CN111178259A - 支持多算法融合的识别方法及系统 - Google Patents
支持多算法融合的识别方法及系统 Download PDFInfo
- Publication number
- CN111178259A CN111178259A CN201911389908.5A CN201911389908A CN111178259A CN 111178259 A CN111178259 A CN 111178259A CN 201911389908 A CN201911389908 A CN 201911389908A CN 111178259 A CN111178259 A CN 111178259A
- Authority
- CN
- China
- Prior art keywords
- identification
- recognition
- external
- image
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
Abstract
本发明提供一种支持多算法融合的识别方法及系统,该支持多算法融合的识别方法包括:接收识别终端采集的生物识别图像;将接收的生物识别图像发送至多个并联的外部识别系统进行比对识别;接收多个外部识别系统返回的多个识别信息,每个识别信息内均包含识别结果和该外部识别系统为生物识别图像所关联的身份标识;融合处理多个外部识别系统返回的识别结果以获得融合后的识别结果;选取与融合后的识别结果最接近的识别信息并获取该识别信息内的身份标识;根据身份标识查找到对应的用户信息;将用户信息和融合后的识别结果发送至识别终端。
Description
技术领域
本发明涉及人脸识别领域,其特别涉及一种支持多算法融合的识别方法及系统。
背景技术
在日益增长的数字经济的大环境下,移动支付正在改变很多行业,其中刷脸支付的快速兴起不仅改变着人们的生活,更带动了相关产业链的腾飞。在公共交通领域,人脸支付也得到了很广泛的应用,如地铁和高铁出入口的人脸识别。
在公共交通领域,公共交通的业主方(地铁公司、公交公司等)有很多人脸识别厂家可选择,每个厂家有各自的人脸识别算法、人脸识别终端设备以及人脸识别算法平台也有很多种。但是在实际使用中,公共交通的业主方预先选定一个厂家来开展人脸识别业务,人脸识别设备则基于该识别算法进行建设。这种应用模式使得公共交通系统内的人脸识别设备一旦建设完成,后期如果由于人脸识别效果不理想,想更换算法厂家或新增一个人脸识别厂家,将会带来巨大的改造负担。
此外,在现有的人脸识别系统中,用户注册的信息和图像均存储于第三方厂家的服务器内,其并不受公共交通业主方的管理,数据存储上具有一定的泄露风险,数据安全等级并不高。
发明内容
本发明为了克服现有技术的不足,提供一种支持多算法融合的识别方法及系统,该识别方法和系统能兼容多个厂家的算法。
为了实现上述目的,本发明提供一种持多算法融合的识别方法,其包括:
接收识别终端采集的生物识别图像;
将接收的生物识别图像发送至多个并联的外部识别系统进行比对识别;
接收多个外部识别系统返回的多个识别信息,每个识别信息内均包含识别结果和该外部识别系统为生物识别图像所关联的身份标识;
融合处理多个外部识别系统返回的识别结果以获得融合后的识别结果;
选取与融合后的识别结果最接近的识别信息并获取该识别信息内的身份标识;
根据身份标识查找到对应的用户信息;
将用户信息和融合后的识别结果发送至识别终端。
根据本发明的一实施例,采用加权数据融合方法对多个外部识别系统返回的识别结果进行加权融合,在加权融合后,增加与融合后的识别结果最接近的识别信息所对应的外部识别系统的权重。
根据本发明的一实施例,每个外部识别系统为生物识别图像所关联的身份标识在用户注册时产生,支持多算法融合的识别方法还包括用户注册产生该身份标识的步骤:
接收用户终端发送的生物注册图像和用户信息;
仅将生物注册图像发送至多个并联的外部识别系统以进行注册;
接收每个外部识别系统注册返回的为该生物注册图像所分配的身份标识;
将每个外部识别系统返回的身份标识与对应的用户信息进行关联存储。
根据本发明的一实施例,将每个外部识别系统的编号和该外部识别系统基于生物注册图像所分配的身份标识组成一数据组,多个数据组依次关联存储于对应的用户信息下。
根据本发明的一实施例,在接收多个外部识别系统所返回的识别信息时,若某一外部识别系统超时未返回识别结果,则判断该外部识别系统返回的数据失效,不对其进行融合处理。
根据本发明的一实施例,生物识别图像为人脸识别图像、虹膜识别图像或者指纹识别图像。
