CN112949495A - 一种基于大数据的智能识别系统 - Google Patents

一种基于大数据的智能识别系统 Download PDF

Info

Publication number
CN112949495A
CN112949495A CN202110240620.2A CN202110240620A CN112949495A CN 112949495 A CN112949495 A CN 112949495A CN 202110240620 A CN202110240620 A CN 202110240620A CN 112949495 A CN112949495 A CN 112949495A
Authority
CN
China
Prior art keywords
video frame
face
module
slope
contour
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
CN202110240620.2A
Other languages
English (en)
Inventor
周文洁
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.)
Anhui Normal University
Original Assignee
Anhui Normal University
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 Anhui Normal University filed Critical Anhui Normal University
Priority to CN202110240620.2A priority Critical patent/CN112949495A/zh
Publication of CN112949495A publication Critical patent/CN112949495A/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
    • G06V40/168—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
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于大数据的智能识别系统，包括视频帧获取模块，用于获取要识别的用户的面部视频；连接点确定模块用于从每一个所述视频帧中提取出人物的面部轮廓，并根据面部轮廓的拐点得到面部连接点；斜率向量生成模块根据标号的顺序分别得到相邻两个标号的面部连接点之间的斜率；识别模块将每一个所述视频帧所对应的斜率向量根据时间戳的顺序进行对比，每一个所述视频帧所对应的斜率向量满足设定的规律的时候，认为识别通过。本发明在识别的时候将各个视频帧的影像提取出来，分别在每一个视频帧的影像中提取出人物的面部轮廓，在根据各个视频帧中轮廓上相邻两个连接点之间斜率，并根据斜率的数列判断是否识别通过。

Description

一种基于大数据的智能识别系统
技术领域
本发明涉及智能识别领域，特别涉及一种基于大数据的智能识别系统。
背景技术
在面部识别的时候，通常都是建立被识别面部的轮廓，在根据识别到的面部轮廓上的点的连接线与设定的连接线缩放之后进行对比，当对比一致的时候，认为识别通过，反之认为识别不通过。但是这样的方式需要用户正视镜头，并且停留一段时间在镜头中，使得所拍摄的画面稳定，才能清楚的识别用户的面部轮廓，这样在一些需要快速识别的方面中，这样的方式就会影响识别的效率。
发明内容
本发明的目的是克服上述现有技术中存在的问题，提供一种基于大数据的智能识别系统，在识别的时候将各个视频帧的影像提取出来，分别在每一个视频帧的影像中提取出人物的面部轮廓，在根据各个视频帧中轮廓上相邻两个连接点之间斜率，并根据斜率的数列判断是否识别通过。
为此，本发明提供一种基于大数据的智能识别系统，包括：
视频帧获取模块，用于获取要识别的用户的面部视频，并将所述面部视频分解为各个视频帧，每一个所述视频帧包括其对应的时间戳；
连接点确定模块，用于从每一个所述视频帧中提取出人物的面部轮廓，并根据面部轮廓的拐点得到面部连接点，并根据设定的方向对每一个面部连接点进行标号；
斜率向量生成模块，根据标号的顺序分别得到相邻两个标号的面部连接点之间的斜率，分别将每一个所述视频帧的各个斜率分别通过数组的形式进行表示得到斜率向量，每一个所述视频帧对应的斜率向量中各个位置的斜率向量相对应；
识别模块，将每一个所述视频帧所对应的斜率向量根据时间戳的顺序进行对比，每一个所述视频帧所对应的斜率向量满足设定的规律的时候，认为识别通过。
进一步，所述识别模块中设定的规律使用支持向量机的方式进行判断，在进行判断是否满足规律的时候，包括如下步骤：
将每一个所述视频帧所对应的斜率向量以及该视频帧所对应的时间戳作为测试输入；
将所述测试输入送入到训练好的支持向量机中；
将支持向量机的输出作为测试输出，根据所述测试输出得到识别通过或者识别不通过。
更进一步，在对支持向量机进行训练的时候，包括如下步骤：
获取采集一定数量的用户的面部视频；
分别通过所述视频帧获取模块、连接点确定模块以及斜率向量生成模块得到每一个所述面部视频的各个视频帧所对应的斜率向量以及所对应的时间戳；
建立支持向量机，将各个视频帧所对应的斜率向量以及所对应的时间戳作为训练输入，将设定的结果作为训练输出，对支持向量机进行训练；
得到训练好的支持向量机。
更进一步，所述设定的结果为0或者1，所述0表示识别不通过，所述1表示识别通过。
进一步，所述连接点确定模块，包括：
轮廓提取模块，用于根据所述视频帧中的各个像素点之间的差值提取人物的面部轮廓；
连接点获取模块，获取所述面部轮廓的各个点的坐标，并且根据各个点的坐标得到轮廓的函数，并且根据各个函数的特征得到面部连接点；
标号模块，沿着所述面部轮廓的其中一个方向的走向对每一个所述面部连接点进行编号。
更进一步，所述连接点获取模块在得到轮廓的函数的时候，根据设定的函数框架将所述对应位置的坐标填入，从而得到轮廓的函数。
本发明提供的一种基于大数据的智能识别系统，具有如下有益效果：
1、本发明在识别的时候将各个视频帧的影像提取出来，分别在每一个视频帧的影像中提取出人物的面部轮廓，在根据各个视频帧中轮廓上相邻两个连接点之间斜率，并根据斜率的数列判断是否识别通过；
2、本发明在对斜率的数列进行判断的时候，使用线性回归模型进行训练，最终使用训练好的回归模型对斜率的数列进行输入，输出得到是否识别通过的结果，这样经过前期的训练就可以使得得到的准确率更高；
3、本发明的各个视频帧中的影像在提取的时候，根据像素之间的差异对各个视频帧的影像进行提取，在根据提取出的各个影像根据设定的位置比例得到连接点，在将这些连接点进行后续的处理。
附图说明
图1为本发明的整体系统连接示意框图；
图2为本发明的在识别判断标准的整体流程示意框图；
图3为本发明的在训练支持向量机的整体流程示意框图；
图4为本发明的连接点确定模块的系统连接示意框图。
具体实施方式
下面结合附图，对本发明的一个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
在本申请文件中，未经明确的部件型号以及结构，均为本领域技术人员所公知的现有技术，本领域技术人员均可根据实际情况的需要进行设定，在本申请文件的实施例中不做具体的限定。
具体的，如图1-4所示，本发明实施例提供了一种基于大数据的智能识别系统，包括：视频帧获取模块、连接点确定模块、斜率向量生成模块以及识别模块。下面，对各个模块分别的功能进行详细的介绍，本发明是通过各个模块之间的相互作用进行实现的。
视频帧获取模块，用于获取要识别的用户的面部视频，并将所述面部视频分解为各个视频帧，每一个所述视频帧包括其对应的时间戳；该模块是将面部视频进行分解，得到多个静态的图像，每一个图像即是一个视频帧，根据视频中各个图像出现的先后时间，对各个视频帧建立对应时间的时间戳，该时间戳与视频帧对应存储。
连接点确定模块，用于从每一个所述视频帧中提取出人物的面部轮廓，并根据面部轮廓的拐点得到面部连接点，并根据设定的方向对每一个面部连接点进行标号；该模块是分别对每一个视频帧进行作用，在对应的视频帧中，首先根据视频帧中的人物面部轮廓的拐点，得到面部连接点，面部轮廓的拐点即是面部连接点，在根据设定的方向对每一个面部连接点进行标号，一般设定的方向为顺时针或者逆时针，在每一个视频帧的轮廓中，所提取出的面部连接点的数量是一致的，每一个面部连接点表示人物面部一个部分的特征点。
斜率向量生成模块，根据标号的顺序分别得到相邻两个标号的面部连接点之间的斜率，分别将每一个所述视频帧的各个斜率分别通过数组的形式进行表示得到斜率向量，每一个所述视频帧对应的斜率向量中各个位置的斜率向量相对应；该模块是得到人物面部轮廓的数组的表示方式，这样就可以使得用数组表示该视频帧中的人物面部轮廓。
识别模块，将每一个所述视频帧所对应的斜率向量根据时间戳的顺序进行对比，每一个所述视频帧所对应的斜率向量满足设定的规律的时候，认为识别通过。该模块将每一个时间戳所对应的斜率向量进行对比，根据这些向量之间的规律，得到视频通过或者不通过的结果。在本发明中，如果各个视频帧所对应的斜率向量之间具有一定的关联，就表示各个视频帧所对应的面部轮廓为同一个用户。
上述技术方案中，通过各个模块的相互作用和识别，在使用的时候，可以将本发明嵌入在门禁系统中，在本发明中，可以使用门禁中的摄像头拍摄用户的面部视频，这样就可以使得用户无需一动不动的站在门禁的摄像头前方，而是在靠近摄像头的时候，就可以使得用户在进行门禁识别的时候，大幅度的降低了要求，之后，通过上述的各个模块的相互作用和识别，使得判断用户是否通过识别，当通过识别的时候，门禁开启，反之，门禁不开启。
在本实施例中，所述识别模块中设定的规律使用支持向量机的方式进行判断，在进行判断是否满足规律的时候，包括如下步骤：
第一，将每一个所述视频帧所对应的斜率向量以及该视频帧所对应的时间戳作为测试输入；
第二，将所述测试输入送入到训练好的支持向量机中；
第三，将支持向量机的输出作为测试输出，根据所述测试输出得到识别通过或者识别不通过。
上述步骤中，使用支持向量机只作为上述的规律对每一个所述视频帧所对应的斜率向量以及该视频帧所对应的时间戳进行判断，根据其输出结果就可以得到识别的通过与不通过。上述的支持向量机作为学习模型，需要提前进行训练，训练好之后，方可进行使用。
同时，在对支持向量机进行训练的时候，包括如下步骤：
第一，获取采集一定数量的用户的面部视频；
第二，分别通过所述视频帧获取模块、连接点确定模块以及斜率向量生成模块得到每一个所述面部视频的各个视频帧所对应的斜率向量以及所对应的时间戳；
第三，建立支持向量机，将各个视频帧所对应的斜率向量以及所对应的时间戳作为训练输入，将设定的结果作为训练输出，对支持向量机进行训练；
第四，得到训练好的支持向量机。
上述技术方案中，在作为学习模型的支持向量机进行训练的时候，对应的输入和输出，得到支持向量机内部的规律，这样就可以得到训练得好的支持向量机。
同时，在本发明中，对于识别的结果，所述设定的结果为0或者1，所述0表示识别不通过，所述1表示识别通过。这样就可以通过数字表示对于面部识别是否识别通过。
在本实施例中，所述连接点确定模块，包括：轮廓提取模块、连接点获取模块以及标号模块。下面是各个模块分别的作用和工作。
轮廓提取模块，用于根据所述视频帧中的各个像素点之间的差值提取人物的面部轮廓；该模块通过图像的像素之间的差异，在图像中有人物的面部轮廓的时候，人物的面部轮廓所包围的区域与周围的背景的像素具有一定的差异，本发明通过对比像素值的方式，得到人物的面部轮廓与背景的像素的差异，从而，得到人物的面部轮廓。
连接点获取模块，获取所述面部轮廓的各个点的坐标，并且根据各个点的坐标得到轮廓的函数，并且根据各个函数的特征得到面部连接点；该模块根据上述已经得到的人物的面部轮廓，得到人物的面部轮廓的函数，这样就可以根据各个函数的平滑行和连续性以及各个函数的拐点，得到面部连接点。
标号模块，沿着所述面部轮廓的其中一个方向的走向对每一个所述面部连接点进行编号。该模块中，每一个视频帧所使用的标号的方向是相同的，这样就可以使得得到一个完整的标号，使得每一个视频帧所对应的人物的面部轮廓的相应的面部位置都有一个面部连接点。在本发明中，人物的面部轮廓的每一个面部位置，都会具有一个面部连接点。
上述技术方案中，通过轮廓提取模块、连接点获取模块以及标号模块之间的相互配合，通过像素点的对比，和函数的方式相互结合，得到人物的面部轮廓的面部连接点。
同时，所述连接点获取模块在得到轮廓的函数的时候，根据设定的函数框架将所述对应位置的坐标填入，从而得到轮廓的函数。这样就可以使得所述得到的函数更加的准确，在确定人物的面部轮廓的面部连接点的时候，就可以将所得到的函数的性质更加明确的进行分析和确定，所得到的面部连接点更加准确。
需要注意的是，为了使得本发明的结果更加准确无误，本发明中所有的向量，在进行运算之前，都要进行归一化处理。
以上公开的仅为本发明的几个具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (6)

1.一种基于大数据的智能识别系统，其特征在于，包括：
视频帧获取模块，用于获取要识别的用户的面部视频，并将所述面部视频分解为各个视频帧，每一个所述视频帧包括其对应的时间戳；
连接点确定模块，用于从每一个所述视频帧中提取出人物的面部轮廓，并根据面部轮廓的拐点得到面部连接点，并根据设定的方向对每一个面部连接点进行标号；
斜率向量生成模块，根据标号的顺序分别得到相邻两个标号的面部连接点之间的斜率，分别将每一个所述视频帧的各个斜率分别通过数组的形式进行表示得到斜率向量，每一个所述视频帧对应的斜率向量中各个位置的斜率向量相对应；
识别模块，将每一个所述视频帧所对应的斜率向量根据时间戳的顺序进行对比，每一个所述视频帧所对应的斜率向量满足设定的规律的时候，认为识别通过。
2.如权利要求1所述的一种基于大数据的智能识别系统，其特征在于，所述识别模块中设定的规律使用支持向量机的方式进行判断，在进行判断是否满足规律的时候，包括如下步骤：
将每一个所述视频帧所对应的斜率向量以及该视频帧所对应的时间戳作为测试输入；
将所述测试输入送入到训练好的支持向量机中；
将支持向量机的输出作为测试输出，根据所述测试输出得到识别通过或者识别不通过。
3.如权利要求2所述的一种基于大数据的智能识别系统，其特征在于，在对支持向量机进行训练的时候，包括如下步骤：
获取采集一定数量的用户的面部视频；
分别通过所述视频帧获取模块、连接点确定模块以及斜率向量生成模块得到每一个所述面部视频的各个视频帧所对应的斜率向量以及所对应的时间戳；
建立支持向量机，将各个视频帧所对应的斜率向量以及所对应的时间戳作为训练输入，将设定的结果作为训练输出，对支持向量机进行训练；
得到训练好的支持向量机。
4.如权利要求3所述的一种基于大数据的智能识别系统，其特征在于，所述设定的结果为0或者1，所述0表示识别不通过，所述1表示识别通过。
5.如权利要求1所述的一种基于大数据的智能识别系统，其特征在于，所述连接点确定模块，包括：
轮廓提取模块，用于根据所述视频帧中的各个像素点之间的差值提取人物的面部轮廓；
连接点获取模块，获取所述面部轮廓的各个点的坐标，并且根据各个点的坐标得到轮廓的函数，并且根据各个函数的特征得到面部连接点；
标号模块，沿着所述面部轮廓的其中一个方向的走向对每一个所述面部连接点进行编号。
6.如权利要求5所述的一种基于大数据的智能识别系统，其特征在于，所述连接点获取模块在得到轮廓的函数的时候，根据设定的函数框架将所述对应位置的坐标填入，从而得到轮廓的函数。
CN202110240620.2A 2021-03-04 2021-03-04 一种基于大数据的智能识别系统 Pending CN112949495A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110240620.2A CN112949495A (zh) 2021-03-04 2021-03-04 一种基于大数据的智能识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110240620.2A CN112949495A (zh) 2021-03-04 2021-03-04 一种基于大数据的智能识别系统

Publications (1)

Publication Number Publication Date
CN112949495A true CN112949495A (zh) 2021-06-11

Family

ID=76247644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110240620.2A Pending CN112949495A (zh) 2021-03-04 2021-03-04 一种基于大数据的智能识别系统

Country Status (1)

Country Link
CN (1) CN112949495A (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1906631A (zh) * 2004-01-30 2007-01-31 数码时尚株式会社 化妆模拟程序、化妆模拟装置及化妆模拟方法
CN101140623A (zh) * 2007-09-29 2008-03-12 华为技术有限公司 一种基于支持向量机的视频对象识别方法及系统
CN103927024A (zh) * 2013-07-25 2014-07-16 沈阳工业大学 一种笔式用户界面中基于笔尖与笔身轨迹的命令扩展方法
CN104881657A (zh) * 2015-06-08 2015-09-02 微梦创科网络科技（中国）有限公司 侧脸识别方法、侧脸构建方法及系统
CN105678250A (zh) * 2015-12-31 2016-06-15 北京小孔科技有限公司 视频中的人脸识别方法和装置
CN108256469A (zh) * 2018-01-16 2018-07-06 华中师范大学 脸部表情识别方法及装置
CN108288040A (zh) * 2018-01-26 2018-07-17 四川政安通科技有限公司 基于面部轮廓的多参数人脸识别系统
CN110069963A (zh) * 2018-01-24 2019-07-30 南京机器人研究院有限公司 一种基于机器人的用户身份验证方法
CN110069965A (zh) * 2018-01-24 2019-07-30 南京机器人研究院有限公司 一种机器人身份识别方法
CN110175515A (zh) * 2019-04-15 2019-08-27 成都大数汇聚科技有限公司 一种基于大数据的人脸识别算法
CN110248242A (zh) * 2019-07-10 2019-09-17 广州虎牙科技有限公司 一种图像处理和直播方法、装置、设备和存储介质
CN110348286A (zh) * 2019-05-24 2019-10-18 广东工业大学 一种基于最小二乘法的脸型拟合与匹配方法
CN111611860A (zh) * 2020-04-22 2020-09-01 西南大学 一种微表情发生检测方法及检测系统
CN111913567A (zh) * 2020-04-27 2020-11-10 宁波大学 基于远程手势识别控制的智能化产品加工方法
CN112215614A (zh) * 2020-10-15 2021-01-12 杭州火小二科技有限公司 一种基于人脸识别技术的餐饮结算方法
CN112329586A (zh) * 2020-10-30 2021-02-05 中国平安人寿保险股份有限公司 基于情绪识别的客户回访方法、装置及计算机设备
CN112381525A (zh) * 2020-11-26 2021-02-19 贵州非你莫属人才大数据有限公司 基于大数据的人才数据库分析系统及方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1906631A (zh) * 2004-01-30 2007-01-31 数码时尚株式会社 化妆模拟程序、化妆模拟装置及化妆模拟方法
CN101140623A (zh) * 2007-09-29 2008-03-12 华为技术有限公司 一种基于支持向量机的视频对象识别方法及系统
CN103927024A (zh) * 2013-07-25 2014-07-16 沈阳工业大学 一种笔式用户界面中基于笔尖与笔身轨迹的命令扩展方法
CN104881657A (zh) * 2015-06-08 2015-09-02 微梦创科网络科技（中国）有限公司 侧脸识别方法、侧脸构建方法及系统
CN105678250A (zh) * 2015-12-31 2016-06-15 北京小孔科技有限公司 视频中的人脸识别方法和装置
CN108256469A (zh) * 2018-01-16 2018-07-06 华中师范大学 脸部表情识别方法及装置
CN110069965A (zh) * 2018-01-24 2019-07-30 南京机器人研究院有限公司 一种机器人身份识别方法
CN110069963A (zh) * 2018-01-24 2019-07-30 南京机器人研究院有限公司 一种基于机器人的用户身份验证方法
CN108288040A (zh) * 2018-01-26 2018-07-17 四川政安通科技有限公司 基于面部轮廓的多参数人脸识别系统
CN110175515A (zh) * 2019-04-15 2019-08-27 成都大数汇聚科技有限公司 一种基于大数据的人脸识别算法
CN110348286A (zh) * 2019-05-24 2019-10-18 广东工业大学 一种基于最小二乘法的脸型拟合与匹配方法
CN110248242A (zh) * 2019-07-10 2019-09-17 广州虎牙科技有限公司 一种图像处理和直播方法、装置、设备和存储介质
CN111611860A (zh) * 2020-04-22 2020-09-01 西南大学 一种微表情发生检测方法及检测系统
CN111913567A (zh) * 2020-04-27 2020-11-10 宁波大学 基于远程手势识别控制的智能化产品加工方法
CN112215614A (zh) * 2020-10-15 2021-01-12 杭州火小二科技有限公司 一种基于人脸识别技术的餐饮结算方法
CN112329586A (zh) * 2020-10-30 2021-02-05 中国平安人寿保险股份有限公司 基于情绪识别的客户回访方法、装置及计算机设备
CN112381525A (zh) * 2020-11-26 2021-02-19 贵州非你莫属人才大数据有限公司 基于大数据的人才数据库分析系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
范哲意 等: "视频人脸识别实验平台的设计与实现", 《实验技术与管理》 *

Similar Documents

Publication Publication Date Title
KR102385463B1 (ko) 얼굴 특징 추출 모델 학습 방법, 얼굴 특징 추출 방법, 장치, 디바이스 및 저장 매체
CN111950424B (zh) 一种视频数据处理方法、装置、计算机及可读存储介质
CN112446302B (zh) 一种人体姿态检测方法、系统、电子设备和存储介质
CN113191216B (zh) 基于姿态识别和c3d网络的多人实时动作识别方法和系统
CN103544504A (zh) 一种基于多尺度图匹配核的场景字符识别方法
WO2022213540A1 (zh) 目标检测、属性识别与跟踪方法及系统
CN110969154A (zh) 文本识别方法、装置、计算机设备和存储介质
CN110942067A (zh) 文本识别方法、装置、计算机设备和存储介质
Orrite et al. Hog-based decision tree for facial expression classification
CN112488072A (zh) 一种人脸样本集获取方法、系统及设备
CN112101154B (zh) 视频分类方法、装置、计算机设备和存储介质
CN112488165A (zh) 一种基于深度学习模型的红外行人识别方法及系统
CN112949495A (zh) 一种基于大数据的智能识别系统
CN114882553B (zh) 一种基于深度学习的微表情识别方法及系统
CN116030516A (zh) 基于多任务学习与全局循环卷积的微表情识别方法及装置
CN112926515B (zh) 活体模型训练方法和装置
CN112232217B (zh) 手势识别系统
CN114842500A (zh) 用于行人重识别的匹配方法、装置、智能终端及存储介质
CN114220175A (zh) 运动模式识别方法及其装置、设备、介质、产品
CN114511877A (zh) 一种行为识别方法、装置、存储介质及终端
Feng et al. Real time facial expression recognition using local binary patterns and linear programming
CN111813996A (zh) 基于单帧和连续多帧抽样并行的视频搜索方法
CN113496143A (zh) 动作识别方法及装置、存储介质
CN117711016B (zh) 基于终端设备的手势识别方法及系统
CN113822222B (zh) 人脸反作弊方法、装置、计算机设备及存储介质

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

Application publication date: 20210611

RJ01 Rejection of invention patent application after publication