CN110414454A - 一种基于机器视觉的人证合一识别系统 - Google Patents

一种基于机器视觉的人证合一识别系统 Download PDF

Info

Publication number
CN110414454A
CN110414454A CN201910704454.XA CN201910704454A CN110414454A CN 110414454 A CN110414454 A CN 110414454A CN 201910704454 A CN201910704454 A CN 201910704454A CN 110414454 A CN110414454 A CN 110414454A
Authority
CN
China
Prior art keywords
face
image
card
character
identity card
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
CN201910704454.XA
Other languages
English (en)
Inventor
刘银辉
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.)
Nanchong Folding Intelligent Photoelectric Technology Co Ltd
Original Assignee
Nanchong Folding Intelligent Photoelectric 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 Nanchong Folding Intelligent Photoelectric Technology Co Ltd filed Critical Nanchong Folding Intelligent Photoelectric Technology Co Ltd
Priority to CN201910704454.XA priority Critical patent/CN110414454A/zh
Publication of CN110414454A publication Critical patent/CN110414454A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Abstract

本发明公开了一种基于机器视觉的人证合一识别系统，本系统包括如下步骤：步骤1、采用单摄像头或双摄像头拍摄身份证图像和持证人真实人脸图像；步骤2、对所得原始图像进行预处理，获取人脸图像区域和身份证图像区域；步骤3、通过粗分割确定身份证图像的字符区域和人像区域，再通过精细分割提取字符和人脸；步骤4、采用人脸检测算法分割身份证人脸和真实人脸图像；步骤5、采用局部二值模式提取身份证人脸和真实人脸特征，计算其相似度，判定是否为同一人；步骤6、若判定为同一人，采用卷积神经网络识别字符，输出证件中的文字信息。本系统可实现非IC接触式识别身份证，精度高且速度快。

Description

一种基于机器视觉的人证合一识别系统
技术领域
本发明涉及图像处理领域，具体涉及一种基于机器视觉的人证合一识别系统。
背景技术
随着社会进步以及科技的发展，身份信息核验在人们生活中应用的越来越多，身份信息核验的方式通常采用各种证件信息作为合法性校验基准，如身份证、驾驶证等。其中，身份证为内置IC卡证件，可以通过身份证阅读器获取证件文本信息。目前，人证合一校验方式主要为通过身份证读卡器结合人工，或身份证读卡器结合机器视觉技术。身份证读卡器结合人工的不足之处在于：(1)人工检查，检查周期长，识别成本高；(2)人会在识别过程中出现偏差，导致误判；(3)只能用于单机版本，不能在线识别；(4)身份证必须接触识别机器，导致识别流程复杂。身份证读卡器结合机器视觉技术的不足之处在于：(1)需要将身份证放置在读卡器上，识别周期长；(2)不能远程在线识别；(3)身份证读卡器价格昂贵，识别成本高；(4)不能应用于强磁场环境。
发明内容
为解决以上问题，本发明公开了一种基于机器视觉的人证合一识别系统，该系统通过拍摄持证人身份证图像，或者通过两个摄像头分别拍摄持证人真实人脸和身份证图像，来实现人证的人脸统一验证和身份信息的识别。本系统可实现非IC接触式识别身份证，精度高且速度快。
本发明的技术解决方案包括如下步骤：
步骤1、采用单摄像头或双摄像头拍摄身份证图像和持证人真实人脸图像；
步骤2、对所得原始图像进行预处理，获取人脸图像区域和身份证图像区域；
步骤3、通过粗分割确定身份证图像的字符区域和人像区域，再通过精细分割提取字符和人脸；
步骤4、采用人脸检测算法分割身份证人脸和真实人脸图像；
步骤5、采用局部二值模式提取身份证人脸和真实人脸特征，计算其相似度，判定是否为同一人；
步骤6、若判定为同一人，采用卷积神经网络识别字符，输出证件中的文字信息。
步骤1为输入端口，包含身份证和持证人人脸两项，采用一个或两个摄像头获取身份证和持证人人脸图像，对环境适应性强，实用性强。
步骤2根据图像采集方式，对单摄像头或双摄像头拍摄所得图像分别进行预处理。
步骤3根据身份证标记模版中的文字信息(姓名，年龄，地址等)和人像信息进行区域标记，实现身份证图像的字符区域和人像区域的粗分割，再结合水平和垂直投影方法进行字符和人像区域的精细分割。
步骤4采用肤色模型设计人脸检测算法，根据人脸位置比例规划人脸检测区域，快速分割身份证人脸区域和持证人真实图像人脸区域。
步骤5基于LBP设计身份证和真实图像中人脸识别算法，判断人脸是否为同一人，完成人证识别。
步骤6若判断持卡人与身份证中的人为同一人，视为人脸验证通过，采用字符识别模型识别证件中的文字信息并输出。
本发明与现有技术相比，其显著优点是：(1)实现非IC接触式识别身份证，脱离了IC接触式人证识别的局限；(2)能够减少人证识别时间，提高工作效率；(3)非接触式人证识别，可实现远程人证识别和手持身份证身份识别，应用广泛，实用性强。
附图说明
图1为本发明的系统设计方案图。
图2为本发明的单一摄像头拍摄图像效果图。
图3为本发明的双摄像头拍摄图像效果图。
图4为本发明的改进LeNet汉字识别模型图。
具体实施方式
下面结合附图及具体实施例对本发明方案作进一步说明。
如图1所示，本发明提出的一种基于机器视觉的人证合一识别系统，其包括图像获取模块、特征提取模块和人证对比模块三个模块。
具体步骤如下：
步骤1采用单摄像机或双摄像机拍摄持证人人脸和身份证图像，单摄像机拍摄时，需持证人手持身份证正面于胸前，要求背景为纯色。拍摄效果图如图2所示；双摄像头拍摄时分别拍摄持证人人脸和身份证正面图像，要求背景为纯色，拍摄效果图如图3所示。
步骤2对单摄像机图像和双摄像机图像分别进行预处理。单摄像机拍摄图像包含人脸和身份证，预处理的难度在于快速准确分割身份证区域，难度高但成本低，其预处理具体方法如下：
(1)单摄像机拍摄图像转换到YCbCr颜色空间，根据肤色模型得到肤色二值化图像；
(2)图像进行灰度化，提取图像的Haar-like特征，通过AdaBoost级联分类器检测出可能的人脸框；
(3)计算人脸检测框中的肤色面积与人脸框尺寸的面积比，获取真实人脸框，设阈值为0.7，若比值大于0.7，则视为真实人脸框，若小于0.7，则作为误检框丢弃；
(4)根据检测到的人脸位置，结合肤色二值图像的高亮区域确定人的双手位置，从而确定身份证的大致区域，然后采用区域生长法获取身份证的精确区域，进行裁剪；
(5)对裁剪后身份证图像进行几何变换和倾斜矫正得到身份证的矩形图像；
(6)采用高斯滤波器消除噪音，便于后续字符的识别。
双摄像机拍摄图像为单一人脸图像和单一身份证图像，背景简单，相较单摄像机拍摄图像预处理难度较低，难度低但成本高，其预处理具体方法如下：
(1)通过概率霍夫变换法检测出证件边缘的四条直线，确定身份证区域并裁剪；
(2)对裁剪后身份证图像进行几何变换和倾斜矫正得到身份证的矩形图像；
(3)采用高斯滤波器消除噪音，便于后续字符的识别。
步骤3对于身份证图像，结合身份证模板分布结构分割字符区域和人像区域，具体方法如下：
(1)将彩色图片转换为灰度图片，并根据身份证标记模版中的文字信息(姓名，年龄，地址等)和人像信息进行区域标记；
(2)采用水平和垂直投影方法进行字符和照片的精细分割，针对字符分割中的粘连和汉字偏旁部首分离问题，加入字符和照片尺寸长宽比的先验信息进行优化。
步骤4根据身份证人脸和真实人脸的特殊性分别设计快速精确分割方法。由于身份证中人像的人脸和背景位置和比例是基本固定的，可在分割过程中加入此先验信息，具体方法为：
(1)照片图像转换到YCbCr颜色空间，根据肤色模型得到肤色二值化图像；
(2)根据寸照中人脸位置比例以及肤色二值图像的高亮区域确定人脸精确分割区域。
真实人脸图像受光照、背景等因素影响，分割难度较大，因此结合肤色模型和AdaBoost分类器实现人脸快速精确分割，具体方法为步骤3的(1)、(2)、(3)步骤。
步骤5提取身份证人脸和真实人脸的LBP特征，并计算相似性，判断两人脸是否为同一人，具体方法如下：
(1)输入图像灰度化，并归一化到64*64的大小；
(2)设定滑动窗口尺寸为3*3，计算每个像素点的十进制数LBP值；
(3)将图像划分为16*16的块，统计块内256个LBP值出现的次数，构建LBP直方图，块内进行归一化处理；
(4)最后将每个块的LBP直方图数值串联起来，作为该人脸图像的LBP特征向量；
(5)计算余弦相似度，两个向量越相似夹角越小，余弦值越接近1，若余弦值都大于0.9，则认为两人脸图像为同一人的脸，否则，判定人证人脸不一致，验证不通过。
步骤6若判断持卡人与身份证中的人为同一人，视为人脸验证通过，采用字符识别模型识别证件中的文字信息并输出。字符种类包括数字、英文以及汉字，由于数字和英文种类少，用简单的LeNet模型就可以达到很高的精度，而汉字种类很多，LeNet模型无法满足精度的要求，因此汉字识别模型在LeNet网络基础上进行了优化改进，加入了BN(BatchNormalization)块，并加深了层数，损失函数为交叉熵。网络设计如图4所示，包括三个卷积池化组合，卷积核尺寸分别为3*3、5*5和3*3，卷积核个数为32。字符识别的具体方法为：根据位置和长宽比信息，确定字符是汉字、数字还是英文字母，若是数字或英文字母，字符图像输入到LeNet模型进行识别，若是汉字，则输入到改进后的LeNet网络进行识别，输出结果保存为文本信息。整个系统平均识别时间为0.1秒左右，速度快，精度高。

Claims (3)

1.一种基于机器视觉的人证合一识别系统，其特征在于，包括如下步骤：
步骤1、采用单摄像头或双摄像头拍摄身份证图像和持证人真实人脸图像；
步骤2、对所得原始图像进行预处理，获取人脸图像区域和身份证图像区域；
步骤3、通过粗分割确定身份证图像的字符区域和人像区域，再通过精细分割提取字符和人脸；
步骤4、采用人脸检测算法分割身份证人脸和真实人脸图像；
步骤5、采用局部二值模式提取身份证人脸和真实人脸特征，计算其相似度，判定是否为同一人；
步骤6、若判定为同一人，采用卷积神经网络识别字符，输出证件中的文字信息。
2.根据权利要求1所述的基于机器视觉的人证合一识别系统，其特征在于，在所述步骤4中，身份证人脸和真实人脸的人脸检测任务并行执行，根据人脸位置比例和肤色模型快速准确检测身份证人脸，结合肤色模型和AdaBoost分类器快速准确检测真实拍摄图像中的人脸。
3.根据权利要求1所述的基于机器视觉的人证合一识别系统，其特征在于，在所述步骤6中，所述中文、英文和数字字符并行识别，采用改进后的LeNet网络识别汉字字符。
CN201910704454.XA 2019-07-31 2019-07-31 一种基于机器视觉的人证合一识别系统 Pending CN110414454A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910704454.XA CN110414454A (zh) 2019-07-31 2019-07-31 一种基于机器视觉的人证合一识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910704454.XA CN110414454A (zh) 2019-07-31 2019-07-31 一种基于机器视觉的人证合一识别系统

Publications (1)

Publication Number Publication Date
CN110414454A true CN110414454A (zh) 2019-11-05

Family

ID=68365005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910704454.XA Pending CN110414454A (zh) 2019-07-31 2019-07-31 一种基于机器视觉的人证合一识别系统

Country Status (1)

Country Link
CN (1) CN110414454A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476210A (zh) * 2020-05-11 2020-07-31 上海西井信息科技有限公司 基于图像的文本识别方法、系统、设备及存储介质
CN111553208A (zh) * 2020-04-15 2020-08-18 上海携程国际旅行社有限公司 基于人证合一的图像的身份识别方法、系统、设备和介质
CN112001318A (zh) * 2020-08-25 2020-11-27 广东光速智能设备有限公司 一种身份证件信息采集方法及其系统
CN113420666A (zh) * 2021-06-23 2021-09-21 上海应用技术大学 一种基于人脸识别技术的记忆辅助方法及装置
CN113705376A (zh) * 2021-08-11 2021-11-26 中国科学院信息工程研究所 一种基于rfid和摄像机的人员定位方法及系统

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10193846A (ja) * 1997-01-17 1998-07-28 Konica Corp 申請書の印刷装置、ｉｄカードのイメージ検査装置及びｉｄカードの分類整理装置
CN101669824A (zh) * 2009-09-22 2010-03-17 浙江工业大学 基于生物特征识别的人与身份证同一性检验装置
CN102034099A (zh) * 2010-12-09 2011-04-27 山东神思电子技术有限公司 客户证件和现场信息鉴别比对留存系统及其工作方法
CN103425972A (zh) * 2013-09-02 2013-12-04 北方工业大学 身份证件持有人真伪自动识别方法和系统
CN103927521A (zh) * 2014-04-17 2014-07-16 国通道路交通管理工程技术研究中心有限公司 一种基于人脸识别的驾驶员资格确认系统及方法
CN105243357A (zh) * 2015-09-15 2016-01-13 深圳市环阳通信息技术有限公司 一种基于身份证件的人脸识别方法及人脸识别装置
CN105474230A (zh) * 2013-03-28 2016-04-06 派加索验证有限公司 用于比较图像的方法、系统以及计算机程序
CN105844206A (zh) * 2015-01-15 2016-08-10 北京市商汤科技开发有限公司 身份认证方法及设备
CN105956578A (zh) * 2016-05-23 2016-09-21 深圳华中科技大学研究院 一种基于身份证件信息的人脸验证方法
CN106203367A (zh) * 2016-07-18 2016-12-07 北京红马传媒文化发展有限公司 一种身份识别的方法、系统及终端
CN106203294A (zh) * 2016-06-30 2016-12-07 广东微模式软件股份有限公司 基于人脸属性分析的人证合一身份验证方法
CN106778748A (zh) * 2016-12-30 2017-05-31 江西憶源多媒体科技有限公司 基于人工神经网络的身份证快速识别方法及其装置
CN107358174A (zh) * 2017-06-23 2017-11-17 浙江大学 一种基于图像处理的手持身份证认证系统
CN107633558A (zh) * 2017-09-12 2018-01-26 浙江网新电气技术有限公司 一种基于人像与身份证比对识别的自助检票方法和设备
CN107844748A (zh) * 2017-10-17 2018-03-27 平安科技（深圳）有限公司 身份验证方法、装置、存储介质和计算机设备
CN108229427A (zh) * 2018-01-29 2018-06-29 南京华科和鼎信息科技有限公司 一种基于身份证件和人脸识别的身份安全验证方法及系统
CN109255299A (zh) * 2018-08-13 2019-01-22 北京市商汤科技开发有限公司 身份认证方法和装置、电子设备和存储介质
WO2019024636A1 (zh) * 2017-08-01 2019-02-07 广州广电运通金融电子股份有限公司 身份认证的方法、系统和装置
CN109359502A (zh) * 2018-08-13 2019-02-19 北京市商汤科技开发有限公司 防伪检测方法和装置、电子设备、存储介质
CN109543507A (zh) * 2018-09-29 2019-03-29 深圳壹账通智能科技有限公司 身份认证方法、装置、终端设备及存储介质
CN109902611A (zh) * 2019-02-22 2019-06-18 矩阵元技术（深圳）有限公司 目标证件的检测方法、装置和终端设备
CN109902780A (zh) * 2019-02-14 2019-06-18 广州番禺职业技术学院 基于多模态人脸识别的人证合一核验终端和系统及方法

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10193846A (ja) * 1997-01-17 1998-07-28 Konica Corp 申請書の印刷装置、ｉｄカードのイメージ検査装置及びｉｄカードの分類整理装置
CN101669824A (zh) * 2009-09-22 2010-03-17 浙江工业大学 基于生物特征识别的人与身份证同一性检验装置
CN102034099A (zh) * 2010-12-09 2011-04-27 山东神思电子技术有限公司 客户证件和现场信息鉴别比对留存系统及其工作方法
CN105474230A (zh) * 2013-03-28 2016-04-06 派加索验证有限公司 用于比较图像的方法、系统以及计算机程序
CN103425972A (zh) * 2013-09-02 2013-12-04 北方工业大学 身份证件持有人真伪自动识别方法和系统
CN103927521A (zh) * 2014-04-17 2014-07-16 国通道路交通管理工程技术研究中心有限公司 一种基于人脸识别的驾驶员资格确认系统及方法
CN105844206A (zh) * 2015-01-15 2016-08-10 北京市商汤科技开发有限公司 身份认证方法及设备
CN105243357A (zh) * 2015-09-15 2016-01-13 深圳市环阳通信息技术有限公司 一种基于身份证件的人脸识别方法及人脸识别装置
CN105956578A (zh) * 2016-05-23 2016-09-21 深圳华中科技大学研究院 一种基于身份证件信息的人脸验证方法
CN106203294A (zh) * 2016-06-30 2016-12-07 广东微模式软件股份有限公司 基于人脸属性分析的人证合一身份验证方法
CN106203367A (zh) * 2016-07-18 2016-12-07 北京红马传媒文化发展有限公司 一种身份识别的方法、系统及终端
CN106778748A (zh) * 2016-12-30 2017-05-31 江西憶源多媒体科技有限公司 基于人工神经网络的身份证快速识别方法及其装置
CN107358174A (zh) * 2017-06-23 2017-11-17 浙江大学 一种基于图像处理的手持身份证认证系统
WO2019024636A1 (zh) * 2017-08-01 2019-02-07 广州广电运通金融电子股份有限公司 身份认证的方法、系统和装置
CN107633558A (zh) * 2017-09-12 2018-01-26 浙江网新电气技术有限公司 一种基于人像与身份证比对识别的自助检票方法和设备
CN107844748A (zh) * 2017-10-17 2018-03-27 平安科技（深圳）有限公司 身份验证方法、装置、存储介质和计算机设备
CN108229427A (zh) * 2018-01-29 2018-06-29 南京华科和鼎信息科技有限公司 一种基于身份证件和人脸识别的身份安全验证方法及系统
CN109255299A (zh) * 2018-08-13 2019-01-22 北京市商汤科技开发有限公司 身份认证方法和装置、电子设备和存储介质
CN109359502A (zh) * 2018-08-13 2019-02-19 北京市商汤科技开发有限公司 防伪检测方法和装置、电子设备、存储介质
CN109543507A (zh) * 2018-09-29 2019-03-29 深圳壹账通智能科技有限公司 身份认证方法、装置、终端设备及存储介质
CN109902780A (zh) * 2019-02-14 2019-06-18 广州番禺职业技术学院 基于多模态人脸识别的人证合一核验终端和系统及方法
CN109902611A (zh) * 2019-02-22 2019-06-18 矩阵元技术（深圳）有限公司 目标证件的检测方法、装置和终端设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
SIRIMONPAK SUWANNAKHUN 等: "Identification and Retrieval System by Using Face Detection", 《ISCIT 2018》 *
YICHUN SHI 等: "DocFace: Matching ID Document Photos to Selfies", 《2018 BTAS》 *
严曲: "身份证识别系统的原理及算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
赵歌 等: "基于 DeepID 算法的人证合一自动验证系统", 《信息技术与信息化》 *
郭迎达 等: "人脸与证件对比系统设计与实现探究", 《中小企业管理与科技（中旬刊）》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111553208A (zh) * 2020-04-15 2020-08-18 上海携程国际旅行社有限公司 基于人证合一的图像的身份识别方法、系统、设备和介质
CN111476210A (zh) * 2020-05-11 2020-07-31 上海西井信息科技有限公司 基于图像的文本识别方法、系统、设备及存储介质
CN111476210B (zh) * 2020-05-11 2021-03-30 上海西井信息科技有限公司 基于图像的文本识别方法、系统、设备及存储介质
CN112001318A (zh) * 2020-08-25 2020-11-27 广东光速智能设备有限公司 一种身份证件信息采集方法及其系统
CN113420666A (zh) * 2021-06-23 2021-09-21 上海应用技术大学 一种基于人脸识别技术的记忆辅助方法及装置
CN113705376A (zh) * 2021-08-11 2021-11-26 中国科学院信息工程研究所 一种基于rfid和摄像机的人员定位方法及系统
CN113705376B (zh) * 2021-08-11 2024-02-06 中国科学院信息工程研究所 一种基于rfid和摄像机的人员定位方法及系统

Similar Documents

Publication Publication Date Title
CN110414454A (zh) 一种基于机器视觉的人证合一识别系统
Makhmudkhujaev et al. Facial expression recognition with local prominent directional pattern
Tuzel et al. Human detection via classification on riemannian manifolds
Liu et al. Fast traffic sign recognition via high-contrast region extraction and extended sparse representation
He et al. Real-time human face detection in color image
CN103632132A (zh) 一种基于肤色分割和模板匹配的人脸检测与识别方法
CN105205480A (zh) 一种复杂场景中人眼定位方法及系统
Muhammad et al. Race classification from face images using local descriptors
CN109376717A (zh) 人脸对比的身份识别方法、装置、电子设备及存储介质
Zhao et al. Cascaded shape space pruning for robust facial landmark detection
Padmapriya et al. Real time smart car lock security system using face detection and recognition
Chen et al. 3D shape constraint for facial feature localization using probabilistic-like output
Gürel Development of a face recognition system
Singh et al. Template matching for detection & recognition of frontal view of human face through Matlab
Wang et al. The color identification of automobiles for video surveillance
Kolsch et al. Enhancements for local feature based image classification
Yousefi et al. Gender Recognition based on sift features
Becerra-Riera et al. Detection and matching of facial marks in face images
Xu et al. Coin recognition method based on SIFT algorithm
Yildirim et al. Gender classification based on binary haar cascade
CN109635804A (zh) 一种基于SIFT和kNN的车牌识别方法及系统
Smiatacz Face recognition: shape versus texture
Joseph et al. A Study on Localization Techniques for Automatic License Plate Recognition System
Nayak et al. Text localization in scene images with SURF and support vector machine for multilingual text
Nazarbakhsh et al. Image pre-processing techniques for enhancing the performance of real-time face recognition system using PCA

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: 20191105