相对应的,本发明还提供一种支持多算法融合的识别系统,其包括采集信息接收模块、图像发送模块、信息接收模块、数据处理模块、身份标识获取模块、查找模块以及返回模块。采集信息接收模块接收识别终端采集的生物识别图像。图像发送模块将接收的生物识别图像发送至多个并联的外部识别系统进行比对识别。信息接收模块接收多个外部识别系统返回的多个识别信息,每个识别信息内均包含识别结果和该外部识别系统为生物识别图像所关联的身份标识。数据处理模块融合处理多个外部识别系统返回的识别结果以获得融合后的识别结果。身份标识获取模块选取与融合后的识别结果最接近的识别信息并获取该识别信息内的身份标识。查找模块根据身份标识查找到对应的用户信息。返回模块将用户信息和融合后的识别结果发送至识别终端。
根据本发明的一实施例,采用加权数据融合方法对多个外部识别系统返回的识别结果进行加权融合,在加权融合后,增加与融合后的识别结果最接近的识别信息所对应的外部识别系统的权重。
根据本发明的一实施例,每个外部识别系统为生物识别图像所关联的身份标识在用户注册时产生,支持多算法融合的识别系统还包括存储模块,采集信息接收模块接收用户终端发送的生物注册图像和用户信息;图像发送模块仅将生物注册图像发送至多个外部识别系统以进行注册;信息接收模块接收每个外部识别系统注册返回的为该生物注册图像所分配的身份标识;存储模块将每个外部识别系统返回的身份标识与对应的用户信息进行关联存储。
根据本发明的一实施例,存储模块将每个外部识别系统的编号和该外部识别系统基于生物注册图像所分配的身份标识组成一数据组,多个数据组依次关联存储于对应的用户信息下。
综上所述,本发明提供的支持多算法融合的识别方法及系统同时对接多个并联的外部识别系统,将接收的生物识别图像发送给多个并联的外部识别系统并同时接收外部识别系统返回的多个识别结果。之后,对多个识别结果进行处理以获得融合后的识别结果并在多个识别信息中选取与融合后的识别结果最接近的作为本次识别的最终结果。这种调用多个外部识别系统以进行识别的方式很好的解决了现有单一识别系统出现的识别不准确以及故障等问题。而一旦其中一个识别系统出现问题,在进行数据融合处理时对舍弃或降低该数据的计算权重即可,业主方无需更换任何的设备,大大降低了业主方对识别设备的维护成本。
进一步的,在整个识别过程中仅仅将用户的生物识别图像发送至外部识别系统进行识别,而用户信息是存储在持多算法融合的识别系统内进行统一管理的,用户信息安全等级高、不易发生泄露。
为让本发明的上述和其它目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合附图,作详细说明如下。
附图说明
图1所示为本发明一实施例提供的支持多算法融合的识别方法的流程图。
图2所示为本发明一实施例提供的支持多算法融合的识别方法在注册生成身份标识的流程图。
图3所示为本发明一实施例提供的支持多算法融合的识别系统的原理框图。
图4所示为用户信息和每个识别系统为该用户的人脸识别图像所关联的身份标识的存储结构示意图。
图5所示为本发明一实施例提供的支持多算法融合的识别系统的应用场景图。
具体实施方式
如图1所示,本实施例提供的支持多算法融合的识别方法包括:接收识别终端采集的生物识别图像(步骤S1)。将接收的生物识别图像发送至多个并联的外部识别系统进行比对识别(步骤S2)。接收多个外部识别系统返回的多个识别信息,每个识别信息内均包含识别结果和该外部识别系统为生物识别图像所关联的身份标识(步骤S3)。融合处理多个外部识别系统返回的识别结果以获得融合后的识别结果(步骤S4)。选取与融合后的识别结果最接近的识别信息并获取该识别信息内的身份标识(步骤S5)。根据身份标识查找到对应的用户信息(步骤S6)。将用户信息和融合后的识别结果发送至识别终端(步骤S7)。
本实施提供的支持多算法融合的识别方法始于步骤S1,在该步骤系统接收识别终端采集的生物识别图像。于本实施例中,生物识别图像为人脸识别图像,所述识别终端为设置于地铁站闸机、公交POS机等设备上的人脸识别终端,人脸识别终端上安装有用于获取人脸图像的摄像头,其应用场景图如图5所示。然而,本发明对此不作任何限定。于其它实施例中,所述识别终端可以为安装在刷脸支付等商场或店铺内。或者,于其它实施例中,生物识别图像也可为人体的眼部虹膜图像或者是指纹图像;相对应的识别终端则为虹膜识别采集器或者是指纹采集器。
在获取到识别终端采集的人脸识别图像后,执行步骤S2,通过通信接口调用多个并联的外部识别系统并将获取的人脸识别图像分别发送至多个外部识别系统。多个并联的外部识别系统为多个厂家所开发的具有不同识别算法的识别平台,譬如A识别系统、B识别系统或者是C识别系统。每个识别系统在接收到人脸识别图形后会启动其自身的识别算法,经识别后生成对应的识别信息并将该识别信息返回。然而,本发明对外部识别系统的数量不作任何限定。
在步骤S3内支持多算法融合的识别系统接收多个外部识别系统所返回的识别信息。每个识别信息内均包含识别结果和该外部识别系统为生物识别图像所关联的身份标识。具体而言,A识别系统经识别后返回识别结果returnA和该人脸识别图像在A识别系统内所关联的身份标识face_id_A;B识别系统返回识别结果returnB和身份标识face_id_B;C识别系统返回识别结果returnC和身份标识face_id_C。
在获得多个识别结果后,执行步骤S4,融合处理多个外部识别系统返回的识别结果returnA、returnB以及returnC以获得融合后的识别结果returnM。优选的,采用加权数据融合的方法对返回的多个识别进过进行加权融合。然而,本发明对加权数据融合的具体算法不作任何限定。其可采用现有的加权平均法、卡尔曼滤波以及人工神经网络法等加权融合方式。
于本实施例中,采用加权数据融合方法对多个外部识别系统返回的识别结果returnA、returnB以及returnC进行加权融合处理后,增加与融合后的识别结果returnM最接近的识别信息所对应的外部识别系统的权重,以提高下一次识别结果计算的准确地。进一步的,在加权融合计算时,若某一外部识别系统超时未返回识别结果,则判断该外部识别系统返回的数据失效,不对其进行融合处理。对于超时未返回识别结果或者是返回的识别结果与融合后的识别结果returnM相差最大的识别系统,将减轻其权重以进一步提高识别结果的准确性。
在步骤S5中,基于获取的融合后的识别结果returnM,在步骤S3接收的多个识别结果中选取于其最接近的识别结果,譬如returnB。基于returnB在B识别系统返回的识别信息中获得人脸识别图像在B识别系统内所关联的身份标识face_id_B。之后执行步骤S6,基于获取到的身份标识face_id_B在支持多算法融合的识别系统内查找到对应的用户信息。图4所示为支持多算法融合的识别系统内以存放注册信息的数据库的形式关联存储了每个用户信息和每个识别系统为该用户的人脸识别图像所关联的身份标识。具体而言,每个外部识别系统的编号和该外部识别系统基于生物注册图像所分配的身份标识组成一数据组,多个数据组以存放注册信息的数据库的形式依次关联存储于对应的用户信息下。
因此,在获取到身份标识face_id_B后可通过查找存放注册信息的数据库的方式来获取到该用户信息。于本实施例中,所述用户信息包括用户姓名、手机号、身份证号码,将脱敏处理后的用户信息和识别结果returnB发送至地铁闸机、公交车POS机等设备上的识别终端(步骤S7),识别终端基于识别结果returnB对用户进行放行并展示该用户脱敏处理后的姓名、脱敏处理后的手机尾号以及注册时的人脸图像等信息。然而,本发明对用户信息的具体内容不作任何限定。对于不同的系统和应用场景而言,其用户信息将会不同。
对于每个外部识别系统为生物识别图像所关联的身份标识是在用户注册时生成的。如图2所示生成该身份标识的步骤包括:接收用户终端发送的人脸注册图像和用户信息(S11)。仅将生物注册图像发送至多个并联的外部识别系统以进行注册(S12)。接收每个外部识别系统注册返回的为该生物注册图像所分配的身份标识(S13)。将每个外部识别系统返回的身份标识与对应的用户信息进行关联存储(S14)。
在步骤S11中,用户通过手机等智能终端上传拍摄的人脸注册图像并将拍摄采集的人脸注册图像和用户信息发送到支持多算法融合的识别系统内。
系统接收到人脸注册图像和用户信息后执行步骤S12,仅将人脸注册图像发送至多个并联的外部识别系统,每个外部识别系统多基于接收的人脸注册图像进行注册,注册后生成对应的身份标识。在该步骤中,系统只是将人脸注册图像发送至外部识别系统,而不传输与注册图像相关的与用户切身利益有关的用户信息,这种用户信息的注册方式也进一步提高了用户信息的安全性。
在获得每个外部识别系统注册所返回的身份标识后将其存储于对应的用户信息下。具体而言,如图4所示,A识别系统和其返回的face_id_A组成一组数据,B识别系统和其返回的face_id_B组成一组数据,C识别系统和其返回的face_id_C组成一组数据,三组数据形式依次关联在同一个用户信息下面,形成存放注册信息的数据库。然而,本发明对信息关联存储的方式不作任何限定。
相对应的,本实施例还提供一种支持多算法融合的识别系统100,该系统100包括采集信息接收模块1、图像发送模块2、信息接收模块3、数据处理模块4、身份标识获取模块5、查找模块6以及返回模块7。采集信息接收模块1接收识别终端300采集的生物识别图像。图像发送模块2将接收的生物识别图像发送至多个并联的外部识别系统200进行比对识别。信息接收模块3接收多个外部识别系统返回的多个识别信息,每个识别信息内均包含识别结果和该外部识别系统为生物识别图像所关联的身份标识。数据处理模块4融合处理多个外部识别系统返回的识别结果以获得融合后的识别结果。身份标识获取模块5选取与融合后的识别结果最接近的识别信息并获取该识别信息内的身份标识。查找模块6根据身份标识查找到对应的用户信息。返回模块7将用户信息和融合后的识别结果发送至识别终端300。
本实施例提供的支持多算法融合的识别其工作原理如本实施例中步骤S1至S7,在此不作赘述。
进一步的,每个外部识别系统为生物识别图像所关联的身份标识在用户注册时产生,支持多算法融合的识别系统还包括存储模块8。在用户注册时,采集信息接收模块1接收用户终端发送的生物注册图像和用户信息。图像发送模块2仅将生物注册图像发送至多个外部识别系统以进行注册。信息接收模块3接收每个外部识别系统注册返回的为该生物注册图像所分配的身份标识。存储模块8将每个外部识别系统返回的身份标识与对应的用户信息进行关联存储。具体的注册生成身份标识的步骤如本实施例中步骤S11至S14所示。
于本实施例中,如图3所示,存储模块8将每个外部识别系统的编号和该外部识别系统基于生物注册图像所分配的身份标识组成一数据组,多个数据组以存放注册信息的数据库的形式依次关联存储于对应的用户信息下。
综上所述,本发明提供的支持多算法融合的识别方法及系统同时对接多个并联的外部识别系统,将接收的生物识别图像发送给多个并联的外部识别系统并同时接收外部识别系统返回的多个识别结果。之后,对多个识别结果进行处理以获得融合后的识别结果并在多个识别信息中选取与融合后的识别结果最接近的作为本次识别的最终结果。这种调用多个外部识别系统以进行识别的方式很好的解决了现有单一识别系统出现的识别不准确以及故障等问题。而一旦其中一个识别系统出现问题,在进行数据融合处理时对舍弃或降低该数据的计算权重即可,业主方无需更换任何的设备,大大降低了业主方对识别设备的维护成本。
进一步的,在整个识别过程中仅仅将用户的生物识别图像发送至外部识别系统进行识别,而用户信息是存储在持多算法融合的识别系统内进行统一管理的,用户信息安全等级高、不易发生泄露。
虽然本发明已由较佳实施例揭露如上,然而并非用以限定本发明,任何熟知此技艺者,在不脱离本发明的精神和范围内,可作些许的更动与润饰,因此本发明的保护范围当视权利要求书所要求保护的范围为准。
Claims (10)
1.一种支持多算法融合的识别方法,其特征在于,包括:
接收识别终端采集的生物识别图像;
将接收的生物识别图像发送至多个并联的外部识别系统进行比对识别;
接收多个外部识别系统返回的多个识别信息,每个识别信息内均包含识别结果和该外部识别系统为所述生物识别图像所关联的身份标识;
融合处理多个外部识别系统返回的识别结果以获得融合后的识别结果;
选取与融合后的识别结果最接近的识别信息并获取该识别信息内的身份标识;
根据所述身份标识查找到对应的用户信息;
将所述用户信息和融合后的识别结果发送至识别终端。
2.根据权利要求1所述的支持多算法融合的识别方法,其特征在于,采用加权数据融合方法对多个外部识别系统返回的识别结果进行加权融合,在加权融合后,增加与融合后的识别结果最接近的识别信息所对应的外部识别系统的权重。
3.根据权利要求1所述的支持多算法融合的识别方法,其特征在于,每个外部识别系统为生物识别图像所关联的身份标识在用户注册时产生,所述支持多算法融合的识别方法还包括用户注册产生该身份标识的步骤:
接收用户终端发送的生物注册图像和用户信息;
仅将生物注册图像发送至多个并联的外部识别系统以进行注册;
接收每个外部识别系统注册返回的为该生物注册图像所分配的身份标识;
将每个外部识别系统返回的身份标识与对应的用户信息进行关联存储。
4.根据权利要求3所述的支持多算法融合的识别方法,其特征在于,将每个外部识别系统的编号和该外部识别系统基于生物注册图像所分配的身份标识组成一数据组,多个数据组依次关联存储于对应的用户信息下。
5.根据权利要求1所述的支持多算法融合的识别方法,其特征在于,在接收多个外部识别系统所返回的识别信息时,若某一外部识别系统超时未返回识别结果,则判断该外部识别系统返回的数据失效,不对其进行融合处理。
6.根据权利要求1所述的支持多算法融合的识别方法,其特征在于,所述生物识别图像为人脸识别图像、虹膜识别图像或者指纹识别图像。
7.一种支持多算法融合的识别系统,其特征在于,包括:
采集信息接收模块,接收识别终端采集的生物识别图像;
图像发送模块,将接收的生物识别图像发送至多个并联的外部识别系统进行比对识别;
信息接收模块,接收多个外部识别系统返回的多个识别信息,每个识别信息内均包含识别结果和该外部识别系统为所述生物识别图像所关联的身份标识;
数据处理模块,融合处理多个外部识别系统返回的识别结果以获得融合后的识别结果;
身份标识获取模块,选取与融合后的识别结果最接近的识别信息并获取该识别信息内的身份标识;
查找模块,根据所述身份标识查找到对应的用户信息;
返回模块,将所述用户信息和融合后的识别结果发送至识别终端。
8.根据权利要求7所述的支持多算法融合的识别系统,其特征在于,采用加权数据融合方法对多个外部识别系统返回的识别结果进行加权融合,在加权融合后,增加与融合后的识别结果最接近的识别信息所对应的外部识别系统的权重。
9.根据权利要求7所述的支持多算法融合的识别系统,其特征在于,每个外部识别系统为生物识别图像所关联的身份标识在用户注册时产生,支持多算法融合的识别系统还包括存储模块,所述采集信息接收模块接收用户终端发送的生物注册图像和用户信息;图像发送模块仅将生物注册图像发送至多个外部识别系统以进行注册;信息接收模块接收每个外部识别系统注册返回的为该生物注册图像所分配的身份标识;存储模块将每个外部识别系统返回的身份标识与对应的用户信息进行关联存储。
10.根据权利要求9所述的支持多算法融合的识别系统,其特征在于,所述存储模块将每个外部识别系统的编号和该外部识别系统基于生物注册图像所分配的身份标识组成一数据组,多个数据组依次关联存储于对应的用户信息下。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911389908.5A CN111178259A (zh) | 2019-12-30 | 2019-12-30 | 支持多算法融合的识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911389908.5A CN111178259A (zh) | 2019-12-30 | 2019-12-30 | 支持多算法融合的识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111178259A true CN111178259A (zh) | 2020-05-19 |
Family
ID=70652279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911389908.5A Pending CN111178259A (zh) | 2019-12-30 | 2019-12-30 | 支持多算法融合的识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178259A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201894A (zh) * | 2007-11-06 | 2008-06-18 | 重庆大学 | 基于网格计算技术的大规模人脸数据库人脸识别方法 |
CN103984941A (zh) * | 2014-06-10 | 2014-08-13 | 深圳市赛为智能股份有限公司 | 人脸识别考勤方法及其装置 |
CN104537351A (zh) * | 2014-12-31 | 2015-04-22 | 深圳泰山在线科技有限公司 | 大数目人脸快速识别的方法和系统 |
CN106250858A (zh) * | 2016-08-05 | 2016-12-21 | 重庆中科云丛科技有限公司 | 一种融合多种人脸识别算法的识别方法及系统 |
CN106650693A (zh) * | 2016-12-30 | 2017-05-10 | 河北三川科技有限公司 | 一种用于人脸比对的多特征融合识别算法 |
CN107066983A (zh) * | 2017-04-20 | 2017-08-18 | 腾讯科技(上海)有限公司 | 一种身份验证方法及装置 |
CN108776768A (zh) * | 2018-04-19 | 2018-11-09 | 广州视源电子科技股份有限公司 | 图像识别方法及装置 |
CN110334225A (zh) * | 2019-05-14 | 2019-10-15 | 上海韬安信息技术有限公司 | 一种兼容多算法的分布式人脸基础信息中间库服务的设计方法 |
CN110569765A (zh) * | 2019-08-02 | 2019-12-13 | 北京旷视科技有限公司 | 图片识别方法、图片比对方法及装置 |
-
2019
- 2019-12-30 CN CN201911389908.5A patent/CN111178259A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201894A (zh) * | 2007-11-06 | 2008-06-18 | 重庆大学 | 基于网格计算技术的大规模人脸数据库人脸识别方法 |
CN103984941A (zh) * | 2014-06-10 | 2014-08-13 | 深圳市赛为智能股份有限公司 | 人脸识别考勤方法及其装置 |
CN104537351A (zh) * | 2014-12-31 | 2015-04-22 | 深圳泰山在线科技有限公司 | 大数目人脸快速识别的方法和系统 |
CN106250858A (zh) * | 2016-08-05 | 2016-12-21 | 重庆中科云丛科技有限公司 | 一种融合多种人脸识别算法的识别方法及系统 |
CN106650693A (zh) * | 2016-12-30 | 2017-05-10 | 河北三川科技有限公司 | 一种用于人脸比对的多特征融合识别算法 |
CN107066983A (zh) * | 2017-04-20 | 2017-08-18 | 腾讯科技(上海)有限公司 | 一种身份验证方法及装置 |
CN108776768A (zh) * | 2018-04-19 | 2018-11-09 | 广州视源电子科技股份有限公司 | 图像识别方法及装置 |
CN110334225A (zh) * | 2019-05-14 | 2019-10-15 | 上海韬安信息技术有限公司 | 一种兼容多算法的分布式人脸基础信息中间库服务的设计方法 |
CN110569765A (zh) * | 2019-08-02 | 2019-12-13 | 北京旷视科技有限公司 | 图片识别方法、图片比对方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113159288B (zh) | 防止隐私数据泄漏的编码模型训练方法及装置 | |
CN112489253B (zh) | 智能锁的解锁方法、移动终端、服务器及可读存储介质 | |
CN109542796A (zh) | 测试方法及相关产品 | |
CN110414376B (zh) | 更新人脸识别模型的方法、人脸识别相机及服务器 | |
CN104751041A (zh) | 用于身份验证的方法、系统和移动终端 | |
CN110798709B (zh) | 视频处理方法和装置、存储介质及电子装置 | |
CN111918039A (zh) | 基于5g网络的人工智能高风险作业管控系统 | |
JP2021520015A (ja) | 画像処理方法、装置、端末機器、サーバおよびシステム | |
CN109408671A (zh) | 特定目标的搜索方法及其系统 | |
CN108513368A (zh) | 一种组网的方法及系统 | |
CN109636090A (zh) | 工位分配方法、装置、设备及存储介质 | |
CN111178259A (zh) | 支持多算法融合的识别方法及系统 | |
CN110147759A (zh) | 目标识别方法、系统、目标识别管理方法及存储介质 | |
CN115578765A (zh) | 目标识别方法、装置、系统及计算机可读存储介质 | |
CN113380389B (zh) | 智能化的区域医疗急救方法、系统架构、设备及存储介质 | |
CN112969053B (zh) | 车内信息传输方法、装置、车载设备及存储介质 | |
CN106600250B (zh) | 区块链去中心化到中心化的用户标识方法和装置 | |
CN109376568A (zh) | 识别条码的方法、装置及系统 | |
CN116778534B (zh) | 图像处理方法、装置、设备和介质 | |
CN109583471A (zh) | 用于智能手机识别的方法及装置 | |
CN112818745B (zh) | 对象间对应关系的确定方法、装置、电子设备及存储介质 | |
KR20140106951A (ko) | 대규모 m2m 디바이스 환경에서 필터링을 이용한 실시간 데이터 수집 방법 및 시스템 | |
CN117437668A (zh) | 一种身份识别方法、装置和设备 | |
CN112533135B (zh) | 行人定位方法及装置、服务器、存储介质 | |
CN116056079B (zh) | 终端特征分析方法、装置、网络设备、云平台和介质 |
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 |