CN110188639A - 人脸图像处理方法及其系统、计算机设备、可读存储介质 - Google Patents

人脸图像处理方法及其系统、计算机设备、可读存储介质 Download PDF

Info

Publication number
CN110188639A
CN110188639A CN201910418107.0A CN201910418107A CN110188639A CN 110188639 A CN110188639 A CN 110188639A CN 201910418107 A CN201910418107 A CN 201910418107A CN 110188639 A CN110188639 A CN 110188639A
Authority
CN
China
Prior art keywords
image
processing
pixel
convolution
feature
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
CN201910418107.0A
Other languages
English (en)
Inventor
李厚恩
张云翔
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.)
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply 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 Shenzhen Power Supply Co ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN201910418107.0A priority Critical patent/CN110188639A/zh
Publication of CN110188639A publication Critical patent/CN110188639A/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
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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

Landscapes

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

Abstract

本发明提供人脸图像处理方法及其系统、计算机设备、可读存储介质，所述方法包括：获取人脸图像；采用改进后的单尺度Retinex算法对所述人脸图像进行图像增强处理；其中，所述改进后的单尺度Retinex算法包括采用双边滤波器对图像进行滤波处理；使用高斯‑拉普拉斯(LoG)及归一化处理方式对进行图像增强处理后的图像进行边缘细节特征的提取。实施本发明，能够提高复杂光照条件下人脸识别准确率。

Description

人脸图像处理方法及其系统、计算机设备、可读存储介质
技术领域
本发明涉及人脸识别技术领域，特别涉及人脸图像处理方法及其系统、计算机设备、可读存储介质。
背景技术
人脸识别是通过提取人脸图像的特征信息从而进行分类识别的一种生物识别技术。因其具有方便性和友好性以及随着信息技术的发展，在安检、航天、医疗等领域有着广泛的应用。在理想环境下，人脸识别技术取得了很大的进步和应用，但在多变的光照环境下人脸识别技术的性能会受到严重影响。
其中，传统的人脸识别技术采用Retinex算法进行处理光线，该理论指出图像可以看成照射图像分量和反射图像分量的乘积。Retinex算法使用高斯函数对输入图像进行光照估计，并且假设图像在空间上的光照变化是平滑的，而实际受光照影响较大的图像在使用该算法时会产生“光晕”现象。
发明内容
本发明目的在于提供人脸图像处理方法及其系统、计算机设备、可读存储介质，以提高复杂光照条件下人脸识别准确率。
为了实现本发明目的，根据第一方面，本发明实施例提供一种提取人脸图像特征的方法，包括如下步骤：
获取人脸图像；
采用改进后的单尺度Retinex算法对所述人脸图像进行图像增强处理；其中，所述改进后的单尺度Retinex算法包括采用双边滤波器对图像进行滤波处理；
使用高斯-拉普拉斯(LoG)及归一化处理方式对进行图像增强处理后的图像进行边缘细节特征的提取。
优选地，所述采用双边滤波器对图像进行滤波处理如以下公式所示：
其中，f(x)为输入图像在像素点x处的亮度值，h(x)为输出图像在像素点x处的亮度值，c(ξ,x)为像素点ξ和像素点x之间的距离，s(f(ξ),f(x))为像素点ξ和像素点x之间的亮度相似度；
设c(ξ,x)和s(f(ξ),f(x))为高斯函数，即：
其中，d(ξ,x)表示像素点ξ和像素点x之间的欧式距离。
优选地，所述使用高斯-拉普拉斯(LoG)及归一化处理方式对进行图像增强处理后的图像进行边缘细节特征的提取包括：
使用高斯滤波器对进行图像增强处理后的图像作平滑处理；
使用Laplacian算子作对平滑处理后的图像进行卷积处理；
对卷积处理得到的图像矩阵进行归一化处理。
优选地，所述使用Laplacian算子作对平滑处理后的图像进行卷积处理如以下公式所示：
其中，hl(x,y)为输出，g(x,y)为进行图像增强处理后的图像，*为卷积运算符，G(x,y)为高斯滤波器的滤波函数，为拉普拉斯算子；
则LoG算子为：
其中，σ为高斯函数的空间分布系数。
根据第二方面，本发明实施例提供一种提取人脸图像特征的系统，包括：
图像获取单元，用于获取人脸图像；
图像增强单元，用于采用改进后的单尺度Retinex算法对所述人脸图像进行图像增强处理；其中，所述改进后的单尺度Retinex算法包括采用双边滤波器对图像进行滤波处理；
特征提取单元，用于使用高斯-拉普拉斯(LoG)及归一化处理方式对进行图像增强处理后的图像进行边缘细节特征的提取。
优选地，所述特征提取单元包括：
第一子模块，用于使用高斯滤波器对进行图像增强处理后的图像作平滑处理；
第二子模块，用于使用Laplacian算子作对平滑处理后的图像进行卷积处理；
第三子模块，用于对卷积处理得到的图像矩阵进行归一化处理。
根据第三方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述人脸图像处理方法的步骤。
根据第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，以实现所述人脸图像处理方法的步骤。
实施本发明实施例，至少具有如下有益效果：
本发明实施例提供提取人脸图像特征的方法及其系统、可读存储介质，使用双边滤波替换单尺度Retinex算法中的高斯滤波减轻了Retinex算法处理带来的“光晕”现象，但由于Retinex本身特性使处理后的图像像素值偏高减弱了部分细节特征。LoG算法该算法能很好地提取图像的边缘信息和细节特征。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它的附图。
图1为本发明实施例一所述一种提取人脸图像特征的方法流程图。
图2为本发明实施例一中图像增强处理效果图。
图3为本发明实施例一中LoG算法对比图。
图4为本发明实施例二所述一种提取人脸图像特征的系统示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。
在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
如图1所示，本发明实施例提供一种提取人脸图像特征的方法，包括如下步骤：
步骤S1、获取人脸图像；
步骤S2、采用改进后的单尺度Retinex算法对所述人脸图像进行图像增强处理；其中，所述改进后的单尺度Retinex算法包括采用双边滤波器对图像进行滤波处理；
步骤S3、使用高斯-拉普拉斯(LoG)及归一化处理方式对进行图像增强处理后的图像进行边缘细节特征的提取。
具体而言，传统的人脸识别技术采用Retinex算法进行处理光线，该理论指出图像可以看成照射图像分量和反射图像分量的乘积。Retinex算法使用高斯函数对输入图像进行光照估计，并且假设图像在空间上的光照变化是平滑的，而实际受光照影响较大的图像在使用该算法时会产生“光晕”现象。据此，本实施例采用双边滤波代替单尺度Retinex算法中的高斯滤波来进行光照估计，其中双边滤波是一种非线性滤波器，同时考虑像素点的空域信息和值域信息，能较好处理光照突变的图像。
在本实施例中，所述采用双边滤波器对图像进行滤波处理具体如以下公式所示：
其中，f(x)为输入图像在像素点x处的亮度值，h(x)为输出图像在像素点x处的亮度值，c(ξ,x)为像素点ξ和像素点x之间的距离，s(f(ξ),f(x))为像素点ξ和像素点x之间的亮度相似度；
设c(ξ,x)和s(f(ξ),f(x))为高斯函数，即：
其中，d(ξ,x)表示像素点ξ和像素点x之间的欧式距离。
图2为SSR与双边滤波结合的对比图，其中图2(a)表示原始图像及其直方图、图2(b)表示SSR处理后的图像及其直方图、图2(c)表示SSR结合双边滤波处理后的图像及其直方图。
在本实施例中，所述使用高斯-拉普拉斯(LoG)及归一化处理方式对进行图像增强处理后的图像进行边缘细节特征的提取具体包括：
S31、使用高斯滤波器对进行图像增强处理后的图像作平滑处理；
S32、使用Laplacian算子作对平滑处理后的图像进行卷积处理；
S33、对卷积处理得到的图像矩阵进行归一化处理。
在本实施例中，所述使用Laplacian算子作对平滑处理后的图像进行卷积处理如以下公式所示：
根据卷积是可变换、可结合的定理，先作高斯卷积，即：
其中，hl(x,y)为输出，g(x,y)为进行图像增强处理后的图像，*为卷积运算符，G(x,y)为高斯滤波器的滤波函数，为拉普拉斯算子；
则LoG算子为：
其中，σ为高斯函数的空间分布系数，同时，得到输出hl(x,y)后对图像矩阵进行归一化操作，以便保留更多图像的细节信息。图3为LoG算法对比图，其中图3(a)表示原始图像、图3(b)表示Matlab图像处理工具箱中LoG算法(自动选择阈值)处理的图像、图3(c)表示LoG算法处理后再进行归一化处理的图像。
具体而言，拉普拉斯高斯是基于二阶导数的边缘检测算子，它融合了高斯滤波和拉普拉斯算子的优点。由于一阶导数对噪声敏感，该算法中使用到的二阶导数会导致结果更不稳定。因此，本实施例中在进行Laplacian变换前先使用高斯滤波器对原始图像作平滑处理，再使用Laplacian算子作卷积。
如图4所示，本发明实施例二提供一种提取人脸图像特征的系统，包括：
图像获取单元1，用于获取人脸图像；
图像增强单元2，用于采用改进后的单尺度Retinex算法对所述人脸图像进行图像增强处理；其中，所述改进后的单尺度Retinex算法包括采用双边滤波器对图像进行滤波处理；
特征提取单元3，用于使用高斯-拉普拉斯(LoG)及归一化处理方式对进行图像增强处理后的图像进行边缘细节特征的提取。
优选地，所述特征提取单元3包括：
第一子模块31，用于使用高斯滤波器对进行图像增强处理后的图像作平滑处理；
第二子模块32，用于使用Laplacian算子作对平滑处理后的图像进行卷积处理；
第三子模块33，用于对卷积处理得到的图像矩阵进行归一化处理。
需说明的是，本实施例二所述系统用于实现实施例一所述方法，因此，关于本实施例二所述系统的相关部分可以参阅实施例一所述方法的内容得到，此处不再赘述。
本发明实施例三提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述人脸图像处理方法的步骤。
本发明实施例四提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，以实现所述人脸图像处理方法的步骤。
通过以上实施例的描述可知，本发明实施例提供提取人脸图像特征的方法及其系统、可读存储介质，使用双边滤波替换单尺度Retinex算法中的高斯滤波减轻了Retinex算法处理带来的“光晕”现象，但由于Retinex本身特性使处理后的图像像素值偏高减弱了部分细节特征。LoG算法该算法能很好地提取图像的边缘信息和细节特征。
以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (8)

1.一种提取人脸图像特征的方法，其特征在于，包括如下步骤：
获取人脸图像；
采用改进后的单尺度Retinex算法对所述人脸图像进行图像增强处理；其中，所述改进后的单尺度Retinex算法包括采用双边滤波器对图像进行滤波处理；
使用高斯-拉普拉斯(LoG)及归一化处理方式对进行图像增强处理后的图像进行边缘细节特征的提取。
2.根据权利要求1所述的人脸图像处理方法，其特征在于，所述采用双边滤波器对图像进行滤波处理如以下公式所示：
其中，f(x)为输入图像在像素点x处的亮度值，h(x)为输出图像在像素点x处的亮度值，c(ξ,x)为像素点ξ和像素点x之间的距离，s(f(ξ),f(x))为像素点ξ和像素点x之间的亮度相似度；
设c(ξ,x)和s(f(ξ),f(x))为高斯函数，即：
其中，d(ξ,x)表示像素点ξ和像素点x之间的欧式距离。
3.根据权利要求2所述的人脸图像处理方法，其特征在于，所述使用高斯-拉普拉斯(LoG)及归一化处理方式对进行图像增强处理后的图像进行边缘细节特征的提取包括：
使用高斯滤波器对进行图像增强处理后的图像作平滑处理；
使用Laplacian算子作对平滑处理后的图像进行卷积处理；
对卷积处理得到的图像矩阵进行归一化处理。
4.根据权利要求3所述的人脸图像处理方法，其特征在于，所述使用Laplacian算子作对平滑处理后的图像进行卷积处理如以下公式所示：
其中，hl(x,y)为输出，g(x,y)为进行图像增强处理后的图像，*为卷积运算符，G(x,y)为高斯滤波器的滤波函数，为拉普拉斯算子；
则LoG算子为：
其中，σ为高斯函数的空间分布系数。
5.一种提取人脸图像特征的系统，其特征在于，包括：
图像获取单元，用于获取人脸图像；
图像增强单元，用于采用改进后的单尺度Retinex算法对所述人脸图像进行图像增强处理；其中，所述改进后的单尺度Retinex算法包括采用双边滤波器对图像进行滤波处理；
特征提取单元，用于使用高斯-拉普拉斯(LoG)及归一化处理方式对进行图像增强处理后的图像进行边缘细节特征的提取。
6.根据权利要求5所述的提取人脸图像特征的系统，其特征在于，所述特征提取单元包括：
第一子模块，用于使用高斯滤波器对进行图像增强处理后的图像作平滑处理；
第二子模块，用于使用Laplacian算子作对平滑处理后的图像进行卷积处理；
第三子模块，用于对卷积处理得到的图像矩阵进行归一化处理。
7.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至4中任一项所述人脸图像处理方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，以实现如权利要求1至4中任一项所述人脸图像处理方法的步骤。
CN201910418107.0A 2019-05-20 2019-05-20 人脸图像处理方法及其系统、计算机设备、可读存储介质 Pending CN110188639A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910418107.0A CN110188639A (zh) 2019-05-20 2019-05-20 人脸图像处理方法及其系统、计算机设备、可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910418107.0A CN110188639A (zh) 2019-05-20 2019-05-20 人脸图像处理方法及其系统、计算机设备、可读存储介质

