CN109492614A - 一种基于安防视频识别面部特征的方法及系统 - Google Patents

一种基于安防视频识别面部特征的方法及系统 Download PDF

Info

Publication number
CN109492614A
CN109492614A CN201811442000.1A CN201811442000A CN109492614A CN 109492614 A CN109492614 A CN 109492614A CN 201811442000 A CN201811442000 A CN 201811442000A CN 109492614 A CN109492614 A CN 109492614A
Authority
CN
China
Prior art keywords
image
face
facial
security protection
shelter
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
CN201811442000.1A
Other languages
English (en)
Inventor
韩湘君
杨瑞
祝伟
王明光
钟浩
张�诚
唐勇钢
陈骏
刘婷
林君
应俊杰
奚文
王西标
高友光
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.)
Shanghai Daoshu Information Technology Co Ltd
Original Assignee
Shanghai Daoshu Information 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 Shanghai Daoshu Information Technology Co Ltd filed Critical Shanghai Daoshu Information Technology Co Ltd
Priority to CN201811442000.1A priority Critical patent/CN109492614A/zh
Publication of CN109492614A publication Critical patent/CN109492614A/zh
Pending legal-status Critical Current

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
    • G06V40/168—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
    • 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
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种用于安防监控项目的室内定位方法及系统。该方法包括如下步骤：步骤1：通过架设好的安防监控摄像头进行实时影像采集，并实时回传监控摄像头的监控影像；步骤2：对监控影像进行预处理及面部遮挡物过滤计算；步骤3：对去除遮挡物后的待识别目标的面部特征进行还原；步骤4：对还原后的面部特征进行人脸比对；步骤5：根据人脸比对结果进行决策指挥。本发明利用公共安防布设的监控摄像头和图像自动识别技术以及优化的面部特征提取过滤方法和人工智能深度学习算法，解决目前安防领域面临的对人脸识别尤其是面部遮挡情况下的人脸识别准确率低，识别周期长的问题，为安防合成指挥决策提供了可靠依据，提高安防合成指挥的决策效率，降低了由于识别不准确而带来的公共安全隐患。

Description

一种基于安防视频识别面部特征的方法及系统
技术领域
本发明涉及一种公共安全治理的视频识别技术，尤其涉及一种智慧公安视频在面部遮挡情况下自动识别面部特征并进行人脸比对匹配的方法及系统。
背景技术
人脸识别作为模式识别领域的热点研究问题受到了广泛的关注，人脸识别技术在众多领域的身份验证中有着广阔的应用前景。在实际人脸图像处理过程中，人脸图像的遮挡会经常出现，如头发、口罩、围巾、大胡子等，而遮挡对人脸识别有很大的影响。因此，如何准确、自动地检测人脸遮挡区域成为遮挡人脸识别处理的关键问题之一。尤其在安防领域，部分极端分子蒙面罩袍、留大胡子给安全监控人身份识别造成很大困难，同时对公共安全防护存在巨大风险。人脸识别是当前公众安全领域内一项重要的应用，主要用以识别判断人员身份信息，而面部的遮挡对于身份识别的准确性造成很大的影响，在公安领域尤其是对防恐防暴的重点排查人员的识别上，如及时性不高则会对公众安全造成难以估量的损失，因此有效提高在面部被遮挡的情况下的快速、准确识别目标身份具有十分重大的社会价值。
目前主流的人脸遮挡区域检测方法是基于PCA分析检测方法。该方法包括两个关键步骤：在分析阶段，将遮挡人脸图像投影到人脸特征空间，并利用投影系数重建人脸；在检测阶段，将遮挡人脸图像与重建人脸图像进行比较，差异越大，判定为遮挡的可能性越大。遮挡区域根据重建人脸与原始遮挡人脸的差异来估计。基于平均人脸的人脸遮挡区域检测方法与基于PCA分析检测方法类似，只是参考图片选取的是平均脸图像。基于PCA或平均脸的分析检测方法在很大程度上依赖于参考样本，对于人脸的位置、姿势等十分敏感，而发型、胡子等遮挡往往伴随着不同的人脸姿势，这给面部识别的准确性和时效性带来很大的限制。
因此，需要一种快速、有效的基于安防视频识别面部特征的方法及系统。
发明内容
本发明的目的是解决现有实际情况的识别不准确、识别效率低下的问题，提供一种基于安防视频识别面部特征的方法和系统，通过利用安防、卡口等摄像头获取实时影像并上传至安全防控中心的安防视频识别系统中进行存储，并通过接收到的视频进行实时计算从而进行图像预处理，待识别目标如被遮挡则将图像交由遮挡物过滤处理模块进行过滤还原面部特征，再将还原的面部特征通过与公安各种人员信息库进行比对识别，最终将比对识别出的身份信息传送给公安指挥、反恐指挥、交管指挥、重大安全保障指挥等各个指挥应用系统，各个应用系统根据信息结果进行决策与行动指挥。
本发明的一个方面是提供了一种基于安防视频识别面部特征的方法，包括如下步骤：步骤1：通过架设好的安防监控摄像头进行实时影像采集，并实时回传监控摄像头的监控影像；步骤2：对监控影像进行预处理及面部遮挡物过滤计算；步骤3：对去除遮挡物后的待识别目标的面部特征进行还原；步骤4：对还原后的面部特征进行人脸比对；以及步骤5：根据人脸比对结果进行决策指挥。
优选地，步骤3中，对步骤2中传输到安防监控中心服务器上的实时影像进行预处理包括：步骤31：对所述实时影像进行初步筛选，判断影像及图片是否包含完整头部正面信息，自动过滤掉背影和不包含面部信息的影像和图片；步骤32：针对包含头部正面信息的影像和图片进行标记，主要标记图像内面部范围和轮廓。
优选地，步骤3中进行面部遮挡物过滤计算包括：对预处理标记的范围进行处理，将需要进行面部识别的影像通过遮挡物过滤处理模型去除遮挡物。
优选地，步骤3中，还包括将计算模型库中未包含的新的遮挡物信息存入深度学习模块进行样本学习和训练，作为以后再次遇到时进行识别判断是的参考。
优选地，步骤4中，根据面部被遮挡区域的面积和两眼间距及未被遮挡的区域结合人脸模型通过面部特征还原模块进行人脸还原，以得到去除遮挡物后的待识别面部信息。
优选地，步骤5中，将通过步骤4还原的人脸信息与人员信息资料库中的人员信息进行人脸比对，获取比对成功的人员身份信息，所述人员信息资料库包括通过公安的人口库、罪犯库、重点监测人员信息库。
