CN114463618A - 一种基于动态人脸识别的人物同检系统、方法及人脸动态识别方法 - Google Patents
一种基于动态人脸识别的人物同检系统、方法及人脸动态识别方法 Download PDFInfo
- Publication number
- CN114463618A CN114463618A CN202210222133.8A CN202210222133A CN114463618A CN 114463618 A CN114463618 A CN 114463618A CN 202210222133 A CN202210222133 A CN 202210222133A CN 114463618 A CN114463618 A CN 114463618A
- Authority
- CN
- China
- Prior art keywords
- information
- passenger
- face
- human body
- security check
- 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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于动态人脸识别的人物同检系统、方法及人脸动态识别方法,通过动态人脸识别技术进行人体安检与行李安检信息的绑定:人脸识别部分使用Pytorch实现残差网络ResNet‑50,使用该CNN模型,通过50层残差神经网络训练模型,使得识别准确率更高;通过对第一摄像头与第二摄像头的人脸特征识别比对,以旅客(被检旅客)的身份ID为关联中介,将X光机采集到的X光图像、行李嫌疑物信息,太赫兹安检仪采集到的人体安检图像、人体携带嫌疑物信息与其身份ID绑定,达到安检过程中无停留的通过人脸信息将行李安检结果与人体安检结果进行绑定和显示的效果。
Description
技术领域
本发明涉及安检技术领域,具体涉及一种基于动态人脸识别的人物同检系统、方法及人脸动态识别方法。
背景技术
由于地铁、铁路安检对人流量要求的特殊性,传统人体安检不足以应对大人流量经常造成人员堵塞,太赫兹人体安检机因解决人体安检的系列问题,从而在越来越多的项目中应用,例如在上海、合肥地铁站的一些站点都设有机器。
随着新机器的加入逐渐发现人体安检的信息和X光行李安检的信息无法整合,因为两个机器都是独立的系统且系统关联起来很困难,这就造成了被检人员信息检索复杂,事后追溯困难等问题。另外旅客在经过太赫兹人体安检机时,不需要停留,因此采集行走中的人脸信息并进行识别的难度大大增加,且行走中人脸的角度、光照表情等因素也对识别做出了挑战。
为了解决上述问题,提出一种太赫兹人体安检和X光行李安检绑定系统。
发明内容
针对上述背景技术中的问题,本发明的一个重要目的在于提供一种基于动态人脸识别的人物同检方法。
为实现如上目的,本发明具体的技术方案如下:
一种基于动态人脸识别的人物同检方法,具体步骤如下:
(1)X光机对旅客包裹进行扫描,并提取旅客包裹中物品的X光图像信息A1、行李嫌疑物信息A2,并将提取的图像信息上传到服务器;
(2)当旅客在X光机处放置包裹时,通过第一摄像头采集人脸图片信息,采用动态人脸识别方法对人脸图片信息进行检测、特征提取以及识别比对,获得旅客的面部特征图片信息B1,并建立对应的身份ID;
(3)以第一摄像头采集的人脸图片信息的时间属性为关联中介,将旅客的身份ID与包裹的X光图像信息A1、行李嫌疑物信息A2进行关联,并存储至服务器;
(4)旅客进入太赫兹安检机进行安检,提取被检旅客的人体安检图像信息C1、人体携带嫌疑物信息C2;同时通过第二摄像头采集被检旅客的人脸图片信息,采用动态人脸识别方法对人脸图片信息进行检测、特征提取以及识别比对,获得被检旅客的面部特征图片信息B2;
(5)将被检旅客的面部特征图片信息B2与旅客的面部特征图片信息B1进行实时人脸识别比对,当面部特征比对相似度结果超过90%,则判定是同一个人,查找旅客的的身份ID,并以旅客的身份ID为关联点,与人体安检图像信息C1、人体携带嫌疑物信息C2进行关联;
(6)将关联数据——包裹的X光图像信息A1、行李嫌疑物信息A2、人体安检图像信息C1、人体携带嫌疑物信息C2存储至服务器。
所述动态人脸识别方法是使用Pytorch构建残差网络ResNet-50,使用卷积神经网络模型,通过深度学习算法训练模型,采用打分后的人脸图片信息对模型进行训练、测试,并采用训练完成后的网络模型对人脸信息进行识别分析。
进一步地,所述动态人脸识别方法网络模型的训练包括以下因素:人脸角度、人脸缺失、人脸光照与人脸表情。
进一步地,所述步骤(6)中未关联成功的数据——X光图像信息A1、行李嫌疑物信息A2与人体安检图像信息C1、人体携带嫌疑物信息C2分别存储至对应的X光数据库与太赫兹数据库中。
本发明的第二个目的在于,提供一种基于动态人脸识别的人物同检系统,包括:
X光机,用于扫描旅客包裹信息,并提取旅客包裹中物品的X光图像信息A1、行李嫌疑物信息A2,并将提取的图像信息上传到服务器;包括:
第一摄像头,所述第一摄像头用于动态采集、提取并识别放置包裹时不同旅客的人脸信息,获得旅客的面部特征图片信息B1,并建立对应的身份ID,同时发送至服务器;
太赫兹安检机,用于扫描旅客人体信息,并提取旅客人体安检图像信息C1、人体携带嫌疑物信息C2;包括:
第二摄像头,所述第二摄像头用于动态采集、提取并识别被检旅客的人脸信息,获得旅客的面部特征图片信息B2,并发送至服务器;
其中,所述服务器将采集到的包裹的X光图像信息A1、行李嫌疑物信息A2,旅客人体安检图像信息C1、人体携带嫌疑物信息C2与旅客的身份ID进行绑定,并将数据分类存储到服务器的数据库和存储介质中。
进一步地,所述服务器包括:
第一图像处理单元,用于接收X光机上传的包裹的X光图像信息A1、行李嫌疑物信息A2,同时接收并识别所述第一摄像头上传的旅客的面部特征图片信息B1,并以面部特征图片信息B1的时间属性为关联中介,将旅客的身份ID与包裹的X光图像信息A1、行李嫌疑物信息A2进行关联;
第二图像处理单元,用于接收太赫兹安检机上传的旅客人体安检图像信息C1、人体携带嫌疑物信息C2,同时接收并识别所述第二摄像头上传的被检旅客的面部特征图片信息B2;并将被检旅客的面部特征图片信息B2与旅客的面部特征图片信息B1进行实时人脸识别比对,比对识别成功后,查找对应旅客的身份ID,将旅客的身份ID与旅客人体安检图像信息C1、人体携带嫌疑物信息C2进行关联。
进一步地,所述面部特征图片信息B1的时间属性是指:第一摄像头采集的旅客人脸信息的初始时间与X光机传送包裹的时间段。
进一步地,所述数据库包括关联数据库、X光数据库与太赫兹数据库。
更进一步地,所述X光数据库用于存储X光机上传的X光图像信息A1与行李嫌疑物信息A2;所述太赫兹数据库用于存储太赫兹安检机上传的人体安检图像信息C1与人体携带嫌疑物信息C2。
本发明的第三个目的在于,提供一种基于动态人脸识别的人物同检识别方法,具体步骤如下:
S1、构建ResNet-50残差网络模型:
S1.1获取人脸识别数据集,基于人脸角度、人脸缺失、人脸光照、人脸表情对数据集的图片进行打分;
S1.2按比例随机划分,将数据集切分为训练集、测试集,其中80%为训练集,20%为测试集;
S1.3在pytorch平台上实现ResNet-50残差网络算法结构;导入数据集进行训练调整参数,收敛完成后对模型在测试集验证;
S2、利用ResNet-50残差网络模型对位于人体安检机处的第二摄像头采集的人脸实时图像进行筛选、检测、提取特征,并与位于X光机处的第一摄像头采集、提取的人脸图像特征库进行比对分析,比对成功后,进入步骤S3;
S3、以旅客的身份为关联中介,将人体安检机上传的人体安检信息与X光机上传的包裹安检信息进行关联。
进一步地,步骤S2中比对成功是指:分析比对人脸图像特征,特征相似度超过90%时,判断为同一旅客。
与已有技术相比,本发明有益效果体现在:
本发明中通过动态人脸识别技术进行人体安检与行李安检信息的绑定:人脸识别部分使用Pytorch实现残差网络ResNet-50,使用该CNN模型,通过50层残差神经网络训练模型,使得识别准确率更高;通过对第一摄像头与第二摄像头的人脸特征识别比对,以旅客(被检旅客)的身份ID为关联中介,将X光机采集到的X光图像、行李嫌疑物信息,太赫兹安检仪采集到的人体安检图像、人体携带嫌疑物信息与其身份ID绑定,达到安检过程中无停留的通过人脸信息将行李安检结果与人体安检结果进行绑定和显示的效果。
本发明动态人脸识别技术基于深度学习的人脸角度、基于算法的人脸缺失、人脸光照、人脸表情等综合因素进行检测,给出相应的分数,将达到符合标准的图像保留推送到下一阶段进行识别,识别模型经过大量样本训练,识别精度在97%以上,识别提取速度在100ms以下,执行速度快满足安检的实时性要求,信息采集绑定速度快,行人无停留,灵活性高。
附图说明
图1为本发明人物同检系统的简图;
图2为本发明动态人脸识别系统的网络结构图;
图3为本发明人物同检系统的整体流程图;
图4为本发明人物同检系统的详细流程示意图。
附图标记:1、第二摄像头;2、太赫兹人体安检机;3、第一摄像头;4、X光机。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
如图1所示,本发明系统包括X光机、太赫兹人体安检机以及分别安装在X光机、太赫兹人体安检机处的第一摄像头、第二摄像头,还包括动态人脸识别系统。
X光机,用于扫描旅客包裹信息,并提取旅客包裹中物品的X光图像信息A1、行李嫌疑物信息A2,并将提取的图像信息上传到服务器;
第一摄像头,所述第一摄像头用于动态采集、提取并识别放置包裹时不同旅客的人脸信息,获得旅客的面部特征图片信息B1,并建立对应的身份ID,同时发送至服务器;
太赫兹安检机,用于扫描旅客人体信息,并提取旅客人体安检图像信息C1、人体携带嫌疑物信息C2;
第二摄像头,所述第二摄像头用于动态采集、提取并识别被检旅客的人脸信息,获得旅客的面部特征图片信息B2,并发送至服务器。
所述服务器包括第一图像处理单元、第二图像处理单元:
第一图像处理单元,用于接收X光机上传的包裹的X光图像信息A1、行李嫌疑物信息A2,同时接收并识别所述第一摄像头上传的旅客的面部特征图片信息B1,并以面部特征图片信息B1的时间属性为关联中介,将旅客的身份ID与包裹的X光图像信息A1、行李嫌疑物信息A2进行关联;
第二图像处理单元,用于接收太赫兹安检机上传的旅客人体安检图像信息C1、人体携带嫌疑物信息C2,同时接收并识别所述第二摄像头上传的被检旅客的面部特征图片信息B2;并将被检旅客的面部特征图片信息B2与旅客的面部特征图片信息B1进行实时人脸识别比对,比对识别成功后,查找对应旅客的身份ID,将旅客的身份ID与旅客人体安检图像信息C1、人体携带嫌疑物信息C2进行关联。
动态人脸识别系统:构建残差网络ResNet-50模型
在pytorch平台上实现ResNet-50残差网络算法结构;导入数据集进行训练调整参数,收敛完成后对模型在测试集验证。如图2所示。
具体地,人脸角度、人脸缺失、人脸光照、人脸表情计算:
(1)基于人脸角度:模型从正脸到侧脸从0开始打分,绝对正脸分数为10分;
(2)基于人脸光照:对识别人脸的位置进行直方图计算,计算区域光照分数均值,将分数确在过亮过暗的范围内进行0~10的打分,过亮过暗皆为0分;
(3)基于人脸缺失:通过残差网络模型对人脸信息提取,检测人脸图像中器官是否有有缺失,作为质量检测预先判断标准,若缺失则不进行人脸提取;
(4)基于人脸表情:通过残差网络模型提取的信息计算其几何特征,通过对不同的人脸上各个器官,如眼睛、鼻子等整个面部轮廓具有不同额形状、大小、相对位置的分布情况,并且用一个矢量来表示提取出来的几何参数,计算他们的相对之间的距离来判断人表情是否符合识别标准,从中性开始10分,由各个部位表情夸张程度依次降低分数至0分。
使用开源的人脸识别数据集,多数人脸图像在左右45范围转动,数据量在6万张,整理数据集的格式,裁剪人脸图片大小,将图片对齐,将数据集切分为训练集48000张和测试集12000张;在pytorch平台上实现ResNet-50残差网络算法结构;导入数据集进行训练调整参数,收敛完成后对模型在测试集验证,通过验证集检测识别准确率在97.67%。
如图3、4所示,利用训练完成的ResNet-50网络模型进行动态人脸识别,基于动态人脸识别进行人物同检的方法,具体步骤如下:
(1)X光机对旅客包裹进行扫描,并提取旅客包裹中物品的X光图像信息A1、行李嫌疑物信息A2,并将提取的图像信息上传到服务器。
(2)当旅客在X光机处放置包裹时,通过第一摄像头采集人脸图片信息,采用动态人脸识别方法对人脸图片信息进行检测、特征提取以及识别比对,获得旅客的面部特征图片信息B1,并建立对应的身份ID。
(3)以第一摄像头采集的人脸图片信息的时间属性为关联中介,将旅客的身份ID与包裹的X光图像信息A1、行李嫌疑物信息A2进行关联,并存储至服务器;
