CN113011544B - 基于二维码的人脸生物信息识别方法、系统、终端、介质 - Google Patents
基于二维码的人脸生物信息识别方法、系统、终端、介质 Download PDFInfo
- Publication number
- CN113011544B CN113011544B CN202110377973.7A CN202110377973A CN113011544B CN 113011544 B CN113011544 B CN 113011544B CN 202110377973 A CN202110377973 A CN 202110377973A CN 113011544 B CN113011544 B CN 113011544B
- Authority
- CN
- China
- Prior art keywords
- face
- dimensional code
- information
- picture
- dimensional
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了基于二维码的人脸生物信息识别方法、系统、终端、介质,涉及计算机人脸信息识别技术领域。通过人脸特征提取算法对提取的人脸照片获取人脸特征信息,并存储为人脸信息的多维向量;采用二维码生成算法,将获取的包含人脸信息的多维向量转化为二维码,并生成二维码图片,并进行存储在人脸识别设备终端;通过人脸设备终端实时采集的人脸信息,与存储的二维码图片进行人脸二维码信息对比,符合度达到一定阈值,实现人脸识别。本发明实现了基于二维码的人脸生物信息识别方法,不仅保证了人脸生物信息的准确、快速的传递,提高了人脸识别的效率,同时提供了生物信息的安全性和隐私保护,因此具有很好的推广应用价值。
Description
技术领域
本发明涉及计算机人脸信息识别技术领域,尤其涉及一种基于二维码的人脸生物信息识别方法、系统、终端、介质。
背景技术
目前,人脸识别技术属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。人脸识别技术是基于人的脸部特征,对输入的人脸图像或者视频流.首先判断其是否存在人脸,如果存在人脸,则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息,进一步提取每个人脸中所蕴涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份。在社会治安、交通实名认证、防疫抗疫、智慧生活等领域有着重要的应用和广泛的需求。
现有识别技术主要步骤包括:将人脸照片直接存储于识别终端或从存储芯片卡读取图像信息(如身份证)到识别终端,同时,通过现场图像采集输入端采集人脸图片,并提取人脸信息特征,然后与数据库图片对比,相似度达到一定阈值判定为符合。
通过上述分析,现有技术存在的问题及缺陷为:
(1)当前人脸识别实名认证主要有两种途径,终端存储人脸图片和读取身份证人脸信息即时认证。人脸生物信息具有极强的个人隐私特性,当前的人脸识别设备及后台管理平台,主要是通过采集个人人脸生物信息并存放于机器数据库管理后台,这样存在个人隐私泄露的风险和隐患。
(2)当前市场还有一种通过身份证的实名认证技术,读取身份证内的图像信息,然后与摄像头采集人脸信息对比实名认证,这样对儿童、老年人群体来说存在一定的操作难度,有的甚至在操作过程中导致身份证证件遗忘丢失。
发明内容
为克服相关技术中存在的问题,本发明公开实施例提供了一种基于二维码的人脸生物信息识别方法、系统、终端、介质。所述技术方案如下:
根据本发明公开实施例的第一方面,提供一种基于二维码的人脸生物信息识别方法,所述基于二维码的人脸生物信息识别方法包括:
通过人脸特征提取算法对提取的人脸照片获取人脸特征信息,并存储为人脸信息的多维向量;
采用二维码生成算法,将获取的包含人脸信息的多维向量转化为二维码,并生成二维码图片,再存储在人脸识别设备终端;
通过人脸设备终端实时采集的人脸信息,与存储的二维码图片进行人脸二维码信息对比,符合度达到一定阈值(阈值就是符合度百分比值),则识别为同一个人。
优选地,所述通过人脸特征提取算法对提取的人脸照片获取人脸特征信息,并存储为人脸信息的多维向量;采用二维码生成算法,将获取的包含人脸信息的多维向量转化为二维码,并生成二维码图片,再存储在人脸识别设备终端;具体包括:
人脸检测模块首先利用深度学习卷积神经网络检测人脸算法来检测人脸
(1)利用标记出人脸的图片训练深度学习卷积神经网络YOLOV3模型;