本发明的另一个方面是提供了一种基于安防视频识别面部特征的系统，包括：安防监控视频监测子系统；安防视频图像识别子系统和安防合成指挥子系统，其中，所述安防监控视频监测子系统采集实时监测的影像信息作为输入信息源，实时回传监控摄像头的监控影像至安防视频图像识别子系统；所述安防视频图像识别子系统对监控影像进行预处理及面部遮挡物过滤计算，对去除遮挡物后的待识别目标的面部特征进行还原，对还原后的面部特征进行人脸比对，并将人脸比对结果传送至安防合成指挥子系统；所述安防合成指挥子系统根据人脸比对结果进行决策指挥。
优选地，所述安防监控视频监测子系统包括一个以上安防监控摄像头。
优选地，所述安防视频图像识别子系统负责影像信息的接收、存储、处理，包括图像预处理模块，遮挡物过滤处理模块，面部特征还原模块，深度学习模块和人脸比对模块。
优选地，所述安防合成指挥子系统包括公安指挥系统、交管指挥系统、反恐指挥系统和重大事件安保指挥系统。
本发明具有如下有益效果：
本发明的技术方案利用公共安防布设的监控摄像头和图像自动识别技术以及优化过的面部特征提取过滤和人工智能深度学习算法，解决目前安防领域面临的对人脸识别尤其是面部遮挡情况下的人脸识别准确率低，识别周期长的问题，为安防合成指挥决策提供了可靠依据，提高安防合成指挥的决策效率，降低了由于识别不准确而带来的公共安全隐患。
附图说明
图1为本发明的基于安防视频识别面部特征的方法的流程图。
图2为本发明的基于安防视频识别面部特征的系统的结构框图。
具体实施方式
下面通过实施例对本发明作进一步说明，其目的仅在于更好地理解本发明的研究内容而非限制本发明的保护范围。
本发明的基于安防视频识别面部特征的方法和系统能通过优化过的PCA算法模型对遮挡目标进行比对还原，同时将特殊遮挡形式转入学习库，同时利用AI算法进行不断的自我深度学习进一步完善面部遮盖物过滤识别模型提高识别的准确率和时效性，可以为公安决策部分提供快速有效的配置及决策依据，提高公众安全保障。
如图1所示，本发明方法包括如下步骤1～7。下面对各个步骤进行详细说明。
步骤1：通过架设好的安防监控摄像头进行实时影像采集，并实时回传监控摄像头的监控影像。具体地，选择在安防关键布控点架设好的监控摄像头，调整摄像头观测角度，通过监测摄像头进行覆盖范围内的实时影像采集，为后续人脸的面部特征识别做准备。摄像机布置根据摄像机支持的焦距范围和支持的拍摄角度限制将摄像机部署于无遮挡且在焦距及摄角范围内，以保证拍摄的影像清晰度。步骤1采集的实时影像通过有线或无线网络进行传输，及时地将用于人脸面部识别的数据传输到安防监控中心的服务器上。
步骤2：对监控影像进行预处理及面部遮挡物过滤计算。具体地，采用自动识别技术及面部识别判断方法，对步骤2中传输到安防监控中心服务器上的实时影像进行预处理进一步包括：
步骤21：对所述实时影像进行初步筛选，判断影像及图片是否包含完整头部正面信息，自动过滤掉背影和不包含面部信息的影像和图片；
步骤22：针对包含头部正面信息的影像和图片进行标记，主要标记图像内面部范围和轮廓。后续遮盖物去除主要基于预处理标记的范围内进行计算处理。
步骤2中进行面部遮挡物过滤计算包括：对预处理标记的范围进行处理，将需要进行面部识别的影像通过遮挡物过滤处理模型去除遮挡物。同时，步骤2中，还包括将计算模型库中未包含的新的遮挡物信息存入深度学习模块进行样本学习和训练，作为以后再次遇到时进行识别判断是的参考。
接下来是步骤3：对去除遮挡物后的待识别目标的面部特征进行还原。具体地，根据面部被遮挡区域的面积、两眼间距及面部未被遮挡的区域结合人脸模型通过面部特征还原模块进行人脸还原，以得到去除遮挡物后的待识别面部信息。这里，去除了遮挡物后的人脸模型可以理解为，例如原来影像或图片中人脸面部戴着面纱，经过遮挡物去除把面纱处理掉了，只留下了脸的轮廓和原来露出来的部分，其他鼻子、嘴巴可能都是空白的(或者根据去除计算有大致轮廓)，然后需要根据露出的部分计算鼻子、嘴巴的大致轮廓进行整个人脸的还原，得到可以进行人脸比对的数据信息以供人脸比对模块使用。本步骤中，可以通过PCA(主成分分析，Principal Component Analysis)人脸还原算法进行人脸还原。PCA人脸还原算法是一种统计方法，通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。
