CN109117853A - 增强的ar识别方法 - Google Patents

增强的ar识别方法 Download PDF

Info

Publication number
CN109117853A
CN109117853A CN201810825776.5A CN201810825776A CN109117853A CN 109117853 A CN109117853 A CN 109117853A CN 201810825776 A CN201810825776 A CN 201810825776A CN 109117853 A CN109117853 A CN 109117853A
Authority
CN
China
Prior art keywords
identified
identity information
relevant
identification
external agency
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
Application number
CN201810825776.5A
Other languages
English (en)
Inventor
邓荣根
林剑
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.)
Suzhou Xinling Information Technology Co., Ltd.
Original Assignee
Suzhou Wanchan Network 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 Suzhou Wanchan Network Technology Co Ltd filed Critical Suzhou Wanchan Network Technology Co Ltd
Priority to CN201810825776.5A priority Critical patent/CN109117853A/zh
Publication of CN109117853A publication Critical patent/CN109117853A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种增强的AR识别方法，其包括：捕捉待识别对象的图像，并对所捕获的图像进行识别，进而获得与所述待识别对象相关的第一身份信息；收集与待识别对象匹配的一种以上外部介质的一个以上特征属性相关的信息，进而获得所述待识别对象相关的第二身份信息；将所述待识别对象的第一、第二身份信息融合，形成所述待识别对象的最终身份信息；对所述待识别对象的最终身份信息进行处理，从而实现对待识别对象的识别。藉由本发明基于增强现实的识别方法，可以显著提升增强现实技术的识别准确度，克服增强现实技术的识别内容不具备唯一性的不足，有效避免增强现实发生误识别的概率，而且若应用于保密、防伪等领域，则将更难破解，且也更为稳定。

