CN110533001B - 基于人脸识别的大数据人脸识别方法 - Google Patents

基于人脸识别的大数据人脸识别方法 Download PDF

Info

Publication number
CN110533001B
CN110533001B CN201910841845.6A CN201910841845A CN110533001B CN 110533001 B CN110533001 B CN 110533001B CN 201910841845 A CN201910841845 A CN 201910841845A CN 110533001 B CN110533001 B CN 110533001B
Authority
CN
China
Prior art keywords
face
face image
recognized
image
clear
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.)
Active
Application number
CN201910841845.6A
Other languages
English (en)
Other versions
CN110533001A (zh
Inventor
刘泉明
罗茂锐
陈少海
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.)
Xiamen Jiu Ling Creative Technology Ltd
Original Assignee
Xiamen Jiu Ling Creative Technology 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 Xiamen Jiu Ling Creative Technology Ltd filed Critical Xiamen Jiu Ling Creative Technology Ltd
Priority to CN201910841845.6A priority Critical patent/CN110533001B/zh
Publication of CN110533001A publication Critical patent/CN110533001A/zh
Application granted granted Critical
Publication of CN110533001B publication Critical patent/CN110533001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • 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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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

Abstract

本发明提供了一种基于人脸识别的大数据人脸识别方法，包括：通过摄像头采集人脸图像；对人脸图像进行预处理获得清晰的人脸图像；从清晰的人脸图像中提取人脸特征区块；将人脸特征区块、清晰的人脸图像及其对应的身份信息存储于平台中；将人脸特征区块传输到人脸识别终端；人脸识别终端接收人脸特征区块，并存储于人脸特征区块库；人脸识别终端提取待识别的人脸图像的人脸特征区块，并将待识别的人脸图像的人脸特征区块分别与人脸特征区块库中的人脸特征区块进行比对，当比对成功时，获取与待识别的人脸图像相匹配的清晰的人脸图像及其对应的身份信息。

