CN111191567A - 身份数据处理方法、装置、计算机设备和存储介质 - Google Patents
身份数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111191567A CN111191567A CN201911366628.2A CN201911366628A CN111191567A CN 111191567 A CN111191567 A CN 111191567A CN 201911366628 A CN201911366628 A CN 201911366628A CN 111191567 A CN111191567 A CN 111191567A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- target
- face image
- identity 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000007689 inspection Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims description 71
- 238000004590 computer program Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 abstract description 14
- 230000001815 facial effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
-
- 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
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/22—Status alarms responsive to presence or absence of persons
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请涉及一种身份数据处理方法、装置、计算机设备和存储介质。所述方法包括:接收巡检设备发送的现场图片;所述现场图片是对目标对象对应的人脸及工作证件进行拍摄得到的;对所述现场图片进行人脸检测,得到所述目标对象对应的人脸图像;对所述现场图片进行文字识别,从所述现场图片中提取所述工作证件对应的身份信息;根据所述身份信息从预先建立的人脸数据库中获取对应的目标人脸图像;将所述目标对象对应的人脸图像与所述目标人脸图像进行比对;当相似度不超过预设阈值时,根据所述身份信息生成第一警报信息,并发送至预设终端,以使得所述预设终端根据所述第一警报信息进行报警提示。采用本方法能够提高身份核验的效率和准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种身份数据处理方法、装置、计算机设备和存储介质。
背景技术
在电力行业的安全作业现场,经常需要对现场作业的工作人员进行身份核验,以实现安全管理。
传统技术中,通过是采集现场作业人员的现场工作照片,由专门的核验人员进行人工身份核验,这种方式不仅效率低下,而且准确率不高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高身份核验效率和准确率的身份数据处理方法、装置、计算机设备和存储介质。
一种身份数据处理方法,所述方法包括:
接收巡检设备发送的现场图片;所述现场图片是对目标对象对应的人脸及工作证件进行拍摄得到的;
对所述现场图片进行人脸检测,得到所述目标对象对应的人脸图像;
对所述现场图片进行文字识别,从所述现场图片中提取所述工作证件对应的身份信息;
根据所述身份信息从预先建立的人脸数据库中获取对应的目标人脸图像;
将所述目标对象对应的人脸图像与所述目标人脸图像进行比对;
当相似度不超过预设阈值时,根据所述身份信息生成第一警报信息,并发送至预设终端,以使得所述预设终端根据所述第一警报信息进行报警提示。
在其中一个实施例中,在所述对所述现场图片进行文字识别,从所述现场图片中提取所述工作证件对应的身份信息之后,还包括:
对所述人脸图像进行活体检测,得到活体检测结果;
当所述活体检测结果为第一结果时,根据所述身份信息生成第二警报信息,并发送至预设终端,以使得所述预设终端根据所述第二警报信息进行报警提示;所述第一结果用于表征所述目标对象为非活体;
所述根据所述身份信息从预先建立的人脸数据库中获取对应的目标人脸图像,包括:
当所述活体检测结果为第二结果时,根据所述身份信息从预先建立的人脸数据库中获取对应的目标人脸图像;所述第二结果用于表征所述目标对象为活体。
在其中一个实施例中,所述对所述现场图片进行文字识别,从所述现场图片中提取所述工作证件对应的身份信息,包括:
提取所述现场图片的文本区域图像;
对所述文本区域图像进行图像预处理,得到预处理图像;所述预处理图像中包含多个待识别字符;
提取每个所述待识别字符相应的字符特征数据;
将所述字符特征数据输入已训练的文本识别模型,得到输出的识别后字符;
拼接多个所述识别后字符得到所述身份信息。
在其中一个实施例中,所述文本识别模型的训练步骤包括:
获取多个训练文本图像以及与每个所述训练文本图像对应的目标字符;每个所述训练文本图像中包含待训练字符;
获取包含初始模型参数的文本识别模型;
根据所述多个训练文本图像以及与每个所述训练文本图像对应的目标字符,对所述包含初始模型参数的文本识别模型进行训练,得到包含目标模型参数的文本识别模型。
在其中一个实施例中,所述根据所述多个训练文本图像以及与每个所述训练文本图像对应的目标字符,对所述包含初始模型参数的文本识别模型进行训练,得到包含目标模型参数的文本识别模型,包括:
提取每个所述训练文本图像的字符特征数据;
将所述训练文本图像中的字符特征数据导入包含初始模型参数的文本识别模型中进行处理,生成待验证字符;