步骤4：对还原后的面部特征进行人脸比对。具体地，将通过步骤3还原的人脸信息与人员信息资料库中的人员信息进行人脸比对，获取比对成功的人员身份信息，所述人员信息资料库包括通过公安的人口库、罪犯库、重点监测人员信息库。步骤4中比对成功的人员身份信息对比结果将传送至安防合成指挥系统以供决策指挥使用。
步骤5：安防合成指挥系统根据人脸比对结果进行决策指挥。具体地，通过不同等级的安防系统对步骤4传送的人员身份信息进行判断决策，对重点监控人员进行行动指挥。
图2为本发明的基于安防视频识别面部特征的系统的结构框图。本发明的系统包括：安防监控视频监测子系统1；安防视频图像识别子系统2和安防合成指挥子系统3，其中，所述安防监控视频监测子系统1采集实时监测的影像信息作为输入信息源，实时回传监控摄像头的监控影像至安防视频图像识别子系统；所述安防视频图像识别子系统2对监控影像进行预处理及面部遮挡物过滤计算，对去除遮挡物后的待识别目标的面部特征进行还原，对还原后的面部特征进行人脸比对，并将人脸比对结果传送至安防合成指挥子系统；所述安防合成指挥子系统3根据人脸比对结果进行决策指挥。
所述安防监控视频监测子1系统包括一个以上安防监控摄像头a，b，c，d……。
所述安防视频图像识别子系统2负责影像信息的接收、存储、处理，包括图像预处理模块21，遮挡物过滤处理模块22，面部特征还原模块23，深度学习模块24和人脸比对模块25。
实时影像输入到安防视频图像识别子系统2的图像预处理模块21。图像预处理模块21从安防视频图像识别子系统2收集到的安防监控实时视频信息中自动截取出具有人面部特征信息的图像进行数据预处理，并将预处理后的数据传递给遮挡物过滤处理模块22进行处理。
遮挡物过滤处理模块22，通过获取图像预处理模块21处理后的图像信息数据，对数据中面部遮挡部分进行遮挡物过滤处理，并将处理结果传递给面部特征还原模块23进行面部特征还原，如在过滤过程中发现难以识别过滤的信息则将同时将此信息传递到深度学习模块24中作为训练样本进行深度学习。深度学习模块24，使用遮挡物过滤处理模块22传输来的新的训练样本进行深度学习，提取遮挡物信息形成新的过滤参数，反馈给遮挡物过滤处理模块22作为过滤规则进一步提升遮挡物过滤处理的效率和准确性。
面部特征还原模块23，使用遮挡物过滤处理模块22过滤处理后的数据进行人脸面部特征还原，将还原后的人脸面部特征结果传递给人脸比对模块25进行人脸比对匹配。
人脸比对模块25使用面部特征还原模块23处理后的人脸面部还原效果通过访问人口库26、罪犯库27、重点人员库28等身份信息库进行人员身份信息识别，并将识别结果推送到安防合成指挥子系统3进行指挥调度的决策。
被识别的人员身份信息输入安防合成指挥子系统3，以此为依据进行判断决策，对重点监控人员进行行动指挥，如：公共安全指挥调度、交通管理指挥调度、重大活动安全保障指挥调度等。
安防合成指挥子系统3包括公安指挥系统31、交管指挥系统32、反恐指挥系统33、重大事件安保指挥系统34等指挥应用系统。安防合成指挥子系统11主要通过接收到人脸比对模块25传递的人脸识别匹配结果信息，根据不同信息分类将信息分配给公安指挥系统31、交管指挥系统32、反恐指挥系统33、重大事件安保指挥系统34等指挥应用系统，各个应用系统对人脸识别匹配比对结果进行判断决策，对重点监控人员进行行动指挥。
本发明的技术方案可以提高面部被遮挡情况下的识别准确率和时效性，降低由于未识别出重点监控人员而导致的社会安全事故与隐患。
显然，本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (10)