Description

增强的AR识别方法
技术领域
本发明涉及一种基于增强现实(AR)的识别方法，特别是一种基于AR的增强识别方法，属于计算机技术领域。
背景技术
增强现实技术属于计算机图形识别技术的范畴，通过识别图形图像的相关特征点，对这些特征点做出训练，生成代码。具体而言，请参阅图1所示，增强现实技术的实现过程大致如下：首先，通过一系列的计算机图形图像算法，将一张训练图，通过一串数字代码呈现出来。之后通过一个或多个摄像头捕获图像，再次训练获得一段数字代码，通过2串数字代码的容差性比较，判断出两张图片的差异下(下文简称识别)，从而判断出哪一张图才是之前计算机存储的图，从而控制计算机做出相应的指令。
不同于目前通用的二维码技术，增强现实技术是计算机图形图像识别技术，其识别结果不具有唯一性，会受到很多外在因素的干扰，导致在识别存在偏差，有很大的概率导致误识别的发生。以及，对于相同的图案，增强现实技术只能判断为同一个事物，无法做出专属性区分，也给实际使用过程中带来很多麻烦。
发明内容
本发明的主要目的在于提供一种增强的AR识别方法及系统，以克服现有技术中的不足。
为实现前述发明目的，本发明采用的技术方案包括：
本发明实施例提供了一种基于AR的增强识别方法，包括：
提供多个已知识别对象的图像作为训练样本，
采用图像采集模块对所述训练样本进行捕捉，捕获的信息经AR计算模块处理后，形成所述多个已知识别对象的第一身份信息；
采用选定的特征属性读取设备收集每一已知识别对象所匹配的一个以上外部介质的特征属性相关的信息，进而获得所述多个已知识别对象相关的第二身份信息；
以与所述已知识别对象匹配的一个以上外部介质提供一个以上的已知触发信号；
将所述多个已知识别对象相关的第一身份信息与第二身份信息融合，形成所述多个已知识别对象相关的最终身份信息；
采用图像采集模块捕捉待识别对象的图像，捕获的信息经AR计算模块处理后，形成所述多个待识别对象的第一身份信息；
采用选定的特征属性读取设备收集所述待识别对象所匹配的一个以上外部介质的特征属性相关的信息，进而获得所述待识别对象相关的第二身份信息；
以与所述待识别对象匹配的一个以上外部介质提供一个以上的未知触发信号；
将所述待识别对象相关的第一身份信息与第二身份信息融合，形成所述待识别对象相关的最终身份信息；
将所述待识别对象的最终身份信息与所述多个已知识别对象相关的最终身份信息进行比对，以及，将所述未知触发信号与所述已知触发信号比对，以决定是否进入后续步骤。
与现有技术相比，藉由本发明基于增强现实的识别方法，可以显著提升增强现实技术的识别准确度，克服增强现实技术的识别内容不具备唯一性的不足，有效避免增强现实发生误识别的概率，而且若应用于保密、防伪等领域，则将更难破解，且也更为稳定，同时本发明的方法还丰富了增强现实技术的触发控制方式，弥补了增强现实技术触发方式单一的不足。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例或现有技术描述中所需要使用的附图进行简单的介绍，显而易见地，下面描述的附图仅仅作为本文发明的一些实施例，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附图。
图1是现有技术中一种利用AR技术进行识别的流程图。
图2是本发明的一典型实施例中一种增强的AR识别方法的流程图。
具体实施方式
如前所述，鉴于现有技术的不足，本案发明人经长期研究和大量实践，得以提出本发明的技术方案。如下将予以详细解释说明。
本发明实施例提供的一种基于AR的增强识别方法包括：
捕捉待识别对象的图像，并对所捕获的图像进行识别，进而获得与所述待识别对象相关的第一身份信息；
收集与待识别对象匹配的一种以上外部介质的一个以上特征属性相关的信息，进而获得所述待识别对象相关的第二身份信息；
将所述待识别对象的第一身份信息与第二身份信息融合，形成所述待识别对象的最终身份信息；
对所述待识别对象的最终身份信息进行处理，从而实现对待识别对象的识别。
在一些实施方案中，所述的基于AR的增强识别方法还包括：
以与待识别对象匹配的一种以上外部介质提供一个以上触发信号；
对所述触发信号进行处理，进而对与待识别对象匹配的增强现实的内容进行控制；
所述一个以上触发信号与所述一种以上外部介质的一个以上特征属性相关的信息是相同或不同的。
优选的，所述一个以上触发信号与所述一种以上外部介质的一个以上特征属性相关的信息是相同的。
在一些较为具体的实施方案中，所述的基于AR的增强识别方法具体包括：
提供一个以上已知识别对象的图像作为训练样本，
对所述训练样本进行识别，进而获得所述一个以上已知识别对象的第一身份信息；
收集所述一个以上已知识别对象所匹配的一种以上外部介质的一个以上特征属性相关的信息，进而获得所述一个以上已知识别对象相关的第二身份信息；
将所述一个以上已知识别对象相关的第一身份信息与第二身份信息融合，形成所述一个以上已知识别对象相关的最终身份信息，并存储；以及