根据每个待验证字符与对应训练文本图像的目标字符计算所述文本识别模型的识别误差率;
当所述识别误差率大于误差率阈值时,根据所述待验证字符与所述训练文本图像调整所述文本识别模型的模型参数,将调整后的模型参数作为初始模型参数,并返回将所述训练文本图像中的字符特征数据导入包含初始模型参数的文本识别模型中进行处理,生成待验证字符的步骤继续训练,直至所述识别误差率小于误差率阈值;将最后一次调整后的模型参数作为所构建的文本识别模型的目标模型参数。
在其中一个实施例中,所述人脸数据库通过以下方式建立:
获取目标对象集合中各目标对象的身份信息及预留人脸图像;
将所述身份信息与对应的预留人脸图像进行关联存储,以建立所述人脸数据库。
在其中一个实施例中,对所述现场图片进行人脸检测,得到所述目标对象对应的人脸图像,包括:
提取所述现场图片对应的Haar特征;
根据所述Haar特征利用ADaBoost分类器检测所述现场图片的人脸区域,得到所述目标对象对应的人脸图像。
一种身份数据处理装置,所述装置包括:
图片接收模块,用于接收巡检设备发送的现场图片;所述现场图片是对目标对象对应的人脸及工作证件进行拍摄得到的;
人脸检测模块,对所述现场图片进行人脸检测,得到所述目标对象对应的人脸图像;
文字识别模块,用于对所述现场图片进行文字识别,从所述现场图片中提取所述工作证件对应的身份信息;
目标人脸图像获取模块,用于根据所述身份信息从预先建立的人脸数据库中获取对应的目标人脸图像;
人脸图像比对模块,用于将所述目标对象对应的人脸图像与所述目标人脸图像进行比对;
警报信息发送模块,用于当相似度不超过预设阈值时,根据所述身份信息生成第一警报信息,并发送至预设终端,以使得所述预设终端根据所述第一警报信息进行报警提示。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任意实施例所述的身份数据处理方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意实施例所述的身份数据处理方法的步骤。
上述身份数据处理方法、装置、计算机设备和存储介质,通过接收巡检设备发送的现场图片,对现场图片进行人脸检测,得到目标对象对应的人脸图像,对现场图片进行文字识别,从现场图片中提取工作证件对应的身份信息,进一步根据身份信息从预先建立的人脸数据库中获取对应的目标人脸图像,最后将目标对象对应的人脸图像与目标人脸图像进行比对,当相似度不超过预设阈值时,生成第一警报信息,并发送至预设终端,以使得预设终端根据第一警报信息进行报警,由于可以通过人脸检测自动识别人脸图像,并通过文字识别获得身份信息,根据该身份信息可获得对应的目标人脸图像,将目标对象对应的人脸图像与目标人脸图像进行自动比对,并在相似度不超过预设阈值时进行报警提示,从而提高了身份核验的效率和准确性。
附图说明
图1为一个实施例中身份数据处理方法的应用场景图;
图2为一个实施例中身份数据处理方法的流程示意图;
图3为另一个实施例中身份数据处理方法的流程示意图;
图4为一个实施例中身份数据处理装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的身份数据处理方法,可以应用于如图1所示的应用环境中。其中,巡检设备102以及终端106分别通过网络与服务器104进行通信。服务器106在接收到巡检设备发送的现场图片后,对现场图片进行人脸检测,得到目标对象对应的人脸图像,进一步对现场图片进行文字识别,从现场图片中提取工作证件对应的身份信息,然后根据身份信息从预先建立的人脸数据库中获取对应的目标人脸图像,将目标对象对应的人脸图像与目标人脸图像进行比对,当比对结果为相似度不超过预设阈值时,生成第一警报信息,并发送至预设终端,以使得预设终端根据第一警报信息进行报警提示,从而实现了身份的自动核验。
其中,终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种身份数据处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,接收巡检设备发送的现场图片;现场图片是对目标对象对应的人脸及工作证件进行拍摄得到的。
其中,巡检设备指的是用于巡视检查的设备,巡检设备可采集图像,巡检设备具体可以是巡检人员带的安全帽。现场图片指的是在电力作业现场采集的图片,在现场作业的工作人员往往会佩戴工作证件,工作证件上会包含工作人员的身份信息,身份信息为用于对工作人员的身份进行表征的信息,例如姓名、员工编号等等,现场图片由巡检设备对目标对象对应的人脸及工作证件进行拍摄得到,也就是说现场图片中包括了人脸区域和工作证件区域。这里的目标对象指的是在工作现场的工作人员。
具体地,巡检设备采集到至少一张目标对象的现场图片后,可通过4G、WIFI等无线网络通信地方式将现场图片发送至服务器。
在一个实施例中,巡检设备在发送现场图片时,可通过GPS获取当前定位信息,将定位信息发送至服务器。
步骤204,对现场图片进行人脸检测,得到目标对象对应的人脸图像。
具体地,服务器接收到现场图片后,对现场图片进行人脸检测,以检测出现场图片中人脸对应的图像区域,得到目标对象对应的人脸图像。
在一个实施例中,服务器可以对现场图片提取对应的haar特征,根据Haar特征利用ADaBoost分类器检测现场图片的人脸区域,得到目标对象对应的人脸图像。
步骤206,对现场图片进行文字识别,从现场图片中提取工作证件对应的身份信息。
具体地,由于现场图片中包括工作证件区域图像,工作证件区域图像中包括了目标对象对应的身份信息的文本内容,因此,服务器可以对现场图像进行文字识别,以从现场图片中提取工作证件对应的身份信息。
在一个实施例中,服务器可以通过OCR(Optical Character Recognition,光学字符识别)技术识别现场图片中的文字内容,得到工作证件对应的身份信息。
步骤208,根据身份信息从预先建立的人脸数据库中获取对应的目标人脸图像。
具体地,人脸数据库中预先建立了身份信息与预留人脸图像之间的映射关系,因此,服务器在获取到目标对象对应的身份信息后,可根据身份信息检索人脸数据库,获取人脸数据库中与身份信息对应的预留人脸图像作为目标对象的目标人脸图像。
