CN111611944A - 身份识别方法及装置、电子设备、存储介质 - Google Patents

身份识别方法及装置、电子设备、存储介质 Download PDF

Info

Publication number
CN111611944A
CN111611944A CN202010445862.0A CN202010445862A CN111611944A CN 111611944 A CN111611944 A CN 111611944A CN 202010445862 A CN202010445862 A CN 202010445862A CN 111611944 A CN111611944 A CN 111611944A
Authority
CN
China
Prior art keywords
image
user identity
face
identity
features
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
CN202010445862.0A
Other languages
English (en)
Inventor
张发恩
高福杰
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.)
Alnnovation Beijing Technology Co ltd
Original Assignee
Alnnovation Beijing 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 Alnnovation Beijing Technology Co ltd filed Critical Alnnovation Beijing Technology Co ltd
Priority to CN202010445862.0A priority Critical patent/CN111611944A/zh
Publication of CN111611944A publication Critical patent/CN111611944A/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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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

Landscapes

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

Abstract

本申请提供一种身份识别方法及装置、电子设备、存储介质，该方法包括：获取目标图像；对目标图像进行人脸识别，以确定目标图像所包含人脸图像的用户身份；若未能识别出人脸图像的用户身份，从目标图像中检测人脸图像对应的身体图像；基于身体图像的身体特征，确定身体特征对应的用户身份。该方法提高了用户身份的识别率，尤其是在人脸图像模糊或者无人脸图像的情况下，为身份识别提供了可能。

Description

身份识别方法及装置、电子设备、存储介质
技术领域
本申请涉及智能识别技术领域，特别涉及一种身份识别方法及装置、电子设备、存储介质。
背景技术
目前的身份识别系统主要采用人脸识别的方法，该方法对人脸大小和清晰程度依赖性较强。实际的场景中，采像设备往往无法获取足够清晰的人脸，很多时候采集不到正脸，识别需求无法满足。
发明内容
本申请实施例提供了一种身份识别方法，提高了用户身份的识别率，尤其是在人脸图像模糊或者无人脸图像的情况下，为身份识别提供了可能。
本申请提供了一种身份识别方法，所述方法包括：
获取目标图像；
对所述目标图像进行人脸识别，以确定所述目标图像所包含人脸图像的用户身份；
若未能识别出所述人脸图像的用户身份，从所述目标图像中检测所述人脸图像对应的身体图像；
基于所述身体图像的身体特征，确定所述身体特征对应的用户身份。
在一实施例中，所述获取目标图像，包括：
通过多路摄像头采集同一场景的多张目标图像。
在一实施例中，所述从所述目标图像中检测所述人脸图像对应的身体图像，包括：
检测所述目标图像中所述人脸图像对应的身体框；
判断所述身体框的图像质量是否达到预设质量条件，过滤掉无法达到所述预设质量条件的人体框，得到所述人脸图像对应的身体图像。
在一实施例中，所述基于所述身体图像的身体特征，确定所述身体特征对应的用户身份，包括：
提取所述身体图像的身体特征；
将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份。
在一实施例中，所述将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份之前，所述方法还包括：
对于已知身份的样本图像，提取所述样本图像对应的身体特征；
将所述样本图像对应的身体特征和已知的用户身份加入所述人体库。
在一实施例中，所述将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份之后，所述方法还包括：
将所述身体图像对应的身体特征添加至所述人体库。
在一实施例中，所述将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份，包括：
根据所述身体图像的身体特征，从所述人体库中筛选出人体特征与所述身体特征相似度最高的用户身份。
另一方面，本申请还提供了一种身份识别装置，所述装置包括：
图像获取模块，用于获取目标图像；
人脸识别模块，用于对所述目标图像进行人脸识别，以确定所述目标图像所包含人脸图像的用户身份；
身体检测模块，用于当未能识别出所述人脸图像的用户身份时，从所述目标图像中检测所述人脸图像对应的身体图像；
身体识别模块，用于基于所述身体图像的身体特征，确定所述身体特征对应的用户身份。
进一步地，本申请还提供了一种电子设备，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行本申请提供的身份识别方法。
进一步地，本申请还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成本申请提供的身份识别方法。
本申请提供的技术方案，首先通过人脸识别来识别目标图像中的用户身份，对于未能识别出身份的人脸图像，检测与其对应的身体图像，并基于身体图像的身体特征，确定用户身份，提高了用户身份的识别率，尤其是在人脸图像模糊或者无人脸图像的情况下，为身份识别提供了可能。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍。
图1为本申请一实施例提供的身份识别方法的应用场景示意图；
图2为本申请一实施例提供的身份识别方法的流程示意图；
图3为本申请另一实施例提供的身份识别方法的过程示意图；
图4为本申请另一实施例提供的身份识别装置的框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
图1为本申请实施例提供的身份识别方法的应用场景示意图。如图1所示，该应用场景包括服务端110。该服务端110可以是服务器、服务器集群或者云计算中心。服务端110可以采用实施例提供的身份识别方法，对用户身份进行识别，提高了用户身份的识别率。
在一实施例中，上述应用场景还可以包括目标图像采集装置120。服务端110可以从目标图像采集装置120获取目标图像，进而服务端110可以采用本申请提供的方法，进行身份识别。
本申请还提供了一种电子设备。该电子设备可以是图1所示的服务端110。如图1所示，服务端110可以包括处理器111、用于存储处理器111可执行指令的第一存储器112和用于存储人体特征数据的第二存储器113；其中，该处理器111被配置为执行本申请提供的身份识别方法。
第一存储器112和第二存储器113可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read OnlyMemory，简称EPROM)，可编程只读存储器(Programmable Red-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
本申请还提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序可由处理器111执行以完成本申请提供的身份识别方法。
图2为本申请实施例提供的身份识别方法的流程示意图。如图2所示，该身份识别方法包括以下步骤S210-S240。
步骤S210：获取目标图像。
其中，目标图像可以为包含有待识别用户人脸和身体的图像，该图像可以由图像采集装置采集获取，或者由视频采集装置采集后截取。
步骤S220：对所述目标图像进行人脸识别，以确定所述目标图像所包含人脸图像的用户身份。
在本步骤中，首先检测出目标图像中包含的人脸图像，之后依次将检测出的人脸图像与人脸库中已知身份的人脸图像进行比对。选取人脸库中与该人脸图像相似度最高的人脸图像，判断该相似度是否超过预设的第一阈值。如果相似度超过第一阈值，则说明比对成功，可以确定检测出的人脸图像的身份即为人脸库中的该人脸图像的身份。
其中，所述人脸库可以是身份证系统中的一定区域范围内(全国或者某省等)所有人群的人脸图像合集。
步骤S230：若未能识别出所述人脸图像的用户身份，从所述目标图像中检测所述人脸图像对应的身体图像。
其中，未能识别出人脸图像的用户身份，可以是目标图像中检测到的人脸图像与人脸库中相似度最高的人脸图像的相似度仍低于第一阈值，此时目标图像中检测到的人脸图像可以认为未能识别出该人脸图像的用户身份。由于目标图像可以包含人脸和身体的全身图像，在人脸图像未能识别的情况下，身体图像也常常包含了用户的肢体特征、姿态特征、穿着特征等，故也可以对用户的身份识别起到辅助作用。因此，在本步骤中，基于目标图像中的未能识别身份的人脸图像，检测与之对应的身体图像并提取出来。
步骤S240：基于所述身体图像的身体特征，确定所述身体特征对应的用户身份。
其中，所述身体特征，可以是身高、体型、衣着等身体部分可以提取出的特征。依据这些身体特征，可以将其与已知身份的用户的身体特征进行比对，根据比对结果，可以确定所述身体特征对应的用户身份。
本申请提供的技术方案，首先通过人脸识别来识别目标图像中的用户身份，对于未能识别出身份的人脸图像，检测与其对应的身体图像，并基于身体图像的身体特征，确定用户身份，提高了用户身份的识别率，尤其是在人脸图像模糊或者无人脸图像的情况下，为身份识别提供了可能。
在一实施例中，所述获取目标图像，可以是通过多路摄像头采集同一场景的多张目标图像。举例来说，采集某十字路口的目标图像，可以通过多路布置在该十字路口周边的从不同角度朝向该十字路口的摄像头来完成。多路摄像头采集到的目标图像是同一场景的，将该场景的多张目标图像汇总，则该场景中的某一用户可能在多张目标图像中出现，可以从多张目标图像中检测该用户的不同角度的人脸图像和身体图像，进而从不同角度的目标图像中进行用户身份的识别，根据需要，可以选择效果最佳的目标图像的识别结果，从而进一步提高身份识别的准确性。
在一实施例中，上述从目标图像中检测人脸图像对应的身体图像，可以包括以下步骤：检测所述目标图像中所述人脸图像对应的身体框；判断所述身体框的图像质量是否达到预设质量条件，过滤掉无法达到所述预设质量条件的身体框，得到所述人脸图像对应的身体图像。
其中，所述身体框可以是一矩形框，该矩形框用于表征人脸图像对应用户的身体区域，即依据该用户身体轮廓的上、下、左、右顶点，分别确定该矩形框的上、下、左、右边。所述预设质量条件可以是判断所述身体框内的身体图像是否具备下一步身体特征提取的条件，在一实施例中，预设质量条件可以包括：
(1)身体框的面积大于包含该身体框的目标图像的10％；
(2)身体框的高宽比与2的绝对值的差值小于第二阈值；
(3)在包含该身体框的目标图像中，该身体框与其他身体框的交叠面积小于该身体框的10％。
这些条件可以最大限度地保证身体图像的完整性和清晰度。同时符合这三项条件的身体框所包含的身体图像可以进行下一步提取身体图像中的身体特征。对于有一项或者超过一项质量条件不满足的身体框，应将其过滤掉。
在一实施例中，上述步骤240可以包括以下步骤：提取所述身体图像的身体特征；将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份。
其中，人体特征是指人体库中身份已知的用户的身体特征，为进行区分，人体库中的用户的身体特征称为人体特征。人体库可以是存储多组身份以及与之相对应的人体特征的数据库。人体库中的每个已知身份的用户都对应了多种固定的人体特征，例如身高、体型、衣着等，如果某一项人体特征暂无数据，可以用特定标签表示，例如0。在一实施例中，可以将身体图像输入事先训练好的特征提取模型，特征提取模型的输出可以认为是身体图像的身体特征。在一实施例中，可以根据人体库中所包含的人体特征的种类，依次从身体图像中进行提取，未提取到的身体特征的特征值可以用特定标签表示，例如0。
在一实施例中，将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份，可以是根据身体图像的身体特征，从所述人体库中筛选出人体特征与所述身体特征相似度最高的用户身份。
在比对过程中，可以依次将身体特征与人体库中所有已知身份的人体特征进行比对，也可以同步进行身体特征与人体库中每一人体特征的比对。在一实施例中，身体特征可以包括身高、体型、衣着等多项子特征，故身体特征与人体库中人体特征的比对，可以依据每个子特征的比对结果得到综合比对结果，作为该身体特征与该人体库中人体特征的相似度结果。
当所述身体特征与人体库中所有已知身份的人体特征都比对完毕后，筛选出相似度最高的人体特征及其对应的用户。将该相似度与预设的第三阈值相比较，如果高于第三阈值，则确定该相似度最高的人体特征所对应的用户即为该身体特征对应的用户；如果低于第三阈值，则识别失败。例如，设第三阈值为80％，则如果最高相似度为90％，则确定该最高相似度对应的用户即为待识别的用户；如果最高相似度为60％，则识别失败。
在一实施例中，将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份之后，所述方法还可以包括：将所述身体图像对应的身体特征添加至所述人体库。由于用户的身体特征可能是随着时间推移而改变的，而相隔的时间越短，身体特征可能改变得越小。因此，人体库中的数据离识别的时间越近，识别的正确率越高。在已经确定身体特征对应的用户身份之后，将人体库中该用户存有的人体特征删除，然后将所述身体特征添加至人体库中，与该用户相对应。
在一实施例中，将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份之前，本申请实施例提供的方法还可以包括：对于已知身份的样本图像，提取所述样本图像对应的身体特征；将所述样本图像对应的身体特征和已知的用户身份加入所述人体库。
样本图像是指身份已知的身体图像，可以通过特征提取模型提取样本图像的身体特征，并将样本图像的身体特征和用户身份添加至人体库中。在一实施例中，在添加之前，可以筛查人体库中是否已包含该已知身份的用户。如果已包含，可以将提取的身体特征添加至人体库中，代替该用户原先保存的人体特征；如果不包括，可以在人体库中创建一新用户为该用户，再将该用户的身体特征添加至人体库中。
图3是本申请另一实施例提供的身份识别方法的过程示意图。如图3所示，该方法包括：
步骤S310：获取目标图像；
步骤S320：对所述目标图像进行人脸识别；
步骤S330：判断是否识别成功，如果成功，结束；如果失败，进入步骤S340；
步骤S340：检测所述目标图像中所述人脸图像对应的身体框；
步骤S350：判断身体框的图像质量是否达到预设质量条件，过滤掉无法达到预设质量条件的身体框，得到身体图像；
步骤S360：提取所述身体图像的身体特征；
步骤S370：从所述人体库中筛选出人体特征与所述身体特征相似度最高的用户身份；
步骤S380：将所述身体图像对应的身体特征添加至所述人体库。
图4是本申请另一实施例提供的身份识别装置的框图。如图4所示，该装置包括：
图像获取模块410，用于获取目标图像；
人脸识别模块420，用于对所述目标图像进行人脸识别，以确定所述目标图像所包含人脸图像的用户身份；
身体检测模块430，用于当未能识别出所述人脸图像的用户身份时，从所述目标图像中检测所述人脸图像对应的身体图像；
身体识别模块440，用于基于所述身体图像的身体特征，确定所述身体特征对应的用户身份。
上述装置中各个模块的功能和作用的实现过程具体详见上述身份识别方法中对应步骤的实现过程，在此不再赘述。
在本申请所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种身份识别方法，其特征在于，包括：
获取目标图像；
对所述目标图像进行人脸识别，以确定所述目标图像所包含人脸图像的用户身份；
若未能识别出所述人脸图像的用户身份，从所述目标图像中检测所述人脸图像对应的身体图像；
基于所述身体图像的身体特征，确定所述身体特征对应的用户身份。
2.根据权利要求1所述的身份识别方法，其特征在于，所述获取目标图像，包括：
通过多路摄像头采集同一场景的多张目标图像。
3.根据权利要求1所述的身份识别方法，其特征在于，所述从所述目标图像中检测所述人脸图像对应的身体图像，包括：
检测所述目标图像中所述人脸图像对应的身体框；
判断所述身体框的图像质量是否达到预设质量条件，过滤掉无法达到所述预设质量条件的身体框，得到所述人脸图像对应的身体图像。
4.根据权利要求1所述的身份识别方法，其特征在于，所述基于所述身体图像的身体特征，确定所述身体特征对应的用户身份，包括：
提取所述身体图像的身体特征；
将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份。
5.根据权利要求4所述的身份识别方法，其特征在于，所述将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份之前，所述方法还包括：
对于已知身份的样本图像，提取所述样本图像对应的身体特征；
将所述样本图像对应的身体特征和已知的用户身份加入所述人体库。
6.根据权利要求4所述的身份识别方法，其特征在于，所述将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份之后，所述方法还包括：
将所述身体图像对应的身体特征添加至所述人体库。
7.根据权利要求4所述的身份识别方法，其特征在于，所述将所述身体特征与人体库中已知身份的人体特征进行比对，确定所述身体特征对应的用户身份，包括：
根据所述身体图像的身体特征，从所述人体库中筛选出人体特征与所述身体特征相似度最高的用户身份。
8.一种身份识别装置，其特征在于，所述装置包括：
图像获取模块，用于获取目标图像；
人脸识别模块，用于对所述目标图像进行人脸识别，以确定所述目标图像所包含人脸图像的用户身份；
身体检测模块，用于当未能识别出所述人脸图像的用户身份时，从所述目标图像中检测所述人脸图像对应的身体图像；
身体识别模块，用于基于所述身体图像的身体特征，确定所述身体特征对应的用户身份。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1-7任意一项所述的身份识别方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成权利要求1-7任意一项所述的身份识别方法。
CN202010445862.0A 2020-05-22 2020-05-22 身份识别方法及装置、电子设备、存储介质 Pending CN111611944A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010445862.0A CN111611944A (zh) 2020-05-22 2020-05-22 身份识别方法及装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010445862.0A CN111611944A (zh) 2020-05-22 2020-05-22 身份识别方法及装置、电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN111611944A true CN111611944A (zh) 2020-09-01

Family

ID=72202376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010445862.0A Pending CN111611944A (zh) 2020-05-22 2020-05-22 身份识别方法及装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN111611944A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132057A (zh) * 2020-09-24 2020-12-25 天津锋物科技有限公司 一种多维身份识别方法及系统
CN112270275A (zh) * 2020-11-02 2021-01-26 上海哔哩哔哩科技有限公司 基于图片识别的商品搜索方法、装置及计算机设备
CN113296648A (zh) * 2021-05-13 2021-08-24 维沃移动通信有限公司 显示方法、显示装置和电子设备
CN116052089A (zh) * 2023-03-30 2023-05-02 成都睿瞳科技有限责任公司 一种用于智能安防监控的图像处理系统、方法及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850828A (zh) * 2015-04-29 2015-08-19 小米科技有限责任公司 人物识别方法及装置
CN106778614A (zh) * 2016-12-16 2017-05-31 中新智擎有限公司 一种人体识别方法和装置
CN107292240A (zh) * 2017-05-24 2017-10-24 深圳市深网视界科技有限公司 一种基于人脸与人体识别的找人方法及系统
CN107707975A (zh) * 2017-09-20 2018-02-16 天津大学 基于监控平台的视频智能剪辑方法
WO2018164363A1 (ko) * 2017-03-10 2018-09-13 크루셜텍 (주) 다중 생체 데이터를 이용한 비접촉식 다중 생체 인식 방법 및 다중 생체 인식 장치
CN108549848A (zh) * 2018-03-27 2018-09-18 百度在线网络技术（北京）有限公司 用于输出信息的方法和装置
JP2019003357A (ja) * 2017-06-14 2019-01-10 富士通株式会社 認証装置、認証方法、及び認証プログラム
CN110503022A (zh) * 2019-08-19 2019-11-26 北京积加科技有限公司 一种身份识别方法、装置及系统
CN110728209A (zh) * 2019-09-24 2020-01-24 腾讯科技（深圳）有限公司 一种姿态识别方法、装置、电子设备及存储介质
CN110889315A (zh) * 2018-09-10 2020-03-17 北京市商汤科技开发有限公司 图像处理方法、装置、电子设备及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850828A (zh) * 2015-04-29 2015-08-19 小米科技有限责任公司 人物识别方法及装置
CN106778614A (zh) * 2016-12-16 2017-05-31 中新智擎有限公司 一种人体识别方法和装置
WO2018164363A1 (ko) * 2017-03-10 2018-09-13 크루셜텍 (주) 다중 생체 데이터를 이용한 비접촉식 다중 생체 인식 방법 및 다중 생체 인식 장치
CN107292240A (zh) * 2017-05-24 2017-10-24 深圳市深网视界科技有限公司 一种基于人脸与人体识别的找人方法及系统
JP2019003357A (ja) * 2017-06-14 2019-01-10 富士通株式会社 認証装置、認証方法、及び認証プログラム
CN107707975A (zh) * 2017-09-20 2018-02-16 天津大学 基于监控平台的视频智能剪辑方法
CN108549848A (zh) * 2018-03-27 2018-09-18 百度在线网络技术（北京）有限公司 用于输出信息的方法和装置
CN110889315A (zh) * 2018-09-10 2020-03-17 北京市商汤科技开发有限公司 图像处理方法、装置、电子设备及系统
CN110503022A (zh) * 2019-08-19 2019-11-26 北京积加科技有限公司 一种身份识别方法、装置及系统
CN110728209A (zh) * 2019-09-24 2020-01-24 腾讯科技（深圳）有限公司 一种姿态识别方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
叶诗韵，黄志成: "基于人脸识别的考生身份识别应用研究", vol. 39, no. 12, pages 37 - 39 *
张忠宝: "关于人脸识别技术在商业银行方面的应用——基于计算机视觉", pages 61 - 62 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132057A (zh) * 2020-09-24 2020-12-25 天津锋物科技有限公司 一种多维身份识别方法及系统
CN112270275A (zh) * 2020-11-02 2021-01-26 上海哔哩哔哩科技有限公司 基于图片识别的商品搜索方法、装置及计算机设备
CN112270275B (zh) * 2020-11-02 2023-11-21 上海哔哩哔哩科技有限公司 基于图片识别的商品搜索方法、装置及计算机设备
CN113296648A (zh) * 2021-05-13 2021-08-24 维沃移动通信有限公司 显示方法、显示装置和电子设备
CN116052089A (zh) * 2023-03-30 2023-05-02 成都睿瞳科技有限责任公司 一种用于智能安防监控的图像处理系统、方法及存储介质

Similar Documents

Publication Publication Date Title
CN111611944A (zh) 身份识别方法及装置、电子设备、存储介质
CN105243395B (zh) 一种人体图像比对方法和装置
CN109426785B (zh) 一种人体目标身份识别方法及装置
CN108171158B (zh) 活体检测方法、装置、电子设备及存储介质
CN110620905A (zh) 视频监控方法、装置、计算机设备和存储介质
CN112580523A (zh) 行为识别方法、装置、设备及存储介质
CN111898581A (zh) 动物检测方法、装置、电子设备及可读存储介质
CN111242128B (zh) 目标检测方法、装置、计算机可读存储介质和计算机设备
CN111914665A (zh) 一种人脸遮挡检测方法、装置、设备及存储介质
CN109255360B (zh) 一种目标分类方法、装置及系统
CN111783665A (zh) 一种动作识别方法、装置、存储介质和电子设备
CN110175553B (zh) 基于步态识别与人脸识别建立特征库的方法及装置
CN112633255B (zh) 目标检测方法、装置及设备
CN111814690B (zh) 一种目标重识别方法、装置和计算机可读存储介质
CN116543334A (zh) 关键帧抽取方法、装置、电子设备及存储介质
WO2014193220A2 (en) System and method for multiple license plates identification
CN111753642B (zh) 一种确定关键帧的方法及装置
CN112508910A (zh) 用于多分类缺陷检测的缺陷提取方法及装置
CN109558773A (zh) 信息识别方法、装置及电子设备
CN111178445A (zh) 图像处理方法及装置
CN113902412A (zh) 一种基于数据处理的环境监测方法
CN113469135A (zh) 对象身份信息的确定方法、装置、存储介质及电子装置
CN112084858A (zh) 对象识别方法和装置、电子设备及存储介质
CN116612498A (zh) 一种鸟类识别模型训练方法、鸟类识别方法、装置及设备
CN115424253A (zh) 车牌识别方法、装置、电子设备和存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200901