将所述待识别对象的最终身份信息与所述一个以上已知识别对象相关的最终身份信息进行比对，判断两者是否一致。
进一步地，所述的基于AR的增强识别方法还可包括：对一个以上已知识别对象的图像进行变换，并作为训练样本。其中，所述的变换包括对图像进行旋转、扭曲、移动、翻转，等等，且不限于此。
进一步地，所述的基于AR的增强识别方法还可包括：若所述待识别对象的最终身份信息与所述一个以上已知识别对象相关的最终身份信息，则发出识别正确信号，反之，则发出识别错误信号。
进一步地，所述的基于AR的增强识别方法还可进一步包括：若发出所述的正确信号，则获取与待识别对象匹配的增强现实内容，并进行展示。
在一些实施方案中，所述外部介质与待识别对象或已知识别对象一体设置或者分立设置。
在一些较佳的实施方案中，所述外部介质是被隐藏于待识别对象或已知识别对象内的。如此可以避免所述的外部介质被直接观察到，不利于保密、防伪等需求。
当然，在一些实施方案中，所述外部介质也可以是至少局部暴露在待识别对象或已知识别对象之外的。在这些实施方案中，外部介质可以形成对待识别对象、已知识别对象的修饰或者防护或者实现其他的功能。
但优选地，所述外部介质的特征属性是肉眼不可见的。采用这种实施方案，较之现有技术中采用二维码等标识辅助进行AR识别的方案，可以使识别对象的外观等不受影响，亦更具有隐蔽性，可以达成更好的保密、防伪等功效。
在一些实施方案中，所述外部介质的特征属性包括电信号、电磁信号、光学信号、声学信号中的任意一种或两种以上的组合，且不限于此。
例如，所述外部介质的特征属性可以是形成在外部介质和/或识别对象表面的微型光学结构，例如肉眼不可辨识的微雕等。
又例如，所述外部介质的特征属性可以是由外部介质和/或识别对象自身发射的肉眼不可辨识的不同波长、频率的电信号、光信号、声波等。
又例如，所述外部介质的特征属性亦可以对应于外部介质和/或识别对象的特殊物理结构(例如，微纳米光学结构、电学结构等)和/或化学组成，使其在被施加特定的力学、电学、光学、声学等作用时，能反馈出相应的特殊信号，使其身份能被辨识。
在一些较为具体的实施方案中，所述外部介质可以包括有源智能电子标签或无源智能电子标签。优选的，所述的外部介质包括无源智能电子标签。
例如，在一些更为具体的实施方案中，所述外部介质可以是集成有天线、芯片、存储单元等部件的智能电子标签，通信方式可以是无线电信号，如射频识别(RFID)或近场通讯(NFC)技术的识别信号。进一步优选的，用于识别该无线电信号的天线和芯片等元器件可以集成在柔性纸张或者塑料薄膜上，并优先考虑无源式的标签。需特别说明的是，该感应线圈及其相关电路可以是由铜箔或者铝箔蚀刻而成，也可以采用导电油墨通过印刷方法形成。在所述智能电子标签中，可以预先设置有指定的一个以上射频信息。
在本发明的一些实施方案中，提供的一种基于AR的增强识别方法包括：
提供多个已知识别对象的图像作为训练样本，
采用图像采集模块对所述训练样本进行捕捉，捕获的信息经AR计算模块处理后，形成所述多个已知识别对象的第一身份信息；
采用选定的特征属性读取设备收集每一已知识别对象所匹配的一个以上外部介质的特征属性相关的信息，进而获得所述多个已知识别对象相关的第二身份信息；
以与所述已知识别对象匹配的一个以上外部介质提供一个以上的已知触发信号；
将所述多个已知识别对象相关的第一身份信息与第二身份信息融合，形成所述多个已知识别对象相关的最终身份信息；
采用图像采集模块捕捉待识别对象的图像，捕获的信息经AR计算模块处理后，形成所述多个待识别对象的第一身份信息；
采用选定的特征属性读取设备收集所述待识别对象所匹配的一个以上外部介质的特征属性相关的信息，进而获得所述待识别对象相关的第二身份信息；
以与所述待识别对象匹配的一个以上外部介质提供一个以上的未知触发信号；
将所述待识别对象相关的第一身份信息与第二身份信息融合，形成所述待识别对象相关的最终身份信息；
将所述待识别对象的最终身份信息与所述多个已知识别对象相关的最终身份信息进行比对，以及，将所述未知触发信号与所述已知触发信号比对，以决定是否进入后续步骤。
进一步地，所述的基于AR的增强识别方法还包括：
若所述待识别对象的最终身份信息与所述一个以上已知识别对象相关的最终身份信息一致，所述未知触发信号与所述已知触发信号一致，则发出识别正确信号，进而获取与待识别对象匹配的增强现实内容，并进行展示；
反之，则发出识别错误信号，终止对待识别对象的识别，或者对其他待识别对象进行识别；其中，所述与已知识别对象匹配的一个以上外部介质的特征属性相关的信息与所述已知触发信号是相同或不同的，所述与待识别对象匹配的一个以上外部介质的特征属性相关的信息与所述未知触发信号是相同或不同的。
与现有技术相比，本发明实施例提供的基于AR的增强识别方法在识别准确度上可以大大提高，消除了误识别的可能，同时解决了增强现实技术在唯一性方面的不足，在防伪等方面具有广泛应用的需求，而且避免了采用二维码-AR联合技术等可能导致的美观性不足等致命缺点；以及，本发明的方法还可利用与待识别对象匹配的介质的特征属性相关的信息作为触发信号，以控制相应的增强现实的内容，同时丰富了增强现实技术的触发控制方式，较之现有技术中通过对识别图像的遮挡的判断，触发相应的信号的方式，弥补了增强现实技术触发方式单一的不足，可显著改善增强现实的可互动性。