步骤210,将目标对象对应的人脸图像与目标人脸图像进行比对。
具体地,服务器可以提取目标对象对应的人脸图像中的第一人脸面部特征点,以及提取目标人脸图像中的第二人脸面部特征点,将第一人脸面部特征点与第二人脸面部特征点进行比对,并计算目标对象对应的人脸图像与目标人脸图像之间的相似度。其中,提取人脸面部特定点可采用现有技术实现,具体采用何种方法,本发明在此不做限定。
步骤212,当相似度不超过预设阈值时,根据身份信息生成第一警报信息,并发送至预设终端,以使得预设终端根据第一警报信息进行报警提示。
其中,预设阈值指的是预先设置的相似度的阈值。该预设阈值可以根据经验进行设定和调整,当需要较高的精度时,可提高阈值,反之,可降低阈值。预设终端指的是事先绑定的终端,预设终端可以是后台管理终端。
服务器在对目标对象对应的人脸图像与目标人脸图像进行比对后,可根据比对结果计算目标对象对应的人脸图像与目标人脸图像之间的相似度,服务器进一步将计算得到的相似度与预设阈值进行比较,若计算得到的相似度超过该预设阈值,则表示目标对象对应的人脸图像与目标人脸图像为同一个人的人脸,若计算得到的相似度不超过该预设阈值,则表示目标对象对应的人脸图像与目标人脸图像很有可能不是同一个人的人脸,此时,服务器可以根据已经得到的身份信息生成第一警报信息,并发送至预设终端,预设终端在接收到该第一警报信息后,显示该第一警报信息对应的身份信息,并进行报警提示。这里的报警提示可以是发出预设的提示音,或者振动提示,当然,也可以是其他方式,本申请在此不做限定。
在一个实施例中,服务器在生成第一警报信息后,也可以将该警报信息发送至巡检设备,巡检设备可通过蓝牙传输的方式将该第一警报信息发送至巡检人员对应的终端,巡检人员对应的终端可以对该第一警报信息进行显示,并进行报警提示,从而使得现场巡检人员及时获知身份核验失败的情况。
在一个实施例中,人脸数据库中,对于各个身份信息,可设置对应的有效期限,该有效期限为该身份信息对应的工作人员可在工作现场进行工作的期限。这样,服务器在计算得到相似度超过预设阈值时,可进一步获取该身份信息对应的有效期限,判断现场图片对应的采集时间是否在该有效期限内,若现场图片对应的采集时间不在该有效期限,同样可以根据该身份信息生成警报信息,并发送至预设终端,预设终端对警报信息进行显示,并进行报警提示。举个例子,若现场图片对应的采集时间为2019/12/24,而根据身份信息获取到的有效期限为2019/01/01-2019/10/30,则该现场图片对应的采集时间明显不在该有效期限,此时,服务器就可以生成警报信息。本实施例中,服务器通过结合身份信息的有效期限进一步进行身份核验,可以提升身份核验的准确率,防止过期的身份信息对身份核验的准确率造成影响。
上述身份数据处理方法中,通过接收巡检设备发送的现场图片,对现场图片进行人脸检测,得到目标对象对应的人脸图像,对现场图片进行文字识别,从现场图片中提取工作证件对应的身份信息,进一步根据身份信息从预先建立的人脸数据库中获取对应的目标人脸图像,最后将目标对象对应的人脸图像与目标人脸图像进行比对,当相似度不超过预设阈值时,生成第一警报信息,并发送至预设终端,以使得预设终端根据第一警报信息进行报警,由于可以通过人脸检测自动识别人脸图像,并通过文字识别获得身份信息,根据该身份信息可获得对应的目标人脸图像,将目标对象对应的人脸图像与目标人脸图像进行自动比对,并在相似度不超过预设阈值时进行报警提示,提高了身份核验的效率和准确性。
在一个实施例中,如图3所示,提供了一种身份数据处理,包括以下步骤:
步骤S302,接收巡检设备发送的现场图片;现场图片是对目标对象对应的人脸及工作证件进行拍摄得到的。
步骤S304,对现场图片进行人脸检测,得到目标对象对应的人脸图像。
步骤S306,对现场图片进行文字识别,从现场图片中提取工作证件对应的身份信息。
步骤S308,对人脸图像进行活体检测,得到活体检测结果。
在一个实施例中,可预先采集活体人脸图像以及非活体人脸图像,训练一个活体检测模型,将活体检测模型保存在本地,当服务器进行人脸检测得到人脸图像后,对人脸图像进行特征提取,将提取的人脸特征输入到预先训练的活体检测模型中,从而可以得到活体检测结果。活体检测结果包括用于表征目标对象为非活体的第一检测结果以及用于表征目标对象为活体的第二检测结果。
步骤S310,当活体检测结果为第一结果时,根据身份信息生成第二警报信息,并发送至预设终端,以使得预设终端根据第二警报信息进行报警提示;第一结果用于表征目标对象为非活体。
具体地,当活体检测结果为第一结果时,此时对目标对象采集的现场图片中的人脸为非活体人脸,有可能存在以面具、图像或头像冒充等欺诈行为,因此,服务器可以根据身份信息生成第二警报信息,并发送至预设终端,预设终端在接收到该第二警报信息后,显示该第二警报信息对应的身份信息,并进行报警提示。这里的报警提示可以是发出预设的提示音,或者振动提示,当然,也可以是其他方式,本申请在此不做限定。
步骤S312,当活体检测结果为第二结果时,根据身份信息从预先建立的人脸数据库中获取对应的目标人脸图像;第二结果用于表征目标对象为活体。
具体地,当活体检测结果为第二结果时,此时对目标对象采集的现场图片中的人脸为活体人脸,服务器可以进一步获取目标对象对应的预留人脸图像进行人脸比对,来核对身份。
步骤S314,将目标对象对应的人脸图像与目标人脸图像进行比对。
步骤S316,当相似度不超过预设阈值时,根据身份信息生成第一警报信息,并发送至预设终端,以使得预设终端根据第一警报信息进行报警提示。
上述实施例中,在进行人脸比对之前,先进行活体检测,从而确保比对的人脸为活体人脸,防止欺诈行为的发生,进一步提升身份核验的准确性。
在一个实施例中,对现场图片进行文字识别,从现场图片中提取工作证件对应的身份信息,包括:提取现场图片的文本区域图像;对文本区域图像进行图像预处理,得到预处理图像;预处理图像中包含多个待识别字符;提取每个待识别字符相应的字符特征数据;将字符特征数据输入已训练的文本识别模型,得到输出的识别后字符;拼接多个识别后字符得到身份信息。