Description

基于人脸识别的大数据人脸识别方法
技术领域
本发明涉及一种基于人脸识别的大数据人脸识别方法。
背景技术
目前，人脸识别终端可分为在线识别或离线识别，在线识别由刷脸终端采集人脸后进行人脸对比，受网络影响较大，客户体验差。离线识别，一般平台把全部人脸信息下发到人脸识别终端，由人脸识别终端自行对比。
但是人脸信息由后端平台直接下发到人脸识别终端的问题就在于信息安全，可能存在人脸信息泄漏的问题，例如人脸识别终端被破解后，就可能造成所有人员的人脸信息的泄漏。
发明内容
本发明提供了一种基于人脸识别的大数据人脸识别方法，可以有效解决上述问题。
本发明是这样实现的：
一种基于人脸识别的大数据人脸识别方法，包括以下步骤：
通过摄像头采集人脸图像；
对所述人脸图像进行预处理获得清晰的人脸图像；
从所述清晰的人脸图像中提取人脸特征区块，其中，所述人脸特征区块包括眼睛区块、颌区块、嘴唇区块、眉毛区块以及鼻子区块中的至少一种；
将所述人脸特征区块、所述清晰的人脸图像及其对应的身份信息存储于平台中，并将所述及人脸特征区块与所述清晰的人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系；
将所述人脸特征区块传输到人脸识别终端；
所述人脸识别终端接收所述人脸特征区块，并存储于人脸特征区块库；
所述人脸识别终端提取待识别的人脸图像的人脸特征区块，并将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的人脸特征区块进行比对，当比对成功时，获取与所述待识别的人脸图像相匹配的清晰的人脸图像及其对应的身份信息。
作为进一步改进的，所述对所述人脸图像进行预处理获得清晰的人脸图像的步骤包括：
通过所述摄像头上的人脸识别框识别所述采集的人脸图像；
将所述识别的人脸图像的自曝光窗口的坐标设定与所述摄像头的人脸识别框的的坐标一致，且所述自曝光窗口大于所述人脸识别框；
根据背景光的强度，自适应配置对应的自曝光窗口的曝光值，从而进行对应的曝光，最终获得清晰的人脸图像。
作为进一步改进的，所述自曝光窗口是所述人脸识别框的1.1～2倍。
作为进一步改进的，所述将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的人脸特征区块进行比对的步骤包括：
将所述待识别的人脸图像的眼睛区块分别与所述人脸特征区块库中的眼睛区块进行比对。
作为进一步改进的，所述将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的人脸特征区块进行比对，当比对成功时，获取与所述待识别的人脸图像相匹配的清晰的人脸图像及其对应的身份信息的步骤包括：
当所述待识别人脸图像中至少一个人脸特征区块与所述人脸特征区块库中至少一个人脸特征区块比对成功时，控制所述人脸识别终端向所述平台发送第一请求；
所述平台接收到所述第一请求时，向所述人脸识别终端下发对应的清晰的人脸图像；
所述人脸识别终端将下发的清晰的人脸图像与待识别的人脸图像进行比对，当比对成功后控制所述人脸识别终端向所述平台发送第二请求，所述平台接收到所述第二请求时，向所述人脸识别终端下发对应的身份信息；否则所述人脸识别终端继续将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的其他人脸特征区块进行比对。
作为进一步改进的，所述人脸识别终端继续将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的其他人脸特征区块进行比对的同时还包括：
将下发的清晰的人脸图像从所述人脸识别终端删除。
作为进一步改进的，所述将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的人脸特征区块进行比对，当比对成功时，获取与所述待识别的人脸图像相匹配的清晰的人脸图像及其对应的身份信息的步骤包括：
当所述待识别人脸图像中至少一个人脸特征区块与所述人脸特征区块库中至少一个人脸特征区块比对成功时，所述人脸识别终端向所述平台发送所述待识别的人脸图像及比对成功的人脸特征区块；
所述平台根据比对成功的人脸特征区块，获取对应的清晰的人脸图像；
所述平台进一步将对应的清晰的人脸图像与所述待识别的人脸图像进行比对，当比对成功后向所述人脸识别终端下发与所述待识别的人脸图像相匹配的清晰的人脸图像及其对应的身份信息；否则向所述人脸识别终端下发继续将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的其他人脸特征区块进行比对的命令。
本发明的有益效果是：将所述人脸特征区块，而不是整个人脸信息传输到人脸识别终端并存储于人脸特征区块库，即使人脸识别终端被破解后，由于无法还原出整张人脸，因此能够实现有效确保人脸信息的安全，另外还可以避免出现人脸图像对应的人员信息的泄漏。另外，将所述识别的人脸图像的自曝光窗口的坐标设定与所述摄像头的人脸识别框的的坐标一致，且所述自曝光窗口大于所述人脸识别框，从而可以获得较为完整的人脸图像，特别是下颚区块的图像；此外，根据背景光的强度，自适应配置对应的自曝光窗口的曝光值，从而进行对应的曝光，最终获得清晰的人脸图像。最后，通过将待识别的人脸图像中某一区块的图像分别与所述人脸特征区块库中的对应区块进行比对，从而可以显著降低计算量，提高整体的相应时间。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
图1是本发明实施例提供的基于人脸识别的大数据人脸识别方法的流程图。
图2是本发明实施例提供的基于人脸识别的大数据人脸识别方法中人脸识别框及自曝光窗口设定的示意图。
图3是本发明另一实施例提供的基于人脸识别的大数据人脸识别方法中人脸识别框及自曝光窗口设定的示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
参照图1所示，本发明实施例提供一种基于人脸识别的大数据人脸识别方法，包括以下步骤：
S1，通过摄像头采集人脸图像；
S2，对所述人脸图像进行预处理获得清晰的人脸图像；
S3，从所述清晰的人脸图像中提取人脸特征区块，其中，所述人脸特征区块包括眼睛区块、颌区块、嘴唇区块、眉毛区块以及鼻子区块中的至少一种；
S4，将所述人脸特征区块、所述清晰的人脸图像及其对应的身份信息存储于平台中，并将所述及人脸特征区块与所述清晰的人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系；
S5，将所述人脸特征区块传输到人脸识别终端；
S6，所述人脸识别终端接收所述人脸特征区块，并存储于人脸特征区块库；
S7，所述人脸识别终端提取待识别的人脸图像的人脸特征区块，并将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的人脸特征区块进行比对，当比对成功时，获取与所述待识别的人脸图像相匹配的清晰的人脸图像及其对应的身份信息。
在步骤S2中，作为进一步改进的，所述对所述人脸图像进行预处理获得清晰的人脸图像的步骤包括：
S21，通过所述摄像头上的人脸识别框识别所述采集的人脸图像；
S22，将所述识别的人脸图像的自曝光窗口的坐标设定与所述摄像头的人脸识别框的的坐标一致，且所述自曝光窗口大于所述人脸识别框；
S23，根据背景光的强度，自适应配置对应的自曝光窗口的曝光值，从而进行对应的曝光，最终获得清晰的人脸图像。
在步骤S21中，一般人脸识别框的大小都难以覆盖整张脸的大小，特别是下颚部分。
在步骤S22中，将所述识别的人脸图像的自曝光窗口的坐标设定与所述摄像头的人脸识别框的的坐标一致，即，自曝光窗口与所述人脸识别框共原点及X轴和Y轴。作为进一步改进的，所述自曝光窗口可以是所述人脸识别框的1.1～2倍。参照图2所示，本实施例中，所述自曝光窗口是所述人脸识别框的1.69倍，即所述自曝光窗口的长和款对应放大1.3倍。请参照图3，在其他实施例中，为了获取清晰的下颚照片，优选的，可仅仅将所述自曝光窗口的长对应放大1.3倍。
在步骤S23中，所述自动曝光的方法未现有技术再次不在累述。
在步骤S3中，所述人脸特征区块优选眼睛区块，这是由于眼睛区块是最具辨识度的区块，且特征最多。另外，还可以选择嘴唇区块。本实施例中，仅仅选择眼睛区块。
在步骤S4，通过将所述人脸特征区块与所述清晰的人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系，从而可以快速获取清晰的人脸图像以及对应的身份信息，降低错误率。
在步骤S5中，可以通过无线通讯模块或有线通讯模块将所述人脸特征区块定期传输更新到人脸识别终端中。所述将所述人脸特征区块定期传输更新到人脸识别终端中为单方向下发行为，其可通过设置单方向的光闸进行传输。
在步骤S6中，所述人脸识别终端可定期接收所述人脸特征区块，并更新存储于人脸特征区块库。
在步骤S7中，作为进一步改进的，所述将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的人脸特征区块进行比对的步骤包括：
S71，将所述待识别的人脸图像的眼睛区块分别与所述人脸特征区块库中的眼睛区块进行比对。
在其中一个实施例中，所述将待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的人脸特征区块进行比对，当比对成功时，获取与所述待识别的人脸图像相匹配的清晰的人脸图像及其对应的身份信息的步骤包括：
S72-1，当所述待识别人脸图像中至少一个人脸特征区块与所述人脸特征区块库中至少一个人脸特征区块比对成功时，控制所述人脸识别终端向所述平台发送第一请求；
S72-2，所述平台接收到所述第一请求时，向所述人脸识别终端下发对应的清晰的人脸图像；