为使本发明的目的、技术方案和优点更加清楚，下面结合若干优选实施例对本发明的技术方案进行进一步具体描述，但本发明并不仅仅局限于下述实施例，该领域技术人员在本发明核心指导思想下做出的非本质改进和调整，仍然属于本发明的保护范围。
请参阅图2所示，在本发明的一实施例中，一种基于AR的增强识别方法可以包括如下步骤：(1)提供多个已知识别对象的图像作为训练样本，这些图像可以是原始图像，也可以是将原始图像通过旋转、扭曲、翻转、移动等方式处理后形成的图像。
(2)采用具有摄像头、相机等图像采集模块的设备对前述训练样本进行捕捉，捕获的信息经AR计算模块处理后，形成所述多个已知识别对象的第一身份信息。在此步骤中，可以通过业界已知的机器人学习算法等方式，通过对大量训练样本的捕捉、识别处理，获得多个已知识别对象的第一身份信息(特征信息)，进而可以二进制代码0等形式存储入数据库，以降低后续步骤中，对待识别对象进行识别时可能产生的错误识别的几率。
前述步骤(1)、(2)也可以参照本领域已知的其它方式实施。
(3)采用选定的特征属性读取设备(例如，与前述摄像头集成的射频信号读取设备，例如，具有摄像功能和NFC识别功能的智能手机等)收集每一已知识别对象所匹配的N个外部介质(例如前述的智能电子标签)的特征属性相关的信息(例如，预存在智能电子标签中的特定射频信号等)，再利用相应的介质计算模块等进行处理，进而获得所述多个已知识别对象相关的第二身份信息，其也可以存储代码A～存储代码N的形式存入数据库。前述的N优选为大于1的整数。同时，前述这些与已知识别对象匹配的N个外部介质的特征属性相关的信息还被设置为特殊的触发信号，其可定义为已知触发信号。
(4)将所述多个已知识别对象相关的第一身份信息与第二身份信息融合，形成所述多个已知识别对象相关的最终身份信息(如，ID代码)。所述的第一身份信息、第二身份信息可以是字母、数字或其组合形成的代码，所述融合的方式可以是通过加密算法将对应于第一身份信息、第二身份信息的代码融合为一个代码，该代码同样可以是字母、数字或其组合形成的代码，其不同于第一身份信息、第二身份信息中任一者的代码，但同时隐藏包含该两者所记载的信息。例如，前述的加密算法可以是AES、DES、3DES、RSA、DSA、ECCMD5、SHA1、HMAC等，且不限于此。
(5)参照前述步骤(2)，采用图像采集模块捕捉待识别对象的图像，捕获的信息经AR计算模块处理后，形成所述多个待识别对象的第一身份信息，其亦可以是二进制代码0的形式。
(6)参照前述步骤(3)，采用选定的特征属性读取设备收集所述待识别对象所匹配的多个以上外部介质的特征属性相关的信息，再利用相应的介质计算模块等进行处理，进而获得所述待识别对象相关的第二身份信息(如相关代码A～相关代码N)。同时，前述这些与未知识别对象匹配的N个外部介质的特征属性相关的信息还用作特殊的触发信号，其可定义为未知触发信号，即，在获取与未知识别对象匹配的N个外部介质的特征属性相关的信息时，还获取了与待识别对象相应的未知触发信号。
(7)将所述待识别对象相关的第一身份信息与第二身份信息融合，形成所述待识别对象相关的最终身份信息(ID代码)；该融合的过程可以参照前述步骤(4)。
(8)将所述待识别对象的最终身份信息与所述多个已知识别对象相关的最终身份信息进行比对，以及将已知触发信号与未知触发信号比对，判断两者是否一致，以决定是否进入后续步骤。例如，若所述待识别对象的最终身份信息与所述一个以上已知识别对象相关的最终身份信息一致，已知触发信号与未知触发信号一致，则发出识别正确信号，进而获取与待识别对象匹配的增强现实内容，并进行展示；反之，则发出识别错误信号，终止对待识别对象的识别，或者对其他待识别对象进行识别。
以上所述的实施例对本发明的技术方案进行了详细说明，应理解的是以上所述仅为本发明的具体实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充或类似方式替代等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于AR的增强识别方法，包括：捕捉待识别对象的图像，并对所捕获的图像进行识别，进而获得与所述待识别对象相关的第一身份信息；
其特征在于还包括：
收集与待识别对象匹配的一种以上外部介质的一个以上特征属性相关的信息，进而获得所述待识别对象相关的第二身份信息；
将所述待识别对象的第一身份信息与第二身份信息融合，形成所述待识别对象的最终身份信息；
对所述待识别对象的最终身份信息进行处理，从而实现对待识别对象的识别。
2.根据权利要求1所述的基于AR的增强识别方法，其特征在于具体包括：
提供一个以上已知识别对象的图像作为训练样本，
