CN112418177A - 人脸识别方法与系统 - Google Patents

人脸识别方法与系统 Download PDF

Info

Publication number
CN112418177A
CN112418177A CN202011449443.0A CN202011449443A CN112418177A CN 112418177 A CN112418177 A CN 112418177A CN 202011449443 A CN202011449443 A CN 202011449443A CN 112418177 A CN112418177 A CN 112418177A
Authority
CN
China
Prior art keywords
face
mask
recognition
model
bottom library
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.)
Withdrawn
Application number
CN202011449443.0A
Other languages
English (en)
Inventor
杨帆
陈凯琪
朱莹
白立群
胡建国
王瀚洋
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.)
Nanjing Zhenshi Intelligent Technology Co Ltd
Original Assignee
Nanjing Zhenshi Intelligent 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 Nanjing Zhenshi Intelligent Technology Co Ltd filed Critical Nanjing Zhenshi Intelligent Technology Co Ltd
Priority to CN202011449443.0A priority Critical patent/CN112418177A/zh
Publication of CN112418177A publication Critical patent/CN112418177A/zh
Withdrawn legal-status Critical Current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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Biology (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种人脸识别方法与系统，包括：基于佩戴口罩的人脸数据集，微调(Fine‑Tune)已经训练好的人脸识别模型获得用于针对佩戴口罩人脸识别的戴口罩专用识别模型；结合佩戴口罩的人脸数据集与未佩戴口罩的人脸数据集训练二分类器，用于检测人脸是否佩戴口罩；根据人脸关键点信息对人脸底库中的图片进行口罩生成，并基于戴口罩专用识别模型得到戴口罩的人脸底库；获取待识别的照片；通过二分类器检测照片中的人脸是否佩戴口罩，并进行对应的人脸识别：如佩戴口罩，则使用戴口罩专用识别模型进行识别，根据与戴口罩的人脸底库的比对结果进行人脸识别；如果未佩戴口罩，则使用人脸识别模型进行识别，根据与人脸底库的比对结果进行人脸识别。

Description

人脸识别方法与系统
技术领域
本发明涉及人脸识别技术领域，具体而言涉及一种基于生成口罩的人脸识别方法与系统。
背景技术
如图1所示，在传统的人脸识别中，需要每个用户上传一张照片/图片作为人脸底库图片，通过特征提取后与用户进行关联，用于后期通过人脸识别进行身份的比对和认证。一般上传的底库图片都是不戴口罩的图片。在某些特殊时期，会发现当用户戴上口罩之后，传统的人脸识别技术就会存在无法识别的问题。
发明内容
本发明目的在于提供一种基于生成口罩的人脸识别方法与系统，解决当用户只上传一个普通照片的时候，人脸识别系统依然可以同时识别戴口罩和不戴口罩的用户的问题。
为了实现上述目的，本发明的第一方面提出一种基于生成口罩的人脸识别方法，包括：
基于佩戴口罩的人脸数据集，微调(Fine-Tune)已经训练好的人脸识别模型获得用于针对佩戴口罩人脸识别的戴口罩专用识别模型，所述人脸识别模型为基于未佩戴口罩的人脸数据集而训练得到；
结合佩戴口罩的人脸数据集与未佩戴口罩的人脸数据集训练二分类器，用于检测人脸是否佩戴口罩；
在已经形成人脸底库的基础上，根据人脸关键点信息对人脸底库中的图片进行口罩生成，并基于所述戴口罩专用识别模型得到戴口罩的人脸底库；
获取待识别的照片；
通过二分类器检测照片中的人脸是否佩戴口罩，并进行对应的人脸识别，其中：
如果人脸佩戴口罩，则使用所述戴口罩专用识别模型进行识别，根据与戴口罩的人脸底库的比对结果进行人脸识别；
如果人脸未佩戴口罩，则使用所述人脸识别模型进行识别，根据与人脸底库的比对结果进行人脸识别。
优选地，所述戴口罩的人脸底库的获取具体包括以下步骤：
在已经形成人脸底库的基础上，根据不带口罩的人脸底库中的图片，提取人脸关键点信息，并据此得到人脸的五官位置；
采用口罩生成模型对人脸下半部分使用口罩进行覆盖，得到戴口罩的人脸底库图；
再基于戴口罩专用识别模型进行特征提取，得到戴口罩的人脸底库，即每张戴口罩的人脸底库图对应的特征信息。
优选地，二分类器为基于SVM支持向量机的人脸检测二分类器。
优选地，所述已经训练好的人脸识别模型包括基于VGG网络、R-CNN网络或者ResNet网络训练的人脸识别模型或者CENTER-NET独立检测模型。
优选地，所述已经训练好的人脸识别模型包括MTCNN人脸检测模型或者SSD_MobileNet人脸检测模型。
根据本发明目的的第二方面还提出一种人脸识别系统，包括：
用于基于佩戴口罩的人脸数据集，微调(Fine-Tune)已经训练好的人脸识别模型获得用于针对佩戴口罩人脸识别的戴口罩专用识别模型的模块，所述人脸识别模型为基于未佩戴口罩的人脸数据集而训练得到；
用于结合佩戴口罩的人脸数据集与未佩戴口罩的人脸数据集训练二分类器的模块，所述二分类器用于检测人脸是否佩戴口罩；
用于在已经形成人脸底库的基础上，根据人脸关键点信息对人脸底库中的图片进行口罩生成，并基于所述戴口罩专用识别模型得到戴口罩的人脸底库的模块；
用于获取待识别的照片的模块；
用于通过二分类器检测照片中的人脸是否佩戴口罩，并进行对应的人脸识别的模块，其中：
如果人脸佩戴口罩，则使用所述戴口罩专用识别模型进行识别，根据与戴口罩的人脸底库的比对结果进行人脸识别；
如果人脸未佩戴口罩，则使用所述人脸识别模型进行识别，根据与人脸底库的比对结果进行人脸识别。
根据本发明目的的第三方面还提出一种基于生成口罩的人脸识别系统，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括执行前述人脸识别方法的过程。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是现有技术中人脸识别过程的示意图。
图2是本发明示例性实施例的人脸识别流程示意图。
图3是本发明示例性实施例的针对待口罩人脸的专用人脸识别模型的生成示意图。
图4是本发明示例性实施例的在传统不戴口罩的人脸底库基础上生成戴口罩的人脸底库的示意图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
结合图示，本发明示例性实施例的基于生成口罩的人脸识别方法，旨在针对现有的人脸识别系统的只存在用户预先登记的不佩戴口罩的底库照片的情况下，在现场的人脸采集与识别设备(例如人脸识别终端)采集的佩戴口罩或者不佩戴口罩的情况下，均可实现人脸的比对与识别，实现身份认证。
结合图2所示示例性实施例的基于生成口罩的人脸识别方法，包括以下步骤：
基于佩戴口罩的人脸数据集，微调(Fine-Tune)已经训练好的人脸识别模型获得用于针对佩戴口罩人脸识别的戴口罩专用识别模型，所述人脸识别模型为基于未佩戴口罩的人脸数据集而训练得到，结合图3所示；
结合佩戴口罩的人脸数据集与未佩戴口罩的人脸数据集训练二分类器，用于检测人脸是否佩戴口罩；
在已经形成人脸底库的基础上，根据人脸关键点信息对人脸底库中的图片进行口罩生成，并基于所述戴口罩专用识别模型得到戴口罩的人脸底库；
获取待识别的照片；
通过二分类器检测照片中的人脸是否佩戴口罩，并进行对应的人脸识别，其中：
如果人脸佩戴口罩，则使用所述戴口罩专用识别模型进行识别，根据与戴口罩的人脸底库的比对结果进行人脸识别；
如果人脸未佩戴口罩，则使用所述人脸识别模型进行识别，根据与人脸底库的比对结果进行人脸识别。
优选地，所述的二分类器为基于SVM支持向量机的人脸检测二分类器。
优选地，本发明所使用的已经训练好的人脸识别模型包括基于VGG网络、R-CNN网络或者ResNet网络训练的人脸识别模型或者CENTER-NET独立检测模型，这些人脸识别模型也成为大模型，属于服务器层训练或者应用的识别模型，识别精度高，适用范围广。
在可选的实施例中，已经训练好的人脸识别模型还有使用MTCNN人脸检测模型或者SSD_MobileNet人脸检测模型等小型识别模型，尤其是适用于在终端使用，例如手持式或者壁挂式识别终端，实现本地部署和本地识别。
结合图4所示，戴口罩的人脸底库的获取具体包括以下步骤：
在已经形成人脸底库的基础上，根据不带口罩的人脸底库中的图片，提取人脸关键点信息，并据此得到人脸的五官位置；
采用口罩生成模型对人脸下半部分使用口罩进行覆盖，得到戴口罩的人脸底库图；
再基于戴口罩专用识别模型进行特征提取，得到戴口罩的人脸底库，即每张戴口罩的人脸底库图对应的特征信息。
前述的口罩生成模型，通过常用的分割模型(如Mask_RCNN)先得到一个没有任何背景的戴口罩图片，然后把这个戴口罩的图片根据人脸五官的位置通过贴图的方式贴在未佩戴口罩的人脸图片上对应的人脸下半部分。
在识别设备中，每个人的人脸底库(未佩戴口罩)，是指根据通过模型提取人脸底库中的图片的特征信息，所以，在生成戴口罩的人脸底库图片之后，再根据专用的识别模型，得到佩戴口罩的人脸底库的特征信息。
结合图示以及以上实施例的基于口罩的人脸识别方法，本发明还可以被设置成按照以下方式实施。
人脸识别系统
根据本发明实施例的人脸识别系统，包括：
用于基于佩戴口罩的人脸数据集，微调(Fine-Tune)已经训练好的人脸识别模型获得用于针对佩戴口罩人脸识别的戴口罩专用识别模型的模块，所述人脸识别模型为基于未佩戴口罩的人脸数据集而训练得到；
用于结合佩戴口罩的人脸数据集与未佩戴口罩的人脸数据集训练二分类器的模块，所述二分类器用于检测人脸是否佩戴口罩；
用于在已经形成人脸底库的基础上，根据人脸关键点信息对人脸底库中的图片进行口罩生成，并基于所述戴口罩专用识别模型得到戴口罩的人脸底库的模块；
用于获取待识别的照片的模块；
用于通过二分类器检测照片中的人脸是否佩戴口罩，并进行对应的人脸识别的模块，其中：
如果人脸佩戴口罩，则使用所述戴口罩专用识别模型进行识别，根据与戴口罩的人脸底库的比对结果进行人脸识别；
如果人脸未佩戴口罩，则使用所述人脸识别模型进行识别，根据与人脸底库的比对结果进行人脸识别。
优选地，所述戴口罩的人脸底库的获取具体包括：
在已经形成人脸底库的基础上，根据不带口罩的人脸底库中的图片，提取人脸关键点信息，并据此得到人脸的五官位置；
采用口罩生成模型对人脸下半部分使用口罩进行覆盖，得到戴口罩的人脸底库。
优选地，所述二分类器为基于SVM支持向量机的人脸检测二分类器。
优选地，所述已经训练好的人脸识别模型包括基于VGG网络、R-CNN网络或者ResNet网络训练的人脸识别模型、CENTER-NET独立检测模型、MTCNN人脸检测模型或者SSD_MobileNet人脸检测模型。
基于生成口罩的人脸识别系统
根据本发明实施例的基于生成口罩的人脸识别系统，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括前述任意一实施方式的人脸识别方法的过程。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (10)

1.一种人脸识别方法，其特征在于，包括以下步骤：
基于佩戴口罩的人脸数据集，微调(Fine-Tune)已经训练好的人脸识别模型获得用于针对佩戴口罩人脸识别的戴口罩专用识别模型，所述人脸识别模型为基于未佩戴口罩的人脸数据集而训练得到；
结合佩戴口罩的人脸数据集与未佩戴口罩的人脸数据集训练二分类器，用于检测人脸是否佩戴口罩；
在已经形成人脸底库的基础上，根据人脸关键点信息对人脸底库中的图片进行口罩生成，并基于所述戴口罩专用识别模型得到戴口罩的人脸底库；
获取待识别的照片；
通过二分类器检测照片中的人脸是否佩戴口罩，并进行对应的人脸识别，其中：
如果人脸佩戴口罩，则使用所述戴口罩专用识别模型进行识别，根据与戴口罩的人脸底库的比对结果进行人脸识别；
如果人脸未佩戴口罩，则使用所述人脸识别模型进行识别，根据与人脸底库的比对结果进行人脸识别。
2.根据权利要求1所述的人脸识别方法，其特征在于，所述戴口罩的人脸底库的获取具体包括以下步骤：
在已经形成人脸底库的基础上，根据不带口罩的人脸底库中的图片，提取人脸关键点信息，并据此得到人脸的五官位置；
采用口罩生成模型对人脸下半部分使用口罩进行覆盖，得到戴口罩的人脸底库图；
再基于戴口罩专用识别模型进行特征提取，得到戴口罩的人脸底库，即每张戴口罩的人脸底库图对应的特征信息。
3.根据权利要求1所述的人脸识别方法，其特征在于，所述二分类器为基于SVM支持向量机的人脸检测二分类器。
4.根据权利要求1所述的人脸识别方法，其特征在于，所述已经训练好的人脸识别模型包括基于VGG网络、R-CNN网络或者ResNet网络训练的人脸识别模型或者CENTER-NET独立检测模型。
5.根据权利要求1所述的人脸识别方法，其特征在于，所述已经训练好的人脸识别模型包括MTCNN人脸检测模型或者SSD_MobileNet人脸检测模型。
6.一种人脸识别系统，其特征在于，包括：
用于基于佩戴口罩的人脸数据集，微调(Fine-Tune)已经训练好的人脸识别模型获得用于针对佩戴口罩人脸识别的戴口罩专用识别模型的模块，所述人脸识别模型为基于未佩戴口罩的人脸数据集而训练得到；
用于结合佩戴口罩的人脸数据集与未佩戴口罩的人脸数据集训练二分类器的模块，所述二分类器用于检测人脸是否佩戴口罩；
用于在已经形成人脸底库的基础上，根据人脸关键点信息对人脸底库中的图片进行口罩生成，并基于所述戴口罩专用识别模型得到戴口罩的人脸底库的模块；
用于获取待识别的照片的模块；
用于通过二分类器检测照片中的人脸是否佩戴口罩，并进行对应的人脸识别的模块，其中：
如果人脸佩戴口罩，则使用所述戴口罩专用识别模型进行识别，根据与戴口罩的人脸底库的比对结果进行人脸识别；
如果人脸未佩戴口罩，则使用所述人脸识别模型进行识别，根据与人脸底库的比对结果进行人脸识别。
7.根据权利要求6所述的人脸识别系统，其特征在于，所述戴口罩的人脸底库的获取具体包括：
在已经形成人脸底库的基础上，根据不带口罩的人脸底库中的图片，提取人脸关键点信息，并据此得到人脸的五官位置；
采用口罩生成模型对人脸下半部分使用口罩进行覆盖，得到戴口罩的人脸底库图；
再基于戴口罩专用识别模型进行特征提取，得到戴口罩的人脸底库，即每张戴口罩的人脸底库图对应的特征信息。
8.根据权利要求6所述的人脸识别系统，其特征在于，所述二分类器为基于SVM支持向量机的人脸检测二分类器。
9.根据权利要求6所述的人脸识别系统，其特征在于，所述已经训练好的人脸识别模型包括基于VGG网络、R-CNN网络或者ResNet网络训练的人脸识别模型、CENTER-NET独立检测模型、MTCNN人脸检测模型或者SSD_MobileNet人脸检测模型。
10.一种基于生成口罩的人脸识别系统，其特征在于，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括所述权利要求1-5中任意一项所述的人脸识别方法的过程。
CN202011449443.0A 2020-12-09 2020-12-09 人脸识别方法与系统 Withdrawn CN112418177A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011449443.0A CN112418177A (zh) 2020-12-09 2020-12-09 人脸识别方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011449443.0A CN112418177A (zh) 2020-12-09 2020-12-09 人脸识别方法与系统

Publications (1)

Publication Number Publication Date
CN112418177A true CN112418177A (zh) 2021-02-26

Family

ID=74776443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011449443.0A Withdrawn CN112418177A (zh) 2020-12-09 2020-12-09 人脸识别方法与系统

Country Status (1)

Country Link
CN (1) CN112418177A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113269027A (zh) * 2021-04-06 2021-08-17 安徽农业大学 一种口罩遮挡的人脸识别方法
CN115620380A (zh) * 2022-12-19 2023-01-17 成都成电金盘健康数据技术有限公司 一种佩戴医用口罩人脸识别方法
CN115641637A (zh) * 2022-11-11 2023-01-24 杭州海量信息技术有限公司 一种戴口罩人脸识别方法及系统
CN116152869A (zh) * 2021-11-16 2023-05-23 南京视察者智能科技有限公司 一种基于人脸骨架检测戴口罩人脸的方法、装置，及终端设备
WO2023103372A1 (zh) * 2021-12-06 2023-06-15 江苏理工学院 一种人脸口罩佩戴状态下的识别方法
WO2023158408A1 (en) * 2022-02-16 2023-08-24 Bahcesehir Universitesi Face recognition method

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113269027A (zh) * 2021-04-06 2021-08-17 安徽农业大学 一种口罩遮挡的人脸识别方法
CN116152869A (zh) * 2021-11-16 2023-05-23 南京视察者智能科技有限公司 一种基于人脸骨架检测戴口罩人脸的方法、装置，及终端设备
WO2023103372A1 (zh) * 2021-12-06 2023-06-15 江苏理工学院 一种人脸口罩佩戴状态下的识别方法
WO2023158408A1 (en) * 2022-02-16 2023-08-24 Bahcesehir Universitesi Face recognition method
CN115641637A (zh) * 2022-11-11 2023-01-24 杭州海量信息技术有限公司 一种戴口罩人脸识别方法及系统
CN115620380A (zh) * 2022-12-19 2023-01-17 成都成电金盘健康数据技术有限公司 一种佩戴医用口罩人脸识别方法

Similar Documents

Publication Publication Date Title
CN112418177A (zh) 人脸识别方法与系统
CN106778525B (zh) 身份认证方法和装置
US10691929B2 (en) Method and apparatus for verifying certificates and identities
CN109858371B (zh) 人脸识别的方法及装置
US8929595B2 (en) Dictionary creation using image similarity
TWI604332B (zh) 遠距離的身份辨識方法及其系統與電腦可讀取記錄媒體
CN106503262B (zh) 社交人脸记忆识别方法及装置
CN110428399B (zh) 用于检测图像的方法、装置、设备和存储介质
WO2015165365A1 (zh) 一种人脸识别方法及系统
CN105631272B (zh) 一种多重保险的身份认证方法
US20100329568A1 (en) Networked Face Recognition System
CN109815813B (zh) 图像处理方法及相关产品
JP2019109709A (ja) 画像処理装置、画像処理方法およびプログラム
KR20070055653A (ko) 얼굴 인식 방법 및 그 장치
WO2019200872A1 (zh) 身份验证方法和装置、电子设备、计算机程序和存储介质
WO2007105768A1 (ja) 顔画像登録装置、顔画像登録方法、顔画像登録プログラム、および記録媒体
JP6969878B2 (ja) 識別器学習装置および識別器学習方法
CN108171138B (zh) 一种生物特征信息获取方法和装置
CN112364827A (zh) 人脸识别方法、装置、计算机设备和存储介质
CN106650560A (zh) 基于身份证的身份验证方法、处理器及系统
CN107169479A (zh) 基于指纹验证的智能移动设备敏感数据防护方法
CN112699810B (zh) 一种提升室内监控系统人物识别精度的方法及装置
Huang et al. Gait recognition using linear discriminant analysis with artificial walking conditions
Booysens et al. Exploration of ear biometrics using EfficientNet
de Santos-Sierra et al. Hand biometrics in mobile devices

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210226

WW01 Invention patent application withdrawn after publication