CN111814702A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111814702A CN111814702A CN202010671153.4A CN202010671153A CN111814702A CN 111814702 A CN111814702 A CN 111814702A CN 202010671153 A CN202010671153 A CN 202010671153A CN 111814702 A CN111814702 A CN 111814702A
- Authority
- CN
- China
- Prior art keywords
- point
- face
- line segment
- child
- photos
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了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,包括以下步骤:步骤一:用户登录人脸识别系统上传若干张儿童的人脸照片,若干张儿童人脸照片经过处理后,将处理出的儿童预存照片上传到储存端进行储存等待调用;步骤二:需要进行儿童人脸识别时,通过影像采集终端获取到若干张实时的儿童人脸照片,对若干张实时的儿童人脸照片件处理得到实时儿童照片;步骤三:将实时儿童照片与储存端中储存的儿童预存照片进行初步特征点提取,并在对初步特征点进行比较,当初步特征点提取比较通过后即验证通过,验证通过后将实时儿童照片确定出新的预存儿童照片。本发明更加适用于儿童,并且识别失败几率更小。
Description
技术领域
本发明涉及人脸识别领域,具体涉及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。
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,人脸识别的应用非常广泛,在对儿童进行身份验证时也会使用到人脸识别方法。
现有的人脸识别方法,在对儿童进行人脸识别,一直使用老旧数据,没有对数据进行及时更新,容易出现因为儿童成长过快导致的无法识别状况发生,不适用于儿童,并且识别过程单一,容易出错,给人脸识别方法使用带来了一定的影响,因此,提出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。
发明内容
本发明所要解决的技术问题在于:如何解决现有的植物种植装置,多为单个的花盆结构,不够美观不能满足使用者的使用需求,并且多个花盆的灌溉非常的麻烦,并且不适宜在墙角使用的问题,提供了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。
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:用户登录人脸识别系统上传若干张儿童的人脸照片,若干张儿童人脸照片经过处理后,将处理出的儿童预存照片上传到储存端进行储存等待调用;
步骤二:需要进行儿童人脸识别时,通过影像采集终端获取到若干张实时的儿童人脸照片,对若干张实时的儿童人脸照片件处理得到实时儿童照片;
步骤三:将实时儿童照片与储存端中储存的儿童预存照片进行初步特征点提取,并在对初步特征点进行比较,当初步特征点提取比较通过后即验证通过,验证通过后将实时儿童照片确定出新的预存儿童照片;
步骤四:当初步特征点验证不通过时,从实时儿童照片与预存儿童照片中提取出二次验证特征点与其他特征点;
步骤五:将实时儿童照片与预存儿童照片中的二次验证特征点与其他特征点进行处理处理出二次验证系数与其他特征验证系数,当实时儿童照片与预存儿童照片中提取出二次验证特征点与其他特征点中任意一个验证通过时即不进行另一数据的验证;
步骤六:当儿童照片中不存在其他特征点时即不进行其他特征验证系数的验证;
步骤七:二次验证系数或其他特征验证系数验证通过后即表示人脸验证通过,将该次采集的二次验证系数和其他特征验证系数进行处理确定为新的预存二次验证系数与新的预存其他特征验证系数。
优选的,所述步骤一中处理若干张儿童人脸照片的具体过程如下:将若干张儿童人脸照片按照清晰度从高到低的排名,提取出清晰度最高的照片为儿童预存照片。
优选的,所述步骤二中处理若干张实时的儿童人脸照片的具体过程如下:将若实时的儿童人脸照片按照清晰度从高到低的排名,提取出清晰度最高的照片为实时儿童照片。
优选的,所述初步特征点验证的具体过程如下:
步骤(1):将儿童预存照片中的两个外眼角与鼻尖点标记为特征点,将两个外眼角标记为A1点与A2点,将鼻尖点标记为A3点;
步骤(2):将A1点与A2点连接得到线段Q1,将A1点与A3点连接得到线段Q2,将将A2点与A3点连接得到线段Q3;
步骤(3):线段Q1、线段Q2与线段Q3合围成三角形P1,以线段Q1为底边,以A3点为端点做一条垂直于线段Q1的线段Q4,测量出线段Q1与线段Q4的长度;
步骤(4):通过公式Q1*Q4/2=S1三角,得到预存对比系数S2三角;
步骤(5):将儿童实时照片中的两个外眼角与鼻尖点标记为特征点,将两个外眼角标记为B1点与B2点,将鼻尖点标记为B3点;
步骤(6):将B1点与B2点连接得到线段T1,将B1点与B3点连接得到线段T2,将将B2点与B3点连接得到线段T3;
步骤(7):线段T1、线段T2与线段T3合围成三角形P1,以线段T1为底边,以B3点为端点做一条垂直于线段T1的线段T4,测量出线段T1与线段T4的长度;
步骤(8):通过公式T1*T4/2=S2三角,得到实时对比系数S2三角;
步骤(9):计算出预存对比系数S2三角与实时对比系数S2三角的差值得到S差,当S差的绝对值在预设范围内时,即表示验证通过。
优选的,所述二次验证的具体过程如下:
步骤1:将儿童预存照片中的人脸的两个嘴角与下巴最低点设置为第二特征点,将两个嘴角标记为C1点与C2点,将下巴最低点标记为C3点;
步骤2:将C1点与C2点连接得到线段D1,提取出线段D1的中点将其标记为C4点;
步骤3:将C3点与C4点连接得到线段D2,测量出D2的长度,以线段D2的长度为半径以C3点为圆心画圆得到圆K1,再计算出圆K1的面积得到S1圆;
步骤4:将实时儿童照片中的人脸的两个嘴角与下巴最低点设置为第二特征点,将两个嘴角标记为F1点与F2点,将下巴最低点标记为F3点;
步骤5:将F1点与F2点连接得到线段G1,提取出线段G1的中点将其标记为F4点;
步骤6:将F3点与F4点连接得到线段G2,测量出G2的长度,以线段G2的长度为半径以F3点为圆心画圆得到圆K2,再计算出圆K2的面积得到S2圆;
步骤7:计算出S2圆与S2圆的差值,得到S圆差,当S圆差的绝对值在预设范围内时即验证通过。
优选的,所述其他特征点验证的具体过程如下:
步骤a:将儿童预存照片中的人脸上的痣和疤痕标记为Mi点,i=1……n;
步骤b:将Mi点按照面积大小进行排行,提取出最大的三个Mi为预存信息特征点;
步骤c:将实时儿童照片中的人脸上的痣和疤痕标记为Zi点,i=1……n;
步骤d:将Zi点按照面积大小进行排行,提取出最大的三个Zi为预存信息特征点;
步骤e:当三个Zi点与三个Mi点的位置相同时即验证通过。
本发明相比现有技术具有以下优点:该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,能够在每次进行人脸识别后即对预存的儿童人脸信息进行更新,有效的避免了因为儿童成长脸部变化导致的无法进行人脸识别的状况发生,同时通过设置的初次验证、二次验证与其他特征验证多种方式来件人脸识别的验证,有效的提升了该方法验证的准确度,从而让该方法更加值得推广使用。
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,包括以下步骤:
步骤一:用户登录人脸识别系统上传若干张儿童的人脸照片,若干张儿童人脸照片经过处理后,将处理出的儿童预存照片上传到储存端进行储存等待调用;
步骤二:需要进行儿童人脸识别时,通过影像采集终端获取到若干张实时的儿童人脸照片,对若干张实时的儿童人脸照片件处理得到实时儿童照片;
步骤三:将实时儿童照片与储存端中储存的儿童预存照片进行初步特征点提取,并在对初步特征点进行比较,当初步特征点提取比较通过后即验证通过,验证通过后将实时儿童照片确定出新的预存儿童照片;
步骤四:当初步特征点验证不通过时,从实时儿童照片与预存儿童照片中提取出二次验证特征点与其他特征点;
步骤五:将实时儿童照片与预存儿童照片中的二次验证特征点与其他特征点进行处理处理出二次验证系数与其他特征验证系数,当实时儿童照片与预存儿童照片中提取出二次验证特征点与其他特征点中任意一个验证通过时即不进行另一数据的验证;
步骤六:当儿童照片中不存在其他特征点时即不进行其他特征验证系数的验证;
步骤七:二次验证系数或其他特征验证系数验证通过后即表示人脸验证通过,将该次采集的二次验证系数和其他特征验证系数进行处理确定为新的预存二次验证系数与新的预存其他特征验证系数。
所述步骤一中处理若干张儿童人脸照片的具体过程如下:将若干张儿童人脸照片按照清晰度从高到低的排名,提取出清晰度最高的照片为儿童预存照片。
所述步骤二中处理若干张实时的儿童人脸照片的具体过程如下:将若实时的儿童人脸照片按照清晰度从高到低的排名,提取出清晰度最高的照片为实时儿童照片,更加清晰的照片才能够更好进行人脸识别分析。
所述初步特征点验证的具体过程如下:
步骤(1):将儿童预存照片中的两个外眼角与鼻尖点标记为特征点,将两个外眼角标记为A1点与A2点,将鼻尖点标记为A3点;
步骤(2):将A1点与A2点连接得到线段Q1,将A1点与A3点连接得到线段Q2,将将A2点与A3点连接得到线段Q3;
步骤(3):线段Q1、线段Q2与线段Q3合围成三角形P1,以线段Q1为底边,以A3点为端点做一条垂直于线段Q1的线段Q4,测量出线段Q1与线段Q4的长度;
步骤(4):通过公式Q1*Q4/2=S1三角,得到预存对比系数S2三角;
步骤(5):将儿童实时照片中的两个外眼角与鼻尖点标记为特征点,将两个外眼角标记为B1点与B2点,将鼻尖点标记为B3点;
步骤(6):将B1点与B2点连接得到线段T1,将B1点与B3点连接得到线段T2,将将B2点与B3点连接得到线段T3;
步骤(7):线段T1、线段T2与线段T3合围成三角形P1,以线段T1为底边,以B3点为端点做一条垂直于线段T1的线段T4,测量出线段T1与线段T4的长度;
步骤(8):通过公式T1*T4/2=S2三角,得到实时对比系数S2三角;
步骤(9):计算出预存对比系数S2三角与实时对比系数S2三角的差值得到S差,当S差的绝对值在预设范围内时,即表示验证通过。
所述二次验证的具体过程如下:
步骤1:将儿童预存照片中的人脸的两个嘴角与下巴最低点设置为第二特征点,将两个嘴角标记为C1点与C2点,将下巴最低点标记为C3点;
步骤2:将C1点与C2点连接得到线段D1,提取出线段D1的中点将其标记为C4点;
步骤3:将C3点与C4点连接得到线段D2,测量出D2的长度,以线段D2的长度为半径以C3点为圆心画圆得到圆K1,再计算出圆K1的面积得到S1圆;
步骤4:将实时儿童照片中的人脸的两个嘴角与下巴最低点设置为第二特征点,将两个嘴角标记为F1点与F2点,将下巴最低点标记为F3点;
步骤5:将F1点与F2点连接得到线段G1,提取出线段G1的中点将其标记为F4点;
步骤6:将F3点与F4点连接得到线段G2,测量出G2的长度,以线段G2的长度为半径以F3点为圆心画圆得到圆K2,再计算出圆K2的面积得到S2圆;
步骤7:计算出S2圆与S2圆的差值,得到S圆差,当S圆差的绝对值在预设范围内时即验证通过。
所述其他特征点验证的具体过程如下:
步骤a:将儿童预存照片中的人脸上的痣和疤痕标记为Mi点,i=1……n;
步骤b:将Mi点按照面积大小进行排行,提取出最大的三个Mi为预存信息特征点;
步骤c:将实时儿童照片中的人脸上的痣和疤痕标记为Zi点,i=1……n;
步骤d:将Zi点按照面积大小进行排行,提取出最大的三个Zi为预存信息特征点;
步骤e:当三个Zi点与三个Mi点的位置相同时即验证通过.
通过该种方法能够更好进行其他特征点验证。
综上,本发明在使用时,用户需要先登录人脸识别系统上传若干张儿童的人脸照片,若干张儿童人脸照片经过处理后,将处理出的儿童预存照片上传到储存端进行储存等待调用,需要进行儿童人脸识别时,通过影像采集终端获取到若干张实时的儿童人脸照片,对若干张实时的儿童人脸照片件处理得到实时儿童照片,将实时儿童照片与储存端中储存的儿童预存照片进行初步特征点提取,并在对初步特征点进行比较,当初步特征点提取比较通过后即验证通过,验证通过后将实时儿童照片确定出新的预存儿童照片,当初步特征点验证不通过时,从实时儿童照片与预存儿童照片中提取出二次验证特征点与其他特征点,将实时儿童照片与预存儿童照片中的二次验证特征点与其他特征点进行处理处理出二次验证系数与其他特征验证系数,当实时儿童照片与预存儿童照片中提取出二次验证特征点与其他特征点中任意一个验证通过时即不进行另一数据的验证,当儿童照片中不存在其他特征点时即不进行其他特征验证系数的验证,二次验证系数或其他特征验证系数验证通过后即表示人脸验证通过,将该次采集的二次验证系数和其他特征验证系数进行处理确定为新的预存二次验证系数与新的预存其他特征验证系数。
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 (6)
1.一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,其特征在于,包括以下步骤:
步骤一:用户登录人脸识别系统上传若干张儿童的人脸照片,若干张儿童人脸照片经过处理后,将处理出的儿童预存照片上传到储存端进行储存等待调用;
步骤二:需要进行儿童人脸识别时,通过影像采集终端获取到若干张实时的儿童人脸照片,对若干张实时的儿童人脸照片件处理得到实时儿童照片;
步骤三:将实时儿童照片与储存端中储存的儿童预存照片进行初步特征点提取,并在对初步特征点进行比较,当初步特征点提取比较通过后即验证通过,验证通过后将实时儿童照片确定出新的预存儿童照片;
步骤四:当初步特征点验证不通过时,从实时儿童照片与预存儿童照片中提取出二次验证特征点与其他特征点;
步骤五:将实时儿童照片与预存儿童照片中的二次验证特征点与其他特征点进行处理处理出二次验证系数与其他特征验证系数,当实时儿童照片与预存儿童照片中提取出二次验证特征点与其他特征点中任意一个验证通过时即不进行另一数据的验证;
步骤六:当儿童照片中不存在其他特征点时即不进行其他特征验证系数的验证;
步骤七:二次验证系数或其他特征验证系数验证通过后即表示人脸验证通过,将该次采集的二次验证系数和其他特征验证系数进行处理确定为新的预存二次验证系数与新的预存其他特征验证系数。
2.根据权利要求1所述的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,其特征在于:所述步骤一中处理若干张儿童人脸照片的具体过程如下:将若干张儿童人脸照片按照清晰度从高到低的排名,提取出清晰度最高的照片为儿童预存照片。
3.根据权利要求1所述的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,其特征在于:所述步骤二中处理若干张实时的儿童人脸照片的具体过程如下:将若实时的儿童人脸照片按照清晰度从高到低的排名,提取出清晰度最高的照片为实时儿童照片。
4.根据权利要求1所述的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,其特征在于:所述初步特征点验证的具体过程如下:
步骤(1):将儿童预存照片中的两个外眼角与鼻尖点标记为特征点,将两个外眼角标记为A1点与A2点,将鼻尖点标记为A3点;
步骤(2):将A1点与A2点连接得到线段Q1,将A1点与A3点连接得到线段Q2,将将A2点与A3点连接得到线段Q3;
步骤(3):线段Q1、线段Q2与线段Q3合围成三角形P1,以线段Q1为底边,以A3点为端点做一条垂直于线段Q1的线段Q4,测量出线段Q1与线段Q4的长度;
步骤(4):通过公式Q1*Q4/2=S1三角,得到预存对比系数S2三角;
步骤(5):将儿童实时照片中的两个外眼角与鼻尖点标记为特征点,将两个外眼角标记为B1点与B2点,将鼻尖点标记为B3点;
步骤(6):将B1点与B2点连接得到线段T1,将B1点与B3点连接得到线段T2,将将B2点与B3点连接得到线段T3;
步骤(7):线段T1、线段T2与线段T3合围成三角形P1,以线段T1为底边,以B3点为端点做一条垂直于线段T1的线段T4,测量出线段T1与线段T4的长度;
步骤(8):通过公式T1*T4/2=S2三角,得到实时对比系数S2三角;
步骤(9):计算出预存对比系数S2三角与实时对比系数S2三角的差值得到S差,当S差的绝对值在预设范围内时,即表示验证通过。
5.根据权利要求1所述的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,其特征在于:所述二次验证的具体过程如下:
步骤1:将儿童预存照片中的人脸的两个嘴角与下巴最低点设置为第二特征点,将两个嘴角标记为C1点与C2点,将下巴最低点标记为C3点;
步骤2:将C1点与C2点连接得到线段D1,提取出线段D1的中点将其标记为C4点;
步骤3:将C3点与C4点连接得到线段D2,测量出D2的长度,以线段D2的长度为半径以C3点为圆心画圆得到圆K1,再计算出圆K1的面积得到S1圆;
步骤4:将实时儿童照片中的人脸的两个嘴角与下巴最低点设置为第二特征点,将两个嘴角标记为F1点与F2点,将下巴最低点标记为F3点;
步骤5:将F1点与F2点连接得到线段G1,提取出线段G1的中点将其标记为F4点;
步骤6:将F3点与F4点连接得到线段G2,测量出G2的长度,以线段G2的长度为半径以F3点为圆心画圆得到圆K2,再计算出圆K2的面积得到S2圆;
步骤7:计算出S2圆与S2圆的差值,得到S圆差,当S圆差的绝对值在预设范围内时即验证通过。
6.根据权利要求1所述的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,其特征在于:所述其他特征点验证的具体过程如下:
步骤a:将儿童预存照片中的人脸上的痣和疤痕标记为Mi点,i=1……n;
步骤b:将Mi点按照面积大小进行排行,提取出最大的三个Mi为预存信息特征点;
步骤c:将实时儿童照片中的人脸上的痣和疤痕标记为Zi点,i=1……n;
步骤d:将Zi点按照面积大小进行排行,提取出最大的三个Zi为预存信息特征点;
步骤e:当三个Zi点与三个Mi点的位置相同时即验证通过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010671153.4A CN111814702A (zh) | 2020-07-13 | 2020-07-13 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010671153.4A CN111814702A (zh) | 2020-07-13 | 2020-07-13 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111814702A true CN111814702A (zh) | 2020-10-23 |
Family
ID=72843151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010671153.4A Pending CN111814702A (zh) | 2020-07-13 | 2020-07-13 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814702A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364321A (zh) * | 2020-11-05 | 2021-02-12 | 巢湖学院 | 基于云桌面的用于移动学习智能手机的监测方法 |
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 |
CN112699752A (zh) * | 2020-12-22 | 2021-04-23 | 安徽配隆天环保科技有限公司 | 一种无人机特征标的自动跟踪取证系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020007735A (ko) * | 2000-07-18 | 2002-01-29 | 최창석 | 미래 자녀 및 미래모습 예측이 가능한 얼굴 포토 스티커시스템 |
US20150016687A1 (en) * | 2012-03-26 | 2015-01-15 | Tencent Technology (Shenzhen) Company Limited | Method, system and computer storage medium for face detection |
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 |
CN105740851A (zh) * | 2016-03-16 | 2016-07-06 | 中国科学院上海生命科学研究院 | 三维人脸的自动定位方法、曲面配准方法和系统 |
CN106203387A (zh) * | 2016-07-21 | 2016-12-07 | 乐视控股(北京)有限公司 | 人脸验证方法及系统 |
US20170076082A1 (en) * | 2014-03-14 | 2017-03-16 | Yorid Pty Ltd | Identity Verification System and Method |
CN106845365A (zh) * | 2016-12-28 | 2017-06-13 | 广西师范学院 | 用于学生考勤的人脸检测方法 |
DE202018000407U1 (de) * | 2018-01-26 | 2018-05-04 | Apple Inc. | Vorrichtung zum Aktualisieren von Gesichtserkennungsvorlagen |
KR20180085505A (ko) * | 2017-01-19 | 2018-07-27 | 주식회사 세연테크 | 얼굴인식을 통한 학습형 실시간 안내 시스템 및 그 안내 방법 |
US20190050631A1 (en) * | 2016-02-26 | 2019-02-14 | Nec Corporation | Face recognition system, face recognition method, and storage medium |
CN109544714A (zh) * | 2018-10-16 | 2019-03-29 | 广州师盛展览有限公司 | 一种基于生物特征的人面识别签到系统 |
WO2019090769A1 (zh) * | 2017-11-13 | 2019-05-16 | 深圳和而泰智能控制股份有限公司 | 一种人脸脸型识别方法、装置和智能终端 |
CN109858464A (zh) * | 2019-02-26 | 2019-06-07 | 北京旷视科技有限公司 | 底库数据处理方法、人脸识别方法、装置和电子设备 |
CN110268419A (zh) * | 2019-05-08 | 2019-09-20 | 深圳市汇顶科技股份有限公司 | 一种人脸识别方法、人脸识别装置和计算机可读存储介质 |
CN110378235A (zh) * | 2019-06-20 | 2019-10-25 | 平安科技(深圳)有限公司 | 一种模糊人脸图像识别方法、装置及终端设备 |
WO2019228004A1 (zh) * | 2018-05-28 | 2019-12-05 | 阿里巴巴集团控股有限公司 | 一种核身方法和装置 |
WO2020001083A1 (zh) * | 2018-06-30 | 2020-01-02 | 东南大学 | 一种基于特征复用的人脸识别方法 |
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 CN202010671153.4A patent/CN111814702A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020007735A (ko) * | 2000-07-18 | 2002-01-29 | 최창석 | 미래 자녀 및 미래모습 예측이 가능한 얼굴 포토 스티커시스템 |
US20150016687A1 (en) * | 2012-03-26 | 2015-01-15 | Tencent Technology (Shenzhen) Company Limited | Method, system and computer storage medium for face detection |
US20170076082A1 (en) * | 2014-03-14 | 2017-03-16 | Yorid Pty Ltd | Identity Verification System and Method |
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 |
US20190050631A1 (en) * | 2016-02-26 | 2019-02-14 | Nec Corporation | Face recognition system, face recognition method, and storage medium |
CN105740851A (zh) * | 2016-03-16 | 2016-07-06 | 中国科学院上海生命科学研究院 | 三维人脸的自动定位方法、曲面配准方法和系统 |
CN106203387A (zh) * | 2016-07-21 | 2016-12-07 | 乐视控股(北京)有限公司 | 人脸验证方法及系统 |
CN106845365A (zh) * | 2016-12-28 | 2017-06-13 | 广西师范学院 | 用于学生考勤的人脸检测方法 |
KR20180085505A (ko) * | 2017-01-19 | 2018-07-27 | 주식회사 세연테크 | 얼굴인식을 통한 학습형 실시간 안내 시스템 및 그 안내 방법 |
WO2019090769A1 (zh) * | 2017-11-13 | 2019-05-16 | 深圳和而泰智能控制股份有限公司 | 一种人脸脸型识别方法、装置和智能终端 |
DE202018000407U1 (de) * | 2018-01-26 | 2018-05-04 | Apple Inc. | Vorrichtung zum Aktualisieren von Gesichtserkennungsvorlagen |
WO2019228004A1 (zh) * | 2018-05-28 | 2019-12-05 | 阿里巴巴集团控股有限公司 | 一种核身方法和装置 |
WO2020001083A1 (zh) * | 2018-06-30 | 2020-01-02 | 东南大学 | 一种基于特征复用的人脸识别方法 |
CN109544714A (zh) * | 2018-10-16 | 2019-03-29 | 广州师盛展览有限公司 | 一种基于生物特征的人面识别签到系统 |
CN109858464A (zh) * | 2019-02-26 | 2019-06-07 | 北京旷视科技有限公司 | 底库数据处理方法、人脸识别方法、装置和电子设备 |
CN110268419A (zh) * | 2019-05-08 | 2019-09-20 | 深圳市汇顶科技股份有限公司 | 一种人脸识别方法、人脸识别装置和计算机可读存储介质 |
CN110378235A (zh) * | 2019-06-20 | 2019-10-25 | 平安科技(深圳)有限公司 | 一种模糊人脸图像识别方法、装置及终端设备 |
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 |
Non-Patent Citations (2)
Title |
---|
ASHUTOSH M ISHRA, KISHAN KUMAR, SHYAM N ANDAN RAI AND V. K. M ITTAL: "Multi-stage Face Recognition for Biometric Access", 2015 ANNUAL IEEE INDIA CONFERENCE (INDICON), pages 1 - 6 * |
赵凯凯: "基于Android平台的快速人脸识别系统设计", 科技广场, no. 10, pages 22 - 26 * |
Cited By (3)
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 |
CN112364321A (zh) * | 2020-11-05 | 2021-02-12 | 巢湖学院 | 基于云桌面的用于移动学习智能手机的监测方法 |
CN112699752A (zh) * | 2020-12-22 | 2021-04-23 | 安徽配隆天环保科技有限公司 | 一种无人机特征标的自动跟踪取证系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US10318840B2 (en) | Generating a group photo collection | |
Yan et al. | Biometric recognition using 3D ear shape | |
JP3954484B2 (ja) | 画像処理装置およびプログラム | |
US7555148B1 (en) | Classification system for consumer digital images using workflow, face detection, normalization, and face recognition | |
US8199979B2 (en) | Classification system for consumer digital images using automatic workflow and face detection and recognition | |
US20100205177A1 (en) | Object identification apparatus and method for identifying object | |
US20130177221A1 (en) | System and method for three-dimensional biometric data feature detection and recognition | |
WO2016192477A1 (zh) | 人脸关键点定位方法和终端 | |
US20090091798A1 (en) | Apparel as event marker | |
CN108509846A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
JPWO2007142227A1 (ja) | 画像方向判定装置、画像方向判定方法、および画像方向判定用プログラム | |
EP3149611A1 (en) | Learning deep face representation | |
CN108509866B (zh) | 一种人脸轮廓提取方法 | |
WO2019015645A1 (zh) | 图像处理方法及装置 | |
CN106980819A (zh) | 基于人脸五官的相似度判别系统 | |
CN111428689B (zh) | 一种多池化信息融合的人脸图像特征提取方法 | |
CN107423715B (zh) | 一种基于多特征联合决策的脚印自动识别方法 | |
JP4387552B2 (ja) | 画像照合処理システム | |
JP5018029B2 (ja) | 認証システム及び認証方法 | |
CN109389018A (zh) | 一种人脸角度识别方法、装置及设备 | |
CN110051069A (zh) | 一种服装尺寸测量系统及其测量方法 | |
CN110188590B (zh) | 一种基于三维人脸模型的脸型分辨方法 | |
CN108520230A (zh) | 一种3d四维手部图像数据识别方法及设备 | |
CN107705357A (zh) | 测谎方法和装置 |
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 |