CN109993042A - 一种人脸识别方法及其装置 - Google Patents

一种人脸识别方法及其装置 Download PDF

Info

Publication number
CN109993042A
CN109993042A CN201810049980.2A CN201810049980A CN109993042A CN 109993042 A CN109993042 A CN 109993042A CN 201810049980 A CN201810049980 A CN 201810049980A CN 109993042 A CN109993042 A CN 109993042A
Authority
CN
China
Prior art keywords
face
characteristic value
face characteristic
classification
facial image
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
CN201810049980.2A
Other languages
English (en)
Inventor
刘春凯
陈少伟
梁洁
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.)
Nationz Technologies Inc
Original Assignee
Nationz Technologies Inc
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 Nationz Technologies Inc filed Critical Nationz Technologies Inc
Publication of CN109993042A publication Critical patent/CN109993042A/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
    • 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

Landscapes

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

Abstract

本发明提供了一种人脸识别方法及其装置，在该方法中，通过根据提取到的人脸特征值确定对应的类别信息，根据类别信息从预设的人脸数据库中调取对应的人脸特征值集合进行比较，从而得到人脸识别的结果，这样的识别方式，终端在获取到待识别人脸图像的人脸特征值后，只需要进行简单的类别对照，获取一个小集合中的人脸特征值进行详细的比较即可，从而大大减少了终端在识别时的特征比较数量，减少了特征值搜索的范围，与现有技术相比，从原来的与所有已知特征值一一比较到只需要与同一类中的特征值一一比较，从而大幅度增加了大规模人脸识别的速度，从而解决了终端数据量较多的问题，增强了用户的使用体验。