具体地,由于现场图片中包括了是对工作现场的目标对象对应的人脸及工作证件进行拍摄得到的,因此现场图片中包括了人脸区域图像、工作证件区域图像,工作证件区域图像中包括了文本区域图像,文本区域图像为工作证件中身份信息对应的图像区域,服务器在进行文字识别时,首先需要从现场图片提取文本区域图像。进一步,服务器对文本区域图像进行图像预处理,服务器可采用包括但不限于首先将文本区域图像进行灰度化、二值化及去噪等其中一种或多种处理方式生成二值化的预处理图像,预处理图像中包含多个待识别字符。将该二值化的预处理图像进行字符分割,生成对应数量的待识别字符图像。其中,该二值化的预处理图像包括只含有黑像素点和白像素点的预处理图像。通过将每个待识别字符图像输入已训练的文本识别模型,可得到相应的识别后字符;拼接多个识别后字符得到身份信息。
在一个实施例中,文本识别模型的训练步骤包括:获取多个训练文本图像以及与每个训练文本图像对应的目标字符;每个训练文本图像中包含待训练字符;获取包含初始模型参数的文本识别模型;根据多个训练文本图像以及与每个训练文本图像对应的目标字符,对包含初始模型参数的文本识别模型进行训练,得到包含目标模型参数的文本识别模型。
其中,文本识别模型可以是具有识别能力的机器学习模型,比如卷积神经网络模型(Convolutional Neural Network,CNN)等。本实施例中,通过预先构建训练文本图像对文本识别模型进行不断训练,并根据每次训练结果调节初始模型参数,直至训练得到符合条件的包含目标模型参数的文本识别模型。
在一个实施例中,根据多个训练文本图像以及与每个训练文本图像对应的目标字符,对包含初始模型参数的文本识别模型进行训练,得到包含目标模型参数的文本识别模型,包括:提取每个训练文本图像的字符特征数据;将训练文本图像中的字符特征数据导入包含初始模型参数的文本识别模型中进行处理,生成待验证字符;根据每个待验证字符与对应训练文本图像的目标字符计算文本识别模型的识别误差率;当识别误差率大于误差率阈值时,根据待验证字符与训练文本图像调整文本识别模型的模型参数,将调整后的模型参数作为初始模型参数,并返回将训练文本图像中的字符特征数据导入包含初始模型参数的文本识别模型中进行处理,生成待验证字符的步骤继续训练,直至识别误差率小于误差率阈值;将最后一次调整后的模型参数作为所构建的文本识别模型的目标模型参数。
其中,字符特征数据可以是训练文本图像中每行目标像素点的和以及每列目标像素点的和,还可以包括所有目标像素点占训练文本图像中总像素点的比例。目标像素点是待训练字符在所对应的训练文本图像中占据的像素点。可根据每行目标像素点的和以及每列目标像素点的和等数据构建与训练文本图像对应的特征矢量。识别误差率是指通过比较每个待验证字符与对应训练文本图像中的目标字符是否一致而计算生成的概率,该识别误差率也属于模型参数。比如,通过文本识别模型识别100个训练文本图像,其中识别出的待验证字符中有70个与对应的目标字符一致,则该文本识别模型的识别误差率为30%。本实施例中,通过对文本识别模型的参数不断调整,使得最终包含目标模型参数的文本识别模型的识别误差率小于误差率阈值,从而能够通过该构建好的文本识别模型更加准确地识出现场图片中的身份信息。
在一个实施例中,人脸数据库通过以下方式建立:获取目标对象集合中各目标对象的身份信息及预留人脸图像;将身份信息与对应的预留人脸图像进行关联存储,以建立人脸数据库。
其中,目标对象集合指的是所有需要进行现场作业的工作人员所组成的集合。预留人脸图像可以是从目标对象提供的身份证上提取的人脸图像,也可以是对通过人脸图像采集程序对目标对象进行人脸图像采集得到的图像。
本实施例中,服务器在获取到目标对象集合中各目标对象的身份信息及预留人脸图像,可将身份信息与对应的预存人脸图像进行关联存储,以建立身份信息与预留人脸图像之间的映射关系,从而建立人脸数据库。
在一个实施例中,服务器可以进一步获取各身份信息对应的有效期限,将身份信息、对应的预留人脸图像及对应的有效期限进行关联存储,以建立人脸数据库。这样,服务器就可以根据身份信息从人脸数据库进行精准检索,得到身份信息对应的预留人脸图像及有效期限等信息。
本实施例中,通过预先建立人脸数据库,可以方便快捷地实现人脸比对,从而提升身份核对效率。
在一个实施例中,对现场图片进行人脸检测,得到目标对象对应的人脸图像,包括:提取现场图片对应的Haar特征;根据Haar特征利用ADaBoost分类器检测现场图片的人脸区域,得到目标对象对应的人脸图像。
Haar特征可包括边缘特征、线性特征、中心特征和对角线特征这四类特征,这四类特征组合成特征模板。特征模板包括白色和黑色两种矩形,并定义该模板的特征值为白色矩形的像素减去黑色矩形的像素和。这种特征值能够反映图像的灰度变化情况,例如:脸部的一些特征能由矩形特征简单的描述,如:眼睛要比脸颊颜色要深,鼻梁两侧比鼻梁颜色要深,嘴巴比周围颜色要深等。通过改变特征模板的大小和位置,可在图像子窗口中穷举出大量的矩形特征。通过积分图的方法,可以快速计算矩形特征。
AdaBoost分类器是一种基于积分图、级联检测器的算法。该算法可将大量分类能力较弱的弱分类器通过一定方法组合起来,构成一个分类能力很强的强分类器,再将多个强分类器串联成为级联分类器完成图像检测。
由于后续在进行人脸比对时,针对的只是现场图片中的人脸,而当前获取的现场图片包含较多的多余信息,例如工作证件、头发、脖子等,多余的信息处理不仅造成整个系统的计算时间拉长,还不利于提升识别效果。因此,服务器需要对现场图片进行人脸检测处理,获得所需求的ROI(region of interest,感兴趣区域),即人脸区域,该人脸区域对应的图像就是人脸图像。
具体地,本实施例中可将提取的Haar特征输入该AdaBoost分类器中,输出结果为人脸区域的坐标,然后可根据坐标将人脸区域从待识别人脸图像截取下来,即得到人脸图像。
本实施例中,由于提取了Haar特征并利用ADaBoost分类器进行人脸检测,可提升人脸检测的效率和准确率,进而可以提升身份核验的效率和准确率。
在一个实施例中,提供了一种身份数据处理方法,包括以下步骤:
1、接收巡检设备发送的现场图片;现场图片是对目标对象对应的人脸及工作证件进行拍摄得到的。
2、提取现场图片对应的Haar特征,根据Haar特征利用ADaBoost分类器检测现场图片的人脸区域,得到目标对象对应的人脸图像。
3、提取现场图片的文本区域图像,对文本区域图像进行图像预处理,得到预处理图像;预处理图像中包含多个待识别字符。
4、提取每个待识别字符相应的字符特征数据,将字符特征数据输入已训练的文本识别模型,得到输出的识别后字符。
5、拼接多个识别后字符得到工作证件对应的身份信息。
6、对人脸图像进行活体检测,得到活体检测结果。
7、当活体检测结果为第一结果时,根据身份信息生成第二警报信息,并发送至预设终端,以使得预设终端根据第二警报信息进行报警提示;第一结果用于表征目标对象为非活体。
8、当活体检测结果为第二结果时,根据身份信息从预先建立的人脸数据库中获取对应的目标人脸图像;第一结果用于表征目标对象为活体。
9、将目标对象对应的人脸图像与目标人脸图像进行比对。
10、当相似度不超过预设阈值时,根据身份信息生成第一警报信息,并发送至预设终端,以使得预设终端根据第一警报信息进行报警提示。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种身份数据处理装置400,包括:
图片接收模块402,用于接收巡检设备发送的现场图片;现场图片是对目标对象对应的人脸及工作证件进行拍摄得到的;
人脸检测模块404,对现场图片进行人脸检测,得到目标对象对应的人脸图像;
文字识别模块406,用于对现场图片进行文字识别,从现场图片中提取工作证件对应的身份信息;
目标人脸图像获取模块408,用于根据身份信息从预先建立的人脸数据库中获取对应的目标人脸图像;
人脸图像比对模块410,用于将目标对象对应的人脸图像与目标人脸图像进行比对;
警报信息发送模块412,用于当相似度不超过预设阈值时,根据身份信息生成第一警报信息,并发送至预设终端,以使得预设终端根据第一警报信息进行报警提示。
在一个实施例中,该装置还包括:活体检测模块,用于对人脸图像进行活体检测,得到活体检测结果;当活体检测结果为第一结果时,根据身份信息生成第二警报信息,并发送至预设终端,以使得预设终端根据第二警报信息进行报警提示;第一结果用于表征目标对象为非活体;目标人脸图像获取模块408还用于当活体检测结果为第二结果时,根据身份信息从预先建立的人脸数据库中获取对应的目标人脸图像;第二结果用于表征目标对象为活体。
在一个实施例中,文字识别模块406还用于提取现场图片的文本区域图像;对文本区域图像进行图像预处理,得到预处理图像;预处理图像中包含多个待识别字符;提取每个待识别字符相应的字符特征数据;将字符特征数据输入已训练的文本识别模型,得到输出的识别后字符;拼接多个识别后字符得到身份信息。
在一个实施例中,该装置还包括文本识别模型训练模块,用于获取多个训练文本图像以及与每个训练文本图像对应的目标字符;每个训练文本图像中包含待训练字符;获取包含初始模型参数的文本识别模型;根据多个训练文本图像以及与每个训练文本图像对应的目标字符,对包含初始模型参数的文本识别模型进行训练,得到包含目标模型参数的文本识别模型。
在一个实施例中,文本识别模型训练模块还用于提取每个训练文本图像的字符特征数据;将训练文本图像中的字符特征数据导入包含初始模型参数的文本识别模型中进行处理,生成待验证字符;根据每个待验证字符与对应训练文本图像的目标字符计算文本识别模型的识别误差率;当识别误差率大于误差率阈值时,根据待验证字符与训练文本图像调整文本识别模型的模型参数,将调整后的模型参数作为初始模型参数,并返回将训练文本图像中的字符特征数据导入包含初始模型参数的文本识别模型中进行处理,生成待验证字符的步骤继续训练,直至识别误差率小于误差率阈值;将最后一次调整后的模型参数作为所构建的文本识别模型的目标模型参数。
在一个实施例中,该装置还包括人脸数据库建立模块,用于获取目标对象集合中各目标对象的身份信息及预留人脸图像;将身份信息与对应的预留人脸图像进行关联存储,以建立人脸数据库。
在一个实施例中,人脸检测模块404还用于提取现场图片对应的Haar特征;根据Haar特征利用ADaBoost分类器检测现场图片的人脸区域,得到目标对象对应的人脸图像。
关于身份数据处理装置的具体限定可以参见上文中对于身份数据处理方法的限定,在此不再赘述。上述身份数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储人脸图像数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种身份数据处理方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以上任意实施例所述身份数据处理方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任意实施例所述身份数据处理方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种身份数据处理方法,所述方法包括:
接收巡检设备发送的现场图片;所述现场图片是对目标对象对应的人脸及工作证件进行拍摄得到的;
对所述现场图片进行人脸检测,得到所述目标对象对应的人脸图像;
对所述现场图片进行文字识别,从所述现场图片中提取所述工作证件对应的身份信息;
根据所述身份信息从预先建立的人脸数据库中获取对应的目标人脸图像;
将所述目标对象对应的人脸图像与所述目标人脸图像进行比对;
当相似度不超过预设阈值时,根据所述身份信息生成第一警报信息,并发送至预设终端,以使得所述预设终端根据所述第一警报信息进行报警提示。
2.根据权利要求1所述的方法,其特征在于,在所述对所述现场图片进行文字识别,从所述现场图片中提取所述工作证件对应的身份信息之后,还包括:
对所述人脸图像进行活体检测,得到活体检测结果;
当所述活体检测结果为第一结果时,根据所述身份信息生成第二警报信息,并发送至预设终端,以使得所述预设终端根据所述第二警报信息进行报警提示;所述第一结果用于表征所述目标对象为非活体;
