CN109398306A - 一种无人驾驶汽车 - Google Patents

一种无人驾驶汽车 Download PDF

Info

Publication number
CN109398306A
CN109398306A CN201811126348.XA CN201811126348A CN109398306A CN 109398306 A CN109398306 A CN 109398306A CN 201811126348 A CN201811126348 A CN 201811126348A CN 109398306 A CN109398306 A CN 109398306A
Authority
CN
China
Prior art keywords
image
infrared
pixel
denoising
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.)
Granted
Application number
CN201811126348.XA
Other languages
English (en)
Other versions
CN109398306B (zh
Inventor
不公告发明人
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.)
Chongqing Qingyan science and technology Automobile Intelligent Technology Research Institute Co., Ltd
Original Assignee
Guangzhou City Forest Landscape Engineering 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 Guangzhou City Forest Landscape Engineering Co Ltd filed Critical Guangzhou City Forest Landscape Engineering Co Ltd
Priority to CN201811126348.XA priority Critical patent/CN109398306B/zh
Publication of CN109398306A publication Critical patent/CN109398306A/zh
Application granted granted Critical
Publication of CN109398306B publication Critical patent/CN109398306B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
    • B60R25/30—Detection related to theft or to other events relevant to anti-theft systems
    • B60R25/305—Detection related to theft or to other events relevant to anti-theft systems using a camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
    • B60R25/10—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles actuating a signalling device
    • B60R25/102—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles actuating a signalling device a signal being sent to a remote location, e.g. a radio signal being transmitted to a police station, a security company or the owner
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
    • B60R25/20—Means to switch the anti-theft system on or off
    • B60R25/25—Means to switch the anti-theft system on or off using biometry
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
    • B60R25/10—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles actuating a signalling device
    • B60R2025/1013—Alarm systems characterised by the type of warning signal, e.g. visual, audible
    • B60R2025/1016—Remote signals alerting owner or authorities, e.g. radio signals
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2325/00—Indexing scheme relating to vehicle anti-theft devices
    • B60R2325/20—Communication devices for vehicle anti-theft devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种无人驾驶汽车，该汽车包括：图像获取模块获取搭乘者人脸图像的红外偏振图像和红外光强图像；图像处理模块对上述两个图像进行处理，得到搭乘者的人脸融合图像；特征提取模块获取人脸融合图像中搭乘者的人脸图像特征；身份识别模块判断搭乘者的人脸图像特征与预存储的车主信息库中有搭乘权限的人的人脸图像特征是否匹配，若匹配成功，则将匹配结果发送至控制模块，若匹配识别，则将匹配结果通过无线网传输至车主的移动终端进行报警；控制模块接收匹配结果，并控制汽车启动。本发明通过对搭乘者的身份进行识别，进而根据匹配结果判断是否启动该汽车，该做法有效地防止了无人驾驶汽车被盗的风险，增加了无人驾驶汽车的安全性。