Publications (1)

Publication Number Publication Date
CN110188639A true CN110188639A (zh) 2019-08-30

Family

ID=67716861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910418107.0A Pending CN110188639A (zh) 2019-05-20 2019-05-20 人脸图像处理方法及其系统、计算机设备、可读存储介质

Country Status (1)

Country Link
CN (1) CN110188639A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111223064A (zh) * 2020-01-13 2020-06-02 广东医科大学 图像成批自动化增强与存档方法、装置、设备和存储介质
CN111709344A (zh) * 2020-06-09 2020-09-25 上海海事大学 一种基于高斯混合模型的epll图像去光照识别处理方法
CN113139925A (zh) * 2021-04-25 2021-07-20 西安石油大学 一种肺炎图像处理方法、系统及存储介质
CN115586485A (zh) * 2022-09-30 2023-01-10 北京市腾河科技有限公司 信号阶跃值的提取方法及系统、电子设备、存储介质
CN117765656A (zh) * 2024-02-21 2024-03-26 四川省肿瘤医院 住院部各病区闸机的控制方法和控制系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184532A (zh) * 2011-05-27 2011-09-14 北方工业大学 基于单一尺度的医学图像边缘检测
CN103729625A (zh) * 2013-12-31 2014-04-16 青岛高校信息产业有限公司 一种人脸识别的方法
CN103745237A (zh) * 2013-12-26 2014-04-23 暨南大学 光照变化条件下的人脸识别算法
CN108596928A (zh) * 2018-04-08 2018-09-28 黄河科技学院 基于改进高斯-拉普拉斯算子的噪声图像边缘检测方法
CN108830832A (zh) * 2018-05-15 2018-11-16 佛山市南海区广工大数控装备协同创新研究院 一种基于机器视觉的塑料筒表面缺陷检测算法
CN109584182A (zh) * 2018-12-03 2019-04-05 董育理 一种图像处理方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184532A (zh) * 2011-05-27 2011-09-14 北方工业大学 基于单一尺度的医学图像边缘检测
CN103745237A (zh) * 2013-12-26 2014-04-23 暨南大学 光照变化条件下的人脸识别算法
CN103729625A (zh) * 2013-12-31 2014-04-16 青岛高校信息产业有限公司 一种人脸识别的方法
CN108596928A (zh) * 2018-04-08 2018-09-28 黄河科技学院 基于改进高斯-拉普拉斯算子的噪声图像边缘检测方法
CN108830832A (zh) * 2018-05-15 2018-11-16 佛山市南海区广工大数控装备协同创新研究院 一种基于机器视觉的塑料筒表面缺陷检测算法
CN109584182A (zh) * 2018-12-03 2019-04-05 董育理 一种图像处理方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
纪则轩等: "基于双边滤波的单尺度Retinex图像增强算法", 《微电子学与计算机》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111223064A (zh) * 2020-01-13 2020-06-02 广东医科大学 图像成批自动化增强与存档方法、装置、设备和存储介质
CN111223064B (zh) * 2020-01-13 2023-05-23 广东医科大学 图像成批自动化增强与存档方法、装置、设备和存储介质
CN111709344A (zh) * 2020-06-09 2020-09-25 上海海事大学 一种基于高斯混合模型的epll图像去光照识别处理方法
CN111709344B (zh) * 2020-06-09 2023-10-17 上海海事大学 一种基于高斯混合模型的epll图像去光照识别处理方法
CN113139925A (zh) * 2021-04-25 2021-07-20 西安石油大学 一种肺炎图像处理方法、系统及存储介质
CN113139925B (zh) * 2021-04-25 2024-04-12 西安石油大学 一种肺炎图像处理方法、系统及存储介质
CN115586485A (zh) * 2022-09-30 2023-01-10 北京市腾河科技有限公司 信号阶跃值的提取方法及系统、电子设备、存储介质
CN115586485B (zh) * 2022-09-30 2024-04-09 北京市腾河科技有限公司 信号阶跃值的提取方法及系统、电子设备、存储介质
CN117765656A (zh) * 2024-02-21 2024-03-26 四川省肿瘤医院 住院部各病区闸机的控制方法和控制系统

Similar Documents

Publication Publication Date Title
CN110188639A (zh) 人脸图像处理方法及其系统、计算机设备、可读存储介质
Zhou et al. Semantic-supervised infrared and visible image fusion via a dual-discriminator generative adversarial network
Chen et al. Total variation models for variable lighting face recognition
Nam et al. Local decorrelation for improved detection
CN108345818B (zh) 一种人脸活体检测方法及装置
Chen et al. Robust local features for remote face recognition
Yu et al. Vision-based hand gesture recognition using combinational features
Hu Variable lighting face recognition using discrete wavelet transform
Yu et al. Discriminative multi-layer illumination-robust feature extraction for face recognition
CN106548176B (zh) 基于自适应引导滤波的指静脉图像增强方法
CN105184744A (zh) 基于标准化稀疏度量图像块先验的模糊核估计方法
Han et al. Separability oriented preprocessing for illumination-insensitive face recognition
Arandjelović Making the most of the self-quotient image in face recognition
CN111814682A (zh) 人脸活体检测方法及装置
Goh et al. Wavelet based illumination invariant preprocessing in face recognition
CN108932492A (zh) 一种基于非采样剪切波变换的图像指纹提取方法
Patil et al. Expression invariant face recognition using semidecimated DWT, Patch-LDSMT, feature and score level fusion
Kaur et al. Illumination invariant face recognition
Shankar et al. Object oriented fuzzy filter for noise reduction of Pgm images
Kakkar et al. Fingerprint image enhancement using wavelet transform and gabor filtering
Kim et al. Retinex-based illumination normalization using class-based illumination subspace for robust face recognition
Xie et al. Restoration of a frontal illuminated face image based on KPCA
Karande Localized spatiotemporal modular ICA for face recognition
Abbad et al. Post-processing of dimensionality reduction methods for face recognition
Kim et al. Adaptive feature extraction for blurred face images in facial expression recognition

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

Application publication date: 20190830