所述根据所述身份信息从预先建立的人脸数据库中获取对应的目标人脸图像,包括:
当所述活体检测结果为第二结果时,根据所述身份信息从预先建立的人脸数据库中获取对应的目标人脸图像;所述第二结果用于表征所述目标对象为活体。
3.根据权利要求1所述的方法,其特征在于,所述对所述现场图片进行文字识别,从所述现场图片中提取所述工作证件对应的身份信息,包括:
提取所述现场图片的文本区域图像;
对所述文本区域图像进行图像预处理,得到预处理图像;所述预处理图像中包含多个待识别字符;
提取每个所述待识别字符相应的字符特征数据;
将所述字符特征数据输入已训练的文本识别模型,得到输出的识别后字符;
拼接多个所述识别后字符得到所述身份信息。
4.根据权利要求3所述的方法,其特征在于,所述文本识别模型的训练步骤包括:
获取多个训练文本图像以及与每个所述训练文本图像对应的目标字符;每个所述训练文本图像中包含待训练字符;
获取包含初始模型参数的文本识别模型;
根据所述多个训练文本图像以及与每个所述训练文本图像对应的目标字符,对所述包含初始模型参数的文本识别模型进行训练,得到包含目标模型参数的文本识别模型。
5.根据权利要求4所述的方法,其特征在于,所述根据所述多个训练文本图像以及与每个所述训练文本图像对应的目标字符,对所述包含初始模型参数的文本识别模型进行训练,得到包含目标模型参数的文本识别模型,包括:
提取每个所述训练文本图像的字符特征数据;
将所述训练文本图像中的字符特征数据导入包含初始模型参数的文本识别模型中进行处理,生成待验证字符;
根据每个待验证字符与对应训练文本图像的目标字符计算所述文本识别模型的识别误差率;
当所述识别误差率大于误差率阈值时,根据所述待验证字符与所述训练文本图像调整所述文本识别模型的模型参数,将调整后的模型参数作为初始模型参数,并返回将所述训练文本图像中的字符特征数据导入包含初始模型参数的文本识别模型中进行处理,生成待验证字符的步骤继续训练,直至所述识别误差率小于误差率阈值;将最后一次调整后的模型参数作为所构建的文本识别模型的目标模型参数。
6.根据权利要求1所述的方法,其特征在于,所述人脸数据库通过以下方式建立:
获取目标对象集合中各目标对象的身份信息及预留人脸图像;
将所述身份信息与对应的预留人脸图像进行关联存储,以建立所述人脸数据库。
7.根据权利要求1至6所述的方法,其特征在于,对所述现场图片进行人脸检测,得到所述目标对象对应的人脸图像,包括:
提取所述现场图片对应的Haar特征;
根据所述Haar特征利用ADaBoost分类器检测所述现场图片的人脸区域,得到所述目标对象对应的人脸图像。
8.一种身份数据处理装置,其特征在于,所述装置包括:
图片接收模块,用于接收巡检设备发送的现场图片;所述现场图片是对目标对象对应的人脸及工作证件进行拍摄得到的;
人脸检测模块,对所述现场图片进行人脸检测,得到所述目标对象对应的人脸图像;
文字识别模块,用于对所述现场图片进行文字识别,从所述现场图片中提取所述工作证件对应的身份信息;
目标人脸图像获取模块,用于根据所述身份信息从预先建立的人脸数据库中获取对应的目标人脸图像;
人脸图像比对模块,用于将所述目标对象对应的人脸图像与所述目标人脸图像进行比对;
警报信息发送模块,用于当相似度不超过预设阈值时,根据所述身份信息生成第一警报信息,并发送至预设终端,以使得所述预设终端根据所述第一警报信息进行报警提示。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911366628.2A CN111191567B (zh) | 2019-12-26 | 2019-12-26 | 身份数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911366628.2A CN111191567B (zh) | 2019-12-26 | 2019-12-26 | 身份数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111191567A true CN111191567A (zh) | 2020-05-22 |
CN111191567B CN111191567B (zh) | 2024-06-28 |
Family
ID=70709406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911366628.2A Active CN111191567B (zh) | 2019-12-26 | 2019-12-26 | 身份数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111191567B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738147A (zh) * | 2020-06-22 | 2020-10-02 | 浙江大华技术股份有限公司 | 一种物品佩戴检测方法、装置、计算机设备及存储介质 |
CN111881846A (zh) * | 2020-07-30 | 2020-11-03 | 北京市商汤科技开发有限公司 | 图像处理方法和相关装置、设备、存储介质 |
CN112001700A (zh) * | 2020-08-21 | 2020-11-27 | 金钱猫科技股份有限公司 | 一种基于大数据自动比对的工程检查方法及服务端 |
CN112036242A (zh) * | 2020-07-28 | 2020-12-04 | 重庆锐云科技有限公司 | 人脸图片采集方法、装置、计算机设备及存储介质 |
CN112115910A (zh) * | 2020-09-28 | 2020-12-22 | 中国银行股份有限公司 | 人脸库更新方法及装置 |
CN112165573A (zh) * | 2020-09-14 | 2021-01-01 | 上海商汤智能科技有限公司 | 拍摄处理方法和装置、设备、存储介质 |
CN112215225A (zh) * | 2020-10-22 | 2021-01-12 | 北京通付盾人工智能技术有限公司 | 一种基于计算机视觉技术的kyc证件核验方法 |
CN112330331A (zh) * | 2020-11-19 | 2021-02-05 | 平安普惠企业管理有限公司 | 基于人脸识别的身份验证方法、装置、设备及存储介质 |
CN112436600A (zh) * | 2020-10-29 | 2021-03-02 | 山东理工大学 | 一种基于飞行巡检模式下的电力设备监控系统 |
CN113408465A (zh) * | 2021-06-30 | 2021-09-17 | 平安国际智慧城市科技股份有限公司 | 身份识别方法、装置及相关设备 |
CN113656843A (zh) * | 2021-08-18 | 2021-11-16 | 北京百度网讯科技有限公司 | 信息验证方法、装置、设备和介质 |
CN114489070A (zh) * | 2022-01-24 | 2022-05-13 | 美的集团(上海)有限公司 | 家居巡检方法、非易失性可读存储介质和计算机设备 |
CN114863506A (zh) * | 2022-03-18 | 2022-08-05 | 珠海优特电力科技股份有限公司 | 准入权限的验证方法、装置、系统和身份认证终端 |
CN115471919A (zh) * | 2022-09-19 | 2022-12-13 | 江苏至真健康科技有限公司 | 一种基于便携式免散瞳眼底照相机的建档方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509138A (zh) * | 2011-11-18 | 2012-06-20 | 山东神思电子技术股份有限公司 | 一种基于二代身份证和人脸特征识别的身份验证系统及其工作方法 |
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 |
CN103853961A (zh) * | 2012-12-07 | 2014-06-11 | 大连联达科技有限公司 | 基于ocr和人脸识别技术的教师身份认证方法 |
CN105184888A (zh) * | 2015-09-25 | 2015-12-23 | 浪潮集团有限公司 | 一种智能巡检装置 |
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 |
CN109871755A (zh) * | 2019-01-09 | 2019-06-11 | 中国平安人寿保险股份有限公司 | 一种基于人脸识别的身份验证方法 |
CN110136291A (zh) * | 2019-05-16 | 2019-08-16 | 深圳航天科技创新研究院 | 基于身份识别及云技术的巡更系统 |
CN209842711U (zh) * | 2019-07-29 | 2019-12-24 | 芜湖英奇电子科技股份有限公司 | 一种巡更点设备及其巡更系统 |
-
2019
- 2019-12-26 CN CN201911366628.2A patent/CN111191567B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509138A (zh) * | 2011-11-18 | 2012-06-20 | 山东神思电子技术股份有限公司 | 一种基于二代身份证和人脸特征识别的身份验证系统及其工作方法 |
CN103853961A (zh) * | 2012-12-07 | 2014-06-11 | 大连联达科技有限公司 | 基于ocr和人脸识别技术的教师身份认证方法 |
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 |
CN105184888A (zh) * | 2015-09-25 | 2015-12-23 | 浪潮集团有限公司 | 一种智能巡检装置 |
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 |
CN109871755A (zh) * | 2019-01-09 | 2019-06-11 | 中国平安人寿保险股份有限公司 | 一种基于人脸识别的身份验证方法 |
CN110136291A (zh) * | 2019-05-16 | 2019-08-16 | 深圳航天科技创新研究院 | 基于身份识别及云技术的巡更系统 |
CN209842711U (zh) * | 2019-07-29 | 2019-12-24 | 芜湖英奇电子科技股份有限公司 | 一种巡更点设备及其巡更系统 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738147A (zh) * | 2020-06-22 | 2020-10-02 | 浙江大华技术股份有限公司 | 一种物品佩戴检测方法、装置、计算机设备及存储介质 |
CN112036242A (zh) * | 2020-07-28 | 2020-12-04 | 重庆锐云科技有限公司 | 人脸图片采集方法、装置、计算机设备及存储介质 |
CN112036242B (zh) * | 2020-07-28 | 2023-07-21 | 重庆锐云科技有限公司 | 人脸图片采集方法、装置、计算机设备及存储介质 |
CN111881846A (zh) * | 2020-07-30 | 2020-11-03 | 北京市商汤科技开发有限公司 | 图像处理方法和相关装置、设备、存储介质 |
CN111881846B (zh) * | 2020-07-30 | 2024-04-02 | 北京市商汤科技开发有限公司 | 图像处理方法和相关装置、设备、存储介质 |
CN112001700A (zh) * | 2020-08-21 | 2020-11-27 | 金钱猫科技股份有限公司 | 一种基于大数据自动比对的工程检查方法及服务端 |