Description

一种无人驾驶汽车
技术领域
本发明涉及车辆自动控制领域，具体涉及一种无人驾驶汽车。
背景技术
随着无人驾驶汽车的迅猛发展，无人驾驶汽车将会普及到普通的家庭用户。现有技术的无人驾驶汽车上省去了方向盘、油门、刹车等人工驾驶的装置，可以仅设置启动和停止键，无人驾驶汽车便可以启动，载着搭乘者前往目的地。但是，上述现有的无人驾驶汽车的启动方案中，任意能够进入无人驾驶汽车的搭乘者均可以按下启动键，启动无人驾驶汽车，导致无人驾驶汽车丢失风险较大。因此，现有的无人驾驶汽车的启动方案的安全性较差。
发明内容
针对上述问题，本发明提供一种无人驾驶汽车，用于提高无人驾驶汽车的防盗安全性。
本发明的目的采用以下技术方案来实现：
一种无人驾驶汽车，该无人驾驶汽车包括：图像获取模块、图像处理模块、特征提取模块、身份识别模块和控制模块。图像获取模块，用于获取无人驾驶汽车内的搭乘者人脸图像的红外偏振图像和红外光强图像；图像处理模块，用于对红外偏振图像和红外光强图像进行去噪和融合处理，得到搭乘者的人脸融合图像；特征提取模块，用于获取人脸融合图像中的搭乘者的人脸图像特征向量；身份识别模块，用于判断搭乘者的人脸图像特征与预存储的车主信息库中有搭乘权限的人的人脸图像特征向量是否匹配，若匹配成功，则将匹配结果发送至控制模块，若匹配识别，则将匹配结果通过无线网传输至车主的移动终端进行报警；控制模块，用于接收匹配结果，并控制无人驾驶汽车启动。
本发明的有益效果为：本发明通过对搭乘者的身份进行识别，进而根据识别结果判断是否启动该无人驾驶汽车，该技术方案有效地防止了无人驾驶汽车被盗的风险，增加了无人驾驶汽车的安全性。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明一种无人驾驶汽车的结构图；
图2是图像处理模块2的框架结构图；
图3是高频子带系数计算子单元的框架结构图。
附图标记：图像获取模块1；图像处理模块2；特征提取模块3；身份识别模块4；控制模块5；移动终端6；应急锁定模块7；图像去噪子模块8；图像融合子模块9；NSCT变换单元10；低频子带系数融合单元11；高频子带系数融合单元12；NSCT反变换单元13；第一计算子单元14；第二计算子单元15；决策融合子单元16。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，一种无人驾驶汽车，该无人驾驶汽车包括：图像获取模块1、图像处理模块2、特征提取模块3、身份识别模块4和控制模块5。图像获取模块1，用于获取无人驾驶汽车内的搭乘者人脸图像的红外偏振图像和红外光强图像；图像处理模块2，用于对红外偏振图像和红外光强图像进行去噪和融合处理，得到搭乘者的人脸融合图像；特征提取模块3，用于获取人脸融合图像中的搭乘者的人脸图像特征向量；身份识别模块4，用于判断搭乘者的人脸图像特征向量与预存储的车主信息库中有搭乘权限的人的人脸图像特征向量是否匹配，若匹配成功，则将匹配结果发送至控制模块5，若匹配识别，则将匹配结果通过无线网传输至车主的移动终端6进行报警；控制模块5，用于接收匹配结果，并控制无人驾驶汽车启动。
本发明的有益效果为：本发明通过对搭乘者的身份进行识别，进而根据识别结果判断是否启动该无人驾驶汽车，该技术方案有效地防止了无人驾驶汽车被盗的风险，增加了无人驾驶汽车的安全性。
优选地，该无人驾驶汽车还包括应急锁定模块7，应急锁定模块7与身份识别模块4连接，用于当匹配失败时，对该无人驾驶汽车进行锁定。
优选地，参见图2，图像处理模块2包括图像去噪子模块8和图像融合子模块9；
图像去噪子模块8，用于去除红外偏振图像和红外光强图像中的随机噪声；
图像融合子模块9，用于对去噪后红外偏振图像和红外光强图像进行融合处理，得到搭车者的人脸融合图像。
优选地，所述去除红外偏振图像和红外光强图像中的随机噪声，具体是：
(1)利用衰减函数计算所述红外偏振图像中各个像素点的灰度值的衰减程度值，其中，所述衰减函数的表达式为：
式中，f(x，y)为衰减函数，表示坐标为(x，y)的像素点的灰度值的衰减程度值，σlow为衰减函数的下限值，σup为衰减函数的上限值，α、ε为衰减曲线的形状控制常数，为以像素点p(x，y)为中心，大小为T×T矩形窗口内所有像素点灰度值的均值，g(x，y)为像素点p(x，y)的灰度值；
(2)根据得到的各个像素点的灰度值衰减度值，利用下式计算各个像素点去噪后的灰度值，所有去噪像素点灰度值构成的集合即为去噪后的红外偏振图像；其中，像素点p(x，y)去噪后的灰度值为：
式中，为去噪后的像素点p(x，y)处的灰度值，gp(x，y)为所述红外偏振图像中像素点p(x，y)处的灰度值；fp(x，y)为像素点p灰度值的衰减程度值；
(3)采用步骤1和步骤2对所述红外光强图像进行去噪，即可得到去噪后的红外光强图像。
有益效果：利用衰减函数计算搭乘者人脸图像的红外偏振图像和红外光强图像中各个像素点由于外界噪声带来的各个像素点灰度值的衰减程度值，进而求得去噪后的各个像素点的灰度值，该方法能够在保留搭乘者人脸图像的红外偏振图像和红外光强图像中搭车者人脸的边缘信息、纹理信息的同时，有效地去除两个图像中的随机噪声，提高了搭乘者人脸图像的红外偏振图像和红外光强图像的清晰度，有利于后续准确地获取待搭乘者的人脸图像特征数据，提高了对搭乘者身份识别的准确度，并增加了该无人驾驶汽车的安全性。
优选地，参见图3，图像融合子模块9包括NSCT变换单元10、低频子带系数融合单元11、高频子带系数融合单元12和NSCT反变换单元13。
NSCT变换单元10，用于将去噪后红外偏振图像和红外光强图像分别进行NSCT变换，得到去噪后的红外偏振图像和红外光强图像的子带系数，该子带系数包括低频子带系数和高频子带系数；
低频子带系数融合单元11，用于根据去噪后的红外偏振图像和红外光强图像的低频子带系数，采用平均加权算法计算搭车者的人脸融合图像的低频子带系数；
高频子带系数融合单元12，用于根据去噪后的红外偏振图像和红外光强图像的高频子带系数，基于多尺度融合计算搭车者的人脸融合图像的高频子带系数；
NSCT反变换单元13，用于根据低频子带系数融合单元11和高频子带系数融合单元12所得的搭车者的人脸融合图像的低频子带系数和高频子带系数，进行NSCT反变换，即可得到搭车者的人脸融合图像。
作为优选，根据去噪后的红外偏振图像和红外光强图像的低频子带系数，采用平均加权算法计算搭车者的人脸融合图像的低频子带系数，具体地，是利用平均加权算法计算搭车者的人脸融合图像中每个像素点的低频子带系数，其中搭车者的人脸融合图像中像素点(m，n)的低频子带系数利用下式计算得到：
式中，是去噪后的红外偏振图像的低频子带系数，是去噪后的红外光强图像的低频子带系数。
作为优选，高频子带系数融合单元12包括第一计算子单元14、第二计算子单元15和决策融合子单元16。
第一计算子单元14，用于根据去噪后的红外偏振图像和红外光强图像的高频子带系数，计算去噪后的红外偏振图像和红外光强图像的各个像素点的高频子带系数的活性度值，其中，对于去噪后的红外偏振图像和红外光强图像每个像素点，按照下式计算每个像素点的各个高频子带系数的活性度值：
式中，为去噪后的红外偏振图像中像素点(a，b)的高频子带系数的活性度值，为去噪后的红外光强图像中像素点(a，b)的高频子带系数的活性度值，M×N为预设的像素点(a，b)的邻域大小，Ω为像素点(a，b)的邻域，(a′，b′)为像素点(a，b)的邻域内任一像素点，wpol(a′，b′)为去噪后的红外偏振图像中像素点(a′，b′)在邻域内的权值，wint(a′，b′)为去噪后的红外光强图像中像素点(a′，b′)在邻域内的权值，其中wpol(a′，b′)＝wint(a′，b′)，且满足∑(a′，b′)∈Ωwpol(a′，b′)＝1，为去噪后的红外偏振图像中像素点(a′，b′)在j尺度、k方向上的高频子带系数，为去噪后的红外光强图像中像素点(a′，b′)在j尺度、k方向上的高频子带系数。
有益效果：通过计算高频子带系数的活性度值，该活性度值可以度量相应高频子带系数的显著程度，同时在求解各个高频子带系数的活性度值时，考虑了图像中位置(a，b)的邻域窗口内其他位置处的高频子带系数对位置(a，b)处高频子带系数活性度的影响，使得各个高频子带系数能够自适应的进行调整，能够更加准确地描述各个高频子带系数的显著程度，有利于后续求解融合图像的高频子带系数。
第二计算子单元15，用于根据去噪后的红外偏振图像和红外光强图像的高频子带系数，计算去噪后的红外偏振图像和红外光强图像的高频子带系数在各个像素点的匹配度值，其中，和在像素点(a，b)处的匹配度值的计算式为：
式中，mj，k(a，b)表示在像素点(a，b)处的和的匹配度值。
有益效果：该第二计算子单元15考虑了两个图像中相同像素点位置的高频子带系数的匹配程度，该做法更多地保留了两个图像中的边缘信息和纹理信息，同时在后续中有利于在进行融合的同时，能够有效地综合去噪后的红外偏振图像和红外光强图像中的有用信息，提高了后续的融合效果，保留了详细的搭车者的人脸融合图像的纹理特征信息，方便后续对搭乘者的身份进行识别，提高了对搭乘者身份识别的准确度，并增加了该无人驾驶汽车的安全性。
决策融合子单元16，用于对第一计算子单元14和第二计算子单元15得到的计算结果进行综合分析和判断，并对去噪后的红外偏振图像和红外光强图像的高频子带系数进行融合，得到融合图像的高频子带系数，其中，在融合图像中像素点(a，b)在j尺度、k方向上的高频子带系数可利用下方的融合公式得到：
式中，为融合图像中像素点(a，b)处的在j尺度，k方向上的高频子带系数，为去噪后的红外偏振图像位置(a，b)处的在j尺度，k方向上的高频子带系数的权重系数，χ为设定的匹配度阈值。
有益效果：通过设定的匹配度阈值，对待进行融合处理的去噪后的红外偏振图像和红外光强图像的匹配程度进行判断，当匹配程度大于设定的阈值时，再进一步利用活跃度值进一步判断，该做法能够保留高频子带系数中的显著信息，同时进一步抑制了去噪后的红外偏振图像和红外光强图像中残余噪声带来的干扰。提高了对去噪后红外偏振图像和红外光强图像的融合效果，降低了后续对搭乘者的人脸融合图像特征提取的复杂度，延长了人脸识别的使用寿命，同时也能够有效地防止了无人驾驶汽车被盗的风险，增加了无人驾驶汽车的安全性。
优选地，所述判断搭乘者的人脸图像特征向量与预存储的车主信息库中有搭乘权限的人的人脸图像特征向量是否匹配，具体为：当搭乘者的人脸图像特征向量和预存储的车主信息库中有搭乘权限的人的人脸图像特征向量满足则匹配成功，即搭车者具有搭乘权限，否则，匹配识别，即搭乘者不具有搭乘权限，其中，ξ为自定义的相似度因子。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (4)

1.一种无人驾驶汽车，其特征是，包括：图像获取模块、图像处理模块、特征提取模块、身份识别模块和控制模块；
所述图像获取模块，用于获取所述无人驾驶汽车内的搭乘者人脸图像的红外偏振图像和红外光强图像；
所述图像处理模块，用于对所述红外偏振图像和红外光强图像进行去噪和融合处理，得到搭乘者的人脸融合图像；
所述特征提取模块，用于获取所述人脸融合图像中的搭乘者的人脸图像特征；
所述身份识别模块，用于判断搭乘者的人脸图像特征与预存储的车主信息库中有搭乘权限的人的人脸图像特征是否匹配，若匹配成功，则将匹配结果发送至所述控制模块，若匹配失败，则将匹配失败的结果通过无线网传输至车主的移动终端进行报警；
所述控制模块，用于接收匹配结果，并控制所述无人驾驶汽车启动。
2.根据权利要求1所述的无人驾驶汽车，其特征是，还包括应急锁定模块，所述应急锁定模块与所述身份识别模块连接，用于当匹配失败时，对所述无人驾驶汽车进行锁定。
3.根据权利要求1所述的无人驾驶汽车，其特征是，所述图像处理模块包括图像去噪子模块和图像融合子模块；
所述图像去噪子模块，用于去除所述红外偏振图像和红外光强图像中的随机噪声；
所述图像融合子模块，用于对去噪后红外偏振图像和红外光强图像进行融合处理，得到搭车者的人脸融合图像。
4.根据权利要求3所述的无人驾驶汽车，其特征是，所述去除所述红外偏振图像和红外光强图像中的随机噪声，具体是：
(1)利用衰减函数计算所述红外偏振图像中各个像素点的灰度值的衰减程度值，其中，所述衰减函数的表达式为：
式中，f(x，y)为衰减函数，表示坐标为(x，y)的像素点的灰度值的衰减程度值，σlow为衰减函数的下限值，σup为衰减函数的上限值，α、ε为衰减曲线的形状控制常数，为以像素点p(x，y)为中心，大小为T×T矩形窗口内所有像素点灰度值的均值，g(x，y)为像素点p(x，y)的灰度值；
(2)根据得到的各个像素点的灰度值衰减度值，利用下式计算各个像素点去噪后的灰度值，所有去噪像素点灰度值构成的集合即为去噪后的红外偏振图像；其中，像素点p(x，y)去噪后的灰度值为：
式中，为去噪后的像素点p(x，y)处的灰度值，gp(x，y)为所述红外偏振图像中像素点p(x，y)处的灰度值；fp(x，y)为像素点p灰度值的衰减程度值；
(3)采用步骤1和步骤2对所述红外光强图像进行去噪，即可得到去噪后的红外光强图像。
CN201811126348.XA 2018-09-26 2018-09-26 一种无人驾驶汽车 Active CN109398306B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811126348.XA CN109398306B (zh) 2018-09-26 2018-09-26 一种无人驾驶汽车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811126348.XA CN109398306B (zh) 2018-09-26 2018-09-26 一种无人驾驶汽车

