CN111382604A - 一种人脸识别方法及系统 - Google Patents

一种人脸识别方法及系统 Download PDF

Info

Publication number
CN111382604A
CN111382604A CN201811620344.7A CN201811620344A CN111382604A CN 111382604 A CN111382604 A CN 111382604A CN 201811620344 A CN201811620344 A CN 201811620344A CN 111382604 A CN111382604 A CN 111382604A
Authority
CN
China
Prior art keywords
matching
similarity
database
group comparison
face recognition
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
Application number
CN201811620344.7A
Other languages
English (en)
Inventor
刘若鹏
栾琳
贾艳红
熊湛
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.)
Shenzhen Kuang Chi Space Technology Co Ltd
Original Assignee
Shenzhen Kuang Chi Space Technology Co 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 Shenzhen Kuang Chi Space Technology Co Ltd filed Critical Shenzhen Kuang Chi Space Technology Co Ltd
Priority to CN201811620344.7A priority Critical patent/CN111382604A/zh
Priority to PCT/CN2019/112520 priority patent/WO2020134410A1/zh
Publication of CN111382604A publication Critical patent/CN111382604A/zh
Pending legal-status Critical Current

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
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06F16/53—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及一种人脸识别方法及系统，其中该方法包括：获取待识别人物的多个人脸图像；建立相似度数据库，在相似度排序数据库中生成并保存待识别人物的多个匹配结果以及对应匹配相似度；建立族群对比数据库，将相似度数据库与族群对比数据库中对应的待识别人物的匹配相似度进行比较，将匹配相似度更高的结果更新到族群对比数据库中。实施本发明，能够获得更为准确的人脸识别，其对比识别过程中采用了多个特征值取中位数的方案，避免了单一对比容易偏离的问题，通过多个特征值对应多个人物信息进行对比相似度的方案，使得对比结果的可信度大幅提高。

Description

一种人脸识别方法及系统
技术领域
本发明涉及人工智能领域，更具体地说，涉及一种人脸识别方法及系统。
背景技术
人工智能技术目前被广泛应用于生活、工作的各个场景。例如在安防领域中，人工智能技术可以被应用于针对人脸的识别中。相比于目前的安全方法，传统技术多数通过监控进行实现，监控仅仅智能作为采集图像，人工进行勘察辨别，较为不方便。而人工智能技术能够替代人力勘察，实现自动辨别。
而目前通过人工智能手段实现人脸识别，基本采用深度神经网络的方案，输入人脸图像，通过深度神经网络处理后，得到人脸图像对应的特征值，通过特征值的比对来对人进行识别。
然而采用这种方案，对于特征值接近的时候，很难获得高准确率的识别结果。
发明内容
本发明针对现有技术中，对于人工智能识别准确率不足的缺陷，提供一种人脸识别方法及系统，通过优化选择，实现人脸识别率的提高。
本发明的一个方面，提供一种人脸识别方法，包括以下步骤：
S0、获取待识别人物的多个人脸图像；
S1、建立相似排序数据库，在相似度排序数据库中生成并保存待识别人物的多个匹配结果以及多个匹配结果对应的匹配相似度；
S2、建立族群对比数据库，将相似度数据库与族群对比数据库中对应的待识别人物的匹配相似度进行比较，将匹配相似度更高的结果更新到族群对比数据库中。
优选的，步骤S1包括：
S101、对步骤S0中的多个人脸图像进行特征值提取；
S102、对步骤S101中提取的特征值进行过滤；
S103、对步骤S102过滤后的特征值计算出中位数特征；
S104、从步骤S102过滤后的特征值中筛选出与中位数特征最邻近的多个特征值；
S105、对每个步骤S104筛选出的特征值匹配出多个匹配人物，并计算出每个匹配结果的匹配相似度；
S106、删除步骤S105中匹配相似度低于阈值的匹配拮果，将剩余的结果按照匹配相似度排序后保存到相似排序数据库。
优选的，步骤S101中，对多个人脸图像通过深度神经网络提取特征值。
优选的，步骤S102中，对提取的特征值使用聚类算法过滤掉离群特征。
优选的，步骤S104中，根据欧式距离选出离上述中位数特征最近的多个特征值。
优选的，步骤S106中，阈值为0.8至0.9。
优选的，步骤S2包括：
S201、选取步骤S1中匹配相似度的匹配结果；
S202、判断步骤S201中选取的匹配结果的人名信息是否在族群对比数据库中，当人名信息不在族群对比数据库中时，跳转到步骤S203；
S203、将步骤S201中选取的匹配结果写入到族群对比数据库。
优选的，步骤S202还包括：
当判断步骤S201中选取的匹配结果的人名信息在族群对比数据库中时，跳转到步骤S204；
步骤S204包括：判断步骤S201中的匹配结果中匹配相似度是否大于族群对比数据库中对应的匹配相似度。
优选的，当步骤S204的判断结果为：步骤S201中的匹配结果中匹配相似度小于族群对比数据库中对应的匹配相似度，跳转到步骤S205；
S205、删除相似排序数据库中匹配相似度排列最高的数据。
优选的，当步骤S204的判断结果为：步骤S201中的匹配结果中匹配相似度大于族群对比数据库中对应的匹配相似度，跳转到步骤S206；
S206、更新族群对比数据库，将匹配结果写入到族群对比数据库。
优选的，在步骤S205或步骤S206还包括
选取下一个待识别的人物，跳转到步骤S201。
本发明的另一个方案，提供一种人脸识别系统，包括：
图像处理端，图像处理获取待识别人物的多个人脸图像；
人物信息数据库，人物数据库依据特征值，对应查询到人物信息；
相似排序数据库，在相似度排序数据库中生成并保存待识别人物的多个匹配结果以及多个匹配结果对应的匹配相似度；
族群对比数据库，族群对比数据库将相似度数据库与族群对比数据库中对应的待识别人物的匹配相似度进行比较，将匹配相似度更高的结果更新到族群对比数据库中。
实施本发明的人脸识别方法及系统，实现了族群比对，即在跟踪的一系列图像群中(如视频截图)，选择最优的人脸图片进行比对识别，使得识别的准确率得到大幅度提高，获得更为准确的识别结果。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明一则建立相似排序数据库优选实施例的流程图；
图2为本发明相似排序数据库的数据结构图；
图3为本发明一则建立族群对比数据库优选实施例的流程图；
图4为本发明族群对比数据库的数据结构图；
图5为本发明人脸识别系统的优选实施例系统架构图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
需要指出的是，除非另有指明，本申请使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
在本发明中，在未作相反说明的情况下，使用的方位同如“上、下、顶、底”通常是针对附图所示的方向而言的，或者是针对部件本身在竖直、垂直或重力方向上而言的；同样地，为便于理解和描述，“内、外”是指相对于各部件本身的轮廓的内、外，但上述方位词并不用于限制本发明。
在人脸识别技术上，在通过人工智能实现时，主要是对人脸图像进行深度神经网络的处理，得到人脸图像对应的特征值，通过在人物信息数据库(存储有不同特征值对应的人信息，例如名字、身份证号码等，以及其对应的特征值数据)中进行比对，就可以得到人脸图像中的对应的人物信息。
然而直接将人脸图像处理后的特征值进行人物信息数据库的查向比对很容易造成较低的识别正确率：人脸图像在处理过程中容易在截取头像、分辨率调整等过程中对后续产生影响；又或者人脸图像本身质量较差等等，使得运算后得到特征值偏离“正确”值。为克服这种直接比对人物信息数据库的缺陷，本发明引入两个数据库：相似排序数据库以及族群对比数据库。
基于引入的两个数据库，本发明提供的人脸识别方法如下：
获取待识别人物的多个人脸图像；
建立相似排序数据库，在相似度排序数据库中生成并保存待识别人物的多个匹配结果以及对应匹配相似度；
建立族群对比数据库，将相似度数据库与族群对比数据库中对应的待识别人物的匹配相似度进行比较，将匹配相似度更高的结果更新到族群对比数据库中。
具体的，建立该相似排序数据库的步骤如图1所示，在此仅以对一个待识别人物进行处理为例，本领域的技术人员依据本实施例中的方案可以很容易对多个待识别人物的场景进行处理。
在步骤S101，对待识别的人物对应的人脸图像进行特征值提取，该步骤使用深度神经网络进行处理。在该步骤中，对同一个人(具有相同的PID号)在多个不同的图像中人脸(使用face1，face2，face3，……，facen，进行区别)进行特征值提取。
由于不同图像中的人物图像质量、人脸位置、环境等不同，上述相同PID的不同face对应的特征值有可能不相同。
在步骤S102，对这些特征值进行处理，优选的，首先对这些特征值使用聚类算法过滤掉离群特征，即筛掉一部分因为识别问题导致的过于偏离的异常值。此时获得一个PID对应的多个特征值。
在步骤S103，对留下的人脸特征算出其中位数特征。通过求平均值的方式，获得一个描述该PID的较为准确的特征值。
在步骤S104，根据欧式距离选出离上述中位数特征最近的多个特征值，例如可以选取5个。若总的特征值少于上述选取数目，则将这些特征值全部选出。
在步骤S105，对前面获得特征值与人物信息数据库中的数据进行比对每个特征给出最优匹配的多个结果，并计算出每一个匹配相识度的值。例如，在步骤S104获得了5个特征值，特征值A，特征值B..特征值E；特征值A匹配出5个人物：人物A1，人物A2..人物A5。
在步骤S106，按照上述的匹配相似度进行阈值处理，例如设置相似度阈值为0.8至0.9，例如可以是0.85，对低于这个相似度的结果予以过滤，对低于匹配相似度的结果予以删除。对剩下的候选人进行统计，并给出当前PID的候选人人名以及相识度。注意这里的PID可以对应到多个人名以及对应的相识度。并按照匹配相似度由高到底排序保存到相似排序数据库。
此时完成了对一个人物的匹配相似度排序，其数据结构如图2所示。图2中的数据结构的第一列为本次的排序结果，对于该PID的匹配，相似度第一(Similarity_No1)对应的名字(Name_No1)，类似的，匹配度排行第n的Similarity_Non的对应人名为Name_Non，需要说明的是，本实施例中使用人名与匹配度共同组成该数据库的数据结构，在其他一些可实施的方式中，还可以使用例如身份证号码等来构成。
该数据结构中，表格的第2列(PK)、第3列(UN)与第4列(DEFAULT)分别表示该行数据是否为主键，是否为唯一值，以及其默认值是多少。这些数据用于后续对数据库的具体操作。
当对所有的待处理任务进行完上述的步骤S101到步骤S106，则完成整个相似排序数据库的数据准备。
此后执行对族群对比数据库的操作。
在步骤S201，针对前述中输出的相似排序数据库，取出一个跟踪的人(对应PID)，结构如[PID，Similarity_No1，Name_No1]，即指取相识度最高的Name_No1和Similarity_No1。作为本实施例，仅以一个PID的情况进行说明，对于需要对多个人物进行识别的，则在本步骤前，先选取一个待处理的PID。
在步骤S202，判断Name_No1名字是否在族群对比数据库，若不在则跳转到步骤S203：直接写入到族群对比数据库。在写入的时候，将该人名、PID以及相似度写入到族群对比数据库。
而如果Name_No1存在于族群对比数据库，则跳转到步骤S204：判断Name_No1相识度是否大于族群对比数据库中已经存在的人名的相识度。若小于，表明此时族群对比数据库中的数据更优。那么跳转到步骤S205：删除中对应PID中的[Similarity_No1，Name_No1]，后面的[Similarity_Nox，Name_Nox]，依次前移动变成[Similarity_Nox-1，Name_Nox-1]。若删除后，后面没有对应的人名和相识度取值了，那么此PID的识别暂时未知，完成单个人物的识别，在需要对多个人物进行识别的时候，则回转的整个流程最开始，重新选取下一个待处理识别的PID。
在上述步骤S204的判断中，Name_No1相识度大于族群对比数据库中已经存在的人名的相识度，则表明相似排序数据库中的数据更优，本次的识别排序获得更为准确的结果，跳转到步骤S206：更新族群对比数据库中对应人名的PID为当前的PID和对应的相识度，并提出族群对比数据库中之前的PID，使用此PID找出相似排序数据库对应的[Similarity_No1，Name_No1]并删除，同样后面的[Similarity_Nox，Name_Nox]，依次前移动变成[Similarity_Nox-1，Name_Nox-1]。
在完成了上述的步骤后，获得了旅群对比数据库，其数据结构如图4所示。在该数据结构的第一列中，某一人物(以姓名Name进行区别)其在处理的人物图像中对应的PID以及其相似度。至此，完成了对一个
相比于现有技术中的“人脸图像-特征值-人物信息数据库”，采用上述的方案“人脸图像-特征值-人物信息数据库-相似排序数据库-族群对比数据库”能够获得更为准确的人脸识别，其对比识别过程中采用了多个特征值取中位数的方案，避免了单一对比容易偏离的问题，通过多个特征值对应多个人物信息进行对比相似度的方案，使得对比结果的可信度大幅提高。同时，还提供了基于识别相似度的数据更新，使得整个系统在识别的过程能够不断提升识别正确率。
本发明还提供了一种人脸识别系统，其系统架构如图5所示，包括图像处理端、人物信息数据库、相似排序数据库和族群对比数据库。其中图像处理端用于收集人脸图像，并将人脸图像通过深度网络处理后，获得人脸图像的特征值。在该图像处理端，对同一个待识别人物(具有同一个PID)，获取多个人脸图像截图，并分别获得特征值。多个获得的特征值经过离散筛选、中位数比较欧氏距离等处理后，筛选得到多个特征值。
人物信息数据库依据筛选得到多个特征值，对应查询到多个人物信息。这些特征值以及对应的人物信息、连同匹配相识度的值一并录入到相似排序数据库中。录入到相似排序数据库中的数据结构如图2所示。
族群对比数据库中的数据结构如图3所示，相似排序数据库中与族群对比数据库中的相同PID数据进行对比。依据对比结果，在族群对比数据库中更新匹配度更高的识别数据。
经过数据的更新录入后，族群对比数据库输入识别的结果。
采用上述的人脸识别系统，相比于现有的系统直接将特征值向人脸信息库进行查询的方案，增加了两个额外的数据库：相似排序数据库以及族群对比数据库引入的数据库对对比结果进行了基于相似度的分析，对同一个识别人物进行多次的人脸图像识别，基于结果进行相似度的排序，最后输出最为近似的识别结果，该输出的识别结果比现有系统中仅进行单次的相似度对比更为准确。
为了更好说明本发明在实际使用中的各个细节，以下对一个实际人脸识别的流程进行说明。
在图像数据端，截取一段视频，从中提取多个视频帧，在本次的识别过程中，我们针对该段视频的两个人物进行识别。两个人物通过PID号进行区别，分别被设为PID1和PID2。
首先执行对PID1人物的处理：截取多个包含PID1人物的人脸图像(face1，face2，face3，……，facen)，通过深度神经网络提取出多个特征值。对这些特征值使用聚类算法过滤掉离群特征，然后留下的人脸特征取中位数并计算出各个留下的特征值与该中位数特征的欧氏距离，留下最多5个特征值。
在人脸信息数据库中，对5个特征值进行对比，每个特征值对比出5个最可能的人物，即此时共25个特征值-人物的数据。对每个数据执行匹配相似度的阈值处理，仅留下0.85以上的匹配结果，将留下的结果按照匹配相似度从高到低进行排列后，存到相似排序数据库。
将相似排序数据库中最高相似的结果与族群对比数据库中的对应人物进行对比，留下匹配相似度更高的结果，并更新到族群对比数据库中。对于匹配相似度低的结果于以删除，然后对排在后续的相似度结果进行前移。例如删掉[Similarity_No1，Name_No1]后，原来的[Similarity_No2，Name_No2]变为[Similarity_No1，Name_No1]。若唰除的操作使得后面没有对应的人名和相识度取值了，那么此PID的识别暂时未知。
经过操作后，针对PID1的匹配相似度的数据操作完成，重新选取PID2，进行同样的识别流程。最终完成两个人物的识别。
显然，上述所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，部应当属于本发明保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、工作、器件、组件和/或它们的组合。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施方式能够以除了在这里图示或描述的那些以外的顺序实施。
以上所述仅为本发明的优选实施例而已，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 (12)

1.一种人脸识别方法，其特征在于，包括以下步骤：
S0、获取待识别人物的多个人脸图像；
S1、建立相似排序数据库，在相似度排序数据库中生成并保存所述待识别人物的多个匹配结果以及所述多个匹配结果对应的匹配相似度；
S2、建立族群对比数据库，将所述相似度数据库与所述族群对比数据库中对应的所述待识别人物的匹配相似度进行比较，将匹配相似度更高的结果更新到族群对比数据库中。
2.根据权利要求1所述的人脸识别方法，其特征在于，所述步骤S1包括：
S101、对所述步骤S0中的多个人脸图像进行特征值提取；
S102、对所述步骤S101中提取的特征值进行过滤；
S103、对所述步骤S102过滤后的特征值计算出中位数特征；
S104、从步骤S102过滤后的特征值中筛选出与所述中位数特征最邻近的多个特征值；
S105、对每个所述步骤S104筛选出的特征值匹配出多个匹配人物，并计算出每个匹配结果的匹配相似度；
S106、删除所述步骤S105中匹配相似度低于阈值的匹配结果，将剩余的结果按照匹配相似度排序后保存到相似排序数据库。
3.根据权利要求2所述的人脸识别方法，其特征在于，所述步骤S101中，对多个人脸图像通过深度神经网络提取特征值。
4.根据权利要求2所述的人脸识别方法，其特征在于，所述步骤S102中，对提取的特征值使用聚类算法过滤掉离群特征。
5.根据权利要求2所述的人脸识别方法，其特征在于，所述步骤S104中，根据欧式距离选出离上述中位数特征最近的多个特征值。
6.根据权利要求2所述的人脸识别方法，其特征在于，所述步骤S106中，所述阈值为0.8至0.9。
7.根据权利要求1所述的人脸识别方法，其特征在于，所述步骤S2包括：
S201、选取所述步骤S1中匹配相似度的匹配结果；
S202、判断所述步骤S201中选取的匹配结果的人名信息是否在族群对比数据库中，当所述人名信息不在族群对比数据库中时，跳转到步骤S203；
S203、将所述步骤S201中选取的匹配结果写入到族群对比数据库。
8.根据权利要求7所述的人脸识别方法，其特征在于，所述步骤S202还包括：
当判断所述步骤S201中选取的匹配结果的人名信息在族群对比数据库中时，跳转到步骤S204；
所述步骤S204包括：判断所述步骤S201中的匹配结果中匹配相似度是否大于族群对比数据库中对应的匹配相似度。
9.根据权利要求8所述的人脸识别方法，其特征在于，当所述步骤S204的判断结果为：所述步骤S201中的匹配结果中匹配相似度小于族群对比数据库中对应的匹配相似度，跳转到步骤S205；
S205、删除所述相似排序数据库中匹配相似度排列最高的数据。
10.根据权利要求8所述的人脸识别方法，其特征在于，当所述步骤S204的判断结果为：所述步骤S201中的匹配结果中匹配相似度大于族群对比数据库中对应的匹配相似度，跳转到步骤S206；
S206、更新族群对比数据库，将所述匹配结果写入到族群对比数据库。
11.根据权利要求9或10所述的人脸识别方法，其特征在于，还包括：
选取下一个待识别的人物，跳转到步骤S201。
12.一种人脸识别系统，其特征在于，包括：
图像处理端，所述图像处理获取待识别人物的多个人脸图像；
人物信息数据库，所述人物数据库依据特征值，对应查询到人物信息；
相似排序数据库，在相似度排序数据库中生成并保存所述待识别人物的多个匹配结果以及所述多个匹配结果对应的匹配相似度；
族群对比数据库，所述族群对比数据库将所述相似度数据库与所述族群对比数据库中对应的所述待识别人物的匹配相似度进行比较，将匹配相似度更高的结果更新到族群对比数据库中。
CN201811620344.7A 2018-12-27 2018-12-27 一种人脸识别方法及系统 Pending CN111382604A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811620344.7A CN111382604A (zh) 2018-12-27 2018-12-27 一种人脸识别方法及系统
PCT/CN2019/112520 WO2020134410A1 (zh) 2018-12-27 2019-10-22 一种人脸识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811620344.7A CN111382604A (zh) 2018-12-27 2018-12-27 一种人脸识别方法及系统

Publications (1)

Publication Number Publication Date
CN111382604A true CN111382604A (zh) 2020-07-07

Family

ID=71126937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811620344.7A Pending CN111382604A (zh) 2018-12-27 2018-12-27 一种人脸识别方法及系统

Country Status (2)

Country Link
CN (1) CN111382604A (zh)
WO (1) WO2020134410A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101254A (zh) * 2020-09-21 2020-12-18 深圳喜为智慧科技有限公司 一种提升图像识别精度和速度的方法和系统
CN113034771B (zh) * 2021-03-12 2023-06-02 浙江大华技术股份有限公司 基于人脸识别的过闸方法、装置、设备及计算机存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990050271A (ko) * 1997-12-16 1999-07-05 구자홍 얼굴 인식을 이용한 범죄자 얼굴 자동 검색 방법 및 장치
CN102880729A (zh) * 2012-11-02 2013-01-16 深圳市宜搜科技发展有限公司 基于人脸检测与识别的人物图片索引方法及装置
CN104091164A (zh) * 2014-07-28 2014-10-08 北京奇虎科技有限公司 人脸图片人名识别方法和系统
CN105184238A (zh) * 2015-08-26 2015-12-23 广西小草信息产业有限责任公司 一种人脸识别方法及系统
CN108229323A (zh) * 2017-11-30 2018-06-29 深圳市商汤科技有限公司 布控方法和装置、电子设备、计算机存储介质
CN108229674A (zh) * 2017-02-21 2018-06-29 北京市商汤科技开发有限公司 聚类用神经网络的训练方法和装置、聚类方法和装置
CN108898051A (zh) * 2018-05-22 2018-11-27 广州洪森科技有限公司 一种基于视频流的人脸识别方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207859B (zh) * 2012-01-11 2016-07-06 北京四维图新科技股份有限公司 整合数据库的方法和装置
CN104714950B (zh) * 2013-12-13 2018-03-27 中国银联股份有限公司 用于对数据库中的信息进行修正及补充的方法及系统
CN107154890B (zh) * 2016-03-02 2020-09-18 腾讯科技（深圳）有限公司 社交网络中添加联系人的方法、装置及系统
CN106485221B (zh) * 2016-09-30 2019-09-17 江苏四一五安全科技有限公司 一种根据相似集中度自动替换基准相片的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990050271A (ko) * 1997-12-16 1999-07-05 구자홍 얼굴 인식을 이용한 범죄자 얼굴 자동 검색 방법 및 장치
CN102880729A (zh) * 2012-11-02 2013-01-16 深圳市宜搜科技发展有限公司 基于人脸检测与识别的人物图片索引方法及装置
CN104091164A (zh) * 2014-07-28 2014-10-08 北京奇虎科技有限公司 人脸图片人名识别方法和系统
CN105184238A (zh) * 2015-08-26 2015-12-23 广西小草信息产业有限责任公司 一种人脸识别方法及系统
CN108229674A (zh) * 2017-02-21 2018-06-29 北京市商汤科技开发有限公司 聚类用神经网络的训练方法和装置、聚类方法和装置
CN108229323A (zh) * 2017-11-30 2018-06-29 深圳市商汤科技有限公司 布控方法和装置、电子设备、计算机存储介质
CN108898051A (zh) * 2018-05-22 2018-11-27 广州洪森科技有限公司 一种基于视频流的人脸识别方法及系统

Also Published As

Publication number Publication date
WO2020134410A1 (zh) 2020-07-02

Similar Documents

Publication Publication Date Title
CN108319938B (zh) 用于高性能人脸识别系统的高质量训练数据准备系统
KR100996066B1 (ko) 얼굴화상 등록 장치, 얼굴화상 등록 방법, 및 기록 매체
CN104133875B (zh) 一种基于人脸的视频标注方法和视频检索方法
JP5333080B2 (ja) 画像認識システム
US9641572B1 (en) Generating a group photo collection
US20050232490A1 (en) Red-eye detection device, red-eye detection method, and red-eye detection program
JP2006331091A (ja) 人物検索装置、人物検索方法および入退場管理システム
KR20080108114A (ko) 인덱싱 및 데이터베이스 검색 시스템
EP2023288A1 (en) Object recognition device, object recognition program, and image search service providing method
CN111382604A (zh) 一种人脸识别方法及系统
KR102161882B1 (ko) 물체 묘사를 위한 후보가 되는 하나 이상의 후보 디지털 이미지를 위치 결정하는 방법
CN109784270A (zh) 一种提升人脸图片识别完整性的处理方法
CN112199530B (zh) 多维度脸库图片自动更新方法、系统、设备及介质
KR20200060942A (ko) 연속된 촬영 영상에서의 궤적기반 얼굴 분류 방법
US8285008B2 (en) Image processing apparatus, method and program for facilitating retrieval of an individual group using a list of groups, a list of selected group members and a list of members of the groups excluding the selected group members
CN113785304A (zh) 人脸识别方法和装置
CN115910217B (zh) 一种碱基确定方法、装置、计算机设备及存储介质
CN110188671B (zh) 一种利用机器学习算法分析笔迹特征的方法
CN110490088A (zh) 基于区域增长法的dbscan密度聚类方法
CN115861869A (zh) 一种基于Transformer的步态重识别方法
CN114782997A (zh) 基于多损失注意力自适应网络的行人重识别方法及系统
CN105488493B (zh) 一种快速虹膜识别方法
CN112686141A (zh) 人员归档方法、装置及电子设备
CN111126513B (zh) 一种通用物体实时学习、识别系统及其学习、识别方法
CN111382685B (zh) 一种基于深度学习的场景识别方法和系统

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