S72-3，所述人脸识别终端将下发的清晰的人脸图像与待识别的人脸图像进行比对，当比对成功后控制所述人脸识别终端向所述平台发送第二请求，所述平台接收到所述第二请求时，向所述人脸识别终端下发对应的身份信息；否则所述人脸识别终端继续将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的其他人脸特征区块进行比对。
在步骤S72-3中，所述人脸识别终端继续将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的其他人脸特征区块进行比对的同时还包括：
将下发的清晰的人脸图像从所述人脸识别终端删除。
在另一实施例中，所述将待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的人脸特征区块进行比对，当比对成功时，获取与所述待识别的人脸图像相匹配的清晰的人脸图像及其对应的身份信息的步骤包括：
S73-1，当所述待识别人脸图像中至少一个人脸特征区块与所述人脸特征区块库中至少一个人脸特征区块比对成功时，所述人脸识别终端向所述平台发送所述待识别的人脸图像及比对成功的人脸特征区块；
S73-2，所述平台根据比对成功的人脸特征区块，获取对应的清晰的人脸图像；
S73-3，所述平台进一步将对应的清晰的人脸图像与所述待识别的人脸图像进行比对，当比对成功后向所述人脸识别终端下发与所述待识别的人脸图像相匹配的清晰的人脸图像及其对应的身份信息；否则向所述人脸识别终端下发继续将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的其他人脸特征区块进行比对的命令。
以上所述仅为本发明的优选实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于人脸识别的大数据人脸识别方法，其特征在于，包括：
通过摄像头采集人脸图像；
对所述人脸图像进行预处理获得清晰的人脸图像；
从所述清晰的人脸图像中提取人脸特征区块，其中，所述人脸特征区块包括眼睛区块、颌区块、嘴唇区块、眉毛区块以及鼻子区块中的至少一种；
将所述人脸特征区块、所述清晰的人脸图像及其对应的身份信息存储于平台中，并将所述人脸特征区块与所述清晰的人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系；
将所述人脸特征区块传输到人脸识别终端；
所述人脸识别终端接收所述人脸特征区块，并存储于人脸特征区块库；
所述人脸识别终端提取待识别的人脸图像的人脸特征区块，并将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的人脸特征区块进行比对，当比对成功时，获取与所述待识别的人脸图像相匹配的清晰的人脸图像及其对应的身份信息,其中该步骤包括：
当所述待识别的 人脸图像中至少一个人脸特征区块与所述人脸特征区块库中至少一个人脸特征区块比对成功时，所述人脸识别终端向所述平台发送所述待识别的人脸图像及比对成功的人脸特征区块；
所述平台根据比对成功的人脸特征区块，获取对应的清晰的人脸图像；
所述平台进一步将对应的清晰的人脸图像与所述待识别的人脸图像进行比对，当比对成功后向所述人脸识别终端下发与所述待识别的人脸图像相匹配的清晰的人脸图像及其对应的身份信息；否则向所述人脸识别终端下发继续将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的其他人脸特征区块进行比对的命令。
2.如权利要求1所述的基于人脸识别的大数据人脸识别方法，其特征在于，所述对所述人脸图像进行预处理获得清晰的人脸图像的步骤包括：
通过所述摄像头上的人脸识别框识别所述采集的人脸图像；
将所述识别的人脸图像的自曝光窗口的坐标设定与所述摄像头的人脸识别框的的坐标一致，且所述自曝光窗口大于所述人脸识别框；
根据背景光的强度，自适应配置对应的自曝光窗口的曝光值，从而进行对应的曝光，最终获得清晰的人脸图像。
3.如权利要求2所述的基于人脸识别的大数据人脸识别方法，其特征在于，所述自曝光窗口是所述人脸识别框的1.1～2倍。
4.如权利要求1所述的基于人脸识别的大数据人脸识别方法，其特征在于，所述将所述待识别的人脸图像的人脸特征区块分别与所述人脸特征区块库中的人脸特征区块进行比对的步骤包括：
将所述待识别的人脸图像的眼睛区块分别与所述人脸特征区块库中的眼睛区块进行比对。
CN201910841845.6A 2019-09-06 2019-09-06 基于人脸识别的大数据人脸识别方法 Active CN110533001B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910841845.6A CN110533001B (zh) 2019-09-06 2019-09-06 基于人脸识别的大数据人脸识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910841845.6A CN110533001B (zh) 2019-09-06 2019-09-06 基于人脸识别的大数据人脸识别方法

Publications (2)

Publication Number Publication Date
CN110533001A CN110533001A (zh) 2019-12-03
CN110533001B true CN110533001B (zh) 2022-02-08

Family

ID=68667569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910841845.6A Active CN110533001B (zh) 2019-09-06 2019-09-06 基于人脸识别的大数据人脸识别方法

Country Status (1)

Country Link
CN (1) CN110533001B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095115A (zh) * 2019-12-23 2021-07-09 华东江苏大数据交易中心股份有限公司 一种基于大数据的人脸识别筛查方法
CN111488853B (zh) * 2020-04-23 2020-12-11 中信百信银行股份有限公司 金融机构安防系统的大数据人脸识别方法、系统及机器人
CN113222582B (zh) * 2021-05-10 2022-03-08 广东便捷神科技股份有限公司 一种人脸支付零售终端机
CN113743984A (zh) * 2021-08-13 2021-12-03 苏州伊伯菲信息科技有限公司 一种基于大数据识别方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855496A (zh) * 2012-08-24 2013-01-02 苏州大学 遮挡人脸认证方法及系统
CN104766052A (zh) * 2015-03-24 2015-07-08 广州视源电子科技股份有限公司 一种人脸识别方法、系统及用户终端、服务器
CN105740780A (zh) * 2016-01-25 2016-07-06 北京天诚盛业科技有限公司 人脸活体检测的方法和装置
CN106203329A (zh) * 2016-07-08 2016-12-07 安徽工业大学 一种基于眉毛建立身份标识模板及进行身份识别的方法
CN108805040A (zh) * 2018-05-24 2018-11-13 复旦大学 一种基于分块的有遮挡人脸识别算法
CN110084207A (zh) * 2019-04-30 2019-08-02 惠州市德赛西威智能交通技术研究院有限公司 自动调节人脸曝光量的曝光方法、装置和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10635893B2 (en) * 2017-10-31 2020-04-28 Baidu Usa Llc Identity authentication method, terminal device, and computer-readable storage medium

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855496A (zh) * 2012-08-24 2013-01-02 苏州大学 遮挡人脸认证方法及系统
CN104766052A (zh) * 2015-03-24 2015-07-08 广州视源电子科技股份有限公司 一种人脸识别方法、系统及用户终端、服务器
CN105740780A (zh) * 2016-01-25 2016-07-06 北京天诚盛业科技有限公司 人脸活体检测的方法和装置
CN106203329A (zh) * 2016-07-08 2016-12-07 安徽工业大学 一种基于眉毛建立身份标识模板及进行身份识别的方法
CN108805040A (zh) * 2018-05-24 2018-11-13 复旦大学 一种基于分块的有遮挡人脸识别算法
CN110084207A (zh) * 2019-04-30 2019-08-02 惠州市德赛西威智能交通技术研究院有限公司 自动调节人脸曝光量的曝光方法、装置和存储介质

Also Published As

Publication number Publication date
CN110533001A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
CN110533001B (zh) 基于人脸识别的大数据人脸识别方法
CN110533002B (zh) 基于人脸识别的大数据处理方法
WO2021072673A1 (zh) 一种用户身份识别方法、装置及电子设备
CN108171032A (zh) 一种身份鉴定方法、电子装置及计算机可读存储介质
WO2020168468A1 (zh) 基于表情识别的呼救方法、装置、电子设备及存储介质
CN108447159B (zh) 人脸图像采集方法、装置和出入口管理系统
WO2021174819A1 (zh) 人脸遮挡检测方法及系统
CN107818308A (zh) 一种人脸识别智能比对方法、电子装置及计算机可读存储介质
JP2020509441A5 (zh)
CN108829900A (zh) 一种基于深度学习的人脸图像检索方法、装置及终端
CN108171463A (zh) 一种远程面签方法、电子装置及计算机可读存储介质
CN104346122A (zh) 可编程显示器、控制方法及程序
US9405995B2 (en) Method and apparatus for facial identification
CN107766785A (zh) 一种面部识别方法
CN107527019B (zh) 解锁控制方法及相关产品
CN104778392A (zh) 基于生物识别的授权验证方法和系统
CN109544384A (zh) 基于生物识别的津贴发放方法、装置、终端、存储介质
CN106487516A (zh) 一种移动终端的多用户管理的方法及其装置
CN110443577A (zh) 一种基于人脸识别的校园考勤系统
CN115147261A (zh) 图像处理方法、装置、存储介质、设备及产品
CN108985251A (zh) 用户指令匹配方法、装置、计算机设备及存储介质
CN111582145A (zh) 生物识别方法、电子设备以及计算机可读存储介质
JP2019074938A (ja) 通信中継装置、システム、方法及びプログラム
CN109597572B (zh) 一种存储管理方法
CN108334821B (zh) 一种图像处理方法及电子设备

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
GR01 Patent grant
GR01 Patent grant