CN111814701A - 一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法 - Google Patents
一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法 Download PDFInfo
- Publication number
- CN111814701A CN111814701A CN202010670126.5A CN202010670126A CN111814701A CN 111814701 A CN111814701 A CN 111814701A CN 202010670126 A CN202010670126 A CN 202010670126A CN 111814701 A CN111814701 A CN 111814701A
- Authority
- CN
- China
- Prior art keywords
- point
- face
- comparison
- face information
- real
- 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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
Abstract
本发明公开了一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法,包括以下步骤:步骤一:用户上传儿童的预设对比人脸信息,预设对比人脸信息被上传到云端进行储存;步骤二:进行儿童人脸识别时通过影像获取终端来获取到实时验证人员的人脸信息;步骤三:将获取到的实时人脸信息提取出于云端中的预设对比人脸信息进行第一次人脸比对,第一次人脸比对通过时,即将获取到的实时人脸信息替换掉云端中的预设对比人脸信息储存为下一次该用户进行人脸识别时的预设对比人脸信息;步骤四:当第一次人脸比对不通过时。本发明的人脸识别准确更好,并且有效的避免了照片模糊导致的无法识别的状况发生。
Description
技术领域
本发明涉及人脸识别领域,具体涉及一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法。
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,在进行人脸识别时需要使用到人脸识别算法。
现有的人脸识别算法,在使用过程中,容易因为人脸照片清晰度不足导致人脸识别失败的状况发生,给人脸识别算法的使用带来了一定的影响,因此,提出一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法。
发明内容
本发明所要解决的技术问题在于:如何解决现有的人脸识别算法,在使用过程中,容易因为人脸照片清晰度不足导致人脸识别失败的状况发生,给人脸识别算法的使用带来了一定的影响的问题,提供了一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法。
本发明是通过以下技术方案解决上述技术问题的,本发明包括以下步骤:
步骤一:用户上传儿童的预设对比人脸信息,预设对比人脸信息被上传到云端进行储存;
步骤二:进行儿童人脸识别时通过影像获取终端来获取到实时验证人员的人脸信息;
步骤三:将获取到的实时人脸信息提取出于云端中的预设对比人脸信息进行第一次人脸比对,第一次人脸比对通过时,即将获取到的实时人脸信息替换掉云端中的预设对比人脸信息储存为下一次该用户进行人脸识别时的预设对比人脸信息;
步骤四:当第一次人脸比对不通过时,在实时人脸信息与预设对比人脸信息上建立对比特征来进行比对,对比特征验证通过即表示二次验证通过;
步骤五:二次验证通过后也将此时实时人脸信息替换掉云端中的预设对比人脸信息储存为下一次该儿童进行人脸识别的预设对比人脸信息。
优选的,所述步骤一中的人脸对比信息包括多张人脸正面的照片,将多张人脸正面照片按照清晰度进行清晰度从高到低进行排名,提取出清晰度最高的照片为预设对比人脸信息。
优选的,所述步骤二中的影像获取终端为高清摄像机,高清摄像机实时拍摄儿童的人脸影像,拍摄多张儿童人脸照片后,将多张儿童人脸正面照片按照清晰度进行清晰度从高到低进行排名,提取出清晰度最高的照片为儿童实时对比人脸信息。
优选的,所述步骤四中的第一次人脸对比过程如下:
步骤(1):将预设对比人脸信息提取出,提取出预设对比人脸信息中人脸的两个外眼角标记为特征点A1点与A2点;
步骤(2):预设对比人脸信息中人脸的两个内眼角标记为特征点A3点与A4点;
步骤(3):将A1点与A2点连接得到线段L1,将A3点与A4点连接得到线段L2;
步骤(4):测量出线段L1的长度与线段L2的长度,并计算出线段L1与线段L2的比值得到预设比值L比;
步骤(5):将实时对比人脸信息提取出,提取出实时对比人脸信息中人脸的两个外眼角标记为特征点B1点与B2点;
