CN109684963A - 基于人脸识别的实时在线综合判断方法和系统 - Google Patents
基于人脸识别的实时在线综合判断方法和系统 Download PDFInfo
- Publication number
- CN109684963A CN109684963A CN201811538754.7A CN201811538754A CN109684963A CN 109684963 A CN109684963 A CN 109684963A CN 201811538754 A CN201811538754 A CN 201811538754A CN 109684963 A CN109684963 A CN 109684963A
- Authority
- CN
- China
- Prior art keywords
- facial image
- target
- acquisition
- module
- face
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种基于人脸识别的实时在线综合判断方法和系统,包括:S1:创建一随机采集模块和定期采集模块;S2:当接收到监控指令时,调取定期采集模块,按照一设定的周期T1采集目标人脸图像并进行身份识别:响应于采集目标人脸图像失败和/或身份识别失败,调取随机采集模块,以定期采集为基础,引入随机采集变量,以加大对目标人脸图像的采集频次;S3:根据采集结果判断目标是否合格。本发明能够在采集失败时,加大对目标人脸图像的采集频次,对监控所需功耗进行实时管控,尽量减少系统功耗;对采集图像做进一步的动作识别,设置占比阈值,以确保判断的合理性。
Description
技术领域
本发明涉及人脸识别领域,具体而言涉及一种基于人脸识别的实时在线综合判断方法和系统。
背景技术
目前存在很多需要本人通过客户端(例如PC端、手机端的APP等)进行视频学习或者视频工作的场合,例如企业在线发布企业文化等视频课件,通常员工在客户端上学习,再例如驾考培训,或者其他类型的培训等等。
现有的监控手段为采用客户端一直监视学习人员的人脸或者指纹打卡,存在两个方面的问题:
第一,浪费电源(尤其是在移动端上,需要一直保持软件和硬件的持续工作状态)。
第二,仅仅依靠人脸的持续监控,也难以确保现场的实时效果,例如中午暂停,或者接听电话,或者去卫生间等短时间的离开被判定为不合格,是不合理的。或者,2人以及2人以上的短时间小范围讨论的情况下,识别不明确,也会被判读为不合格,结果不合理。
发明内容
本发明目的在于提供一种基于人脸识别的实时在线综合判断方法和系统,以定期采集为主,随机采集为辅,在采集失败时,加大对目标人脸图像的采集频次,同时设置有功耗阈值和次数阈值,对监控所需功耗进行实时管控,能够在确保监控效果的前提下,尽量减少系统功耗;另外,对采集图像做进一步的动作识别,设置占比阈值,以确保判断的合理性。
为达成上述目的,结合图1,本发明提出一种基于人脸识别的实时在线综合判断方法,所述方法包括以下步骤:
S1:创建一随机采集模块和定期采集模块;
S2:当接收到监控指令时,调取定期采集模块,按照一设定的周期T1采集目标人脸图像并进行身份识别:
响应于采集目标人脸图像失败和/或身份识别失败,调取随机采集模块,以定期采集为基础,引入随机采集变量,以加大对目标人脸图像的采集频次,以及
如果采集目标人脸图像失败和/或身份识别连续失败的次数大于一预设的次数阈值M,则判断目标丢失,否则,停止随机采集模块,恢复为定期采集;
S3:根据采集结果判断目标是否合格。
进一步的实施例中,步骤S3中,所述根据采集结果判断目标是否合格的方法包括:
判断目标丢失的对象为不合格,否则,对采集到的任意一个对象的所有人脸图像做动作识别,如果该对象动作识别不满足要求的人脸图像占比超过一设定占比阈值,则判断该对象为不合格。
进一步的实施例中,所述设定占比阈值为20%。
进一步的实施例中,所述方法还包括:
将整个在线监测时间划分N个连续的时间间隔,每个时间间隔设置有对应的权重因子ωi,i=1,2,…,N,
统计每个时间间隔内不满足动作识别要求的人脸图像数Li,将满足下述公式的对象判断为不合格:
其中,F是采集到的所述对象的所有人脸图像总数,γ是设定占比阈值。
进一步的实施例中,所述权重因子满足下述条件:ωi+1<ωi。
进一步的实施例中,步骤S2中,所述响应于采集目标人脸图像失败和/或身份识别失败,调取随机采集模块,以定期采集为基础,引入随机采集变量,以加大对目标人脸图像的采集频次的方法包括:
按照一设定的周期T1采集目标人脸图像的同时,按照变量周期Tx采集目标人脸图像,变量周期Tx满足下述条件:
其中,x是采集目标人脸图像失败和/或身份识别失败的连续次数,k和a是变量周期Tx的影响参数,P0是单次采集目标人脸图像的功耗,P是预设的功耗阈值。
当P0×(x+1)≥P时,停止随机监控,同时将该目标对象判断为不合格。
进一步的实施例中,所述k和a可调整。
进一步的实施例中,所述采集目标人脸图像失败包括无识别目标、目标识别不明确。
进一步的实施例中,所述身份识别的方法包括:
将采集到的目标人脸图像和与该目标登录ID对应的人脸图像比对,以对其身份进行识别。
基于前述基于人脸识别的实时在线综合判断方法,本发明还提及一种基于人脸识别的实时在线综合判断系统,其特征在于,所述系统包括:
随机采集模块和定期采集模块;
用于接收到监控指令的模块;
用于调取定期采集模块,按照一设定的周期T1采集目标人脸图像并进行身份识别的模块;
用于响应于采集目标人脸图像失败和/或身份识别失败,调取随机采集模块,以定期采集为基础,引入随机采集变量,以加大对目标人脸图像的采集频次的模块;
用于判断目标丢失的模块;
用于停止随机采集模块,恢复为定期采集的模块;
用于根据采集结果判断目标是否合格的模块。
以上本发明的技术方案,与现有相比,其显著的有益效果在于:
1)以定期采集为主,随机采集为辅,在采集失败时,加大对目标人脸图像的采集频次;
2)同时设置有功耗阈值和次数阈值,对监控所需功耗进行实时管控,能够在确保监控效果的前提下,尽量减少系统功耗;
3)另外,对采集图像做进一步的动作识别,设置占比阈值,以确保判断的合理性。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是本发明的基于人脸识别的实时在线综合判断方法的流程图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
结合图1,本发明提及一种基于人脸识别的实时在线综合判断方法,所述方法包括以下步骤:
S1:创建一随机采集模块和定期采集模块。
S2:当接收到监控指令时,调取定期采集模块,按照一设定的周期T1采集目标人脸图像并进行身份识别。
响应于采集目标人脸图像失败和/或身份识别失败,调取随机采集模块,以定期采集为基础,引入随机采集变量,以加大对目标人脸图像的采集频次,以及
如果采集目标人脸图像失败和/或身份识别连续失败的次数大于一预设的次数阈值M,则判断目标丢失,否则,停止随机采集模块,恢复为定期采集。
在本实施例中,所述采集目标人脸图像失败包括无识别目标、目标识别不明确,例如采集的图像质量清晰度不足或者人脸朝向不满足要求,导致无法提取到足够的人脸特征值等等。
所述身份识别的方法包括:
将采集到的目标人脸图像和与该目标登录ID对应的人脸图像比对,以对其身份进行识别。具体的,目标注册时提供本人的脸部图像,作为与该注册Id对应的标准脸部图像,当需要进行身份识别时,将采集到的目标人脸图像与该目标使用的登录Id对应的标准脸部图像进行比对,比对成功则身份验证通过,否则身份验证不通过。
进一步的实施例中,步骤S2中,所述响应于采集目标人脸图像失败和/或身份识别失败,调取随机采集模块,以定期采集为基础,引入随机采集变量,以加大对目标人脸图像的采集频次的方法包括:
按照一设定的周期T1采集目标人脸图像的同时,按照变量周期Tx采集目标人脸图像,变量周期Tx满足下述条件:
其中,x是采集目标人脸图像失败和/或身份识别失败的连续次数,k和a是变量周期Tx的影响参数,P0是单次采集目标人脸图像的功耗,P是预设的功耗阈值。
当采集过程中出现采集失败这一异常情况时,引入随机采集以增大采集频次,综合考虑随机采集辅助定期采集这一特性、以及对异常情况的监控力度,例如,当采集失败的连续次数越多,需要监控的力度也越高,为此,我们可以设定Tx小于T1,即,在两次定期采集之间,至少会出现一次随机采集,而出现随机采集的频次则由参数k和a决定。
优选的,所述k和a可在后台做调整,以更改变量周期Tx的时长。
具体的,设定功耗阈值则能够确保监控消耗的功率符合低功耗要求,当P0×(x+1)≥P时,停止随机监控,同时将该目标对象判断为不合格。
S3:根据采集结果判断目标是否合格。
进一步的实施例中,步骤S3中,所述根据采集结果判断目标是否合格的方法包括:
判断目标丢失的对象为不合格,否则,对采集到的任意一个对象的所有人脸图像做动作识别,如果该对象动作识别不满足要求的人脸图像占比超过一设定占比阈值,则判断该对象为不合格。
进一步的实施例中,所述设定占比阈值为20%。
例如,动作识别的目的为人员是否在认真学习,采用前述方法做判断的过程为:
采集设备前采集区域内的人脸图象,进行现场人脸识别(与登陆的ID对应的人脸进行比对识别),统计采集次数和识别比对成功的次数,综合判断结果,目的是确认是否有80%以上的时间都在认真学习。
在另一些例子中,考虑到视频播放时长对人员精力及注意力的影响,我们设置方法如下:
将整个在线监测时间划分N个连续的时间间隔,每个时间间隔设置有对应的权重因子ωi,i=1,2,…,N,
统计每个时间间隔内不满足动作识别要求的人脸图像数Li,将满足下述公式的对象判断为不合格:
其中,F是采集到的所述对象的所有人脸图像总数,γ是设定占比阈值。
比如在培训学习过程中,随着培训时长的增加,抓取到的学员认真学习图像比例会下降,考虑到这一点,我们将所述权重因子设置为满足下述条件:ωi+1<ωi。
基于前述基于人脸识别的实时在线综合判断方法,本发明还提及一种基于人脸识别的实时在线综合判断系统,所述系统包括以下几个模块:
1)随机采集模块和定期采集模块。
2)用于接收到监控指令的模块。
3)用于调取定期采集模块,按照一设定的周期T1采集目标人脸图像并进行身份识别的模块。
4)用于响应于采集目标人脸图像失败和/或身份识别失败,调取随机采集模块,以定期采集为基础,引入随机采集变量,以加大对目标人脸图像的采集频次的模块。
5)用于判断目标丢失的模块。
6)用于停止随机采集模块,恢复为定期采集的模块。
7)用于根据采集结果判断目标是否合格的模块。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (10)
1.一种基于人脸识别的实时在线综合判断方法,其特征在于,所述方法包括以下步骤:
S1:创建一随机采集模块和定期采集模块;
S2:当接收到监控指令时,调取定期采集模块,按照一设定的周期T1采集目标人脸图像并进行身份识别:
响应于采集目标人脸图像失败和/或身份识别失败,调取随机采集模块,以定期采集为基础,引入随机采集变量,以加大对目标人脸图像的采集频次,以及
如果采集目标人脸图像失败和/或身份识别连续失败的次数大于一预设的次数阈值M,则判断目标丢失,否则,停止随机采集模块,恢复为定期采集;
S3:根据采集结果判断目标是否合格。
2.根据权利要求1所述的基于人脸识别的实时在线综合判断方法,其特征在于,步骤S3中,所述根据采集结果判断目标是否合格的方法包括:
判断目标丢失的对象为不合格,否则,对采集到的任意一个对象的所有人脸图像做动作识别,如果该对象动作识别不满足要求的人脸图像占比超过一设定占比阈值,则判断该对象为不合格。
3.根据权利要求2所述的基于人脸识别的实时在线综合判断方法,其特征在于,所述设定占比阈值为20%。
4.根据权利要求2所述的基于人脸识别的实时在线综合判断方法,其特征在于,所述方法还包括:
将整个在线监测时间划分N个连续的时间间隔,每个时间间隔设置有对应的权重因子ωi,i=1,2,…,N,
统计每个时间间隔内不满足动作识别要求的人脸图像数Li,将满足下述公式的对象判断为不合格:
其中,F是采集到的所述对象的所有人脸图像总数,γ是设定占比阈值。
5.根据权利要求4所述的基于人脸识别的实时在线综合判断方法,其特征在于,所述权重因子满足下述条件:ωi+1<ωi。
6.根据权利要求1-5任意一项中所述的基于人脸识别的实时在线综合判断方法,其特征在于,步骤S2中,所述响应于采集目标人脸图像失败和/或身份识别失败,调取随机采集模块,以定期采集为基础,引入随机采集变量,以加大对目标人脸图像的采集频次的方法包括:
按照一设定的周期T1采集目标人脸图像的同时,按照变量周期Tx采集目标人脸图像,变量周期Tx满足下述条件:
其中,x是采集目标人脸图像失败和/或身份识别失败的连续次数,k和a是变量周期Tx的影响参数,P0是单次采集目标人脸图像的功耗,P是预设的功耗阈值;
当P0×(x+1)≥P时,停止随机监控,同时将该目标对象判断为不合格。
7.根据权利要求6所述的基于人脸识别的实时在线综合判断方法,其特征在于,所述k和a可调整。
8.根据权利要求1所述的基于人脸识别的实时在线综合判断方法,其特征在于,所述采集目标人脸图像失败包括无识别目标、目标识别不明确。
9.根据权利要求1所述的基于人脸识别的实时在线综合判断方法,其特征在于,所述身份识别的方法包括:
将采集到的目标人脸图像和与该目标登录ID对应的人脸图像比对,以对其身份进行识别。
10.一种用于实现权利要求1所述的基于人脸识别的实时在线综合判断方法的基于人脸识别的实时在线综合判断系统,其特征在于,所述系统包括:
随机采集模块和定期采集模块;
用于接收到监控指令的模块;
用于调取定期采集模块,按照一设定的周期T1采集目标人脸图像并进行身份识别的模块;
用于响应于采集目标人脸图像失败和/或身份识别失败,调取随机采集模块,以定期采集为基础,引入随机采集变量,以加大对目标人脸图像的采集频次的模块;
用于判断目标丢失的模块;
用于停止随机采集模块,恢复为定期采集的模块;