CN112165573A (zh) * | 2020-09-14 | 2021-01-01 | 上海商汤智能科技有限公司 | 拍摄处理方法和装置、设备、存储介质 |
CN112115910A (zh) * | 2020-09-28 | 2020-12-22 | 中国银行股份有限公司 | 人脸库更新方法及装置 |
CN112215225A (zh) * | 2020-10-22 | 2021-01-12 | 北京通付盾人工智能技术有限公司 | 一种基于计算机视觉技术的kyc证件核验方法 |
CN112215225B (zh) * | 2020-10-22 | 2024-03-15 | 北京通付盾人工智能技术有限公司 | 一种基于计算机视觉技术的kyc证件核验方法 |
CN112436600A (zh) * | 2020-10-29 | 2021-03-02 | 山东理工大学 | 一种基于飞行巡检模式下的电力设备监控系统 |
CN112330331A (zh) * | 2020-11-19 | 2021-02-05 | 平安普惠企业管理有限公司 | 基于人脸识别的身份验证方法、装置、设备及存储介质 |
CN113408465A (zh) * | 2021-06-30 | 2021-09-17 | 平安国际智慧城市科技股份有限公司 | 身份识别方法、装置及相关设备 |
CN113656843A (zh) * | 2021-08-18 | 2021-11-16 | 北京百度网讯科技有限公司 | 信息验证方法、装置、设备和介质 |
CN113656843B (zh) * | 2021-08-18 | 2022-08-12 | 北京百度网讯科技有限公司 | 信息验证方法、装置、设备和介质 |
CN114489070A (zh) * | 2022-01-24 | 2022-05-13 | 美的集团(上海)有限公司 | 家居巡检方法、非易失性可读存储介质和计算机设备 |
CN114863506B (zh) * | 2022-03-18 | 2023-05-26 | 珠海优特电力科技股份有限公司 | 准入权限的验证方法、装置、系统和身份认证终端 |
CN114863506A (zh) * | 2022-03-18 | 2022-08-05 | 珠海优特电力科技股份有限公司 | 准入权限的验证方法、装置、系统和身份认证终端 |
CN115471919A (zh) * | 2022-09-19 | 2022-12-13 | 江苏至真健康科技有限公司 | 一种基于便携式免散瞳眼底照相机的建档方法及系统 |
CN115471919B (zh) * | 2022-09-19 | 2023-09-12 | 江苏至真健康科技有限公司 | 一种基于便携式免散瞳眼底照相机的建档方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111191567B (zh) | 2024-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191567B (zh) | 身份数据处理方法、装置、计算机设备和存储介质 | |
CN111191539B (zh) | 证件真伪验证方法、装置、计算机设备和存储介质 | |
CN111191532B (zh) | 基于施工区域的人脸识别方法、装置、计算机设备 | |
US10621454B2 (en) | Living body detection method, living body detection system, and computer program product | |
WO2021212659A1 (zh) | 视频数据处理方法、装置、计算机设备及存储介质 | |
WO2019062080A1 (zh) | 身份识别方法、电子装置及计算机可读存储介质 | |
CN112364715B (zh) | 核电作业异常监控方法、装置、计算机设备和存储介质 | |
CN111222423A (zh) | 基于作业区域的目标识别方法、装置、计算机设备 | |
CN110751025A (zh) | 基于人脸识别的业务办理方法、装置、设备及介质 | |
CN101661557A (zh) | 一种基于智能卡的人脸识别系统及其方法 | |
CN111191521B (zh) | 人脸活体检测方法、装置、计算机设备及存储介质 | |
CN110619689A (zh) | 智慧楼宇的自动签到打卡方法、计算机设备及存储介质 | |
CN112364722A (zh) | 核电作业人员监控处理方法、装置和计算机设备 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN112364827A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN110942067A (zh) | 文本识别方法、装置、计算机设备和存储介质 | |
CN111353364A (zh) | 一种人脸动态识别方法及装置、电子设备 | |
CN109558773B (zh) | 信息识别方法、装置及电子设备 | |
CN114698399A (zh) | 人脸识别方法、装置及可读存储介质 | |
CN111675059A (zh) | 基于人脸识别的电梯控制方法、装置和计算机设备 | |
CN111985340A (zh) | 基于神经网络模型的人脸识别方法、装置和计算机设备 | |
CN111932755A (zh) | 人员通行验证方法、装置、计算机设备和存储介质 | |
CN111104846A (zh) | 数据检测方法、装置、计算机设备和存储介质 | |
CN110956133A (zh) | 单字符文本归一化模型训练方法、文本识别方法及装置 | |
CN113642428B (zh) | 人脸活体检测方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |