CN111598047B - 一种人脸识别方法 - Google Patents

一种人脸识别方法 Download PDF

Info

Publication number
CN111598047B
CN111598047B CN202010469040.6A CN202010469040A CN111598047B CN 111598047 B CN111598047 B CN 111598047B CN 202010469040 A CN202010469040 A CN 202010469040A CN 111598047 B CN111598047 B CN 111598047B
Authority
CN
China
Prior art keywords
face
face recognition
image
user
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.)
Active
Application number
CN202010469040.6A
Other languages
English (en)
Other versions
CN111598047A (zh
Inventor
袁正刚
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.)
Chongqing Kangpuda Technology Co ltd
Original Assignee
Chongqing Kangpuda 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 Chongqing Kangpuda Technology Co ltd filed Critical Chongqing Kangpuda Technology Co ltd
Priority to CN202010469040.6A priority Critical patent/CN111598047B/zh
Publication of CN111598047A publication Critical patent/CN111598047A/zh
Application granted granted Critical
Publication of CN111598047B publication Critical patent/CN111598047B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • 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
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明涉及图像识别技术领域，具体为一种人脸识别方法，包括：S100：从全部人脸识别数据库中获取目标用户的人脸验证数据，形成目标人脸识别库；S200：获取待识别的人脸图像，通过图像识别算法判断用户是否带有口罩，若是，则执行S400；若否，则执行S300；S300：提取所有面部特征点数据，执行人脸识别算法；S400：从人脸图像中除口罩范围以外的人脸上半部图像中提取人脸上半部特征点数据，并以目标人脸识别库为比对库执行人脸识别算法，若人脸识别结果唯一，则结束识别，若人脸识别结果中存在多个疑似用户则通过辅助识别方法进行识别。本申请的一种人脸识别方法，能够解决戴口罩影响人脸识别的问题，提高识别精度。

Description

一种人脸识别方法
技术领域
本发明涉及图像识别技术领域，具体为一种人脸识别方法。
背景技术
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别，人脸识别产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。
虽然近年来，人脸识别取得了长足的进步，但是仍受到一些因素的制约，比如在人们使用人脸识别设备进行身份验证的时候，人们需要站在人脸识别设备前方，人的面部不能有遮挡物，一旦人脸被部分遮挡，就容易造成部分特征的消失或者错误，导致人脸图像特征不完整时，识别就会失败。在很多时候，如发生疫情、空气质量降低或者环境温度较冷时，人们大多会带上口罩等物品，口罩将会阻挡人脸识别设备对人脸进行识别，因而实际使用时需要人们摘下口罩进行人脸识别，不仅会降低用户体验，而且还会带来风险。
发明内容
本发明意在提供一种人脸识别方法，能够解决戴口罩影响人脸识别的问题。
本申请提供如下技术方案：
一种人脸识别方法，包括以下内容：
S100：从全部人脸识别数据库中获取目标用户的人脸验证数据，形成目标人脸识别库；
S200：获取待识别的人脸图像，通过图像识别算法判断用户是否带有口罩，若是，则执行S400；若否，则执行S300；
S300：提取所有面部特征点数据，执行人脸识别算法；
S400：从人脸图像中除口罩范围以外的人脸上半部图像中提取人脸上半部特征点数据，并以目标人脸识别库为比对库执行人脸识别算法，若人脸识别结果唯一，则结束识别，若人脸识别结果中存在多个疑似用户则通过辅助识别方法进行识别。
本发明技术方案中，当用户没有戴口罩时，则直接通过人脸识别算法进行识别，当检测到用户戴了口罩后，提取人脸上半部特征点数据进行识别，由于少了一些特征点数据，人脸之间的区别度会降低，但是本申请中，通过形成目标人脸识别库，在库内仅仅包含目标用户的人脸验证数据，可以有效的缩小目标用户数量，而这些用户内，人脸上半部特征点数据存在极大的相似度的可能性比较小，因此采用上半部特征点数据也可以达到比较好的识别结果，即使存在多个疑似用户，也可以通过辅助识别方法进行识别，避免错误识别。
进一步，S300中，人脸识别算法先以目标人脸识别库为比对库进行人脸识别，若未识别到对应的用户，则再以全部人脸识别数据库为比对库进行人脸识别。
先通过目标人脸识别库来进行人脸识别，可以有效的提高识别速度。
进一步，所述人脸识别方法用于需要购票的场所，所述S100中目标用户包括购票用户以及用户的亲人和朋友。
通过购票信息来确定目标人脸识别库里所包含的用户，可以解决车站、机场等场景下的人脸识别需求，解决这些场所戴口罩进行人脸识别的问题。
进一步，所述人脸识别方法应用于人员固定的场所，所述S100中目标用户包括预设的人员。
直接预设目标用户，适用于小区、公司等人员相对固定的场所。
进一步，还包括S99：接收用户发送的访问预约信息；S100中，还会将有访问预约信息的用户的人脸验证数据加入到目标人脸识别库中。
方便用户自己来根据自己的目的地来设置对应的预约信息，适用于访客访问的场景，在系统没有自动添加该用户时，由用户手动将自己添加到目标人脸识别库中。
进一步，还包括S105：根据目标人脸识别库，对目标人脸识别库内的用户进行人脸上半部特征点数据的相似度计算，找出相似度超过预设值的用户列表，提前向用户列表中的用户发送提醒信息。
通过筛选目标人脸识别库内的上半部长相相似的用户，提前进行通知，如提醒用户戴稍微薄一些的口罩，方便后续红外识别，或提醒用户提前到场，避免人工排查而耽搁时间。
进一步，所述辅助识别方法包括：
S501：获取待识别的人脸红外图像；
S502：根据人脸红外图像获取口罩遮挡范围内的人脸下半部特征点数据；
S503：结合人脸上半部特征点数据和下半部特征点数据，执行人脸识别算法。
通过红外图像，根据红外热辐射的分布情况，得到五官的部分轮廓，进而增加人脸识别所使用的特征数据，提高人脸识别的分辨能力，对人脸上半部分比较相似的人进行分辨。
进一步，S200中还会识别口罩的类型，S501包括：
S5011：获取人脸红外图像；
S5012：根据口罩类型获取红外修正模型；
S5013：获取口罩区域范围的红外图像，根据温度修正模型对口罩区域范围的红外图像进行修正。
通过对口罩类型的识别并匹配对应的红外修正模型，可以更加突出被口罩遮住的口鼻部分的红外图像，方便后续识别处理。
进一步，所述辅助识别方法还包括：
S504：根据S503的识别结果，获取识别到的用户在目标人脸识别库中的预设人脸图像，根据预设人脸图像和识别时拍摄的人脸图像，通过模拟模型构建模拟红外图像，提取模拟红外图像和人脸红外图像中人脸下半部的红外特征点，并根据红外特征点进行相似性验证。
通过红外特征再次对人脸识别结果进行验证，确保识别准确。
进一步，S5011包括：
S50111：获取多张人脸红外图像；
S50112：将多张人脸红外图像中的五官部分进行叠加合成；
所述S50112中根据人脸红外图像分析图像对应的呼吸状态，S50112中吸气状态对应的人脸红外图像在叠加合成是所占权重大于其他状态的图像。
通过叠加多张人脸红外图像，可以更加突出五官部分的影像特征，进而提高识别的效果，通过增加吸气状态的权重可以使得检测更加精确。
附图说明
图1为本申请一种人脸识别方法的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例一
本实施例的一种人脸识别方法，包括以下内容：
S99：服务器接收用户发送的访问预约信息，本实施例中，用户可以通过用户终端向其目的地的平台服务器发送预约信息，如具体路径、日期时间等，平台服务器接收到预约信息后即可得知用户何时到达其所在的区域。
S100：服务器从全部人脸识别数据库中获取目标用户的人脸验证数据，形成目标人脸识别库。服务器还会将有访问预约信息且时间与当前时间对应的用户的人脸验证数据也加入到目标人脸识别库中，进而方便对访客进行人脸识别，本实施例中，按天划分预约信息，服务器将预约信息为当天的用户筛选出来，加入到目标人脸识别库中。
S105：服务器根据目标人脸识别库，对目标人脸识别库内的用户进行人脸上半部特征点数据的相似度计算，找出相似度超过预设值的用户列表，提前向用户列表中的用户发送提醒信息，提醒信息可以是提醒用户可以提前取下口罩，或者调整口罩的款式，佩戴相对薄一些的口罩等等。
S200：获取待识别的人脸图像，通过图像识别算法判断用户是否带有口罩，若是，则执行S400；若否，则执行S300；
S300：提取所有面部特征点数据，执行人脸识别算法；人脸识别算法采用现有的算法即可，通过对面部特征点的提取，如68特征点位识别、172特征点位识别等等。
S400：从人脸图像中除口罩范围以外的人脸上半部图像中提取人脸上半部特征点数据，并以目标人脸识别库为比对库执行人脸识别算法，若人脸识别结果唯一，即可以成功的识别到对应的用户，或者识别的匹配结果不存在，则结束识别，若人脸识别结果中存在多个疑似用户则通过辅助识别方法进行识别，这多个疑似的用户的人脸的上半部比较接近，仅通过人脸上半部特征点数据无法准确区分，则需要通过辅助识别方法进行进一步的判断，本实施例中，辅助识别方法为人工识别。
S300中，人脸识别算法先以目标人脸识别库为比对库进行人脸识别，若未识别到对应的用户，则再以全部人脸识别数据库为比对库进行人脸识别。
本实施例中，以车站、机场等需要购票的场所为例，将人脸识别方法用于这些需要购票的场所，那么在S100中目标用户要包括购票用户以及用户的亲人和朋友。在本申请的其他实施例中，人脸识别方法应用于人员固定的场所，S100中目标用户包括预设的人员。
本实施例的方案中，当用户没有戴口罩时，则直接通过人脸识别算法进行识别，当检测到用户戴了口罩后，提取人脸上半部特征点数据进行识别，由于少了一些特征点数据，人脸之间的区别度会降低，但是本申请中，通过形成目标人脸识别库，在库内仅仅包含目标用户的人脸验证数据，可以有效的缩小目标用户数量，而这些用户内，人脸上半部特征点数据存在极大的相似度的可能性比较小，因此采用上半部特征点数据也可以达到比较好的识别结果，即使存在多个疑似用户，也可以通过辅助识别方法进行识别，避免错误识别。通过筛选目标人脸识别库内的上半部长相相似的用户，提前进行通知，如提醒用户戴稍微薄一些的口罩，方便后续红外识别，或提醒用户提前到场，避免人工排查而耽搁时间。
实施例二
本实施例与实施例一的区别在于，本实施例中，辅助识别方法包括：
S501：获取待识别的人脸红外图像；本实施例中，摄像头和红外热成像仪均部署在过道或者闸机处，通过红外热成像仪来获取各个待识别用户的人脸红外图像。
具体的，包括：S5011：获取人脸红外图像；
S5012：根据口罩类型获取红外修正模型；S200中采用BP的神经网络模型，以图像作为输入，输入是否带有口罩以及口罩的类型，数据库中存储有不同类型口罩对应的红外修正模型。根据口罩的类型选取对应的红外修正模型来对人脸红外图像进行修正，以减少口罩对口鼻部位红外图像的影响。
S5013：获取口罩区域范围的红外图像，根据温度修正模型对口罩区域范围的红外图像进行修正。通过对口罩类型的识别并匹配对应的红外修正模型，可以更加突出被口罩遮住的口鼻部分的红外图像，方便后续识别处理。
本实施例中，S5011包括：
S50111：获取多张人脸红外图像；通过红外热成像仪获取连续的用户人脸红外图像，本实施例中，至少包含一个呼吸周期的人脸红外图像。
S50112：将多张人脸红外图像中的五官部分进行叠加合成；具体的，根据人脸红外图像分析图像对应的呼吸状态，通过图像识别算法，识别人脸红外图像中的五官部分，图像识别算法可以采用现有的算法或基于神经网络的识别算法，通过训练样本，得到分类识别模型，通过模型进行人脸五官的识别，将每张五官部分按照权重进行叠加合成，由于吸气状态下口罩与人脸贴合度较高，本实施例中吸气状态对应的人脸红外图像在叠加合成是所占权重大于其他状态的图像。
S502：根据人脸红外图像获取口罩遮挡范围内的人脸下半部特征点数据；将合成后的人脸红外图像中的五官轮廓进行识别，采用现有的人脸特征点标记提取技术提取相应的特征点数据。
S503：结合人脸上半部特征点数据和下半部特征点数据，执行人脸识别算法。
S504：根据S503的识别结果，获取识别到的用户在目标人脸识别库中的预设人脸图像，根据预设人脸图像和识别时拍摄的人脸图像，通过模拟模型构建模拟红外图像，提取模拟红外图像和人脸红外图像中人脸下半部的红外特征点，并根据红外特征点进行相似性验证。
以上的仅是本发明的实施例，该发明不限于此实施案例涉及的领域，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (6)

1.一种人脸识别方法，其特征在于：包括以下内容：
S100：从全部人脸识别数据库中获取目标用户的人脸验证数据，形成目标人脸识别库；
S200：获取待识别的人脸图像，通过图像识别算法判断用户是否带有口罩，若是，则执行S400；若否，则执行S300；
S300：提取所有面部特征点数据，执行人脸识别算法；
S400：从人脸图像中除口罩范围以外的人脸上半部图像中提取人脸上半部特征点数据，并以目标人脸识别库为比对库执行人脸识别算法，若人脸识别结果唯一，则结束识别，若人脸识别结果中存在多个疑似用户则通过辅助识别方法进行识别；
所述辅助识别方法包括：
S501：获取待识别的人脸红外图像；S501包括：
S5011：获取人脸红外图像；S5011包括：
S50111：获取多张人脸红外图像；
S50112：将多张人脸红外图像进行叠加合成；
所述S50112中根据人脸红外图像分析图像对应的呼吸状态，S50112中吸气状态对应的人脸红外图像在叠加合成是所占权重大于其他状态的图像；
S5012：根据口罩类型获取红外修正模型；
S5013：获取口罩区域范围的红外图像，根据温度修正模型对口罩区域范围的红外图像进行修正；
S502：根据人脸红外图像获取口罩遮挡范围内的人脸下半部特征点数据；
S503：结合人脸上半部特征点数据和下半部特征点数据，执行人脸识别算法；
S504：根据S503的识别结果，获取识别到的用户在目标人脸识别库中的预设人脸图像，根据预设人脸图像和识别时拍摄的人脸图像，通过模拟模型构建模拟红外图像，提取模拟红外图像和人脸红外图像中人脸下半部的红外特征点，并根据红外特征点进行相似性验证。
2.根据权利要求1所述的一种人脸识别方法，其特征在于：S300中，人脸识别算法先以目标人脸识别库为比对库进行人脸识别，若未识别到对应的用户，则再以全部人脸识别数据库为比对库进行人脸识别。
3.根据权利要求1所述的一种人脸识别方法，其特征在于：所述人脸识别方法用于需要购票的场所，所述S100中目标用户包括购票用户以及用户的亲人和朋友。
4.根据权利要求1所述的一种人脸识别方法，其特征在于：所述人脸识别方法应用于人员固定的场所，所述S100中目标用户包括预设的人员。
5.根据权利要求1所述的一种人脸识别方法，其特征在于：还包括S99：接收用户发送的访问预约信息；S100中，还会将有访问预约信息的用户的人脸验证数据加入到目标人脸识别库中。
6.根据权利要求1所述的一种人脸识别方法，其特征在于：还包括S105：根据目标人脸识别库，对目标人脸识别库内的用户进行人脸上半部特征点数据的相似度计算，找出相似度超过预设值的用户列表，提前向用户列表中的用户发送提醒信息。
CN202010469040.6A 2020-05-28 2020-05-28 一种人脸识别方法 Active CN111598047B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010469040.6A CN111598047B (zh) 2020-05-28 2020-05-28 一种人脸识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010469040.6A CN111598047B (zh) 2020-05-28 2020-05-28 一种人脸识别方法

Publications (2)

Publication Number Publication Date
CN111598047A CN111598047A (zh) 2020-08-28
CN111598047B true CN111598047B (zh) 2023-06-27

Family

ID=72181843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010469040.6A Active CN111598047B (zh) 2020-05-28 2020-05-28 一种人脸识别方法

Country Status (1)

Country Link
CN (1) CN111598047B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733601B (zh) * 2020-12-07 2021-10-12 常州爱索电子有限公司 基于ai三目成像技术的人脸识别方法及装置
CN114359998B (zh) * 2021-12-06 2024-03-15 江苏理工学院 一种人脸口罩佩戴状态下的识别方法
CN115619410B (zh) * 2022-10-19 2024-01-26 闫雪 自适应金融支付平台

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103479367A (zh) * 2013-09-09 2014-01-01 广东工业大学 一种基于面部运动单元识别的驾驶员疲劳检测方法
CN204924984U (zh) * 2015-07-22 2015-12-30 上海巨煌光电科技有限公司 一种用于红外截止滤光片的外观检测设备
CN106485232A (zh) * 2016-10-21 2017-03-08 国家体育总局体育科学研究所 一种基于呼吸过程中鼻子图像特征的人员识别方法
CN109635760A (zh) * 2018-12-18 2019-04-16 深圳市捷顺科技实业股份有限公司 一种人脸识别方法及相关设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1285052C (zh) * 2004-11-04 2006-11-15 上海交通大学 基于区域特征元补偿的红外人脸眼镜干扰消除方法
CN103324904A (zh) * 2012-03-20 2013-09-25 凹凸电子（武汉）有限公司 人脸识别系统及其方法
CN103514432B (zh) * 2012-06-25 2017-09-01 诺基亚技术有限公司 人脸特征提取方法、设备和计算机程序产品
CN109086669B (zh) * 2018-06-29 2020-06-09 汉王科技股份有限公司 人脸识别身份验证方法、装置、电子设备
CN108985212B (zh) * 2018-07-06 2021-06-04 深圳市科脉技术股份有限公司 人脸识别方法及装置
CN110232369B (zh) * 2019-06-20 2021-10-01 深圳数联天下智能科技有限公司 一种人脸识别方法和电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103479367A (zh) * 2013-09-09 2014-01-01 广东工业大学 一种基于面部运动单元识别的驾驶员疲劳检测方法
CN204924984U (zh) * 2015-07-22 2015-12-30 上海巨煌光电科技有限公司 一种用于红外截止滤光片的外观检测设备
CN106485232A (zh) * 2016-10-21 2017-03-08 国家体育总局体育科学研究所 一种基于呼吸过程中鼻子图像特征的人员识别方法
CN109635760A (zh) * 2018-12-18 2019-04-16 深圳市捷顺科技实业股份有限公司 一种人脸识别方法及相关设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
环境温度变化下红外图像归一化研究;卢宇;《中国优秀硕士学位论文全文数据库（电子期刊）》(第7期);全文 *

Also Published As

Publication number Publication date
CN111598047A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
CN111598047B (zh) 一种人脸识别方法
US10509985B2 (en) Method and apparatus for security inspection
CN111340008B (zh) 对抗补丁生成、检测模型训练、对抗补丁防御方法及系统
CN109241829B (zh) 基于时空注意卷积神经网络的行为识别方法及装置
CN111563480B (zh) 冲突行为检测方法、装置、计算机设备和存储介质
CN107122744A (zh) 一种基于人脸识别的活体检测系统及方法
CN111914636B (zh) 一种检测行人是否佩戴安全帽的方法及装置
WO2019111550A1 (ja) 人物照合装置、方法、及び非一時的なコンピュータ可読媒体
CN114894337B (zh) 一种用于室外人脸识别测温方法及装置
CN112633221A (zh) 一种人脸方向的检测方法及相关装置
Dospinescu et al. Face detection and face recognition in android mobile applications
Rokhana et al. Multi-class image classification based on mobilenetv2 for detecting the proper use of face mask
Robertson et al. A framework for biometric and interaction performance assessment of automated border control processes
CN114360697A (zh) 远程防疫作业方法、系统、设备及存储介质
CN112818919A (zh) 抽烟行为识别方法与装置
CN112766209A (zh) 着装检测方法、着装检测系统和计算机可读存储介质
US10460155B2 (en) Facial identification techniques
Dellosa et al. Detecting appropriate and inappropriate covid-19 face mask wear in controlled environments using transfer learning-based convolutional neural network
CN116311400A (zh) 掌纹图像的处理方法、电子设备及存储介质
CN113989914A (zh) 一种基于人脸识别的安防监控方法及系统
CN113989886A (zh) 基于人脸识别的船员身份验证方法
CN112560705A (zh) 人脸检测方法和装置，电子设备
Wang et al. Artificial aging of faces by support vector machines
Chen RETRACTED: Target recognition of basketball sports image based on embedded system and internet of things
CN112183213A (zh) 一种基于Intral-Class Gap GAN的面部表情识别方法

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