所述时间属性是指:第一摄像头采集的旅客人脸信息的初始时间与X光机传送包裹的时间段。接收到包裹的X光图像后,因为传送带速度均匀,所以可以推断一定时间段范围内的人脸图像,找到对应的人脸信息,将X光图像信息A1、行李嫌疑物信息A2和人脸信息绑定。
(4)旅客进入太赫兹安检机进行安检,提取被检旅客的人体安检图像信息C1、人体携带嫌疑物信息C2;同时通过第二摄像头采集被检旅客的人脸图片信息,采用动态人脸识别方法对人脸图片信息进行检测、特征提取以及识别比对,获得被检旅客的面部特征图片信息B2。
(5)将被检旅客的面部特征图片信息B2与旅客的面部特征图片信息B1进行实时人脸识别比对,当面部特征比对相似度结果超过90%,则判定是同一个人,查找旅客的的身份ID,并以旅客的身份ID为关联点,与人体安检图像信息C1、人体携带嫌疑物信息C2进行关联。
(6)将关联数据——包裹的X光图像信息A1、行李嫌疑物信息A2、人体安检图像信息C1、人体携带嫌疑物信息C2存储至服务器;
未关联成功的数据——X光图像信息A1、行李嫌疑物信息A2与人体安检图像信息C1、人体携带嫌疑物信息C2分别存储至对应的X光数据库与太赫兹数据库中。
工作原理:当旅客在X光机处放置包裹时通过第一摄像头采集人脸信息,使用动态人脸识别的方法进行人脸检测、质量检测、特征提取以及识别比对的方法识别不同的人脸,然后编制不同的身份ID,同时利用第一摄像头的人脸截图时间属性,采用时间关联以及物品特征提取的算法将旅客的身份ID与行李包裹的X光图像进行关联存储到服务器中;当旅客走到太赫兹安检机时,再通过与第二摄像头所采集到人脸信息进行实时人脸比对去找出对应的身份ID,将太赫兹安检机收集到的人体携带嫌疑物信息进行绑定到被检旅客;达到安检过程中无停留的通过人脸信息将行李安检结果与人体安检结果进行绑定和显示的效果。系统将采集到的X光图像、行李嫌疑物信息,太赫兹人体安检图像、人体携带嫌疑物信息与其身份ID绑定,并存储至服务器数据库中。
尽管本发明专利的实施方案已公开如上,但其并不仅仅局限于说明书和实施方式中所列的应用,它完全可以适用于本发明专利所适用的多个领域,对于熟悉本领域的人员而言,可容易地实现另外的修改。因此,在不背离权利要求及等同范围所限定的一般概念下,本发明专利并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种基于动态人脸识别的人物同检方法,其特征在于,具体步骤如下:
(1)X光机对旅客包裹进行扫描,并提取旅客包裹中物品的X光图像信息A1、行李嫌疑物信息A2,并将提取的图像信息上传到服务器;
(2)当旅客在X光机处放置包裹时,通过第一摄像头采集人脸图片信息,采用动态人脸识别方法对人脸图片信息进行检测、特征提取以及识别比对,获得旅客的面部特征图片信息B1,并建立对应的身份ID;
(3)以第一摄像头采集的人脸图片信息的时间属性为关联中介,将旅客的身份ID与包裹的X光图像信息A1、行李嫌疑物信息A2进行关联,并存储至服务器;
(4)旅客进入太赫兹安检机进行安检,提取被检旅客的人体安检图像信息C1、人体携带嫌疑物信息C2;同时通过第二摄像头采集被检旅客的人脸图片信息,采用动态人脸识别方法对人脸图片信息进行检测、特征提取以及识别比对,获得被检旅客的面部特征图片信息B2;
(5)将被检旅客的面部特征图片信息B2与旅客的面部特征图片信息B1进行实时人脸识别比对,当面部特征比对相似度结果超过90%,则判定是同一个人,查找旅客的的身份ID,并以旅客的身份ID为关联点,与人体安检图像信息C1、人体携带嫌疑物信息C2进行关联;
(6)将关联数据——包裹的X光图像信息A1、行李嫌疑物信息A2、人体安检图像信息C1、人体携带嫌疑物信息C2存储至服务器。
所述动态人脸识别方法是使用Pytorch构建残差网络ResNet-50,使用卷积神经网络模型,通过深度学习算法训练模型,采用打分后的人脸图片信息对模型进行训练、测试,并采用训练完成后的网络模型对人脸信息进行识别分析。
2.根据权利要求1所述的一种基于动态人脸识别的人物同检方法,其特征在于,所述动态人脸识别方法网络模型的训练包括以下因素:人脸角度、人脸缺失、人脸光照与人脸表情。
3.根据权利要求1所述的一种基于动态人脸识别的人物同检方法,其特征在于,所述步骤(6)中未关联成功的数据——X光图像信息A1、行李嫌疑物信息A2与人体安检图像信息C1、人体携带嫌疑物信息C2分别存储至对应的X光数据库与太赫兹数据库中。
4.一种基于动态人脸识别的人物同检系统,其特征在于,包括:
X光机,用于扫描旅客包裹信息,并提取旅客包裹中物品的X光图像信息A1、行李嫌疑物信息A2,并将提取的图像信息上传到服务器;包括:
第一摄像头,所述第一摄像头用于动态采集、提取并识别放置包裹时不同旅客的人脸信息,获得旅客的面部特征图片信息B1,并建立对应的身份ID,同时发送至服务器;
太赫兹安检机,用于扫描旅客人体信息,并提取旅客人体安检图像信息C1、人体携带嫌疑物信息C2;包括:
第二摄像头,所述第二摄像头用于动态采集、提取并识别被检旅客的人脸信息,获得旅客的面部特征图片信息B2,并发送至服务器;
动态人脸识别系统;
其中,所述服务器将采集到的包裹的X光图像信息A1、行李嫌疑物信息A2,旅客人体安检图像信息C1、人体携带嫌疑物信息C2与旅客的身份ID进行绑定,并将数据分类存储到服务器的数据库和存储介质中。
5.根据权利要求4所述的一种基于动态人脸识别的人物同检系统,其特征在于,所述服务器包括:
第一图像处理单元,用于接收X光机上传的包裹的X光图像信息A1、行李嫌疑物信息A2,同时接收并识别所述第一摄像头上传的旅客的面部特征图片信息B1,并以面部特征图片信息B1的时间属性为关联中介,将旅客的身份ID与包裹的X光图像信息A1、行李嫌疑物信息A2进行关联;
第二图像处理单元,用于接收太赫兹安检机上传的旅客人体安检图像信息C1、人体携带嫌疑物信息C2,同时接收并识别所述第二摄像头上传的被检旅客的面部特征图片信息B2;并将被检旅客的面部特征图片信息B2与旅客的面部特征图片信息B1进行实时人脸识别比对,比对识别成功后,查找对应旅客的身份ID,将旅客的身份ID与旅客人体安检图像信息C1、人体携带嫌疑物信息C2进行关联。
6.根据权利要求5所述的一种基于动态人脸识别的人物同检系统,其特征在于,所述面部特征图片信息B1的时间属性是指:第一摄像头采集的旅客人脸信息的初始时间与X光机传送包裹的时间段。
7.根据权利要求5所述的一种基于动态人脸识别的人物同检系统,其特征在于,所述数据库包括关联数据库、X光数据库与太赫兹数据库。
8.根据权利要求7所述的一种基于动态人脸识别的人物同检系统,其特征在于,所述X光数据库用于存储X光机上传的X光图像信息A1与行李嫌疑物信息A2;所述太赫兹数据库用于存储太赫兹安检机上传的人体安检图像信息C1与人体携带嫌疑物信息C2。
9.一种基于动态人脸识别的人物同检识别方法,其特征在于,具体步骤如下:
S1、构建ResNet-50残差网络模型:
S1.1获取人脸识别数据集,基于人脸角度、人脸缺失、人脸光照、人脸表情对数据集的图片进行打分;
S1.2按比例随机划分,将数据集切分为训练集、测试集,其中80%为训练集,20%为测试集;
S1.3在pytorch平台上实现ResNet-50残差网络算法结构;导入数据集进行训练调整参数,收敛完成后对模型在测试集验证;
S2、利用ResNet-50残差网络模型对位于人体安检机处的第二摄像头采集的人脸实时图像进行筛选、检测、提取特征,并与位于X光机处的第一摄像头采集、提取的人脸图像特征库进行比对分析,比对成功后,进入步骤S3;
S3、以旅客的身份为关联中介,将人体安检机上传的人体安检信息与X光机上传的包裹安检信息进行关联。
10.根据权利要求9所述的一种基于深度学习的人脸识别分析方法,其特征在于,步骤S2中比对成功是指:分析比对人脸图像特征,特征相似度超过90%时,判断为同一旅客。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210222133.8A CN114463618A (zh) | 2022-03-09 | 2022-03-09 | 一种基于动态人脸识别的人物同检系统、方法及人脸动态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210222133.8A CN114463618A (zh) | 2022-03-09 | 2022-03-09 | 一种基于动态人脸识别的人物同检系统、方法及人脸动态识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114463618A true CN114463618A (zh) | 2022-05-10 |
Family
ID=81417326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210222133.8A Pending CN114463618A (zh) | 2022-03-09 | 2022-03-09 | 一种基于动态人脸识别的人物同检系统、方法及人脸动态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114463618A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457455A (zh) * | 2022-08-18 | 2022-12-09 | 成都智元汇信息技术股份有限公司 | 一种基于判定更新的人包关联方法及装置 |
-
2022
- 2022-03-09 CN CN202210222133.8A patent/CN114463618A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457455A (zh) * | 2022-08-18 | 2022-12-09 | 成都智元汇信息技术股份有限公司 | 一种基于判定更新的人包关联方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102945366B (zh) | 一种人脸识别的方法及装置 | |
CN109214373B (zh) | 一种用于考勤的人脸识别系统及方法 | |
CN103279765B (zh) | 基于图像匹配的钢丝绳表面损伤检测方法 | |
CN102184419B (zh) | 基于敏感部位检测的色情图像识别方法 | |
CN109359625A (zh) | 基于头肩检测和人脸识别技术判断顾客身份的方法和系统 | |
CN103279768B (zh) | 一种基于增量学习人脸分块视觉表征的视频人脸识别方法 | |
CN111985348B (zh) | 人脸识别方法和系统 | |
CN102902986A (zh) | 自动性别识别系统及方法 | |
CN110008909B (zh) | 一种基于ai的实名制业务实时稽核系统 | |
CN106355154B (zh) | 一种监控视频中检测频繁过人的方法 | |
CN105260744A (zh) | 一种货运列车钩尾扁销部位故障的自动在线诊断方法及系统 | |
CN105224921A (zh) | 一种人脸图像择优系统和处理方法 | |
CN111968152B (zh) | 一种动态身份识别方法及装置 | |
CN112183438B (zh) | 基于小样本学习神经网络的违规行为的图像识别方法 | |
CN105184229A (zh) | 一种动态场景下基于在线学习的实时行人检测方法 | |
CN111415339A (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
CN114463618A (zh) | 一种基于动态人脸识别的人物同检系统、方法及人脸动态识别方法 | |
CN106203476A (zh) | 一种基于最近邻分类与模糊算法的猪头尾轮廓识别方法 | |
CN114581990A (zh) | 一种跑步智能测试方法以及装置 | |
CN110309737A (zh) | 一种应用于香烟柜台的信息处理方法、装置及系统 | |
CN111898533B (zh) | 一种基于时空特征融合的步态分类方法 | |
CN109359689A (zh) | 一种数据识别方法及装置 | |
CN114662594B (zh) | 一种目标特征识别分析系统 | |
CN115918571A (zh) | 一种栅栏过道式牛体健康数据提取装置及其智能提取方法 | |
CN115273150A (zh) | 基于人体姿态估计的安全帽佩戴的新型识别方法及系统 |
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 |