Publications (2)

Publication Number Publication Date
CN109398306A true CN109398306A (zh) 2019-03-01
CN109398306B CN109398306B (zh) 2019-11-26

Family

ID=65466337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811126348.XA Active CN109398306B (zh) 2018-09-26 2018-09-26 一种无人驾驶汽车

Country Status (1)

Country Link
CN (1) CN109398306B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11373447B2 (en) 2020-02-19 2022-06-28 Toyota Motor Engineering & Manufacturing North America, Inc. Systems including image detection to inhibit vehicle operation

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999026199A1 (en) * 1997-11-13 1999-05-27 Schepens Eye Research Institute, Inc. Wide-band image enhancement
EP1103918B1 (en) * 1999-11-24 2008-10-15 Xerox Corporation Image enhancement on JPEG compressed image data
CN202130310U (zh) * 2011-06-20 2012-02-01 江苏华安高技术安防产业有限公司 一种具有驾驶员识别功能的汽车安防终端
CN103530853A (zh) * 2013-10-17 2014-01-22 中北大学 红外光强图像和红外偏振图像增强融合方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999026199A1 (en) * 1997-11-13 1999-05-27 Schepens Eye Research Institute, Inc. Wide-band image enhancement
EP1103918B1 (en) * 1999-11-24 2008-10-15 Xerox Corporation Image enhancement on JPEG compressed image data
CN202130310U (zh) * 2011-06-20 2012-02-01 江苏华安高技术安防产业有限公司 一种具有驾驶员识别功能的汽车安防终端
CN103530853A (zh) * 2013-10-17 2014-01-22 中北大学 红外光强图像和红外偏振图像增强融合方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11373447B2 (en) 2020-02-19 2022-06-28 Toyota Motor Engineering & Manufacturing North America, Inc. Systems including image detection to inhibit vehicle operation

Also Published As

Publication number Publication date
CN109398306B (zh) 2019-11-26

Similar Documents

Publication Publication Date Title
JP2022549656A (ja) 車両のドア制御方法及び装置、システム、車両、電子機器並びに記憶媒体
CN111505632B (zh) 基于功率谱和多普勒特征的超宽带雷达动作姿态识别方法
CN108877009B (zh) 一种基于人脸识别的智能门禁系统
US20110299741A1 (en) Distinguishing Live Faces from Flat Surfaces
JP2005521975A5 (zh)
CN107909040B (zh) 一种租车验证方法及装置
CN108986342B (zh) 一种基于云计算平台的人脸识别寄存柜系统
CN108399667A (zh) 车位地锁控制装置和方法
CN106204510A (zh) 一种基于结构相似度约束的红外偏振与光强图像融合方法
CN109166220B (zh) 一种基于区块链的智能门禁系统
CN109398306B (zh) 一种无人驾驶汽车
KR20220084245A (ko) 자동차 블루투스의 연결방법, 장치, 전자기기 및 저장매체
CN100495427C (zh) 复杂背景下的人耳检测及多信息融合的人耳识别方法
Hsia et al. New hierarchical finger-vein feature extraction method for iVehicles
CN108205663B (zh) 一种基于指纹识别的汽车启动系统
CN114973308A (zh) 弹性权重固化和多元相似损失的手指静脉识别方法及系统
CN108269342B (zh) 汽车门禁自动感应方法
CN109241720A (zh) 一种基于人脸识别的解锁装置
CN108520582B (zh) 汽车开关门自动感应系统
CN109658627A (zh) 一种基于区块链的智能物流取件系统
CN107977935A (zh) 一种掌静脉图像纹理滤波增强方法
CN109100948A (zh) 一种具备身份验证功能的智能家居控制系统
Kilian et al. Cost‐effective and accurate palm vein recognition system based on multiframe super‐resolution algorithms
CN109398310A (zh) 一种无人驾驶汽车
CN109584423A (zh) 一种智能开锁系统

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: 20191031

Address after: 400000 Building 1, No. 50, Jiangong second village, Jiulongpo District, Chongqing

Applicant after: Chongqing Qingyan science and technology Automobile Intelligent Technology Research Institute Co., Ltd

Address before: 510000 Guangdong Guangzhou Baiyun District, South Street, 1, 8, 8028 rooms.

Applicant before: Guangzhou City Forest Landscape Engineering Co. Ltd.

GR01 Patent grant
GR01 Patent grant