(2)将训练好的YOLOV3模型检测摄像头输入端得到的图片,并检测图片内是否有人脸的存在;
(3)如输入图像内有人脸,YOLOV3模型将人脸的中心位置标出,并截取出人脸的图片传递给下一步人脸特征提取模块提取人脸特征;
人脸特征提取模块其次利用深度学习方法提取人脸特征:
采用图片训练Mobilefacenet深度学习卷积神经网络模型,将人脸检测模块得到的人脸图片作为输入,根据图片RGB数值,将人脸图片转化为一个三维矩阵,然后对该矩阵开展卷积、池化、全连接等计算来提取人脸特征,最后得到一个多维数字向量,将该向量用于下一步的二维码生成;
最后采用二维码生成模块生成人脸生物信息的二维码:
根据国际标准ISO/IEC 18004设定了的QR码的内容存储规范,将得到的人脸生物信息多维向量数据转化成为二维码。
优选地,采用光学摄像头相机设备提取人脸照片进行人脸特征信息采集。
优选地,将人脸信息二维码存储在移动手机终端后,移动出示二维码与人脸识别设备采集端人脸图像对比,实现实名认证。
优选地,通过所述移动手机终端生成人脸信息二维码后,实施加密和更新二维码。
根据本发明公开实施例的第二方面,提供一种基于二维码的人脸生物信息识别系统,所述基于二维码的人脸生物信息识别系统包括:
人脸信息采集模块:通过摄像头来采集人脸图像信息;
人脸检测模块,利用深度学习卷积神经网络检测人脸算法检测人脸;
人脸特征提取模块,利用深度学习方法提取人脸特征,得到一个多维数字向量,将该向量用于二维码生成模块的二维码生成;
二维码生成模块:通过国际标准ISO/IEC 18004二维码生成算法,将获取的包含人脸信息的多维向量转化为二维码,并生成二维码图片,并存储在存储模块;
存储模块,用于存储生成的二维码图片;
人脸识别模块:通过实时采集的人脸图片,采用训练好的深度学习神经网络Mobilefacenet模型提取人脸图片中的人脸特征信息,并存储为一个多维向量,并用二维码生成模块生成二维码,与存储模块中的人脸二维码信息进行对比,符合度达到一定阈值,实现人脸识别;
显示模块,用于对人脸识别的信息进行显示。
所述人脸信息采集模块包括光学摄像头相机设备进行人脸图像采集;
所述显示模块包括手机APP。
根据本发明公开实施例的第三方面,提供一种人脸识别设备终端,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述基于二维码的人脸生物信息识别方法。
根据本发明公开实施例的第四方面,提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述基于二维码的人脸生物信息识别方法。
根据本发明公开实施例的第五方面,提供一种所述基于二维码的人脸生物信息识别方法在社会治安、交通实名认证、防疫抗疫、智慧生活领域上的应用。
本发明公开的实施例提供的技术方案可以包括以下有益效果:
本发明实现了基于二维码的人脸生物信息识别方法,不仅保证了人脸生物信息的准确、快速的传递,提高了人脸识别的效率,同时提供了生物信息的安全性和隐私保护,因此具有很好的推广应用价值。
相比于现有技术,本发明的优点进一步包括:
本发明加入人脸生物信息的二维码生成模块,将人脸特征信息二维码化;
本发明在终端中存储的人脸图片,改变为存储人脸生物信息的二维码;
本发明实名认证时所需出示居民身份证等芯片证件,变为出示人脸生物信息二维码图片。
当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本发明实施例提供的基于二维码的人脸生物信息识别系统示意图,
图中:1、人脸信息采集模块;2、人脸检测模块;3、人脸特征提取模块;4、二维码生成模块;5、存储模块;6、人脸识别模块;7、显示模块。
图2是本发明实施例提供的基于二维码的人脸生物信息识别方法流程图。
图3是本发明实施例提供的人脸信息采集与特征提取、人脸信息二维码的生成流程图。
图4是本发明实施例提供的基于人脸信息二维码的人脸识别流程图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
如图1所示,本发明公开实施例所提供的基于二维码的人脸生物信息识别系统包括:
人脸信息采集模块1,用于采集人脸图像信息;
人脸检测模块2,利用深度学习卷积神经网络检测人脸算法检测人脸;
人脸特征提取模块3,利用深度学习方法提取人脸特征,得到一个多维数字向量,将该向量用于二维码生成模块4的二维码生成;
二维码生成模块4,将获取的包含人脸信息的多维向量转化为二维码,并生成二维码图片,并存储在存储模块5;
存储模块5,用于存储生成的二维码图片;
人脸识别模块6,通过实时采集的人脸信息,与存储的二维码图片进行人脸二维码信息对比,符合度达到一定阈值,实现人脸识别;
显示模块7,用于对人脸识别的信息进行显示。
如图2所示,本发明实施例提供的基于二维码的人脸生物信息识别方法包括:
人脸信息采集与特征提取、人脸信息二维码的生成、基于人脸信息二维码的人脸识别。
具体包括:
S101,采用光学摄像头相机设备提取人脸照片,并通过人脸特征提取算法获取人脸特征信息,并存储为一个人脸信息的多维向量.
S102,采用二维码生成算法,将步骤S101获取的包含人脸信息的多维向量转化为一个二维码,并生成二维码图片,可以存储于移动存储介质或者人脸识别终端设备。
S103,生成二维码图片:(a)将人脸信息二维码存储在人脸识别设备终端,通过人脸设备终端实时采集的人脸信息,与终端内的人脸二维码信息对比,符合度达到一定阈值,实现安全快速的识别人脸。(b)将人脸信息二维码存储在移动手机终端,可移动出示二维码与人脸识别设备采集端人脸图像对比,实现便捷的实名认证。如图3、图4所示。
S104,通过手机APP实现生成人脸信息二维码,并实施加密和更新二维码,让遗失或者被盗的人脸二维码失效,更有效的保护个人生物信息安全和隐私安全。
作为优选实施例,所述步骤S101~步骤S102具体包括:
人脸检测模块2首先利用深度学习卷积神经网络检测人脸算法来检测人脸
(1)利用标记出人脸的图片训练深度学习卷积神经网络YOLOV3模型;
(2)将训练好的YOLOV3模型检测摄像头输入端得到的图片,并检测图片内是否有人脸的存在;
(3)如输入图像内有人脸,YOLOV3模型将人脸的中心位置标出,并截取出人脸的图片传递给下一步人脸特征提取模块3提取人脸特征;
人脸特征提取模块3其次利用深度学习方法提取人脸特征
采用图片训练Mobilefacenet深度学习卷积神经网络模型,将人脸检测模块2得到的人脸图片作为输入,根据图片RGB数值,将人脸图片转化为一个三维矩阵,然后对该矩阵开展卷积、池化、全连接等计算来提取人脸特征,最后得到一个多维数字向量,将该向量用于下一步的二维码生成;
最后采用二维码生成模块4生成人脸生物信息的二维码:
根据国际标准ISO/IEC 18004设定了的QR码的内容存储规范,将得到的人脸生物信息多维向量数据转化成为二维码。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围应由所附的权利要求来限制。
Claims (8)
1.一种基于二维码的人脸生物信息识别方法,其特征在于,应用于信息数据处理终端,所述基于二维码的人脸生物信息识别方法包括:
通过人脸特征提取算法对提取的人脸照片获取人脸特征信息,并存储为人脸信息的多维向量;具体包括:首先,人脸检测模块利用深度学习卷积神经网络算法检测人脸,得到的人脸用于下一步提取人脸特征;
然后,人脸特征提取模块利用深度学习卷积神经网络算法提取人脸特征,得到一个多维数字向量,将该向量用于下一步的二维码生成;
采用二维码生成算法,将获取的包含人脸信息的多维向量转化为二维码,并生成二维码图片,再存储在人脸识别设备终端;
通过人脸设备终端实时采集的人脸信息,与存储的二维码图片进行人脸二维码信息对比,符合度达到一定阈值,实现人脸识别;
所述人脸检测模块利用深度学习卷积神经网络算法检测人脸包括:
(1)利用标记出人脸的图片训练深度学习卷积神经网络YOLOV3模型;
(2)将训练好的YOLOV3模型检测摄像头输入端得到的图片,并检测图片内是否有人脸的存在;
(3)如输入图像内有人脸,YOLOV3模型将人脸的中心位置标出,并截取出人脸的图片传递给下一步人脸特征提取模块提取人脸特征;
所述人脸特征提取模块利用深度学习方法提取人脸特征包括:
采用图片训练Mobilefacenet深度学习卷积神经网络模型,将人脸检测模块得到的人脸图片作为输入,根据图片RGB数值,将人脸图片转化为一个三维矩阵,然后对该矩阵开展卷积、池化、全连接计算来提取人脸特征,最后得到一个多维数字向量,将该向量用于下一步的二维码生成。
2.根据权利要求1所述的基于二维码的人脸生物信息识别方法,其特征在于,所述采用二维码生成算法,将获取的包含人脸信息的多维向量转化为二维码包括:二维码生成模块根据标准QR码的内容存储规范,将得到的人脸生物信息多维向量数据转化成为二维码。
3.根据权利要求1所述的基于二维码的人脸生物信息识别方法,其特征在于,采用光学摄像头相机设备提取人脸照片进行人脸特征信息采集;
将人脸信息二维码存储在移动手机终端后,移动出示二维码与人脸识别设备采集端人脸图像对比,实现实名认证;
通过所述移动手机终端生成人脸信息二维码后,实施加密和更新二维码。
4.一种实现如权利要求1至3任意一项所述基于二维码的人脸生物信息识别方法的系统,其特征在于,该基于二维码的人脸生物信息识别系统包括:
人脸信息采集模块,用于采集人脸图像信息;
人脸检测模块,利用深度学习卷积神经网络算法检测人脸;
人脸特征提取模块,利用深度学习方法提取人脸特征,得到一个多维数字向量,将该向量用于二维码生成模块的二维码生成;
二维码生成模块,将获取的包含人脸信息的多维向量转化为二维码,并生成二维码图片,并存储在存储模块;
存储模块,用于存储生成的二维码图片;
人脸识别模块,通过实时采集的人脸信息,与存储的二维码图片进行人脸二维码信息对比,符合度达到一定阈值,实现人脸识别;
显示模块,用于对人脸识别的信息进行显示。
5.根据权利要求4所述的基于二维码的人脸生物信息识别方法的系统,其特征在于,所述人脸信息采集模块包括光学摄像头相机设备进行人脸图像采集;
所述显示模块包括手机APP。
6.一种人脸识别设备终端,其特征在于,所述人脸识别设备终端包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1~3任意一项所述基于二维码的人脸生物信息识别方法。
7.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1~3任意一项所述基于二维码的人脸生物信息识别方法。
8.一种权利要求1~3任意一项所述基于二维码的人脸生物信息识别方法在社会治安、交通实名认证、防疫抗疫、智慧生活领域上的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110377973.7A CN113011544B (zh) | 2021-04-08 | 2021-04-08 | 基于二维码的人脸生物信息识别方法、系统、终端、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110377973.7A CN113011544B (zh) | 2021-04-08 | 2021-04-08 | 基于二维码的人脸生物信息识别方法、系统、终端、介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113011544A CN113011544A (zh) | 2021-06-22 |
CN113011544B true CN113011544B (zh) | 2022-10-14 |
Family
ID=76388104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110377973.7A Active CN113011544B (zh) | 2021-04-08 | 2021-04-08 | 基于二维码的人脸生物信息识别方法、系统、终端、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011544B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657498B (zh) * | 2021-08-17 | 2023-02-10 | 展讯通信(上海)有限公司 | 生物特征提取方法、训练方法、认证方法、装置和设备 |
CN113723578A (zh) * | 2021-09-16 | 2021-11-30 | 北京中安瑞力科技有限公司 | 一种人员信息识别方法及识别定位系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104112152A (zh) * | 2013-10-30 | 2014-10-22 | 北京安捷天盾科技发展有限公司 | 二维码生成装置、人像识别装置和身份验证装置 |
CN107092821A (zh) * | 2017-04-10 | 2017-08-25 | 成都元息科技有限公司 | 一种分布式人脸认证信息生成方法、认证方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934047A (zh) * | 2017-12-15 | 2019-06-25 | 浙江舜宇智能光学技术有限公司 | 基于深度学习的人脸识别系统及其人脸识别方法 |
CN111881709A (zh) * | 2019-05-03 | 2020-11-03 | 爱唯秀股份有限公司 | 人脸图像处理方法及装置 |
CN112200147A (zh) * | 2020-11-04 | 2021-01-08 | 深圳市康索特软件有限公司 | 一种人脸识别方法、装置、计算机设备以及可存储介质 |
-
2021
- 2021-04-08 CN CN202110377973.7A patent/CN113011544B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104112152A (zh) * | 2013-10-30 | 2014-10-22 | 北京安捷天盾科技发展有限公司 | 二维码生成装置、人像识别装置和身份验证装置 |
CN107092821A (zh) * | 2017-04-10 | 2017-08-25 | 成都元息科技有限公司 | 一种分布式人脸认证信息生成方法、认证方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113011544A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985134B (zh) | 基于双目摄像机的人脸活体检测及刷脸交易方法及系统 | |
Galdi et al. | Multimodal authentication on smartphones: Combining iris and sensor recognition for a double check of user identity | |
Derawi et al. | Fingerprint recognition with embedded cameras on mobile phones | |
CN102945366B (zh) | 一种人脸识别的方法及装置 | |
CN108229427A (zh) | 一种基于身份证件和人脸识别的身份安全验证方法及系统 | |
US20100235400A1 (en) | Method And System For Attaching A Metatag To A Digital Image | |
CN113011544B (zh) | 基于二维码的人脸生物信息识别方法、系统、终端、介质 | |
CN109376604B (zh) | 一种基于人体姿态的年龄识别方法和装置 | |
CN107609515B (zh) | 一种基于飞腾平台的双重验证的人脸比对系统及方法 | |
CN107622246A (zh) | 人脸识别方法及相关产品 | |
JP2004284344A (ja) | Idカード作成装置、idカード、顔認証端末装置、顔認証装置およびシステム | |
KR101724971B1 (ko) | 광각 카메라를 이용한 얼굴 인식 시스템 및 그를 이용한 얼굴 인식 방법 | |
CN111178130A (zh) | 一种基于深度学习的人脸识别方法、系统和可读存储介质 | |
CN113642639B (zh) | 活体检测方法、装置、设备和存储介质 | |
CN111666835A (zh) | 一种人脸活体检测方法和装置 | |
CN111862413A (zh) | 实现抗疫情非接触多维身份快速识别的方法及其系统 | |
CN111339897A (zh) | 活体识别方法、装置、计算机设备和存储介质 | |
CN114218543A (zh) | 一种基于多场景表情识别的加密解锁系统及方法 | |
CN202815870U (zh) | 一种证件照片与人脸自动识别系统 | |
Derawi et al. | Fusion of gait and fingerprint for user authentication on mobile devices | |
CN107025435A (zh) | 一种人脸识别处理方法和系统 | |
CN106650363A (zh) | 一种身份识别方法与系统 | |
Galdi et al. | Combining hardwaremetry and biometry for human authentication via smartphones | |
TW201020938A (en) | System and method for identifying irises | |
CN114926878A (zh) | 一种基于一物一码对应场景下非监控远程人脸识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |