CN110689655A - 一种基于人脸识别的宿舍门禁管理一体化系统 - Google Patents
一种基于人脸识别的宿舍门禁管理一体化系统 Download PDFInfo
- Publication number
- CN110689655A CN110689655A CN201910876475.XA CN201910876475A CN110689655A CN 110689655 A CN110689655 A CN 110689655A CN 201910876475 A CN201910876475 A CN 201910876475A CN 110689655 A CN110689655 A CN 110689655A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- face
- face recognition
- dormitory
- information
- 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
Images
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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/245—Classification techniques relating to the decision surface
- G06F18/2451—Classification techniques relating to the decision surface linear, e.g. hyperplane
-
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Abstract
本发明公开了一种基于人脸识别的宿舍门禁管理一体化系统及人脸识别方法,涉及宿舍安全管理技术领域,包括门禁系统,门禁系统包括人脸识别模块和门禁控制器,人脸识别模块包括设置在宿舍门禁前的摄像头以及人脸识别算法系统,人脸识别算法系统包括活体检测模块、图像预处理模块和由五种算法功能集成的人脸识别算法;五种算法共用算法调用接口;设置将五种算法集成的人脸识别算法,并使五种算法分别对应有函数预设区间值;通过采集的人脸图像的参数值并输入至预设函数,得出函数输出值落在五个函数预设区间值中的其中一个,则调用所对应的算法进行人脸识别,以适应环境因素对识别造成的影响。提高了人脸识别的机动性,不依赖单一算法。
Description
技术领域
本发明涉及宿舍安全管理技术领域,具体涉及一种基于人脸识别的宿舍门禁管理一体化系统及人脸识别方法。
背景技术
学生宿舍管理是学生住宿安全的保障,宿舍门禁管理系统的应用越来越广泛;而现有的门禁管理系统利用摄像机对人脸进行捕捉,通过调用人脸识别算法接口实现人脸识别。这种人脸识别算法只是通过单一的识别算法接口,在实际使用中因为使用次数、特定时间使用频率高发、外界环境(光度)等因素影响,导致识别准确率不高;此外,采用摄像机对人脸进行捕捉,常出现多人的人脸同时被镜头捕捉,导致识别失败。
发明内容
为解决现有技术问题,本发明通过设置将五种算法集成的人脸识别算法,并使五种算法分别对应有函数预设区间值;通过摄像头拍摄的人脸图片,经过图像预处理模块的处理后得出图像的参数值,使参数值作为自变量输入至预设函数中,得出函数输出值;当函数输出值落在五个函数预设区间值中的其中一个,则调用函数预设区间值所对应的算法。实现在不同的环境下拍下人脸图像,系统自动调用相应算法进行人脸识别,以降低环境因素对识别造成的影响。提高了人脸识别的机动性,不依赖单一算法;此外,通过设置活体检测模块并采用虹软活体检测算法判断活体个数大于一个时,利用虹软算法能对多个人脸同时识别的特性避免当出现多人的人脸同时被摄像头捕捉而出现无法的识别现象。
本发明具体采用以下技术方案:
一种基于人脸识别的宿舍门禁管理一体化系统,包括门禁系统,其特征在于:
所述门禁系统包括人脸识别模块和门禁控制器,所述人脸识别模块的末端与所述门禁控制器电连接;
所述人脸识别模块包括设置在宿舍门禁前的摄像头以及人脸识别算法系统,所述摄像头拍摄宿舍来人的脸部图像,所述摄像头的末端与搭载有人脸识别算法系统的宿舍管理计算机连接;
所述人脸识别算法系统包括活体检测模块、图像预处理模块和由五种算法功能集成的人脸识别算法,所述活体检测模块采用虹软活体检测算法判断活体个数;
所述活体个数为单个,所述脸部图像通过所述图像预处理模块进行处理;所述图像预处理模块包括图像预处理算法,通过所述图像预处理算法得出图像参数值,所述图像参数值作为自变量输入至预设函数中并得到函数输出值,所述预设函数的值域设置有五个区间值,所述人脸识别算法包括PCA+SVM+K-Fold算法、Face++算法、虹软算法、百度算法以及OpenCV算法,
所述PCA+SVM+K-Fold算法、所述Face++算法、所述虹软算法、所述百度算法以及所述OpenCV算法分别对应所述五个区间值,所述PCA+SVM+K-Fold算法、所述Face++算法、所述虹软算法、所述百度算法以及所述OpenCV算法共用算法调用接口;
所述活体个数为多个可直接通过调用所述虹软算法进行人脸识别。
进一步的方案是,所述算法调用接口只可调用单个算法进行人脸识别。
进一步的方案是,所述PCA+SVM+K-Fold算法为支持向量机(SVM)、K层交叉检验(K-Fold)以及主成分分析(PCA)三者结合的算法;
所述PCA+SVM+K-Fold算法预处理及建立数据模型的步骤为:
1)读取待识别的图像,生成样本矩阵;
2)对样本矩阵进行主成分分析(PCA)运算,取前35个特征,生成低维样本矩阵L以及分离变换矩阵S;
3)使用支持向量机(SVM)将一维标签列向量与矩阵L作分类,分为两类;
4)将原始训练集分割为K个子样本,从中取一个作为验证集,其他K-1个样本作为训练集;
5)重复K次交叉验证,每个子样本都要验证一次;
6)得到单一估测;
7)对矩阵L中每两个样本进行训练;
8)计算两类之间的分类超平面并存储,此时已建立训练过后的人脸识别模型。
进一步的方案是,还包括后台管理系统,所述后台管理系统包括可登记身份信息的登记模块、存储人脸信息的存储模块以及统计宿舍访客数量的统计模块;
所述身份信息包括本校非本栋宿舍的学生身份登记信息和校外人员身份登记信息;所述人脸信息包括本栋宿舍学生人脸信息和访客人脸信息,所述访客人脸信息包括本校非本栋宿舍的学生人脸信息和校外人员人脸信息。
进一步的方案是,所述本校非本栋宿舍的学生身份登记信息包括学生姓名、学号、所属楼栋以及本校非本栋宿舍的学生人脸信息;所述校外人员身份登记信息包括校外人员姓名、身份证号、校外人员人脸信息以及本宿舍被探访人员姓名。
进一步的方案是,所述校外人员人脸信息包括校外人员人脸正面图像信息、校外人员人脸左侧图像信息以及校外人员人脸图像右侧图像信息。
进一步的方案是,所述身份信息、所述人脸信息以及所述宿舍访客数量可通过所述宿舍管理计算机的显示界面进行显示。
本发明的有益效果:
通过设置将五种算法集成的人脸识别算法,并使五种算法分别对应有函数预设区间值;通过摄像头拍摄的人脸图片,经过图像预处理模块的处理后得出图像的参数值,使参数值作为自变量输入至预设函数中,得出函数输出值;当函数输出值落在五个函数预设区间值中的其中一个,则调用函数预设区间值所对应的算法进行人脸识别,实现在不同的环境下拍下人脸图像,系统自动调用相应算法,以降低环境因素对识别造成的影响。提高了人脸识别的机动性,不依赖单一算法;
通过设置活体检测模块并采用虹软活体检测算法判断活体个数大于一个时,利用虹软算法能对多个人脸同时识别的特性避免当出现多人的人脸同时被摄像头捕捉而出现无法的识别现象;
设置PCA+SVM+K-Fold算法,通过主成分分析(PCA)对人脸图片进行降维处理,支持向量机(SVM)作为分类器,训练出人脸识别的算法模型;加以K折交叉检验(K-Fold)方法验证准确度;PCA+SVM+K-Fold模型用于在开发者人脸测试集,且表现良好。
附图说明
图1为本发明人脸识别的原理图;
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。
如图1所示,本发明的一个实施例公开了一种基于人脸识别的宿舍门禁管理一体化系统,包括门禁系统,门禁系统包括人脸识别模块和门禁控制器,人脸识别模块的末端与门禁控制器电连接;人脸识别模块包括设置在宿舍门禁前的摄像头以及人脸识别算法系统,摄像头拍摄宿舍来人的脸部图像,摄像头的末端与搭载有人脸识别算法系统的宿舍管理计算机连接;人脸识别算法系统包括活体检测模块、图像预处理模块和由五种算法功能集成的人脸识别算法,活体检测模块采用虹软活体检测算法判断活体个数;活体个数为单个,所述脸部图像通过所述图像预处理模块进行处理;所述图像预处理模块包括图像预处理算法,通过所述图像预处理算法得出图像参数值,所述图像参数值作为自变量输入至预设函数中并得到函数输出值,所述预设函数的值域设置有五个区间值,所述人脸识别算法包括PCA+SVM+K-Fold算法、Face++算法、虹软算法、百度算法以及OpenCV算法,所述PCA+SVM+K-Fold算法、所述Face++算法、所述虹软算法、所述百度算法以及所述OpenCV算法分别对应所述五个区间值,所述PCA+SVM+K-Fold算法、所述Face++算法、所述虹软算法、所述百度算法以及所述OpenCV算法共用算法调用接口;所述活体个数为多个可直接通过调用所述虹软算法进行人脸识别。将五种算法集成的人脸识别算法,并使五种算法分别对应有函数预设区间值;通过摄像头拍摄的人脸图片,经过图像预处理模块的处理后得出图像的参数值,使参数值作为自变量输入至预设函数中,得出函数输出值;当函数输出值落在五个函数预设区间值中的其中一个,则调用函数预设区间值所对应的算法进行人脸识别;
当光照温和,人脸保持静态的时候,可采用百度算法进行人脸识别;当多个人脸同时被摄像头捕捉,通过虹软算法可实现对人脸在图像占比较大的人进行人脸识别;当采集的人脸图像噪点较小时,采用OpenCV算法识别度较高;当人脸图像是在较黑暗条件下采集的,可采用Face++算法识别度较高;在什么条件下采用PCA+SVM+K-Fold算法,识别准确较高。实现在不同的环境下拍下人脸图像,系统自动调用相应算法,以降低环境因素对识别造成的影响。提高了人脸识别的机动性,不依赖单一算法。
在本实施例中,算法调用接口只可调用单个算法进行人脸识别。
在本实施例中,PCA+SVM+K-Fold算法为支持向量机(SVM)、K层交叉检验(K-Fold)以及主成分分析(PCA)三者结合的算法,PCA+SVM+K-Fold算法预处理及建立数据模型的步骤为:
1)读取待识别的图像,生成样本矩阵;
2)对样本矩阵进行主成分分析(PCA)运算,取前35个特征,生成低维样本矩阵L以及分离变换矩阵S;
3)使用支持向量机(SVM)将一维标签列向量与矩阵L作分类,分为两类;
4)将原始训练集分割为K个子样本,从中取一个作为验证集,其他K-1个样本作为训练集;
5)重复K次交叉验证,每个子样本都要验证一次;
6)得到单一估测;
7)对矩阵L中每两个样本进行训练;
8)计算两类之间的分类超平面并存储,此时已建立训练过后的人脸识别模型。
PCA+SVM+K-Fold算法用于验证人脸数据测试集,在测试场景表现尤其出色,设置该算法使待识别的人脸迭代测试,准确率达百分之百。
在本实施例中,还包括后台管理系统,后台管理系统包括可登记身份信息的登记模块、存储人脸信息的存储模块以及统计宿舍访客数量的统计模块;身份信息包括本校非本栋宿舍的学生身份登记信息和校外人员身份登记信息;人脸信息包括本栋宿舍学生人脸信息和访客人脸信息,访客人脸信息包括本校非本栋宿舍的学生人脸信息和校外人员人脸信息。宿舍管理员通过后台管理系统可对宿舍访客进行相关信息的登记、访客人脸信息的存储以及统计访客的数量,实现对宿舍访客的一体化管理。
在本实施例中,本校非本栋宿舍的学生身份登记信息包括学生姓名、学号、所属楼栋以及本校非本栋宿舍的学生人脸信息;校外人员身份登记信息包括校外人员姓名、身份证号、校外人员人脸信息以及本宿舍被探访人员姓名。对本校非本栋宿舍的学生的访客和属校外人员的访客分别进行信息的登记及信息单独管理。
在本实施例中,校外人员人脸信息包括校外人员人脸正面图像信息、校外人员人脸左侧图像信息以及校外人员人脸图像右侧图像信息。通过对属校外人员的访客的脸部进行多角度的图像信息采集,提升对对校外人员的访客人脸识别的准确率。
在本实施例中,身份信息、人脸信息以及宿舍访客数量可通过所述宿舍管理计算机的显示界面进行显示。宿舍管理员通过显示界面显示的身份信息、人脸信息以及宿舍访客数量信息,楼栋客流量的数据可视化功能,以便管理员更好地掌握宿舍访客信息并控制本楼栋访客的数量。