用于根据采集结果判断目标是否合格的模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811538754.7A CN109684963A (zh) | 2018-12-14 | 2018-12-14 | 基于人脸识别的实时在线综合判断方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811538754.7A CN109684963A (zh) | 2018-12-14 | 2018-12-14 | 基于人脸识别的实时在线综合判断方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109684963A true CN109684963A (zh) | 2019-04-26 |
Family
ID=66187838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811538754.7A Pending CN109684963A (zh) | 2018-12-14 | 2018-12-14 | 基于人脸识别的实时在线综合判断方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109684963A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160263A (zh) * | 2019-12-30 | 2020-05-15 | 中国电子科技集团公司信息科学研究院 | 一种获取人脸识别阈值的方法及系统 |
CN111324879A (zh) * | 2020-02-18 | 2020-06-23 | 支付宝(杭州)信息技术有限公司 | 一种登录状态控制方法、装置和设备 |
TWI739203B (zh) * | 2019-11-08 | 2021-09-11 | 大猩猩科技股份有限公司 | 一種評估影像有效分析區域之方法與系統 |
CN114357411A (zh) * | 2022-01-19 | 2022-04-15 | 英才(广州)在线教育科技有限公司 | 一种基于区块链的在线教育系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299178A (zh) * | 2014-07-11 | 2015-01-21 | 北京神州智联科技有限公司 | 一种基于面部识别的网络教学方法及系统 |
CN107194315A (zh) * | 2017-04-20 | 2017-09-22 | 华南理工大学 | 一种基于人脸识别的智能实践教学过程监控方法及系统 |
CN107292783A (zh) * | 2017-06-26 | 2017-10-24 | 深圳市斯维尔科技股份有限公司 | 在线考试监考方法、装置、终端及计算机可读存储介质 |
CN107918755A (zh) * | 2017-03-29 | 2018-04-17 | 广州思涵信息科技有限公司 | 一种基于人脸识别技术的实时专注度分析方法及系统 |
CN108597278A (zh) * | 2018-05-03 | 2018-09-28 | 湖南第师范学院 | 一种中小学生数字化课堂智能交互教学系统 |
CN207965910U (zh) * | 2018-01-25 | 2018-10-12 | 西安科技大学 | 基于人脸识别的教学管理系统 |
-
2018
- 2018-12-14 CN CN201811538754.7A patent/CN109684963A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299178A (zh) * | 2014-07-11 | 2015-01-21 | 北京神州智联科技有限公司 | 一种基于面部识别的网络教学方法及系统 |
CN107918755A (zh) * | 2017-03-29 | 2018-04-17 | 广州思涵信息科技有限公司 | 一种基于人脸识别技术的实时专注度分析方法及系统 |
CN107194315A (zh) * | 2017-04-20 | 2017-09-22 | 华南理工大学 | 一种基于人脸识别的智能实践教学过程监控方法及系统 |
CN107292783A (zh) * | 2017-06-26 | 2017-10-24 | 深圳市斯维尔科技股份有限公司 | 在线考试监考方法、装置、终端及计算机可读存储介质 |
CN207965910U (zh) * | 2018-01-25 | 2018-10-12 | 西安科技大学 | 基于人脸识别的教学管理系统 |
CN108597278A (zh) * | 2018-05-03 | 2018-09-28 | 湖南第师范学院 | 一种中小学生数字化课堂智能交互教学系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI739203B (zh) * | 2019-11-08 | 2021-09-11 | 大猩猩科技股份有限公司 | 一種評估影像有效分析區域之方法與系統 |
CN111160263A (zh) * | 2019-12-30 | 2020-05-15 | 中国电子科技集团公司信息科学研究院 | 一种获取人脸识别阈值的方法及系统 |
CN111160263B (zh) * | 2019-12-30 | 2023-09-05 | 中国电子科技集团公司信息科学研究院 | 一种获取人脸识别阈值的方法及系统 |
CN111324879A (zh) * | 2020-02-18 | 2020-06-23 | 支付宝(杭州)信息技术有限公司 | 一种登录状态控制方法、装置和设备 |
CN114357411A (zh) * | 2022-01-19 | 2022-04-15 | 英才(广州)在线教育科技有限公司 | 一种基于区块链的在线教育系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684963A (zh) | 基于人脸识别的实时在线综合判断方法和系统 | |
CN105791299B (zh) | 一种无人监考的智能化上机考试系统 | |
CN108596041B (zh) | 一种基于视频的人脸活体检测方法 | |
WO2021036636A1 (zh) | 升降设备的振动检测方法、装置、服务器及存储介质 | |
CN105959624B (zh) | 考场监控数据处理方法及其实现的自动监考系统 | |
CN109911732B (zh) | 电梯维保的监测方法和系统 | |
CN109685043A (zh) | 基于教室多媒体设备的大学生课堂状态实时监测系统 | |
CN102142240B (zh) | 实现亮度调节的数据处理设备及方法 | |
CN107392179A (zh) | 一种基于人脸识别的教学考勤方法 | |
CN106791633A (zh) | 智能监考系统及方法 | |
CN109858514A (zh) | 一种基于神经网络的视频行为分类方法 | |
EP3707895B1 (en) | Static video recognition | |
CN106897695A (zh) | 一种图像识别处理装置、系统及方法 | |
CN115065798B (zh) | 一种基于大数据的视频分析监控系统 | |
CN104282049A (zh) | 面部识别考勤终端与考勤过程认证系统及认证方法 | |
CN104581140A (zh) | 一种会议电视的视频质量评估方法 | |
CN111382672A (zh) | 在线考试的作弊监测方法和装置 | |
CN109242412A (zh) | 考务管理系统 | |
CN107742265A (zh) | 一种基于大数据分析在线考试监考系统 | |
CN101316170A (zh) | 一种即时通讯软件的用户状态控制方法及系统 | |
CN107967743A (zh) | 一种应用于电子招投标中的身份识别方法和系统 | |
CN108960169A (zh) | 基于计算机视觉的仪器设备状态在线监测方法及系统 | |
CN209690915U (zh) | 一种机动车驾驶人科目一考试智能监考系统 | |
CN110633012A (zh) | 一种防沉迷电脑 | |
CN106920194A (zh) | 一种防作弊远程考试方法 |
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 |
Effective date of registration: 20230906 Address after: Room 111-4, Unit 1, Building 1, Xinghai Haoting, No. 666 Xinghai Hubei Road, Xinqi Zhou, Ganjiang New Area, Nanchang City, Jiangxi Province, 330100 Applicant after: Jiangxi Xiaoshi Technology Co.,Ltd. Address before: 210000 No. 1009 Tianyuan East Road, Jiangning District, Nanjing City, Jiangsu Province (Jiangning High tech Park) Applicant before: NANJING QIOUCHUANGXIANG ARTIFICIAL INTELLIGENCE RESEARCH INSTITUTE Co.,Ltd. |
|
TA01 | Transfer of patent application right |