CN108846306A - 一种基于深度学习人脸识别的身份证比对系统及方法 - Google Patents
一种基于深度学习人脸识别的身份证比对系统及方法 Download PDFInfo
- Publication number
- CN108846306A CN108846306A CN201810269750.7A CN201810269750A CN108846306A CN 108846306 A CN108846306 A CN 108846306A CN 201810269750 A CN201810269750 A CN 201810269750A CN 108846306 A CN108846306 A CN 108846306A
- Authority
- CN
- China
- Prior art keywords
- module
- face
- identity card
- image
- card
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
- G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
-
- 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
- G06V40/179—Human faces, e.g. facial parts, sketches or expressions metadata assisted face recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及计算机视觉、模式识别、生物特征识别等技术领域,具体涉及一种基于深度学习,用于进行二代身份证人证比对的系统及方法。该系统包括身份证信息读取模块,图像采集模块,特征值提取模块,特征值比对模块,结果显示模块。系统通过身份证信息读取模块读取身份证信息,通过图像采集模块采集现场图像,通过特征值提取模块提取身份证信息和现场图像的特征值,通过特征值比对模块对比图像特征值的相似性,从而判断现场人证一致性。本发明采用基于深度学习的人脸识别算法,具有较高的精度和可靠性。
Description
技术领域
本发明涉及计算机视觉、模式识别、生物特征识别等技术领域,具体涉及一种基于深度学习,用于进行二代身份证人证比对的系统及方法。
背景技术
随着现代社会的发展,整个社会对信息安全的要求也越来越高。身份证作为标识公民身份的证明,在生活中扮演着重要的角色。
当今冒用他人身份证进行使用的情况时有发生,如何通过个人身份证快速准确地确认个人身份证是当前社会上一个亟待解决问题。在各种需要进行验证认证一致性的场所,一般是将身份证在公安互联网的数据库中进行核查,再通过安全检查人员的观察,来简单判断持证人员的性别是否符合、面部特征是否一致来进行判断。身份证上的信息包括证件照片、性别、年龄等信息,这种核查方式不但识别准确度较低,而且识别效率不高。
发明内容
为了解决以上的缺陷和问题,本发明提供一种基于深度学习的高效的人证比对方法及系统,将人脸识别技术与身份证读取技术相结合。提供了高精度、高效率的身份证人证一致性识别方法,能有效提高身份识别的可靠性和效率。
本发明提供的一种基于深度学习人脸识别的人证比对系统,其特征在于,包括:
身份证件信息读取模块,用于通过第二代身份证读卡器模块获取身份证中的照片信息和身份证信息,其中身份证信息包括姓名、性别、出生日期、身份证号码等信息;
图像采集模块,包括用于采集现场高清图像的摄像设备,用于通过摄像机模块在现场拍摄持证人的高清彩色人脸图像;
人脸特征提取模块,包括基于深度学习的人脸检测、人脸对齐和人脸识别三部分,用于对包含人脸的彩色图像计算出相应的特征值;
特征值比对模块,用于计算身份证照片提取的特征值和现场拍摄照片提取的特征值之间的相似度,并根据相似度判断认证比对结果;
验证结果显示模块,用于显示读取身份证得到的信息、采集持证人的人脸图像、特征值的相似度和认证对比结果。
本发明提供一种基于深度学习人脸识别的人证比对方法,基于上述人证比对系统,通过如下步骤进行:
(7)读取身份证信息步骤,将身份证放置于第二代身份证读卡器模块的读卡区域,通过身份证件信息读取模块读取身份证中的照片信息和身份证基本信息;
(8)读取高清人脸图像步骤,调整摄像机模块位置,使摄像头朝向持证人面部,通过图像采集模块拍摄照片,获取持证人彩色高清人脸图像;
(9)人脸特征提取步骤,对步骤(1)中获取的身份证照片信息和步骤(2)中获取的持证人现场人脸图像分别进行特征值的提取;人脸特征值提取步骤通过人脸检测、人脸关键点定位、图像处理和人脸识别四个步骤完成。
(10)特征值比对步骤,计算步骤(3)中获取的身份证照片特征值和持证人现场照片特征值之间的相似度。
(11)判断验证结果步骤,通过特征相似度判断身份证验证结果。
(12)验证结果显示步骤,通过验证结果显示模块对步骤(1)中读取的照片信息、身份证基本信息、步骤(2)获取的高清人脸图像、验证得到的相似度和验证结果进行显示。
在上述步骤(1)和步骤(6)中,所述身份证基本信息包括姓名、性别、民族、出生日期、身份证号。
在上述步骤(3)中,所述人脸检测步骤具体是指根据包含人脸的图像数据,定位出图像中人脸的大致范围,为接下来的环节做准备。所述人脸检测可以采用多种方法,本发明中采用基于深度学习的人脸检测算法,通过深度神经网络对人脸位置进行逼近。基于深度学习的人脸检测算法的主要目标是区分出图像中包括人脸的区域。本发明的特征在于将待检测的图像转换成RGB三通道图像,然后应用深度神经网络模型进行计算。
在上述步骤(3)中,所述人脸关键点定位步骤具体指根据图像数据和检测到的人脸位置,计算出该位置人脸上的关键特征点。所谓关键点具体指眼睛、鼻尖、嘴角点等人脸各部件轮廓点的位置。本发明采用基于深度学习的关键点定位方法。
在上述步骤(3)中,所述图像处理步骤具体指对图像数据进行处理,依据关键点定位步骤得到的结果对图像进行仿射变换,并对仿射变换后的图像进行颜色空间变换,获取特定大小的、关键点位于给定位置的人脸图像。后续人脸识别主要任务是对人脸身份进行判断。本发明的特征在于将仿射变换后的RGB三通道图像转换为单通道灰度图像,为后续人脸识别步骤做准备。
在上述步骤(3)中,所述人脸识别步骤具体指提取仿射变换后图像的特征,所谓提取特征,就是从图像信息中挑选出对分类最有效的特征。本发明采用基于深度学习的人脸识别方法,通过深度神经网络对人脸图像进行分类,并选取神经网络内的一个特征层的值作为图像特征值。
在上述步骤(4)中,所述的计算特征相似度具体指通过采用相似度度量计算个体间的相似程度。相似度度量主要有向量空间余弦相似度,皮尔森相关系数,Jaccard相似系数等;对于人脸图像特征值,相似度越高代表两个图像是同一个人的概率越大。
在上述步骤(5)中,所述判断身份认证结果的方法是,设置一个相似度的阈值。人脸特征值的相似度较大说明两张照片属于同一个人,相似度较小说明两张照片属于不同的人。通过将相似度与阈值进行比较,特征值相似度大于设置阈值可以确定两张照片属于同一个人。
本发明提供一种基于深度学习的人证比对系统及方法,通过采集现场人脸图像和身份证内信息,采用基于深度学习的方法进行对比,可以对持证人的身份进行验证,具有较高的可靠性和灵活性,可以有效提高验证效率。
附图说明
下面将结合附图及实施例对本发明做进一步说明,附图中:
图1是本发明系统功能模块示意图。
图2是本发明系统的工作流程示意图。
具体实施方式
下面将结合附图对本发明的具体实施方式作进一步详细说明。
如图1所示,本发明基于深度学习的人证对比系统包括:身份证信息读取模块、图像采集模块、特征提取模块、特征值比对模块、验证结果显示模块。所述身份证信息读取模块包括读卡器模块和信息读取模块,完成的工作是通过读卡器模块读取身份证内的信息并进行处理,身份证信息包括证件照和姓名,性别,出生年月等信息。所述图像采集模块包括摄像机模块和解析模块,其中摄像机模块负责抓拍持证人现场图像,图像解析模块负责将抓拍到的图像处理为计算机可以处理的数据。所述特征值提取模块对身份证证件照和持证人现场照片进行人脸检测,关键点定位,图像处理和人脸识别操作,获取两张照片的特征值。所述的特征值比对模块对证件照特征值和持证人现场照片的特征值进行对比。所述的验证结果显示模块显示的内容包括读取到的身份证相关信息,采集的现场持证人图像和认证比对结果。本实施例所述认证比对系统运行在计算机中,所述读卡器模块通过USB接口与计算机相连,由信息读取模块控制。所述摄像机模块通过USB接口与计算机相连,由图像解析模块控制拍摄照片并进行初步处理。
上述基于深度学习的认证比对系统,其执行流程如图2所示:
S1读取身份证件照信息
使用时,由操作人员将身份证放置于读卡器模块的身份证读卡区域。通过信息读取模块控制读取,获取身份证内的信息并进行解析。
S2显示身份信息
由显示模块对读取的身份证信息进行显示。所述显示的身份证信息包括证件照,持证人姓名、性别、出生日期等信息,供工作人员查验。
S3获取持证人现场照片
使用时,由操作人员调整摄像机位置,通过持证人的配合,使摄像机正对持证人面部并保持一定距离,由图像采集模块抓拍人脸图像。由图像解析模块将抓拍数据处理为RGB三通道图像。
S4显示持证人现场信息
由显示模块对摄像机抓拍的图像信息进行显示。
S5人脸检测
采用基于深度学习的人脸检测方法,将RGB图像作为输入代入预先训练好的检测模型中,并对神经网络的输出进行处理,得到人脸位置。
S6关键点定位
采用基于深度学习的关键点定位方法,将RGB图像和人脸位置输入到预先训练的关键点模型中,定位出人脸关键点位置。所述人脸关键点位置为左右眼,鼻尖,左右嘴角五个位置。
S7图像处理
首先对RGB图像做颜色空间变换,得到灰度空间图像。然后根据人脸关键点位置对灰度空间图像进行仿射变换,使人脸关键点位于特定位置,得到特定大小的人脸图像。所述仿射变换得到的人脸图像大小为128*128像素。
S8人脸识别
采用基于深度学习的识别方法。通过预先训练的特征值提取网络,对仿射变换后的人脸图像进行计算,提取出人脸图像的特征值。
S9特征值比对
对身份证件照和持证人现场照片提取特征之后,通过余弦相似度对两个特征值进行比对求得相似度。相似度大于设定阈值表明二者是相同的人。
S10显示比对结果
显示模块对特征值比对结果进行显示。
Claims (6)
1.一种基于深度学习人脸识别的身份证比对系统,其特征在与包括身份证信息读取模块,图像采集模块,特征值提取模块,特征值比对模块,结果显示模块;其中身份证读取模块用来通过第二代身份证读卡器获取身份证中的照片信息和身份证信息,身份证信息包括姓名、性别、出生日期、身份证号码等信息,图像采集模块用来通过摄像机模块在现场拍摄持证人的高清彩色人脸图像,人脸特征提取模块用来对包含人脸的彩色图像计算出相应的特征值,特征值比对模块用来计算两张图像特征值之间的相似度,并根据相似度判断认证比对结果,验证结果显示模块用来显示读取身份证得到的信息、采集持证人的人脸图像、特征值的相似度和认证对比结果。
2.一种基于深度学习人脸识别的身份证比对方法,其特征在于利用权利要求1所述的基于深度学习人脸识别的身份证比对系统,按照如下步骤进行:
(1)读取身份证信息步骤,将身份证放置于第二代身份证读卡器模块的读卡区域,通过身份证件信息读取模块读取身份证中的照片信息和身份证基本信息;
(2)读取高清人脸图像步骤,调整摄像机模块位置,使摄像头朝向持证人面部,通过图像采集模块拍摄照片,获取持证人彩色高清人脸图像;
(3)人脸特征提取步骤,对步骤(1)中获取的身份证照片信息和步骤(2)中获取的持证人现场人脸图像分别进行特征值的提取;人脸特征值提取步骤通过人脸检测、关键点定位、图像处理和人脸识别四个步骤完成。
(4)特征值比对步骤,计算步骤(3)中获取的身份证照片特征值和持证人现场照片特征值之间的相似度。
(5)判断验证结果步骤,通过特征相似度判断身份证验证结果。
(6)验证结果显示步骤,通过验证结果显示模块对步骤(1)中读取的照片信息、身份证基本信息、步骤(2)获取的高清人脸图像、验证得到的相似度和验证结果进行显示。
3.根据权利要求2,其特征在于人脸特征提取步骤中,所述人脸检测方法采用对RGB彩色图像应用深度神经网的方法。
4.根据权利要求2,其特征在于人脸特征提取步骤中,所述关键点定位方法采用对RGB彩色图像应用深度神经网络的方法。
5.根据权利要求2,其特征在于人脸特征提取步骤中,所述图像处理包括图像颜色空间变换和仿射变换的方法。
6.根据权利要求2,其特征在于人脸特征提取步骤中,所述图像人脸识别方法采用对灰度空间图像应用深度神经网络提取特征的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810269750.7A CN108846306A (zh) | 2018-03-28 | 2018-03-28 | 一种基于深度学习人脸识别的身份证比对系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810269750.7A CN108846306A (zh) | 2018-03-28 | 2018-03-28 | 一种基于深度学习人脸识别的身份证比对系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108846306A true CN108846306A (zh) | 2018-11-20 |
Family
ID=64211883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810269750.7A Pending CN108846306A (zh) | 2018-03-28 | 2018-03-28 | 一种基于深度学习人脸识别的身份证比对系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108846306A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109874171A (zh) * | 2019-01-15 | 2019-06-11 | 广州高新兴机器人有限公司 | 一种基于人员定位的身份验证方法及系统 |
CN110516649A (zh) * | 2019-09-02 | 2019-11-29 | 南京微小宝信息技术有限公司 | 基于人脸识别的校友认证方法及系统 |
CN110675154A (zh) * | 2019-08-27 | 2020-01-10 | 腾讯科技(深圳)有限公司 | 一种基于人脸识别的服务提供方法、装置、设备及介质 |
CN110766092A (zh) * | 2019-10-31 | 2020-02-07 | 浪潮金融信息技术有限公司 | 一种自助终端设备上多视觉设备集成的方法 |
CN111122687A (zh) * | 2019-11-21 | 2020-05-08 | 国政通科技有限公司 | 一种针对爆炸物的反恐安检方法 |
CN111488825A (zh) * | 2020-04-09 | 2020-08-04 | 贵州爱信诺航天信息有限公司 | 基于物联网和大数据技术的人脸识别与身份证核验系统 |
CN111813987A (zh) * | 2020-07-24 | 2020-10-23 | 台州市公安局黄岩分局 | 一种基于警务大数据的人像比对方法 |
CN112489268A (zh) * | 2020-10-28 | 2021-03-12 | 中通服和信科技有限公司 | 一种校园安全防护平台 |
CN112825118A (zh) * | 2019-11-20 | 2021-05-21 | 北京眼神智能科技有限公司 | 旋转不变性人脸检测方法、装置、可读存储介质及设备 |
CN113160442A (zh) * | 2021-02-26 | 2021-07-23 | 逸兴泰辰技术有限公司 | 一种用于现场教育的管理方法及系统 |
CN113343793A (zh) * | 2021-05-24 | 2021-09-03 | 浪潮软件股份有限公司 | 一种基于全国学籍的学生人脸实名认证方法 |
CN113408421A (zh) * | 2021-06-21 | 2021-09-17 | 湖北央中巨石信息技术有限公司 | 基于区块链的人脸识别方法及系统 |
US11443559B2 (en) | 2019-08-29 | 2022-09-13 | PXL Vision AG | Facial liveness detection with a mobile device |
CN116386121A (zh) * | 2023-05-30 | 2023-07-04 | 湖北华中电力科技开发有限责任公司 | 一种基于电网安全生产的人员识别方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680131A (zh) * | 2015-01-29 | 2015-06-03 | 深圳云天励飞技术有限公司 | 基于身份证件信息和人脸多重特征识别的身份验证方法 |
CN106778607A (zh) * | 2016-12-15 | 2017-05-31 | 国政通科技股份有限公司 | 一种基于人脸识别的人与身份证同一性认证装置及方法 |
CN106991390A (zh) * | 2017-03-30 | 2017-07-28 | 电子科技大学 | 一种基于深度学习的手持人证比对系统及方法 |
-
2018
- 2018-03-28 CN CN201810269750.7A patent/CN108846306A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680131A (zh) * | 2015-01-29 | 2015-06-03 | 深圳云天励飞技术有限公司 | 基于身份证件信息和人脸多重特征识别的身份验证方法 |
CN106778607A (zh) * | 2016-12-15 | 2017-05-31 | 国政通科技股份有限公司 | 一种基于人脸识别的人与身份证同一性认证装置及方法 |
CN106991390A (zh) * | 2017-03-30 | 2017-07-28 | 电子科技大学 | 一种基于深度学习的手持人证比对系统及方法 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109874171A (zh) * | 2019-01-15 | 2019-06-11 | 广州高新兴机器人有限公司 | 一种基于人员定位的身份验证方法及系统 |
CN109874171B (zh) * | 2019-01-15 | 2021-04-20 | 广州高新兴机器人有限公司 | 一种基于人员定位的身份验证方法及系统 |
CN110675154A (zh) * | 2019-08-27 | 2020-01-10 | 腾讯科技(深圳)有限公司 | 一种基于人脸识别的服务提供方法、装置、设备及介质 |
CN110675154B (zh) * | 2019-08-27 | 2023-10-13 | 腾讯科技(深圳)有限公司 | 一种基于人脸识别的服务提供方法、装置、设备及介质 |
US11443559B2 (en) | 2019-08-29 | 2022-09-13 | PXL Vision AG | Facial liveness detection with a mobile device |
US11669607B2 (en) | 2019-08-29 | 2023-06-06 | PXL Vision AG | ID verification with a mobile device |
CN110516649B (zh) * | 2019-09-02 | 2023-08-22 | 南京微小宝信息技术有限公司 | 基于人脸识别的校友认证方法及系统 |
CN110516649A (zh) * | 2019-09-02 | 2019-11-29 | 南京微小宝信息技术有限公司 | 基于人脸识别的校友认证方法及系统 |
CN110766092A (zh) * | 2019-10-31 | 2020-02-07 | 浪潮金融信息技术有限公司 | 一种自助终端设备上多视觉设备集成的方法 |
CN110766092B (zh) * | 2019-10-31 | 2022-08-05 | 浪潮金融信息技术有限公司 | 一种自助终端设备上多视觉设备集成的方法 |
CN112825118B (zh) * | 2019-11-20 | 2024-05-03 | 北京眼神智能科技有限公司 | 旋转不变性人脸检测方法、装置、可读存储介质及设备 |
CN112825118A (zh) * | 2019-11-20 | 2021-05-21 | 北京眼神智能科技有限公司 | 旋转不变性人脸检测方法、装置、可读存储介质及设备 |
CN111122687B (zh) * | 2019-11-21 | 2022-09-20 | 国政通科技有限公司 | 一种针对爆炸物的反恐安检方法 |
CN111122687A (zh) * | 2019-11-21 | 2020-05-08 | 国政通科技有限公司 | 一种针对爆炸物的反恐安检方法 |
CN111488825A (zh) * | 2020-04-09 | 2020-08-04 | 贵州爱信诺航天信息有限公司 | 基于物联网和大数据技术的人脸识别与身份证核验系统 |
CN111813987B (zh) * | 2020-07-24 | 2024-03-08 | 台州市公安局黄岩分局 | 一种基于警务大数据的人像比对方法 |
CN111813987A (zh) * | 2020-07-24 | 2020-10-23 | 台州市公安局黄岩分局 | 一种基于警务大数据的人像比对方法 |
CN112489268A (zh) * | 2020-10-28 | 2021-03-12 | 中通服和信科技有限公司 | 一种校园安全防护平台 |
CN113160442A (zh) * | 2021-02-26 | 2021-07-23 | 逸兴泰辰技术有限公司 | 一种用于现场教育的管理方法及系统 |
CN113343793A (zh) * | 2021-05-24 | 2021-09-03 | 浪潮软件股份有限公司 | 一种基于全国学籍的学生人脸实名认证方法 |
CN113408421A (zh) * | 2021-06-21 | 2021-09-17 | 湖北央中巨石信息技术有限公司 | 基于区块链的人脸识别方法及系统 |
CN116386121A (zh) * | 2023-05-30 | 2023-07-04 | 湖北华中电力科技开发有限责任公司 | 一种基于电网安全生产的人员识别方法和装置 |
CN116386121B (zh) * | 2023-05-30 | 2023-08-11 | 湖北华中电力科技开发有限责任公司 | 一种基于电网安全生产的人员识别方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846306A (zh) | 一种基于深度学习人脸识别的身份证比对系统及方法 | |
CN105930709B (zh) | 人脸识别技术应用于人证一致性检验的方法及装置 | |
CN111460962B (zh) | 一种口罩人脸识别方法及系统 | |
Balcoh et al. | Algorithm for efficient attendance management: Face recognition based approach | |
JP4241763B2 (ja) | 人物認識装置及びその方法 | |
Yan et al. | Biometric recognition using 3D ear shape | |
CN103914686B (zh) | 一种基于证件照与采集照的人脸比对认证方法及系统 | |
RU2431190C2 (ru) | Способ и устройство распознавания рельефности лица | |
CN110008783A (zh) | 基于神经网络模型的人脸活体检测方法、装置及电子设备 | |
CN106991390A (zh) | 一种基于深度学习的手持人证比对系统及方法 | |
JP6532642B2 (ja) | 生体情報認証装置および生体情報処理方法 | |
KR20170006355A (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
CN111931758A (zh) | 一种结合面部静脉的人脸识别方法及装置 | |
CN107944395B (zh) | 一种基于神经网络验证人证合一的方法及系统 | |
CN106991448A (zh) | 一种人像比对处理方法 | |
CN108846269A (zh) | 一种面向多种特征的身份认证方法和身份认证装置 | |
Shrivastava et al. | Conceptual model for proficient automated attendance system based on face recognition and gender classification using Haar-Cascade, LBPH algorithm along with LDA model | |
CN108648312A (zh) | 人脸识别智能迎宾方法及系统 | |
CN116311400A (zh) | 掌纹图像的处理方法、电子设备及存储介质 | |
Liu et al. | A tongue-print image database for recognition | |
Deng et al. | Attention-aware dual-stream network for multimodal face anti-spoofing | |
KR101994609B1 (ko) | 개인 인증 장치 | |
CN112308035A (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
Di Martino et al. | Rethinking shape from shading for spoofing detection | |
Tee et al. | Facial recognition using enhanced facial features k-nearest neighbor (k-NN) for attendance system |
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: 20181120 |