最后说明的是,以上仅对本发明具体实施例进行详细描述说明。但本发明并不限制于以上描述具体实施例。本领域的技术人员对本发明进行的等同修改和替代也都在本发明的范畴之中。因此,在不脱离本发明的精神和范围下所作的均等变换和修改,都涵盖在本发明范围内。
Claims (7)
1.一种基于人脸识别的宿舍门禁管理一体化系统,包括门禁系统,其特征在于:
所述门禁系统包括人脸识别模块和门禁控制器,所述人脸识别模块的末端与所述门禁控制器电连接;
所述人脸识别模块包括设置在宿舍门禁前的摄像头以及人脸识别算法系统,所述摄像头拍摄宿舍来人的脸部图像,所述摄像头的末端与搭载有人脸识别算法系统的宿舍管理计算机连接;
所述人脸识别算法系统包括活体检测模块、图像预处理模块和由五种算法功能集成的人脸识别算法,所述活体检测模块采用虹软活体检测算法判断活体个数;
所述活体个数为单个,所述脸部图像通过所述图像预处理模块进行处理;所述图像预处理模块包括图像预处理算法,通过所述图像预处理算法得出图像参数值,所述图像参数值作为自变量输入至预设函数中并得到函数输出值,所述预设函数的值域设置有五个区间值,所述人脸识别算法包括PCA+SVM+K-Fold算法、Face++算法、虹软算法、百度算法以及OpenCV算法,
所述PCA+SVM+K-Fold算法、所述Face++算法、所述虹软算法、所述百度算法以及所述OpenCV算法分别对应所述五个区间值,所述PCA+SVM+K-Fold算法、所述Face++算法、所述虹软算法、所述百度算法以及所述OpenCV算法共用算法调用接口;
所述活体个数为多个可直接通过调用所述虹软算法进行人脸识别。
2.根据权利要求1所述一种基于人脸识别的宿舍门禁管理一体化系统,其特征在于:
所述算法调用接口只可调用单个算法进行人脸识别。
3.根据权利要求1所述一种基于人脸识别的宿舍门禁管理一体化系统,其特征在于:
所述PCA+SVM+K-Fold算法为支持向量机(SVM)、K层交叉检验(K-Fold)以及主成分分析(PCA)三者结合的算法;
所述PCA+SVM+K-Fold算法预处理及建立数据模型的步骤为:
1)读取待识别的图像,生成样本矩阵;
2)对样本矩阵进行主成分分析(PCA)运算,取前35个特征,生成低维样本矩阵L以及分离变换矩阵S;
3)使用支持向量机(SVM)将一维标签列向量与矩阵L作分类,分为两类;
4)将原始训练集分割为K个子样本,从中取一个作为验证集,其他K-1个样本作为训练集;
5)重复K次交叉验证,每个子样本都要验证一次;
6)得到单一估测;
7)对矩阵L中每两个样本进行训练;
8)计算两类之间的分类超平面并存储,此时已建立训练过后的人脸识别模型。
4.根据权利要求1所述的一种基于人脸识别的宿舍门禁管理一体化系统,其特征在于:
还包括后台管理系统,所述后台管理系统包括可登记身份信息的登记模块、存储人脸信息的存储模块以及统计宿舍访客数量的统计模块;
所述身份信息包括本校非本栋宿舍的学生身份登记信息和校外人员身份登记信息;所述人脸信息包括本栋宿舍学生人脸信息和访客人脸信息,所述访客人脸信息包括本校非本栋宿舍的学生人脸信息和校外人员人脸信息。
5.根据权利要求4所述的一种基于人脸识别的宿舍门禁管理一体化系统,其特征在于:
所述本校非本栋宿舍的学生身份登记信息包括学生姓名、学号、所属楼栋以及本校非本栋宿舍的学生人脸信息;所述校外人员身份登记信息包括校外人员姓名、身份证号、校外人员人脸信息以及本宿舍被探访人员姓名。
6.根据权利要求4所述的一种基于人脸识别的宿舍门禁管理一体化系统,其特征在于:
所述校外人员人脸信息包括校外人员人脸正面图像信息、校外人员人脸左侧图像信息以及校外人员人脸图像右侧图像信息。
7.根据权利要求1所述的一种基于人脸识别的宿舍门禁管理一体化系统及人脸识别方法,其特征在于:
所述身份信息、所述人脸信息以及所述宿舍访客数量可通过所述宿舍管理计算机的显示界面进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910876475.XA CN110689655A (zh) | 2019-09-17 | 2019-09-17 | 一种基于人脸识别的宿舍门禁管理一体化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910876475.XA CN110689655A (zh) | 2019-09-17 | 2019-09-17 | 一种基于人脸识别的宿舍门禁管理一体化系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110689655A true CN110689655A (zh) | 2020-01-14 |
Family
ID=69109649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910876475.XA Pending CN110689655A (zh) | 2019-09-17 | 2019-09-17 | 一种基于人脸识别的宿舍门禁管理一体化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110689655A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012043389A (ja) * | 2010-08-12 | 2012-03-01 | Clinet Co Ltd | 顔認証による出席管理装置 |
CN103198322A (zh) * | 2013-01-18 | 2013-07-10 | 江南大学 | 基于机器视觉的磁瓦表面缺陷特征提取及缺陷分类方法 |
CN103714522A (zh) * | 2014-01-06 | 2014-04-09 | 海信集团有限公司 | 图像降噪方法和图像降噪系统 |
CN107292225A (zh) * | 2016-08-18 | 2017-10-24 | 北京师范大学珠海分校 | 一种人脸识别方法 |
CN107331003A (zh) * | 2017-06-22 | 2017-11-07 | 厦门劢联科技有限公司 | 一种基于人脸识别的学校宿舍管理系统 |
CN108597073A (zh) * | 2018-04-12 | 2018-09-28 | 广东汇泰龙科技有限公司 | 一种基于双向摄像头人脸锁的学生宿舍管理方法及系统 |
CN108665428A (zh) * | 2018-04-26 | 2018-10-16 | 青岛海信移动通信技术股份有限公司 | 图像增强方法、装置、设备及存储介质 |
CN109034048A (zh) * | 2018-07-20 | 2018-12-18 | 苏州中德宏泰电子科技股份有限公司 | 人脸识别算法模型切换方法与装置 |
-
2019
- 2019-09-17 CN CN201910876475.XA patent/CN110689655A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012043389A (ja) * | 2010-08-12 | 2012-03-01 | Clinet Co Ltd | 顔認証による出席管理装置 |
CN103198322A (zh) * | 2013-01-18 | 2013-07-10 | 江南大学 | 基于机器视觉的磁瓦表面缺陷特征提取及缺陷分类方法 |
CN103714522A (zh) * | 2014-01-06 | 2014-04-09 | 海信集团有限公司 | 图像降噪方法和图像降噪系统 |
CN107292225A (zh) * | 2016-08-18 | 2017-10-24 | 北京师范大学珠海分校 | 一种人脸识别方法 |
CN107331003A (zh) * | 2017-06-22 | 2017-11-07 | 厦门劢联科技有限公司 | 一种基于人脸识别的学校宿舍管理系统 |
CN108597073A (zh) * | 2018-04-12 | 2018-09-28 | 广东汇泰龙科技有限公司 | 一种基于双向摄像头人脸锁的学生宿舍管理方法及系统 |
CN108665428A (zh) * | 2018-04-26 | 2018-10-16 | 青岛海信移动通信技术股份有限公司 | 图像增强方法、装置、设备及存储介质 |
CN109034048A (zh) * | 2018-07-20 | 2018-12-18 | 苏州中德宏泰电子科技股份有限公司 | 人脸识别算法模型切换方法与装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108351967A (zh) | 一种多人脸检测方法、装置、服务器、系统及存储介质 | |
CN109284733B (zh) | 一种基于yolo和多任务卷积神经网络的导购消极行为监控方法 | |
CN105631439A (zh) | 人脸图像处理方法和装置 | |
US20080298644A1 (en) | System and method for controlling image quality | |
CN104143086A (zh) | 人像比对在移动终端操作系统上的应用技术 | |
CN106056083B (zh) | 一种信息处理方法及终端 | |
CN106250825A (zh) | 一种在医保应用中场景自适应的人脸识别系统 | |
Chandran et al. | Missing child identification system using deep learning and multiclass SVM | |
US20130070115A1 (en) | Feature Data Compression Device, Multi-Directional Face Detection System and Detection Method Thereof | |
CN113205002B (zh) | 非受限视频监控的低清人脸识别方法、装置、设备及介质 | |
CN112199530B (zh) | 多维度脸库图片自动更新方法、系统、设备及介质 | |
CN110458091A (zh) | 基于位置筛选的人脸识别1比n算法优化方法 | |
WO2020147408A1 (zh) | 一种人脸识别模型的评价方法、装置、存储介质及计算机设备 | |
Anushka et al. | Lens less cameras for face detection and verification | |
CN110245573A (zh) | 一种基于人脸识别的签到方法、装置及终端设备 | |
CN110363111B (zh) | 基于镜头失真原理的人脸活体检测方法、装置及存储介质 | |
CN108345847B (zh) | 一种人脸图像标签数据生成系统及其方法 | |
Asrith et al. | Face recognition and weapon detection from very low resolution image | |
CN113436735A (zh) | 基于人脸结构度量的体重指数预测方法、设备和存储介质 | |
Bairagi et al. | A real-time face recognition smart attendance system with haar cascade classifiers | |
CN110689655A (zh) | 一种基于人脸识别的宿舍门禁管理一体化系统 | |
US20220405527A1 (en) | Target Detection Methods, Apparatuses, Electronic Devices and Computer-Readable Storage Media | |
JP2019113959A (ja) | 鼻紋照合システム、鼻紋照合方法及び鼻紋照合プログラム | |
CN114049676A (zh) | 疲劳状态检测方法、装置、设备及存储介质 | |
CN114078271A (zh) | 阈值确定方法、目标人员识别方法、装置、设备及介质 |
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 |
Application publication date: 20200114 |
|
RJ01 | Rejection of invention patent application after publication |