步骤(6):实时对比人脸信息中人脸的两个内眼角标记为特征点B3点与B4点;
步骤(7):将B1点与B2点连接得到线段P1,将B3点与B4点连接得到线段P2;
步骤(8):测量出线段P1的长度与线段P2的长度,并计算出线段P1与线段P2的比值得到实时比值P比;
步骤(9):当预设比值L比与实时比值P比相同,且线段P1与线段L1或线段L2与线段L2中任意一个相同时,即验证通过。
优选的,步骤四中的二次验证过程如下:
步骤a:将实时人脸信息与预设对比人脸信息映射到同一特征空间中;
步骤b:将预设对比人脸信息中的人脸的鼻尖点标记为K1点,将预设对比人脸信息中的人脸的两个嘴角标分别标记为K2点与K3点;
步骤c:将K2点与K3点连接得到线段Q1,将线段Q1的中点标记为K4点;
步骤d:将K4点与K1点连接得到线段Q2,测量出线段Q2长度,并以K1点为圆心,线段Q2的长度为半径画圆得到圆Y1;
步骤e:将实时对比人脸信息中的人脸的鼻尖点标记为W1点,将实时对比人脸信息中的人脸的两个嘴角标分别标记为W2点与W3点;
步骤f:将W2点与W3点连接得到线段D1,将线段D1的中点标记为W4点;
步骤g:将W4点与W1点连接得到线段D2,测量出线段D2长度,并以W1点为圆心,线段D2的长度为半径画圆得到圆Y2;
步骤h:通过公式π*Q22=S1圆得到圆Y1的面积S1圆,再通过公式π*D22=S2圆得到圆Y1的面积S2圆;
步骤i:计算出S1圆与S2圆的差值,当S1圆与S2圆的差值在预设范围内时表示特征验证通过,即二次验证通过。
本发明相比现有技术具有以下优点:该基于双层异构网络进行特征迁移学习的儿童人脸识别算法,设置了双重验证,有效的避免了照片模糊导致的验证无法通过的状况发生,并且在二次验证时将实时人脸信息与预设对比人脸信息映射到同一特征空间中进行特征提取,并通过对特征比较来进行二次识别,在保证验证速度的同时有效的提升了验证的准确度,提升了该算法的安全性,并且每次验证通过后都将预设人脸信息更新为最新获取的人脸信,从而让该算法可以根据人脸信息的微小变化进行更新,让该算法的准确度更高。
附图说明
图1是本发明的流程框图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法,包括以下步骤:
步骤一:用户上传儿童的预设对比人脸信息,预设对比人脸信息被上传到云端进行储存;
步骤二:进行儿童人脸识别时通过影像获取终端来获取到实时验证人员的人脸信息;
步骤三:将获取到的实时人脸信息提取出于云端中的预设对比人脸信息进行第一次人脸比对,第一次人脸比对通过时,即将获取到的实时人脸信息替换掉云端中的预设对比人脸信息储存为下一次该用户进行人脸识别时的预设对比人脸信息;
步骤四:当第一次人脸比对不通过时,在实时人脸信息与预设对比人脸信息上建立对比特征来进行比对,对比特征验证通过即表示二次验证通过;
步骤五:二次验证通过后也将此时实时人脸信息替换掉云端中的预设对比人脸信息储存为下一次该儿童进行人脸识别的预设对比人脸信息。
所述步骤一中的人脸对比信息包括多张人脸正面的照片,将多张人脸正面照片按照清晰度进行清晰度从高到低进行排名,提取出清晰度最高的照片为预设对比人脸信息。
所述步骤二中的影像获取终端为高清摄像机,高清摄像机实时拍摄儿童的人脸影像,拍摄多张儿童人脸照片后,将多张儿童人脸正面照片按照清晰度进行清晰度从高到低进行排名,提取出清晰度最高的照片为儿童实时对比人脸信息。
所述步骤四中的第一次人脸对比过程如下:
步骤(1):将预设对比人脸信息提取出,提取出预设对比人脸信息中人脸的两个外眼角标记为特征点A1点与A2点;
步骤(2):预设对比人脸信息中人脸的两个内眼角标记为特征点A3点与A4点;
步骤(3):将A1点与A2点连接得到线段L1,将A3点与A4点连接得到线段L2;
步骤(4):测量出线段L1的长度与线段L2的长度,并计算出线段L1与线段L2的比值得到预设比值L比;
步骤(5):将实时对比人脸信息提取出,提取出实时对比人脸信息中人脸的两个外眼角标记为特征点B1点与B2点;
步骤(6):实时对比人脸信息中人脸的两个内眼角标记为特征点B3点与B4点;
步骤(7):将B1点与B2点连接得到线段P1,将B3点与B4点连接得到线段P2;
步骤(8):测量出线段P1的长度与线段P2的长度,并计算出线段P1与线段P2的比值得到实时比值P比;
步骤(9):当预设比值L比与实时比值P比相同,且线段P1与线段L1或线段L2与线段L2中任意一个相同时,即验证通过。
步骤四中的二次验证过程如下:
步骤a:将实时人脸信息与预设对比人脸信息映射到同一特征空间中;
步骤b:将预设对比人脸信息中的人脸的鼻尖点标记为K1点,将预设对比人脸信息中的人脸的两个嘴角标分别标记为K2点与K3点;
步骤c:将K2点与K3点连接得到线段Q1,将线段Q1的中点标记为K4点;
步骤d:将K4点与K1点连接得到线段Q2,测量出线段Q2长度,并以K1点为圆心,线段Q2的长度为半径画圆得到圆Y1;
步骤e:将实时对比人脸信息中的人脸的鼻尖点标记为W1点,将实时对比人脸信息中的人脸的两个嘴角标分别标记为W2点与W3点;
步骤f:将W2点与W3点连接得到线段D1,将线段D1的中点标记为W4点;
步骤g:将W4点与W1点连接得到线段D2,测量出线段D2长度,并以W1点为圆心,线段D2的长度为半径画圆得到圆Y2;
步骤h:通过公式π*Q22=S1圆得到圆Y1的面积S1圆,再通过公式π*D22=S2圆得到圆Y1的面积S2圆;
步骤i:计算出S1圆与S2圆的差值,当S1圆与S2圆的差值在预设范围内时表示特征验证通过,即二次验证通过。
综上,本发明在使用时,用户上传儿童的预设对比人脸信息,预设对比人脸信息被上传到云端进行储存,进行儿童人脸识别时通过影像获取终端来获取到实时验证人员的人脸信息,将获取到的实时人脸信息提取出于云端中的预设对比人脸信息进行第一次人脸比对,第一次人脸比对通过时,即将获取到的实时人脸信息替换掉云端中的预设对比人脸信息储存为下一次该用户进行人脸识别时的预设对比人脸信息,当第一次人脸比对不通过时,在实时人脸信息与预设对比人脸信息上建立对比特征来进行比对,对比特征验证通过即表示二次验证通过,二次验证通过后也将此时实时人脸信息替换掉云端中的预设对比人脸信息储存为下一次该儿童进行人脸识别的预设对比人脸信息,通过双重验证,有效的避免了照片模糊导致的验证无法通过的状况发生,并且在二次验证时将实时人脸信息与预设对比人脸信息映射到同一特征空间中进行特征提取,并通过对特征比较来进行二次识别,在保证验证速度的同时有效的提升了验证的准确度,提升了该算法的安全性。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (5)
1.一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法,其特征在于,包括以下步骤:
步骤一:用户上传儿童的预设对比人脸信息,预设对比人脸信息被上传到云端进行储存;
步骤二:进行儿童人脸识别时通过影像获取终端来获取到实时验证人员的人脸信息;
步骤三:将获取到的实时人脸信息提取出于云端中的预设对比人脸信息进行第一次人脸比对,第一次人脸比对通过时,即将获取到的实时人脸信息替换掉云端中的预设对比人脸信息储存为下一次该用户进行人脸识别时的预设对比人脸信息;
步骤四:当第一次人脸比对不通过时,在实时人脸信息与预设对比人脸信息上建立对比特征来进行比对,对比特征验证通过即表示二次验证通过;
步骤五:二次验证通过后也将此时实时人脸信息替换掉云端中的预设对比人脸信息储存为下一次该儿童进行人脸识别的预设对比人脸信息。
2.根据权利要求1所述的一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法,其特征在于:所述步骤一中的人脸对比信息包括多张人脸正面的照片,将多张人脸正面照片按照清晰度进行清晰度从高到低进行排名,提取出清晰度最高的照片为预设对比人脸信息。
3.根据权利要求1所述的一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法,其特征在于:所述步骤二中的影像获取终端为高清摄像机,高清摄像机实时拍摄儿童的人脸影像,拍摄多张儿童人脸照片后,将多张儿童人脸正面照片按照清晰度进行清晰度从高到低进行排名,提取出清晰度最高的照片为儿童实时对比人脸信息。
4.根据权利要求1所述的一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法,其特征在于:所述步骤四中的第一次人脸对比过程如下:
步骤(1):将预设对比人脸信息提取出,提取出预设对比人脸信息中人脸的两个外眼角标记为特征点A1点与A2点;
步骤(2):预设对比人脸信息中人脸的两个内眼角标记为特征点A3点与A4点;
步骤(3):将A1点与A2点连接得到线段L1,将A3点与A4点连接得到线段L2;
步骤(4):测量出线段L1的长度与线段L2的长度,并计算出线段L1与线段L2的比值得到预设比值L比;
步骤(5):将实时对比人脸信息提取出,提取出实时对比人脸信息中人脸的两个外眼角标记为特征点B1点与B2点;
步骤(6):实时对比人脸信息中人脸的两个内眼角标记为特征点B3点与B4点;
步骤(7):将B1点与B2点连接得到线段P1,将B3点与B4点连接得到线段P2;
步骤(8):测量出线段P1的长度与线段P2的长度,并计算出线段P1与线段P2的比值得到实时比值P比;
步骤(9):当预设比值L比与实时比值P比相同,且线段P1与线段L1或线段L2与线段L2中任意一个相同时,即验证通过。
5.根据权利要求1所述的一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法,其特征在于:步骤四中的二次验证过程如下:
步骤a:将实时人脸信息与预设对比人脸信息映射到同一特征空间中;
步骤b:将预设对比人脸信息中的人脸的鼻尖点标记为K1点,将预设对比人脸信息中的人脸的两个嘴角标分别标记为K2点与K3点;
步骤c:将K2点与K3点连接得到线段Q1,将线段Q1的中点标记为K4点;
步骤d:将K4点与K1点连接得到线段Q2,测量出线段Q2长度,并以K1点为圆心,线段Q2的长度为半径画圆得到圆Y1;
步骤e:将实时对比人脸信息中的人脸的鼻尖点标记为W1点,将实时对比人脸信息中的人脸的两个嘴角标分别标记为W2点与W3点;
步骤f:将W2点与W3点连接得到线段D1,将线段D1的中点标记为W4点;
步骤g:将W4点与W1点连接得到线段D2,测量出线段D2长度,并以W1点为圆心,线段D2的长度为半径画圆得到圆Y2;
步骤h:通过公式π*Q22=S1圆得到圆Y1的面积S1圆,再通过公式π*D22=S2圆得到圆Y1的面积S2圆;
步骤i:计算出S1圆与S2圆的差值,当S1圆与S2圆的差值在预设范围内时表示特征验证通过,即二次验证通过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010670126.5A CN111814701A (zh) | 2020-07-13 | 2020-07-13 | 一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010670126.5A CN111814701A (zh) | 2020-07-13 | 2020-07-13 | 一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111814701A true CN111814701A (zh) | 2020-10-23 |
Family
ID=72843109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010670126.5A Pending CN111814701A (zh) | 2020-07-13 | 2020-07-13 | 一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814701A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464192A (zh) * | 2020-10-26 | 2021-03-09 | 国网安徽省电力有限公司信息通信分公司 | 一种基于大数据的电网数据资产管理系统 |
CN113436711A (zh) * | 2021-06-07 | 2021-09-24 | 四川数字链享科技有限公司 | 一种基于大数据平台的西医问诊系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398886A (zh) * | 2008-03-17 | 2009-04-01 | 杭州大清智能技术开发有限公司 | 一种基于双目被动立体视觉的快速三维人脸识别方法 |
CN104537388A (zh) * | 2014-12-29 | 2015-04-22 | 桂林远望智能通信科技有限公司 | 一种多级人脸比对系统和方法 |
CN105160331A (zh) * | 2015-09-22 | 2015-12-16 | 镇江锐捷信息科技有限公司 | 一种基于隐马尔可夫模型的人脸几何特征识别方法 |
US20180181834A1 (en) * | 2016-12-23 | 2018-06-28 | Nuctech Company Limited | Method and apparatus for security inspection |
CN108447142A (zh) * | 2018-04-24 | 2018-08-24 | 上德智能科技(武汉)有限公司 | 基于人脸识别的考勤处理方法及装置 |
CN109543633A (zh) * | 2018-11-29 | 2019-03-29 | 上海钛米机器人科技有限公司 | 一种人脸识别方法、装置、机器人和存储介质 |
CN110598565A (zh) * | 2019-08-16 | 2019-12-20 | 信利光电股份有限公司 | 一种远近人脸识别方法、装置和自动门 |
CN111091640A (zh) * | 2019-12-19 | 2020-05-01 | 深圳市图美电子技术有限公司 | 一种可授权时间管理控制的网络存储设备 |
-
2020
- 2020-07-13 CN CN202010670126.5A patent/CN111814701A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398886A (zh) * | 2008-03-17 | 2009-04-01 | 杭州大清智能技术开发有限公司 | 一种基于双目被动立体视觉的快速三维人脸识别方法 |
CN104537388A (zh) * | 2014-12-29 | 2015-04-22 | 桂林远望智能通信科技有限公司 | 一种多级人脸比对系统和方法 |
CN105160331A (zh) * | 2015-09-22 | 2015-12-16 | 镇江锐捷信息科技有限公司 | 一种基于隐马尔可夫模型的人脸几何特征识别方法 |
US20180181834A1 (en) * | 2016-12-23 | 2018-06-28 | Nuctech Company Limited | Method and apparatus for security inspection |
CN108447142A (zh) * | 2018-04-24 | 2018-08-24 | 上德智能科技(武汉)有限公司 | 基于人脸识别的考勤处理方法及装置 |
CN109543633A (zh) * | 2018-11-29 | 2019-03-29 | 上海钛米机器人科技有限公司 | 一种人脸识别方法、装置、机器人和存储介质 |
CN110598565A (zh) * | 2019-08-16 | 2019-12-20 | 信利光电股份有限公司 | 一种远近人脸识别方法、装置和自动门 |
CN111091640A (zh) * | 2019-12-19 | 2020-05-01 | 深圳市图美电子技术有限公司 | 一种可授权时间管理控制的网络存储设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464192A (zh) * | 2020-10-26 | 2021-03-09 | 国网安徽省电力有限公司信息通信分公司 | 一种基于大数据的电网数据资产管理系统 |
CN113436711A (zh) * | 2021-06-07 | 2021-09-24 | 四川数字链享科技有限公司 | 一种基于大数据平台的西医问诊系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111814701A (zh) | 一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法 | |
US11019330B2 (en) | Multiple camera system with auto recalibration | |
CN106709424B (zh) | 一种优化的监控视频存储系统 | |
US8121358B2 (en) | Method of grouping images by face | |
US11295150B2 (en) | Subject identification systems and methods | |
EP1650711A1 (en) | Image processing device, imaging device, image processing method | |
WO2020223937A1 (zh) | 一种人脸识别方法、人脸识别装置和计算机可读存储介质 | |
CN105989363B (zh) | 多角度人脸图片库的建立方法 | |
CN106780814A (zh) | 一种教室内使用的全程自动考勤系统 | |
JP2017134830A (ja) | 顔認識システム及び顔認識方法 | |
CN106485186B (zh) | 图像特征提取方法、装置、终端设备及系统 | |
CN109214373A (zh) | 一种用于考勤的人脸识别系统及方法 | |
CN111814702A (zh) | 一种基于成年人脸和儿童照特征空间映射关系的儿童人脸识别方法 | |
CN106845454B (zh) | 一种图像输出反馈的方法 | |
CN111199029B (zh) | 人脸识别装置以及人脸识别方法 | |
CN107862240A (zh) | 一种多摄像头协同的人脸追踪方法 | |
CN112101124A (zh) | 一种坐姿检测方法及装置 | |
CN110414299A (zh) | 一种基于计算机视觉的猴脸亲缘关系分析方法 | |
WO2023116641A1 (zh) | 车位检测模型训练方法、车位检测方法及其装置 | |
CN109800635A (zh) | 一种基于光流法的受限局部人脸关键点检测与跟踪方法 | |
KR20220084462A (ko) | 얼굴인식을 이용한 강의 출결 확인 시스템 및 그 방법 | |
CN105574500A (zh) | 提高人脸识别通过率的方法和装置 | |
WO2020155486A1 (zh) | 人脸识别优化方法、装置、计算机设备和存储介质 | |
CN109636940A (zh) | 一种工地现场考勤系统及考勤方法 | |
CN106778925A (zh) | 一种人脸识别的姿态超完备人脸自动注册方法及其装置 |
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 |