CN111047757A - 一种基于入口人脸识别的导引服务系统及导引服务方法 - Google Patents
一种基于入口人脸识别的导引服务系统及导引服务方法 Download PDFInfo
- Publication number
- CN111047757A CN111047757A CN201911014331.XA CN201911014331A CN111047757A CN 111047757 A CN111047757 A CN 111047757A CN 201911014331 A CN201911014331 A CN 201911014331A CN 111047757 A CN111047757 A CN 111047757A
- Authority
- CN
- China
- Prior art keywords
- face
- face picture
- picture information
- value
- staff
- 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.)
- Granted
Links
Images
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
- G06V40/161—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
-
- 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)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于入口人脸识别的导引服务系统,包括:人脸识别器,其用于实时采集人脸图片信息;数据库,其包括预存的人脸图片信息;中央控制器,其用于接收所述实时采集人脸图片信息后得出脸部特征提取值,与所述预存的人脸图片信息的脸部特征提取值进行比对,对人脸进行识别判断并将识别信息输出;PC终端,其用于接收所述识别信息,进行分类存储和处理,发出服务指令;显示屏,其用于接收所述服务指令;语音提示终端,其用于接收所述服务指令。本发明公开了一种基于入口人脸识别的导引服务方法。
Description
技术领域
本发明涉及人脸识别,具体涉及一种基于入口人脸识别的导引服务系统及导引服务方法。
背景技术
随着信息工程与信息安全行业的发展,有关大数据采集与网络云服务等IT服务已发展到一定阶段。各种人脸识别技术、红外线探测技术、数据服务器技术等终端,以及网络服务已发展的比较成熟,已经具备了组合成一个系统的客观条件。
目前市场上已有的入口红外感应器是一种简单的通报来客装置,不具备识别客户功能,不具有通过大数据存取来引导服务以提高服务质量和效率的功能,另外,一些人脸识别门禁系统已具备一定的数据收集存储与交互通话功能,但没有运用于促进营销与提升服务质量的系统,不具备即时反馈客户身份与偏好情况给服务者,供其参考以提高营销效果的功能。
发明内容
本发明设计开发了一种基于入口人脸识别的导引服务系统,本发明通过组建系统实现访客信息识别或存储,即时语音提示或者屏幕提示服务者访客已知或未知身份,引导服务者有区别的服务来客,达到定向服务或定向营销的目的。
本发明设计开发了一种基于入口人脸识别的导引服务方法,本发明的之一是通过组建系统实现访客信息识别或存储,即时语音提示或者屏幕提示服务者访客已知或未知身份,引导服务者有区别的服务来客,达到定向服务。
本发明的之二是通过模糊控制模型精确确认访客的信息,进而更好的进行定向服务和引导
本发明提供的技术方案为:
一种基于入口人脸识别的导引服务系统,包括:
人脸识别器,其用于实时采集人脸图片信息;
数据库,其包括预存的人脸图片信息;
中央控制器,其用于接收所述实时采集人脸图片信息后得出脸部特征提取值,与所述预存的人脸图片信息的脸部特征提取值进行比对值计算,对人脸进行识别判断并将识别信息输出;
PC终端,其用于接收所述识别信息,进行分类存储和处理,发出服务指令;
显示屏,其用于接收所述服务指令;
语音提示终端,其用于接收所述服务指令。
优选的是,所述人脸识别器包括:人脸识别装置、摄像机和红外探测器。
一种基于入口人脸识别的导引服务方法,包括如下步骤:
步骤一、实时采集人脸图片信息后,通过中央控制器得出脸部特征提取值;
步骤二、所述中央控制器计算得出的实时采集的人脸图片信息的脸部特征提取值与预存的人脸图片信息的脸部特征提取值的比对值,得出比对值后如果在预设的阈值范围内,则识别信息为预存的人脸图片,如果未在预设的阈值范围内,则识别信息为新的人脸图片;
步骤三、当判断为预存的人脸图片信息时,则判断为已知访客;当判断为新的人脸图片信息时,则判断为未知访客;
步骤四、根据判断为已知访客或者未知访客,由显示屏或者语音提示终端做出服务指令。
优选的是,在所述步骤二中,所述的预存的人脸图片信息包括工作人员的人脸图片信息和原始客户的人脸图片信息。
优选的是,还包括:当识别信息为预存的人脸图片时,对所述的实时采集的人脸图片信息再次进行判断,得到所述的实时采集的人脸图片信息为工作人员或者原始客户。
优选的是,对所述的实时采集的人脸图片通过模糊控制模型再次进行判断,包括如下过程:
分别将第一差值比值ΔE1、第二差值比值ΔE2以及所述工作人员概率P为模糊论域中的量化等级;
将所述第一差值比值ΔE1以及所述第二差值比值ΔE2输入模糊控制模型,均分为5个等级;
模糊控制模型输出为所述工作人员概率P,分为5个等级;
所述第一差值比值ΔE1的论域为[0,0.05],所述第二差值比值ΔE2的论域为[0.05,0],所述工作人员概率P的论域为[0,1],设量化因子都为1,设定所述工作人员概率P的阈值为0.48~0.55中的一个值;
所述中央控制器根据所述工作人员概率P对所述实时采集的人脸图片进行判断,当输出的工作人员概率P达到所述阈值时,则所述中央控制器判断实时采集的人脸图片信息为工作人员,当输出的工作人员概率P未达到所述阈值时,则所述中央控制器判断实时采集的人脸图片信息为原始客户;
式中,L0为所述的实时采集的人脸图片信息的脸部特征提取值,L1为所述的工作人员的人脸图片信息的脸部特征提取值,L2为所述的原始客户的人脸图片信息的脸部特征提取值。
优选的是,所述第一差值比值ΔE1的模糊集为{ZO,PS,PM,PB,PVB},所述第二差值比值ΔE2的模糊集为{PVB,PB,PM,PS,ZO},所述工作人员概率P的模糊集为{S,SM,M,MB,B};隶属函数均选用三角函数。
优选的是,所述脸部特征提取值通过LNP算法进行提取值计算。
优选的是,在所述步骤二中,所述预设的阈值为[0.95,1.05]。
优选的是,设定所述工作人员概率P的阈值为0.53。
本发明与现有技术相比较所具有的有益效果:该系统具备提高服务质量和效率,达到促进营销的作用,区别于传统的监控系统和门禁系统,可实现自动化的信息搜集与处理,为服务者提供高效的人员识别,达到导引服务的目的,该系统结构简单,实现容易,社会效益巨大,具有极大的市场价值。
附图说明
图1为本发明所述的导引服务系统的模块示意图。
图2为第一差值比值ΔE1的隶属函数。
图3为第二差值比值ΔE2的隶属函数。
图4为工作人员概率P的隶属函数。
图5为通过LNP算法计算脸部特征提取值的实施例示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供一种基于入口人脸识别的导引服务系统,主体包括入口人脸识别器、中央控制器、数据库、网络交换机、PC终端、入口语音对讲模块和入口显示屏,结合互联网技术组成一个来客数据采集、处理的系统;其中,入口人脸识别器用于实时采集人脸图片信息,人脸识别器选用目前市场上主流的产品,可以根据客户要求选用不同精度的产品,低端产品可达到人员主动在设备前扫描已实现识别和存储来访数据的功能,高端产品可达到客户进入入口即拍照识别换存储数据的功能,可采用触发式红外感应器精确对焦,由摄影设备拍照录入数据库,传至PC终端处理,人脸识别器与红外感应器也可集成成一个装置;数据库包括预存的人脸图片信息,包括预存的工作人员的人脸图片信息和原始客户的人脸图片信息;中央控制器用于接收实时采集人脸图片信息后得出脸部特征提取值,与预存的人脸图片信息的脸部特征提取值进行比对,对人脸进行识别判断并将识别信息输出;PC终端用于接收识别信息,进行分类存储和处理,发出服务指令;网络交换机用于实现中央控制器与多台PC终端连接以及数据库连接,并支持连接互联网;入口显示屏用于接收服务指令并作出显示,入口语音对讲模块用于接收所述服务指令并作出服务指令。
本发明还公开了一种基于入口人脸识别的导引服务方法,包括如下步骤:
步骤一、实时采集人脸图片信息后,通过中央控制器得出脸部特征提取值;
步骤二、所述中央控制器计算得出的所述实时采集的人脸图片的脸部特征提取值L0与预存的人脸图片信息的脸部特征提取值L的比对值得出比对值后如果在预设的阈值范围内,则识别信息为预存的人脸图片,如果未在预设的阈值范围内,则识别信息为新的人脸图片;
其中,所述的预存的人脸图片信息包括工作人员的人脸图片信息和原始客户的人脸图片信息;
步骤三、当判断为预存的人脸图片信息时,则判断为已知访客;当判断为新的人脸图片信息时,则判断为未知访客;
步骤四、根据判断为已知访客或者未知访客,由显示屏或者语音提示终端做出服务指令。
在另一种实施例中,作为一种优选,预设的阈值为[0.95,1.05]。
在另一种实施例中,在步骤二中,对所述的实时采集的人脸图片通过模糊控制模型再次进行判断,包括如下过程:
分别将第一差值比值ΔE1、第二差值比值ΔE2以及工作人员概率P转换为模糊论域中的量化等级;将第一差值比值ΔE1以及第二差值比值ΔE2输入模糊控制模型,模糊控制模型输出为工作人员概率P,进而进行判断实时采集的人脸图片是否是工作人员,工作人员概率P的阈值为0.48~0.55中的一个值,如果工作人员概率P达到设定阈值,判断实时采集的人脸图片是工作人员;在本实施例中,为了保证控制的精度,使其在不同的环境下都能够很好地进行控制,根据反复试验,将阈值确定为0.53。
第一差值比值ΔE1的变化范围为[0,0.05],第二差值比值ΔE2的变化范围为[0.05,0],设定量化因子都为1,因此,第一差值比值ΔE1以及第二差值比值ΔE2的论域分别为[0,0.05]和[0.05,0],工作人员概率P的论域为[0,1];为了保证控制的精度,使其在不同的环境下都能够很好地进行控制,根据反复试验,最终将第一差值比值ΔE1的变化范围分为5个等级,模糊集为{ZO,PS,PM,PB,PVB},ZO表示零,PS表示小,PM表示中等,PB表示大,PVB表示极大;第二差值比值ΔE2的变化范围分为5个等级,模糊集为{PVB,PB,PM,PS,ZO},PVB表示极大,PB表示大,PM表示中等,PS表示小,ZO表示零;输出的工作人员概率P分为5个等级,模糊集为{S,SM,M,MB,B},S表示小,SM表示较小,M表示中等,MB表示较大,B表示大;隶属函数均选用三角形隶属函数,如图2、3、4所示;
式中,L0为所述的实时采集的人脸图片信息的脸部特征提取值,L1为所述的工作人员的人脸图片信息的脸部特征提取值,L2为所述的原始客户的人脸图片信息的脸部特征提取值。
模糊控制模型的控制规则选取经验为:
如果第一差值比值ΔE1为极大,第二差值比值ΔE2为零或者小,则工作人员概率P为大,即实时采集的人脸图片是工作人员;
如果第一差值比值ΔE1为小或零,第二差值比值ΔE2为极大,则工作人员概率P为小,即实时采集的人脸图片是原始客户;
也就是说,如果工作人员概率P为“小或较小”,则实时采集的人脸图片是原始客户;如果工作人员概率P为“大或较大”,则实时采集的人脸图片是工作人员;如果工作人员概率P为“中等”,则该工作人员概率P为阈值,此种情况,如果感应范围内稍有变化,则必然会有情况的转化。
具体的模糊控制规则如表1所示。
表1模糊控制规则
在另一种实施例中,脸部特征提取值通过LNP算法进行提取值计算,具体包括:对实时采集的人脸图片中的每个像素,通过计算以其为中心的n*n领域内各像素和中心像素的大小关系,把像素的灰度值转化为一个八位二进制序列,对于图像的任意一点lc,以lc为中心,取与lc相邻的m个点,按照顺时针的方向记为l0,l1,……,lk,k=m-1;以lc点的像素值为阈值,如果li(i=1~k)点的像素值小于lc,则li被二值化为0,否则为1;将二值化得到的0、1序列看成一个八位二进制数,将该二进制数转化为十进制就可以得到lc点处的脸部提取特征值。
作为一种优选,如图5所示,脸部特征提取值通过LNP算法进行提取值计算,具体包括:对实时采集的人脸图片中的每个像素,通过计算以其为中心的3*3领域内各像素和中心像素的大小关系,把像素的灰度值转化为一个八位二进制序列,对于图像的任意一点lc,以lc为中心,取与lc相邻的8个点,按照顺时针的方向记为l0,l1,……,l7;以lc点的像素值为阈值,如果li(i=1~7)点的像素值小于lc,则li被二值化为0,否则为1;将二值化得到的0、1序列看成一个八位二进制数为11010011,将该二进制数11010011转化为十进制就可以得到lc点处的脸部提取特征值为211。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种基于入口人脸识别的导引服务系统,其特征在于,包括:
人脸识别器,其用于实时采集人脸图片信息;
数据库,其包括预存的人脸图片信息;
中央控制器,其用于接收所述实时采集人脸图片信息后得出脸部特征提取值,与所述预存的人脸图片信息的脸部特征提取值进行比对值计算,对人脸进行识别判断并将识别信息输出;
PC终端,其用于接收所述识别信息,进行分类存储和处理,发出服务指令;
显示屏,其用于接收所述服务指令;
语音提示终端,其用于接收所述服务指令。
2.如权利要求1所述的基于入口人脸识别的导引服务系统,其特征在于,所述人脸识别器包括:人脸识别装置、摄像机和红外探测器。
3.一种基于入口人脸识别的导引服务方法,其特征在于,包括如下步骤:
步骤一、实时采集人脸图片信息后,通过中央控制器得出脸部特征提取值;
步骤二、所述中央控制器计算得出的实时采集的人脸图片信息的脸部特征提取值与预存的人脸图片信息的脸部特征提取值的比对值,得出比对值后如果在预设的阈值范围内,则识别信息为预存的人脸图片,如果未在预设的阈值范围内,则识别信息为新的人脸图片;
步骤三、当判断为预存的人脸图片信息时,则判断为已知访客;当判断为新的人脸图片信息时,则判断为未知访客;
步骤四、根据判断为已知访客或者未知访客,由显示屏或者语音提示终端做出服务指令。
4.如权利要求3所述的基于入口人脸识别的导引服务方法,其特征在于,在所述步骤二中,所述的预存的人脸图片信息包括工作人员的人脸图片信息和原始客户的人脸图片信息。
5.如权利要求4所述的基于入口人脸识别的导引服务方法,其特征在于,在所述步骤二中,还包括:当识别信息为预存的人脸图片时,对所述的实时采集的人脸图片信息再次进行判断,得到所述的实时采集的人脸图片信息为工作人员或者原始客户。
6.如权利要求5所述的基于入口人脸识别的导引服务方法,其特征在于,在所述步骤二中,对所述的实时采集的人脸图片通过模糊控制模型再次进行判断,包括如下过程:
分别将第一差值比值ΔE1、第二差值比值ΔE2以及所述工作人员概率P为模糊论域中的量化等级;
将所述第一差值比值ΔE1以及所述第二差值比值ΔE2输入模糊控制模型,均分为5个等级;
模糊控制模型输出为所述工作人员概率P,分为5个等级;
所述第一差值比值ΔE1的论域为[0,0.05],所述第二差值比值ΔE2的论域为[0.05,0],所述工作人员概率P的论域为[0,1],设量化因子都为1,设定所述工作人员概率P的阈值为0.48~0.55中的一个值;
所述中央控制器根据所述工作人员概率P对所述实时采集的人脸图片进行判断,当输出的工作人员概率P达到所述阈值时,则所述中央控制器判断实时采集的人脸图片信息为工作人员,当输出的工作人员概率P未达到所述阈值时,则所述中央控制器判断实时采集的人脸图片信息为原始客户;
式中,L0为所述的实时采集的人脸图片信息的脸部特征提取值,L1为所述的工作人员的人脸图片信息的脸部特征提取值,L2为所述的原始客户的人脸图片信息的脸部特征提取值。
7.如权利要求6所述的基于入口人脸识别的导引服务方法,其特征在于,所述第一差值比值ΔE1的模糊集为{ZO,PS,PM,PB,PVB},所述第二差值比值ΔE2的模糊集为{PVB,PB,PM,PS,ZO},所述工作人员概率P的模糊集为{S,SM,M,MB,B};隶属函数均选用三角函数。
8.如权利要求7所述的基于入口人脸识别的导引服务方法,其特征在于,所述脸部特征提取值通过LNP算法进行提取值计算。
9.如权利要求8所述的基于入口人脸识别的导引服务方法,其特征在于,在所述步骤二中,所述预设的阈值为[0.95,1.05]。
10.如权利要求9所述的基于入口人脸识别的导引服务方法,其特征在于,设定所述工作人员概率P的阈值为0.53。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911014331.XA CN111047757B (zh) | 2019-10-23 | 2019-10-23 | 一种基于入口人脸识别的导引服务系统及导引服务方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911014331.XA CN111047757B (zh) | 2019-10-23 | 2019-10-23 | 一种基于入口人脸识别的导引服务系统及导引服务方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111047757A true CN111047757A (zh) | 2020-04-21 |
CN111047757B CN111047757B (zh) | 2022-02-01 |
Family
ID=70231933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911014331.XA Active CN111047757B (zh) | 2019-10-23 | 2019-10-23 | 一种基于入口人脸识别的导引服务系统及导引服务方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047757B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140079297A1 (en) * | 2012-09-17 | 2014-03-20 | Saied Tadayon | Application of Z-Webs and Z-factors to Analytics, Search Engine, Learning, Recognition, Natural Language, and Other Utilities |
CN103839033A (zh) * | 2012-11-20 | 2014-06-04 | 广东工业大学 | 一种基于模糊规则的人脸识别方法 |
CN103955640A (zh) * | 2014-04-14 | 2014-07-30 | 昆山弗徕威智能机器人科技有限公司 | 一种基于模糊控制理论的身份识别系统 |
CN106820627A (zh) * | 2017-02-17 | 2017-06-13 | 张恒熙 | 一种自动分类衣柜及其分类方法 |
CN107423606A (zh) * | 2017-08-01 | 2017-12-01 | 黄河科技学院 | 一种基于模糊控制理论的身份识别系统 |
CN108711285A (zh) * | 2018-05-28 | 2018-10-26 | 辽宁工业大学 | 一种基于道路路口的混合交通模拟方法 |
CN109890106A (zh) * | 2018-11-02 | 2019-06-14 | 中国计量大学 | 基于用户身份自动识别的酒店个性化智能照明装置、系统与方法 |
CN109919003A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技(深圳)有限公司 | 人脸识别方法、终端设备及计算机可读存储介质 |
CN110246244A (zh) * | 2019-05-16 | 2019-09-17 | 珠海华园信息技术有限公司 | 基于人脸识别的智能前台管理系统 |
CN110348386A (zh) * | 2019-07-12 | 2019-10-18 | 广东工业大学 | 一种基于模糊理论的人脸图像识别方法、装置及设备 |
-
2019
- 2019-10-23 CN CN201911014331.XA patent/CN111047757B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140079297A1 (en) * | 2012-09-17 | 2014-03-20 | Saied Tadayon | Application of Z-Webs and Z-factors to Analytics, Search Engine, Learning, Recognition, Natural Language, and Other Utilities |
CN103839033A (zh) * | 2012-11-20 | 2014-06-04 | 广东工业大学 | 一种基于模糊规则的人脸识别方法 |
CN103955640A (zh) * | 2014-04-14 | 2014-07-30 | 昆山弗徕威智能机器人科技有限公司 | 一种基于模糊控制理论的身份识别系统 |
CN106820627A (zh) * | 2017-02-17 | 2017-06-13 | 张恒熙 | 一种自动分类衣柜及其分类方法 |
CN107423606A (zh) * | 2017-08-01 | 2017-12-01 | 黄河科技学院 | 一种基于模糊控制理论的身份识别系统 |
CN108711285A (zh) * | 2018-05-28 | 2018-10-26 | 辽宁工业大学 | 一种基于道路路口的混合交通模拟方法 |
CN109890106A (zh) * | 2018-11-02 | 2019-06-14 | 中国计量大学 | 基于用户身份自动识别的酒店个性化智能照明装置、系统与方法 |
CN109919003A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技(深圳)有限公司 | 人脸识别方法、终端设备及计算机可读存储介质 |
CN110246244A (zh) * | 2019-05-16 | 2019-09-17 | 珠海华园信息技术有限公司 | 基于人脸识别的智能前台管理系统 |
CN110348386A (zh) * | 2019-07-12 | 2019-10-18 | 广东工业大学 | 一种基于模糊理论的人脸图像识别方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111047757B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948476B (zh) | 一种基于计算机视觉的人脸皮肤检测系统及其实现方法 | |
CN112801431B (zh) | 基于人工智能分析的企业经营风险评估方法及系统 | |
CN112560745B (zh) | 一种电力作业现场人员甄别方法及相关装置 | |
CN109635620B (zh) | 自助服务终端(sst)面部认证处理 | |
CN112329688A (zh) | 一种公共场合用智能风险管控系统 | |
CN108446687A (zh) | 一种基于移动端和后台互联的自适应人脸视觉认证方法 | |
CN114022988A (zh) | 一种基于人工智能的访客信息管理验证系统及方法 | |
CN113688794A (zh) | 身份识别方法、装置、电子设备和计算机可读存储介质 | |
CN116798176A (zh) | 基于大数据和智慧安防的数据管理系统 | |
CN111310612A (zh) | 行为督导方法和装置 | |
CN111047757B (zh) | 一种基于入口人脸识别的导引服务系统及导引服务方法 | |
CN114065340A (zh) | 基于机器学习的施工场地安全监测方法及系统、存储介质 | |
CN112258707A (zh) | 一种基于人脸识别的智能门禁管理系统 | |
CN113076533A (zh) | 一种业务处理方法及装置 | |
CN110502605A (zh) | 基于人工智能技术的电力资产lcc成本归集系统 | |
CN115577968A (zh) | 一种基于企业违章管理和自动违规判定的积分系统及方法 | |
CN113325752B (zh) | 一种设备管理系统 | |
CN111160263B (zh) | 一种获取人脸识别阈值的方法及系统 | |
CN114359997A (zh) | 业务引导方法及系统 | |
CN114840748A (zh) | 基于人脸识别的信息推送方法、装置、设备及存储介质 | |
CN114694008A (zh) | 一种远程人脸识别系统 | |
CN103544476A (zh) | 流动点脸部识别监控方法、系统及移动终端 | |
CN112052737A (zh) | 一种金融机构营业网点治理方法、系统、存储介质及电子设备 | |
CN112558512A (zh) | 基于大数据与物联网技术的智慧控申系统 | |
Bekeneva et al. | Local image processing in distributed monitoring system |
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 |