1.一种基于安防视频识别面部特征的方法，其特征在于，所述方法包括如下步骤：
步骤1：通过架设好的安防监控摄像头进行实时影像采集，并实时回传监控摄像头的监控影像；
步骤2：对监控影像进行预处理及面部遮挡物过滤计算；
步骤3：对去除遮挡物后的待识别目标的面部特征进行还原；
步骤4：对还原后的面部特征进行人脸比对；以及
步骤5：根据人脸比对结果进行决策指挥。
2.根据权利要求1所述的方法，其特征在于，步骤3中，对步骤2中传输到安防监控中心服务器上的实时影像进行预处理包括：
步骤31：对所述实时影像进行初步筛选，判断影像及图片是否包含完整头部正面信息，自动过滤掉背影和不包含面部信息的影像和图片；
步骤32：针对包含头部正面信息的影像和图片进行标记，主要标记图像内面部范围和轮廓。
3.根据权利要求2所述的方法，其特征在于，步骤3中进行面部遮挡物过滤计算包括：
对预处理标记的范围进行处理，将需要进行面部识别的影像通过遮挡物过滤处理模型去除遮挡物。
4.根据权利要求3所述的方法，其特征在于，步骤3中，还包括将计算模型库中未包含的新的遮挡物信息存入深度学习模块进行样本学习和训练，作为以后再次遇到时进行识别判断是的参考。
5.根据权利要求4所述的方法，其特征在于，步骤4中，根据面部被遮挡区域的面积和两眼间距及未被遮挡的区域结合人脸模型通过面部特征还原模块进行人脸还原，以得到去除遮挡物后的待识别面部信息。
6.根据权利要求5所述的方法，其特征在于，步骤5中，将通过步骤4还原的人脸信息与人员信息资料库中的人员信息进行人脸比对，获取比对成功的人员身份信息，所述人员信息资料库包括通过公安的人口库、罪犯库、重点监测人员信息库。
7.一种基于安防视频识别面部特征的系统，其特征在于，包括：安防监控视频监测子系统；安防视频图像识别子系统和安防合成指挥子系统，其中，
所述安防监控视频监测子系统采集实时监测的影像信息作为输入信息源，实时回传监控摄像头的监控影像至安防视频图像识别子系统；
所述安防视频图像识别子系统对监控影像进行预处理及面部遮挡物过滤计算，对去除遮挡物后的待识别目标的面部特征进行还原，对还原后的面部特征进行人脸比对，并将人脸比对结果传送至安防合成指挥子系统；
所述安防合成指挥子系统根据人脸比对结果进行决策指挥。
8.根据权利要求7所述的系统，其特征在于，所述安防监控视频监测子系统包括一个以上安防监控摄像头。
9.根据权利要求7所述的系统，其特征在于，所述安防视频图像识别子系统负责影像信息的接收、存储、处理，包括图像预处理模块，遮挡物过滤处理模块，面部特征还原模块，深度学习模块和人脸比对模块。
10.根据权利要求7所述的系统，其特征在于，所述安防合成指挥子系统包括公安指挥系统、交管指挥系统、反恐指挥系统和重大事件安保指挥系统。
CN201811442000.1A 2018-11-29 2018-11-29 一种基于安防视频识别面部特征的方法及系统 Pending CN109492614A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811442000.1A CN109492614A (zh) 2018-11-29 2018-11-29 一种基于安防视频识别面部特征的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811442000.1A CN109492614A (zh) 2018-11-29 2018-11-29 一种基于安防视频识别面部特征的方法及系统

Publications (1)

Publication Number Publication Date
CN109492614A true CN109492614A (zh) 2019-03-19

Family

ID=65698602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811442000.1A Pending CN109492614A (zh) 2018-11-29 2018-11-29 一种基于安防视频识别面部特征的方法及系统

Country Status (1)

Country Link
CN (1) CN109492614A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110059634A (zh) * 2019-04-19 2019-07-26 山东博昂信息科技有限公司 一种大场景人脸抓拍方法
CN110516768A (zh) * 2019-08-29 2019-11-29 中新智擎科技有限公司 一种垃圾分类管理的方法、装置及人工智能机器人
CN110867041A (zh) * 2019-10-31 2020-03-06 上海水业设计工程有限公司 基于视频分析的偷盗非机动车犯罪行为分析系统及方法
TWI687871B (zh) * 2019-03-28 2020-03-11 國立勤益科技大學 應用於安全防護之影像辨識系統
CN111259183A (zh) * 2020-02-21 2020-06-09 北京百度网讯科技有限公司 图像识图方法、装置、电子设备和介质
CN115810214A (zh) * 2023-02-06 2023-03-17 广州市森锐科技股份有限公司 基于ai人脸识别核验管理方法、系统、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101140620A (zh) * 2007-10-16 2008-03-12 上海博航信息科技有限公司 一种人脸识别系统
CN104751108A (zh) * 2013-12-31 2015-07-01 汉王科技股份有限公司 人脸图像识别装置和人脸图像识别方法
CN104994347A (zh) * 2015-07-01 2015-10-21 安徽创世科技有限公司 一种智能安防视频监控系统及其检测处理方法
CN107016370A (zh) * 2017-04-10 2017-08-04 电子科技大学 一种基于数据增强的部分遮挡人脸识别方法
US20170344808A1 (en) * 2016-05-28 2017-11-30 Samsung Electronics Co., Ltd. System and method for a unified architecture multi-task deep learning machine for object recognition
CN108710859A (zh) * 2018-05-23 2018-10-26 曜科智能科技（上海）有限公司 人脸检测方法和设备、人脸识别方法和设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101140620A (zh) * 2007-10-16 2008-03-12 上海博航信息科技有限公司 一种人脸识别系统
CN104751108A (zh) * 2013-12-31 2015-07-01 汉王科技股份有限公司 人脸图像识别装置和人脸图像识别方法
CN104994347A (zh) * 2015-07-01 2015-10-21 安徽创世科技有限公司 一种智能安防视频监控系统及其检测处理方法
US20170344808A1 (en) * 2016-05-28 2017-11-30 Samsung Electronics Co., Ltd. System and method for a unified architecture multi-task deep learning machine for object recognition
CN107016370A (zh) * 2017-04-10 2017-08-04 电子科技大学 一种基于数据增强的部分遮挡人脸识别方法
CN108710859A (zh) * 2018-05-23 2018-10-26 曜科智能科技（上海）有限公司 人脸检测方法和设备、人脸识别方法和设备及存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI687871B (zh) * 2019-03-28 2020-03-11 國立勤益科技大學 應用於安全防護之影像辨識系統
CN110059634A (zh) * 2019-04-19 2019-07-26 山东博昂信息科技有限公司 一种大场景人脸抓拍方法
CN110516768A (zh) * 2019-08-29 2019-11-29 中新智擎科技有限公司 一种垃圾分类管理的方法、装置及人工智能机器人
CN110867041A (zh) * 2019-10-31 2020-03-06 上海水业设计工程有限公司 基于视频分析的偷盗非机动车犯罪行为分析系统及方法
CN111259183A (zh) * 2020-02-21 2020-06-09 北京百度网讯科技有限公司 图像识图方法、装置、电子设备和介质
CN111259183B (zh) * 2020-02-21 2023-08-01 北京百度网讯科技有限公司 图像识图方法、装置、电子设备和介质
CN115810214A (zh) * 2023-02-06 2023-03-17 广州市森锐科技股份有限公司 基于ai人脸识别核验管理方法、系统、设备及存储介质
CN115810214B (zh) * 2023-02-06 2023-05-12 广州市森锐科技股份有限公司 基于ai人脸识别核验管理方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109492614A (zh) 一种基于安防视频识别面部特征的方法及系统
CN109271554B (zh) 一种智能视频识别系统及其应用
CN109819208B (zh) 一种基于人工智能动态监控的密集人群安防监控管理方法
CN108009482A (zh) 一种提高人脸识别效率方法
CN110087099A (zh) 一种保护隐私的监控方法和系统
CN106919921B (zh) 结合子空间学习与张量神经网络的步态识别方法及系统
CN105912908A (zh) 基于红外的真人活体身份验证方法
CN107967458A (zh) 一种人脸识别方法
CN110348348A (zh) 一种参建人员进场身份快速识别方法及预警系统
CN109657575A (zh) 室外施工人员智能视频跟踪算法
CN106951846A (zh) 一种人脸3d模型录入和识别方法和装置
CN108364374A (zh) 基于深度学习的人脸门禁控制装置及方法
CN101556717A (zh) 一种atm智能安保系统及监测方法
CN104881632A (zh) 高光谱人脸识别方法
CN111414854A (zh) 一种目标人群轨迹追踪方法及装置
CN110728166A (zh) 一种利用人脸识别确认行踪智能监控集成系统
CN109961031A (zh) 人脸融合识别认定方法、目标人员信息显示方法、预警布控方法及系统
WO2022134916A1 (zh) 身份特征生成方法、设备及存储介质
CN108764153A (zh) 人脸识别方法、装置、系统和存储介质
Naveen et al. Face recognition and authentication using LBP and BSIF mask detection and elimination
CN112257691B (zh) 基于5g边缘计算的社区安全实现方法、系统及设备
CN109272616A (zh) 一种基于人脸识别的门禁控制方法及系统
JP2012133411A (ja) 顔照合システム、顔照合装置及び顔照合方法
CN113947789A (zh) 一种赛事用场景人脸识别技术
KR101064114B1 (ko) 패턴인식을 통한 출입통제시스템

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190319