基于生物特征的身份识别的方法、设备及电子系统 |
CN112836660A (zh) * | 2021-02-08 | 2021-05-25 | 上海卓繁信息技术股份有限公司 | 一种用于监控领域的人脸库生成方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108694385A (zh) | 一种高速人脸识别方法、系统及装置 | |
CN108647651A (zh) | 一种提高识别通过率的人脸识别方法、系统及装置 | |
CN110309718A (zh) | 一种电网作业人员安全帽佩戴检测方法 | |
DE69922752T2 (de) | Verfahren zum Detektieren eines menschlichen Gesichtes | |
DE60313941T2 (de) | Personendetektion durch Gesichtsdetektion und Bewegungsdetektion | |
CN100343867C (zh) | 一种判别视线方向的方法和装置 | |
CN100357959C (zh) | 面部器官位置检测设备、方法及程序 | |
CN101673338B (zh) | 基于多角度投影的模糊车牌识别方法 | |
US20090245626A1 (en) | Image processing method, image processing apparatus, and image processing program | |
WO2020000196A1 (zh) | 一种人脸识别方法、装置及门禁考勤机 | |
CN104050448B (zh) | 一种人眼定位、人眼区域定位方法及装置 | |
CN107798279B (zh) | 一种人脸活体检测方法及装置 | |
CN101739546A (zh) | 基于图像交叉重建的单样本注册图像人脸识别方法 | |
CN104915656B (zh) | 一种基于双目视觉测量技术的快速人脸识别方法 | |
Hapsari et al. | Face detection using haar cascade in difference illumination | |
CN110390673B (zh) | 一种监控场景下基于深度学习的香烟自动检测方法 | |
CN109918971B (zh) | 监控视频中人数检测方法及装置 | |
CN102027505A (zh) | 使用脸部检测的自动脸部和皮肤修饰 | |
CN101339607A (zh) | 人脸识别方法及系统、人脸识别模型训练方法及系统 | |
WO2007142621A1 (en) | Modification of post-viewing parameters for digital images using image region or feature information | |
CN110827193A (zh) | 基于多通道特征的全景视频显著性检测方法 | |
CN108038866A (zh) | 一种基于Vibe和视差图背景差法的运动目标检测方法 | |
CN106529494A (zh) | 一种基于多摄像头机型的人脸识别方法 | |
CN102663411A (zh) | 一种目标人体识别方法 | |
CN109902603A (zh) | 基于红外图像的驾驶员身份识别认证方法和系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181023 |