Description

一种人脸识别方法及其装置
技术领域
本发明涉及人脸识别技术领域，尤其涉及一种人脸识别方法及其装置。
背景技术
随着终端技术的不断发展，尤其是对于终端人脸识别领域，目前大多数所采用的方法是：使用神经网络算法从人脸中提取特征值，特征值往往是一个数组，使得相似人脸之间的特征值较为接近，而差异较大的人脸对应的特征值也离得较远。其中特征值之间的距离可以定义为余弦距离、各类范数等等。如果两个人脸对应的特征值之间的距离小于一个给定的阈值，那么就认为这两个人脸属于同一个人。
在这种方法下，一种人脸识别系统会包含一个已知人脸的数据库，数据库中储存着每个已知人脸的特征值。如要识别一个未知人脸的身份，首先使用上述算法计算出该未知人脸的特征值X，之后将X与已知人脸的特征值一一比较，找到数据库中与X距离最接近的特征值Y。如果X和Y之间距离小于一个给定阈值，则认为X和Y对应的人脸属于同一个人。也就是说该未知人脸的身份是特征值Y对应的人。如果在数据库中找不到与X足够接近的特征值，则认为该未知人脸是属于一个陌生人的。
但是，现有的识别方法会存在一些问题：就是在批量的识别人脸时就会出现识别速度明显降低的现象，因为随着识别数量的增加，终端处理的数据处理量就会增加，从而影响处理效率，从而导致用户的使用体验较差。
发明内容
本发明提供一种人脸识别方法及其装置，以解决现有的人脸识别方法，在识别数量较多时会出现识别效率明显降低，而导致用户体验不佳的问题。
为解决上述技术问题，本发明采用以下技术方案:
一种人脸识别方法，包括：
从待识别人脸图像中提取至少一个人脸特征值；
对所述至少一个人脸特征值进行类别分析，确定对应的类别信息；
根据所述类别信息从预设的人脸数据库中，确定与该类别信息相对应的人脸特征信息集合；
将所述至少一个人脸特征值与所述人脸特征值集合进行一一比较分析，并得到人脸识别结果。
进一步地，所述从待识别人脸图像中提取至少一个人脸特征值包括：
对所述待识别人脸图像进行区域划分；
从划分后的待识别人脸图像选择其中一个区域，并提取选中的区域中的至少一个人脸特征值。
进一步地，所述对所述至少一个人脸特征值进行类别分析，确定对应的类别信息包括：根据选择的区域确定所述至少一个人脸特征值所属的类别信息。
进一步地，在从待识别人脸图像中提取至少一个人脸特征值之前，还包括：
获取若干个已知人脸图像；
提取所述已知人脸图像中的人脸特征值；
将提取到的所有人脸特征值划分为多个类别组，所述类别组为包括至少两个人脸特征值的特征值集合；
对每个类别组设置有唯一对应的类别信息，将划分后的类别组分别存储至预设的人脸数据库中。
进一步地，所述将提取到的所有人脸特征值划分为多个类别组包括：
计算提取到的每个人脸特征值之间的相似度；
将所述相似度与预设的类别组的相似度阈值进行比对；
根据比较结果将所述相似度不大于所述相似度阈值的所有人脸特征值划分到同一类别组中。
进一步地，所述将所述至少一个人脸特征值与所述人脸特征值集合进行一一比较分析，并得到最总的分析结果包括：
提取所述人脸特征值集合中的所有人脸特征值；
将所述至少一个人脸特征值分别与所述所有人脸特征值进行比较，得到与所述至少一个人脸特征值最相似的人脸特征值。
为了解决上述技术问题，本发明还提供了一种人脸识别装置，包括：
提取模块，用于从待识别人脸图像中提取至少一个人脸特征值；
类别确定模块，用于对所述至少一个人脸特征值进行类别分析，确定对应的类别信息；
查询模块，用于根据所述类别信息从预设的人脸数据库中，确定与该类别信息相对应的人脸特征信息集合；
处理模块，用于将所述至少一个人脸特征值与所述人脸特征值集合进行一一比较分析，并得到人脸识别结果。
进一步地，所述人脸识别装置还包括：分类模块，用于获取若干个已知人脸图像，提取所述已知人脸图像中的人脸特征值，将提取到的所有人脸特征值划分为多个类别组，所述类别组为包括至少两个人脸特征值的特征值集合，对每个类别组设置有唯一对应的类别信息，将划分后的类别组分别存储至预设的人脸数据库中。
进一步地，所述分类模块用于计算提取到的每个人脸特征值之间的相似度，将所述相似度与预设的类别组的相似度阈值进行比对，根据比较结果将所述相似度不大于所述相似度阈值的所有人脸特征值划分到同一类别组中。
进一步地，所述处理模块用于提取所述人脸特征值集合中的所有人脸特征值，将所述至少一个人脸特征值分别与所述所有人脸特征值进行比较，得到与所述至少一个人脸特征值最相似的人脸特征值。
本发明提供了一种人脸识别方法及其装置，在该方法中，通过根据提取到的人脸特征值确定对应的类别信息，根据类别信息从预设的人脸数据库中调取对应的人脸特征值集合进行比较，从而得到人脸识别的结果，这样的识别方式，终端在获取到待识别人脸图像的人脸特征值后，只需要进行简单的类别对照，获取一个小集合中的人脸特征值进行详细的比较即可，从而大大减少了终端在识别时的特征比较数量，减少了特征值搜索的范围，与现有技术相比，从原来的与所有已知特征值一一比较到只需要与同一类中的特征值一一比较，从而大幅度增加了大规模人脸识别的速度，从而解决了终端数据量较多的问题，增强了用户的使用体验。
附图说明
图1为本发明实施例一提供的人脸识别方法的流程图；
图2为本发明实施例一提供的人脸特征值分类的流程图；
图3为本发明实施例二提供的人脸识别装置的结构示意图；
图4为本发明实施例二提供的人脸识别装置的另一种结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
实施例一：
图1为本发明实施例一提供的人脸识别方法的流程图，请参考图1，本实施例提供的人脸识别方法包括以下步骤：
S101：从待识别人脸图像中提取至少一个人脸特征值；
S102：对所述至少一个人脸特征值进行类别分析，确定对应的类别信息；
S103：根据所述类别信息从预设的人脸数据库中，确定与该类别信息相对应的人脸特征信息集合；
S104：将所述至少一个人脸特征值与所述人脸特征值集合进行一一比较分析，并得到人脸识别结果。
在一些实施例中，所述至少一个人脸特征值可以是同一类别的，也可以是不同类别的，当获取的是同一类别时，在步骤S104中比较分析时，只需要进行一个类别的人脸特征值进行比较即可获取到识别结果；当获取的是不同类别时，在步骤S104中比较分析时，需要分别与对应的类别的人脸特征值进行比较，在比较完成后，从多个类别的比较结果中选择出比较结果更加接近的一个座位该待识别人脸图像的识别结果。
在一些实施例中，步骤S101在提取人脸特征值时，具体可以通过以下方式来实现：
首先是对所述待识别人脸图像进行区域划分；
然后从划分后的待识别人脸图像选择其中一个区域，并提取选中的区域中的至少一个人脸特征值。
具体的，在对待识别人脸图像进行区域划分时，可以通过按照人脸的五官区域来划分，然后从五种类型中选择一个作为本次人脸特征值提取的样本，并提取出一个或者多个特征值。
进一步的，所述对所述至少一个人脸特征值进行类别分析，确定对应的类别信息时，具体是根据选择的区域确定所述至少一个人脸特征值所属的类别信息，也即是将选择的该区域对应的类型作为类别信息，比如，选择的是眼睛部分进行特征值的获取时，那么对应的类别信息就是眼睛类别组。
进一步的，根据该眼睛类别组的信息从预设的人脸数据库中，查询出眼睛对应的特征值，最后一一比较即可，优选的，在从人脸数据库中查询特征值时，可以是由选择部分特征值组成的集合进行比较，也可以是将人脸数据库中的所有的眼睛的特征值进行比较，当然了对于选择哪种情况提取，具体根据实际情况进行匹配。
在一些实施例中，在步骤S101之前，还包括：设置预设的人脸数据库，而该人脸数据库指的是以类别进行划分人脸特征值的特征值组合，具体的处理过程如图2所示：
S101a，获取若干个已知人脸图像；
S101b，提取所述已知人脸图像中的人脸特征值；
S101c，将提取到的所有人脸特征值划分为多个类别组，所述类别组为包括至少两个人脸特征值的特征值集合；
S101d，对每个类别组设置有唯一对应的类别信息，将划分后的类别组分别存储至预设的人脸数据库中。
在一些实施例中，所述步骤S101c具体可以通过相似度来实现，具体过程包括：
计算提取到的每个人脸特征值之间的相似度；
将所述相似度与预设的类别组的相似度阈值进行比对；
根据比较结果将所述相似度不大于所述相似度阈值的所有人脸特征值划分到同一类别组中。
在实际应用中，还可以根据五官类型进行划分，由于目前的人脸识别技术中，是基于多点识别匹配的方式来实现的，而该多点识别主要是集中于五官上的识别，五官的轮廓是最能体现人脸特征的位置，因此在建立匹配的人脸数据时，可直接根据五官进行分类即可。
进一步的，还可以在每个类别组中再进行分组，这样可以进一步的减低比对的特征值数量，从而进一步提高匹配识别的速度。
在一些实施例中，所述将所述至少一个人脸特征值与所述人脸特征值集合进行一一比较分析，并得到最总的分析结果包括：
提取所述人脸特征值集合中的所有人脸特征值；
将所述至少一个人脸特征值分别与所述所有人脸特征值进行比较，得到与所述至少一个人脸特征值最相似的人脸特征值。
基于上述的方法，下面结合具体的应用场景对上述人脸识别方法进行详细的说明，本实施例提供的人脸识别方法具体通过以下步骤实现：
首先，先采集一些已知图像的人脸特征值，然后对这些已知的人脸特征值进行分组，具体通过特征值分组算法来实现，最后在匹配时采用分组后的特征值进行匹配即可，从而实现加速最似特征值的搜索过程：
首先是通过该特征值分组算法将获取到的所有人脸特征值分为个类别，类别的标签为：(j1,j2,j3,…,jm)形式，其中ji∈(1,2…,n)每一个人脸特征值都同时属于个类别。
设一个人脸特征值库为：X＝(x1,x2,x3,…,xn)中最大的k个元素为：xi1,xi2,xi3,…,xik从i1,i2,…,ik中任意选取m个数，设
为:j1,j2,j3,…,jm，则将该特征值组分入标签为(j1,j2,j3,…,jm)的类中。注意到从i1,i2,…,ik中任意选取m个数总共有种不同的方法，所以一组特征值组可以同时属于个类。
在根据上述的特征值分组算法将已知人脸特征值分类完成后，获取待识别人脸图像中的人脸特征值，在获取完成后立即根据类别信息进行查询可得出该人脸特征值所属的个类别，之后只需要将待识别的人脸特征值与这些类别中的已知人脸特征值一一比较，既可得到最相似的人脸特征值。
本实施例提供了一种人脸识别方法，通过人脸特征值分组的方式来进行识别匹配，可以有效的减低了特征值之间的误差影响，从而提高了匹配识别的效率，这样的识别方式，使得终端在获取到待识别人脸图像的人脸特征值后，只需要进行简单的类别对照，获取一个小集合中的人脸特征值进行详细的比较即可，与现有技术相比，从原来的与所有已知特征值一一比较到只需要与同一类中的特征值一一比较，大大减少了特征值搜索的范围，大幅度增加了大规模人脸识别的速度，增强了用户的使用体验。
实施例二：
图3为本发明实施例二提供的人脸识别装置的结构示意图，请参考图3，本实施例提供的人脸识别装置10具体包括：提取模块11、类别确定模块12、查询模块13和处理模块14，其中
提取模块11用于从待识别人脸图像中提取至少一个人脸特征值；
类别确定模块12用于对所述至少一个人脸特征值进行类别分析，确定对应的类别信息；
查询模块13用于根据所述类别信息从预设的人脸数据库中，确定与该类别信息相对应的人脸特征信息集合；
处理模块14用于将所述至少一个人脸特征值与所述人脸特征值集合进行一一比较分析，并得到人脸识别结果。
在实际应用中，所述至少一个人脸特征值可以是同一类别的，也可以是不同类别的，当获取的是同一类别时，所述处理模块14在对人脸特征值进行比较分析时，只需要进行一个类别的人脸特征值进行比较即可获取到识别结果；当获取的是不同类别时，在步骤S104中比较分析时，需要分别与对应的类别的人脸特征值进行比较，在比较完成后，从多个类别的比较结果中选择出比较结果更加接近的一个座位该待识别人脸图像的识别结果。
在实际应用中，所述提取模块11在提取人脸特征值时，还可以通过分区的方式来提取，具体为首先是对所述待识别人脸图像进行区域划分；
然后从划分后的待识别人脸图像选择其中一个区域，并提取选中的区域中的至少一个人脸特征值。，
在对待识别人脸图像进行区域划分时，可以通过按照人脸的五官区域来划分，然后从五种类型中选择一个作为本次人脸特征值提取的样本，并提取出一个或者多个特征值。
所述类别确定模块12根据选择的区域确定所述至少一个人脸特征值所属的类别信息，也即是将选择的该区域对应的类型作为类别信息。
在一些实施例中，如图4所示，本实施例提供的人脸识别装置10还包括分类模块15，用于获取若干个已知人脸图像，提取所述已知人脸图像中的人脸特征值，将提取到的所有人脸特征值划分为多个类别组，所述类别组为包括至少两个人脸特征值的特征值集合，对每个类别组设置有唯一对应的类别信息，将划分后的类别组分别存储至预设的人脸数据库中。
在实际应用中，还可以根据五官类型进行划分，由于目前的人脸识别技术中，是基于多点识别匹配的方式来实现的，而该多点识别主要是集中于五官上的识别，五官的轮廓是最能体现人脸特征的位置，因此在建立匹配的人脸数据时，可直接根据五官进行分类即可。
进一步的，还可以在每个类别组中再进行分组，这样可以进一步的减低比对的特征值数量，从而进一步提高匹配识别的速度。
在本实施例中，所述分类模块15具体还可以用于计算提取到的每个人脸特征值之间的相似度，将所述相似度与预设的类别组的相似度阈值进行比对，根据比较结果将所述相似度不大于所述相似度阈值的所有人脸特征值划分到同一类别组中。
所述处理模块14用于提取所述人脸特征值集合中的所有人脸特征值，将所述至少一个人脸特征值分别与所述所有人脸特征值进行比较，得到与所述至少一个人脸特征值最相似的人脸特征值。
在实际应用中，对于上述提供的人脸识别装置10中的所有模块还可以通过终端自身的处理器和程序代码来实现，首先写入具有上述步骤S101至S104的方法对应的功能的程序代码至存储器中，当需要进行人脸识别时，终端的处理器读取存储器中的程序代码，通过程序代码控制摄像头采集待识别人脸图像中的人脸特征值，处理器根据采集到的人脸特征值确定对应的类别信息，并从数据库中查询到与该类别信息对应的组别，提取组别中的人脸特征值，最后将两者进行比较，得到人脸识别的结果。
通过以上实施例的实施可知，本发明具备以下有益效果：
本发明提供了一种人脸识别方法及其装置，在该方法中，通过根据提取到的人脸特征值确定对应的类别信息，根据类别信息从预设的人脸数据库中调取对应的人脸特征值集合进行比较，从而得到人脸识别的结果，这样的识别方式，终端在获取到待识别人脸图像的人脸特征值后，只需要进行简单的类别对照，获取一个小集合中的人脸特征值进行详细的比较即可，从而大大减少了终端在识别时的特征比较数量，减少了特征值搜索的范围，与现有技术相比，从原来的与所有已知特征值一一比较到只需要与同一类中的特征值一一比较，从而大幅度增加了大规模人脸识别的速度，从而解决了终端数据量较多的问题，增强了用户的使用体验。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种人脸识别方法，其特征在于，包括：
从待识别人脸图像中提取至少一个人脸特征值；
对所述至少一个人脸特征值进行类别分析，确定对应的类别信息；
根据所述类别信息从预设的人脸数据库中，确定与该类别信息相对应的人脸特征信息集合；
将所述至少一个人脸特征值与所述人脸特征值集合进行一一比较分析，并得到人脸识别结果。
2.如权利要求1所述的人脸识别方法，其特征在于，所述从待识别人脸图像中提取至少一个人脸特征值包括：
对所述待识别人脸图像进行区域划分；
从划分后的待识别人脸图像选择其中一个区域，并提取选中的区域中的至少一个人脸特征值。
3.如权利要求2所述的人脸识别方法，其特征在于，所述对所述至少一个人脸特征值进行类别分析，确定对应的类别信息包括：根据选择的区域确定所述至少一个人脸特征值所属的类别信息。
4.如权利要求1至3任一项所述的人脸识别方法，其特征在于，在从待识别人脸图像中提取至少一个人脸特征值之前，还包括：
获取若干个已知人脸图像；
提取所述已知人脸图像中的人脸特征值；
将提取到的所有人脸特征值划分为多个类别组，所述类别组为包括至少两个人脸特征值的特征值集合；
对每个类别组设置有唯一对应的类别信息，将划分后的类别组分别存储至预设的人脸数据库中。
5.如权利要求4所述的人脸识别方法，其特征在于，所述将提取到的所有人脸特征值划分为多个类别组包括：
计算提取到的每个人脸特征值之间的相似度；
将所述相似度与预设的类别组的相似度阈值进行比对；
根据比较结果将所述相似度不大于所述相似度阈值的所有人脸特征值划分到同一类别组中。
6.根据权利要求5所述的人脸识别方法，其特征在于，所述将所述至少一个人脸特征值与所述人脸特征值集合进行一一比较分析，并得到最总的分析结果包括：
提取所述人脸特征值集合中的所有人脸特征值；
将所述至少一个人脸特征值分别与所述所有人脸特征值进行比较，得到与所述至少一个人脸特征值最相似的人脸特征值。
7.一种人脸识别装置，其特征在于，包括：
提取模块，用于从待识别人脸图像中提取至少一个人脸特征值；
类别确定模块，用于对所述至少一个人脸特征值进行类别分析，确定对应的类别信息；
查询模块，用于根据所述类别信息从预设的人脸数据库中，确定与该类别信息相对应的人脸特征信息集合；
处理模块，用于将所述至少一个人脸特征值与所述人脸特征值集合进行一一比较分析，并得到人脸识别结果。
8.根据权利要求7所述的人脸识别装置，其特征在于，还包括：分类模块，用于获取若干个已知人脸图像，提取所述已知人脸图像中的人脸特征值，将提取到的所有人脸特征值划分为多个类别组，所述类别组为包括至少两个人脸特征值的特征值集合，对每个类别组设置有唯一对应的类别信息，将划分后的类别组分别存储至预设的人脸数据库中。
9.如权利要求8所述的人脸识别装置，其特征在于，所述分类模块用于计算提取到的每个人脸特征值之间的相似度，将所述相似度与预设的类别组的相似度阈值进行比对，根据比较结果将所述相似度不大于所述相似度阈值的所有人脸特征值划分到同一类别组中。
10.根据权利要求9所述的人脸识别装置，其特征在于，所述处理模块用于提取所述人脸特征值集合中的所有人脸特征值，将所述至少一个人脸特征值分别与所述所有人脸特征值进行比较，得到与所述至少一个人脸特征值最相似的人脸特征值。
CN201810049980.2A 2017-12-29 2018-01-18 一种人脸识别方法及其装置 Pending CN109993042A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201711481110 2017-12-29
CN2017114811104 2017-12-29

Publications (1)

Publication Number Publication Date
CN109993042A true CN109993042A (zh) 2019-07-09

Family

ID=67128652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810049980.2A Pending CN109993042A (zh) 2017-12-29 2018-01-18 一种人脸识别方法及其装置

Country Status (1)

Country Link
CN (1) CN109993042A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110516562A (zh) * 2019-08-06 2019-11-29 合肥智圣新创信息技术有限公司 一种基于人脸识别的高校人员定位方法及装置
CN110705354A (zh) * 2019-08-29 2020-01-17 万翼科技有限公司 一种预警方法和相关装置
CN111028390A (zh) * 2019-11-29 2020-04-17 浙江威欧希科技股份有限公司 一种智能锁及应用于该智能锁的人脸识别优化方法
CN111137296A (zh) * 2019-12-24 2020-05-12 吉利汽车研究院（宁波）有限公司 一种基于车辆人脸识别调整车辆设备参数的方法及装置
CN111368674A (zh) * 2020-02-26 2020-07-03 中国工商银行股份有限公司 图像识别方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1341401A (zh) * 2001-10-19 2002-03-27 清华大学 基于部件主分量分析的多模式人脸识别方法
CN1529278A (zh) * 2003-10-09 2004-09-15 重庆大学 基于多类别的人脸分类识别方法
US20070071288A1 (en) * 2005-09-29 2007-03-29 Quen-Zong Wu Facial features based human face recognition method
CN103207986A (zh) * 2013-02-06 2013-07-17 江苏清大维森科技有限责任公司 一种基于lbp-hf的人脸识别方法
CN103235825A (zh) * 2013-05-08 2013-08-07 重庆大学 一种基于Hadoop云计算框架的海量人脸识别搜索引擎设计方法
CN105868716A (zh) * 2016-03-29 2016-08-17 中国科学院上海高等研究院 一种基于面部几何特征的人脸识别方法
CN106980819A (zh) * 2017-03-03 2017-07-25 竹间智能科技（上海）有限公司 基于人脸五官的相似度判别系统
CN107273796A (zh) * 2017-05-05 2017-10-20 珠海数字动力科技股份有限公司 一种基于人脸特征的快速人脸识别搜索方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1341401A (zh) * 2001-10-19 2002-03-27 清华大学 基于部件主分量分析的多模式人脸识别方法
CN1529278A (zh) * 2003-10-09 2004-09-15 重庆大学 基于多类别的人脸分类识别方法
US20070071288A1 (en) * 2005-09-29 2007-03-29 Quen-Zong Wu Facial features based human face recognition method
CN103207986A (zh) * 2013-02-06 2013-07-17 江苏清大维森科技有限责任公司 一种基于lbp-hf的人脸识别方法
CN103235825A (zh) * 2013-05-08 2013-08-07 重庆大学 一种基于Hadoop云计算框架的海量人脸识别搜索引擎设计方法
CN105868716A (zh) * 2016-03-29 2016-08-17 中国科学院上海高等研究院 一种基于面部几何特征的人脸识别方法
CN106980819A (zh) * 2017-03-03 2017-07-25 竹间智能科技（上海）有限公司 基于人脸五官的相似度判别系统
CN107273796A (zh) * 2017-05-05 2017-10-20 珠海数字动力科技股份有限公司 一种基于人脸特征的快速人脸识别搜索方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110516562A (zh) * 2019-08-06 2019-11-29 合肥智圣新创信息技术有限公司 一种基于人脸识别的高校人员定位方法及装置
CN110705354A (zh) * 2019-08-29 2020-01-17 万翼科技有限公司 一种预警方法和相关装置
CN111028390A (zh) * 2019-11-29 2020-04-17 浙江威欧希科技股份有限公司 一种智能锁及应用于该智能锁的人脸识别优化方法
CN111028390B (zh) * 2019-11-29 2021-10-22 浙江威欧希科技股份有限公司 一种智能锁及应用于该智能锁的人脸识别优化方法
CN111137296A (zh) * 2019-12-24 2020-05-12 吉利汽车研究院（宁波）有限公司 一种基于车辆人脸识别调整车辆设备参数的方法及装置
CN111368674A (zh) * 2020-02-26 2020-07-03 中国工商银行股份有限公司 图像识别方法及装置
CN111368674B (zh) * 2020-02-26 2023-09-26 中国工商银行股份有限公司 图像识别方法及装置

Similar Documents

Publication Publication Date Title
CN109993042A (zh) 一种人脸识别方法及其装置
CN108108657B (zh) 基于多任务深度学习的修正局部敏感哈希车辆检索方法
CN108520226B (zh) 一种基于躯体分解和显著性检测的行人重识别方法
WO2021212659A1 (zh) 视频数据处理方法、装置、计算机设备及存储介质
CN103207898B (zh) 一种基于局部敏感哈希的相似人脸快速检索方法
Varish et al. Image retrieval scheme using quantized bins of color image components and adaptive tetrolet transform
CN106022317A (zh) 人脸识别方法及装置
CN104200228B (zh) 一种安全带识别方法与系统
CN109376796A (zh) 基于主动半监督学习的图像分类方法
CN108520215B (zh) 基于多尺度联合特征编码器的单样本人脸识别方法
CN105095884A (zh) 一种基于随机森林支持向量机的行人识别系统及处理方法
CN110533116A (zh) 基于欧式距离的自适应集成的不平衡数据分类方法
TWI525574B (zh) 協作性人臉標註方法以及協作性人臉標註系統
CN113761259A (zh) 一种图像处理方法、装置以及计算机设备
CN107067022B (zh) 图像分类模型的建立方法、建立装置和设备
CN109344871A (zh) 一种基于多源领域融合迁移学习的目标分类识别方法
CN102163285A (zh) 一种基于主动学习的跨域视频语义概念检测方法
CN105069403B (zh) 一种基于分块统计特征与字典学习稀疏表示分类的三维人耳识别
CN110580507B (zh) 一种城市肌理分类识别方法
CN109670423A (zh) 一种基于深度学习的图像识别系统、方法及介质
CN109359689B (zh) 一种数据识别方法及装置
CN104598898A (zh) 一种基于多任务拓扑学习的航拍图像快速识别系统及其快速识别方法
CN111428064B (zh) 小面积指纹图像快速索引方法、装置、设备及存储介质
CN110532867B (zh) 一种基于黄金分割法的人脸图像聚类方法
CN111931757A (zh) 基于mdlbp分块直方图和pca降维的指静脉快速排序方法及装置

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