对所述训练样本进行识别，进而获得所述一个以上已知识别对象的第一身份信息；
收集所述一个以上已知识别对象所匹配的一种以上外部介质的一个以上特征属性相关的信息，进而获得所述一个以上已知识别对象相关的第二身份信息；
将所述一个以上已知识别对象相关的第一身份信息与第二身份信息融合，形成所述一个以上已知识别对象相关的最终身份信息，并存储；以及
将所述待识别对象的最终身份信息与所述一个以上已知识别对象相关的最终身份信息进行比对，判断两者是否一致。
3.根据权利要求2所述的基于AR的增强识别方法，其特征在于还包括：对一个以上已知识别对象的图像进行变换，并作为训练样本。
4.根据权利要求1所述的基于AR的增强识别方法，其特征在于还包括：若所述待识别对象的最终身份信息与所述一个以上已知识别对象相关的最终身份信息，则发出识别正确信号，反之，则发出识别错误信号。
5.根据权利要求1所述的基于AR的增强识别方法，其特征在于还包括：
以与待识别对象匹配的一种以上外部介质提供一个以上触发信号；
对所述触发信号进行处理，进而对与待识别对象匹配的增强现实的内容进行控制；
所述一个以上触发信号与所述一种以上外部介质的一个以上特征属性相关的信息是相同或不同的。
6.根据权利要求1或2所述的基于AR的增强识别方法，其特征在于：所述外部介质的特征属性包括电信号、电磁信号、光学信号、声学信号中的任意一种或两种以上的组合；和/或，所述外部介质的特征属性是肉眼不可见的；和/或，所述外部介质包括有源智能电子标签；和/或，所述的外部介质包括无源智能电子标签。
7.根据权利要求1-6中任一项所述的基于AR的增强识别方法，其特征在于：所述外部介质是被隐藏于待识别对象或已知识别对象内的；和/或，所述外部介质至少局部暴露在待识别对象或已知识别对象之外；和/或，所述外部介质与待识别对象或已知识别对象一体设置或者分立设置。
8.一种基于AR的增强识别方法，其特征在于包括：
提供多个已知识别对象的图像作为训练样本，
采用图像采集模块对所述训练样本进行捕捉，捕获的信息经AR计算模块处理后，形成所述多个已知识别对象的第一身份信息；
采用选定的特征属性读取设备收集每一已知识别对象所匹配的一个以上外部介质的特征属性相关的信息，进而获得所述多个已知识别对象相关的第二身份信息；
以与所述已知识别对象匹配的一个以上外部介质提供一个以上的已知触发信号；
将所述多个已知识别对象相关的第一身份信息与第二身份信息融合，形成所述多个已知识别对象相关的最终身份信息；
采用图像采集模块捕捉待识别对象的图像，捕获的信息经AR计算模块处理后，形成所述多个待识别对象的第一身份信息；
采用选定的特征属性读取设备收集所述待识别对象所匹配的一个以上外部介质的特征属性相关的信息，进而获得所述待识别对象相关的第二身份信息；
以与所述待识别对象匹配的一个以上外部介质提供一个以上的未知触发信号；
将所述待识别对象相关的第一身份信息与第二身份信息融合，形成所述待识别对象相关的最终身份信息；
将所述待识别对象的最终身份信息与所述多个已知识别对象相关的最终身份信息进行比对，以及，将所述未知触发信号与所述已知触发信号比对，以决定是否进入后续步骤。
9.如权利要求8所述的基于AR的增强识别方法，其特征在于还包括：
若所述待识别对象的最终身份信息与所述一个以上已知识别对象相关的最终身份信息一致，所述未知触发信号与所述已知触发信号一致，则发出识别正确信号，进而获取与待识别对象匹配的增强现实内容，并进行展示；
反之，则发出识别错误信号，终止对待识别对象的识别，或者对其他待识别对象进行识别；其中，所述与已知识别对象匹配的一个以上外部介质的特征属性相关的信息与所述已知触发信号是相同或不同的，所述与待识别对象匹配的一个以上外部介质的特征属性相关的信息与所述未知触发信号是相同或不同的。
10.根据权利要求8所述的基于AR的增强识别方法，其特征在于：所述外部介质的特征属性包括电信号、电磁信号、光学信号、声学信号中的任意一种或两种以上的组合；和/或，所述外部介质的特征属性是肉眼不可见的；和/或，所述外部介质包括有源智能电子标签；和/或，所述的外部介质包括无源智能电子标签；和/或，所述外部介质是被隐藏于待识别对象或已知识别对象内的；和/或，所述外部介质至少局部暴露在待识别对象或已知识别对象之外；和/或，所述外部介质与待识别对象或已知识别对象一体设置或者分立设置。
CN201810825776.5A 2018-07-25 2018-07-25 增强的ar识别方法 Pending CN109117853A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810825776.5A CN109117853A (zh) 2018-07-25 2018-07-25 增强的ar识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810825776.5A CN109117853A (zh) 2018-07-25 2018-07-25 增强的ar识别方法

Publications (1)

Publication Number Publication Date
CN109117853A true CN109117853A (zh) 2019-01-01

Family

ID=64863366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810825776.5A Pending CN109117853A (zh) 2018-07-25 2018-07-25 增强的ar识别方法

Country Status (1)

Country Link
CN (1) CN109117853A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560851A (zh) * 2020-12-11 2021-03-26 上海影创信息科技有限公司 虚拟对象创建定位方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011139437A3 (en) * 2010-04-30 2012-02-02 Symbol Technologies, Inc. Triggering a radio frequency identification scan using image recognition
CN105701411A (zh) * 2016-01-11 2016-06-22 成都布林特信息技术有限公司 一种信息安全传输方法
CN107392272A (zh) * 2017-07-26 2017-11-24 四川西谷物联科技有限公司 物体信息反馈方法及系统
CN107657706A (zh) * 2017-10-27 2018-02-02 佛山科学技术学院 一种基于rfid与人脸识别的门禁系统及联合识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011139437A3 (en) * 2010-04-30 2012-02-02 Symbol Technologies, Inc. Triggering a radio frequency identification scan using image recognition
CN105701411A (zh) * 2016-01-11 2016-06-22 成都布林特信息技术有限公司 一种信息安全传输方法
CN107392272A (zh) * 2017-07-26 2017-11-24 四川西谷物联科技有限公司 物体信息反馈方法及系统
CN107657706A (zh) * 2017-10-27 2018-02-02 佛山科学技术学院 一种基于rfid与人脸识别的门禁系统及联合识别方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560851A (zh) * 2020-12-11 2021-03-26 上海影创信息科技有限公司 虚拟对象创建定位方法和系统

Similar Documents

Publication Publication Date Title
US11443559B2 (en) Facial liveness detection with a mobile device
CN108229427B (zh) 一种基于身份证件和人脸识别的身份安全验证方法及系统
CN108291876B (zh) 用于检测产品的真实性的系统及方法
CN110516739B (zh) 一种证件识别方法、装置及设备
CN109284684B (zh) 一种信息处理方法、装置以及计算机存储介质
CN106886774A (zh) 识别身份证信息的方法和装置
CN111242124B (zh) 一种证件分类方法、装置及设备
JP2018128970A (ja) ノンストップ顔認証システム
CN111414888A (zh) 低分辨率人脸识别方法、系统、装置及存储介质
US20140284382A1 (en) Random-type multilayer identification, and system using same
CN110443237B (zh) 证件识别方法、装置、电子设备及计算机可读存储介质
CN110427972A (zh) 证件视频特征提取方法、装置、计算机设备和存储介质
CN106874968A (zh) 一种高效鲁棒的二代身份证真伪鉴别方法
Manjunatha et al. Deep learning-based technique for image tamper detection
CN109117853A (zh) 增强的ar识别方法
CN112597940B (zh) 证件图像识别方法、装置及存储介质
CN108734099A (zh) 身份验证方法和装置、电子设备、计算机程序和存储介质
Karunakar et al. Smart attendance monitoring system (sams): A face recognition based attendance system for classroom environment
Shao et al. Attention GAN-based method for designing intelligent making system
CN106897650A (zh) 二维码的扫描方法及其扫描设备
CN110428264A (zh) 基于点阵屏防伪标签的识别验伪方法、装置、设备及介质
CN108492417A (zh) 快速人证核验方法及人证核验系统
JP5279007B2 (ja) 照合システム、照合方法、プログラム及び記録媒体
US11775631B1 (en) System and method for perfecting and accelerating biometric identification via evolutionary biometrics via continual registration
CN112434727A (zh) 身份证明文件认证方法和系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190723

Address after: Room B421-003, South Fourth Floor, Huanxiuhu Building, Xiangcheng High-speed Railway New Town, Suzhou City, Jiangsu Province (Cluster Registration)

Applicant after: Suzhou Xinling Information Technology Co., Ltd.

Address before: Room 1912, 4 blocks, Yuanrong New Life Square, 111 Nantiancheng Road, Xiangcheng High-speed Railway New Town, Suzhou City, Jiangsu Province

Applicant before: Suzhou Wanchan Network Technology Co., Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190101