CN115410261A - 面部识别异构数据关联解析系统 - Google Patents
面部识别异构数据关联解析系统 Download PDFInfo
- Publication number
- CN115410261A CN115410261A CN202211191845.4A CN202211191845A CN115410261A CN 115410261 A CN115410261 A CN 115410261A CN 202211191845 A CN202211191845 A CN 202211191845A CN 115410261 A CN115410261 A CN 115410261A
- Authority
- CN
- China
- Prior art keywords
- face
- target
- collected
- image
- frame
- 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.)
- Granted
Links
- 238000012098 association analyses Methods 0.000 title abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000007246 mechanism Effects 0.000 claims description 41
- 238000004458 analytical method Methods 0.000 claims description 33
- 230000001815 facial effect Effects 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 11
- 230000006835 compression Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 7
- 230000000149 penetrating effect Effects 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 abstract description 3
- 238000003384 imaging method Methods 0.000 abstract description 3
- 238000003062 neural network model Methods 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种面部识别异构数据关联解析系统。所述系统包括：内容检测器件，用于将预设人员标准脸部图案的各个像素点的各个像素值、第一像素点数量、第二像素点数量以及第三像素点数量作为霍菲特网络模型的多个输入数据以确定连续各帧采集画面中仅仅出现的单个人脸目标属于预设人员的概率百分比；无线接收器件，用于从远端的大数据配置节点中获取第一权重数值、第二权重数值以及预设人员标准脸部图案。通过本系统，能够采用图像分析以及质量判断双层筛选模式获取成像质量最佳的人体面部图像以用于后续的面部识别处理，同时采用各项异构数据基于神经网络模型完成对人脸目标是否属于预设人员数字化鉴定，从而减少人体面部伪造的概率。
Description
技术领域
本发明涉及面部识别领域，更具体地，涉及一种面部识别异构数据关联解析系统。
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。
传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。
迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。
现有技术中，存在多种利用人体面部特征的面部鉴定机制，这些鉴定机制一般依赖于当前人体面部的嘴部、鼻部或者眼部的几何特征进行分析，一方面，选择用于鉴定的包括当前人体面部的图像质量不是最佳，影响了鉴定结果，另一方面，单个面部器官的几何特征的分析模式过于单一化和粗糙化，容易被不法人员进行面部图案仿制。
发明内容
为了解决相关领域的缺陷，本发明提供了一种面部识别异构数据关联解析系统，通过采用图像分析以及质量判断双层筛选模式获取成像质量最佳的人体面部图像以用于后续的面部识别处理，尤为关键的是，还采用各项异构数据基于神经网络模型完成对人脸目标是否属于预设人员数字化鉴定，从而从多方面保证了人体面部的识别精度。
根据本发明的一方面，提供了一种面部识别异构数据关联解析系统，所述系统包括：
第一分析机构，用于对接收到的连续各帧采集画面分别进行分析以获得多帧人脸采集图像，所述连续各帧采集画面中仅仅出现单个人脸目标且并非每一帧都存在所述单个人脸目标；
第二分析机构，与所述第一分析机构连接，用于获取多帧人脸采集图像，对所述多帧人脸采集图像执行基于噪声数量以及噪声幅值的权重分析以获得质量最佳的人脸采集图像并作为目标采集图像输出；
第一辨识机构，与所述第二分析机构连接，用于获取所述目标采集图像中人脸目标内左右两眼之间最短距离占据的像素点数量以作为第一像素点数量；
第二辨识机构，与所述第二分析机构连接，用于获取所述目标采集图像中人脸目标内穿过鼻部的各个像素列中构成鼻部的像素点数量最多的像素列以作为中央像素列，并将所述中央像素列上构成鼻部的像素点数量作为第二像素点数量输出；
第三辨识机构，与所述第二分析机构连接，用于获取所述目标采集图像中人脸目标内穿过嘴部的各个像素行中构成嘴部的像素点数量最多的像素行以作为中央像素行，并将所述中央像素行上构成嘴部的像素点数量作为第三像素点数量输出；
内容检测器件，分别与所述第一辨识机构、所述第二辨识机构以及所述第三辨识机构连接，用于将预设人员标准脸部图案的各个像素点的各个像素值、所述第一像素点数量、所述第二像素点数量以及所述第三像素点数量作为霍菲特网络模型的多个输入数据以执行所述霍菲特网络模型并输出所述连续各帧采集画面中仅仅出现的单个人脸目标属于预设人员的概率百分比；
无线接收器件，分别与所述第二分析机构以及所述内容检测器件电性连接，用于从远端的大数据配置节点中获取第一权重数值、第二权重数值以及预设人员标准脸部图案。
本发明的面部识别异构数据关联解析系统设计紧凑、应用广泛。由于能够采用图像分析以及质量判断双层筛选模式获取成像质量最佳的人体面部图像以用于后续的面部识别处理，同时采用各项异构数据基于神经网络模型完成对人脸目标是否属于预设人员数字化鉴定，从而减少人体面部伪造的概率。
由此可见，本发明具备以下两处有益的技术效果：
(1)对仅仅出现单个人脸目标的连续各帧采集画面执行人脸目标检索以及基于噪声数量以及噪声幅值的权重分析，从而获取存在人脸目标且高质量内容的单帧采集画面以作为目标采集画面用于后续的面部识别异构数据关联解析；
(2)将预设人员标准脸部图案的各个像素点的各个像素值、目标采集画面的眼部参数、目标采集画面的鼻部参数以及目标采集画面的嘴部参数各项异构数据作为霍菲特网络模型的输入数据以解析连续各帧采集画面中仅仅出现的单个人脸目标属于预设人员的概率百分比，从而为预设人员的脸部识别提供可靠、便捷的数字化解决机制。
附图简要说明
本领域技术人员通过参考附图可更好理解本发明的众多优点，其中：
图1是依照本发明实施例1的面部识别异构数据关联解析系统的内部结构图。
图2是依照本发明实施例2的面部识别异构数据关联解析系统的内部结构图。
具体实施方式
现在，将针对公开的主题对本发明进行具体的说明。
实施例1
图1是依照本发明实施例1的面部识别异构数据关联解析系统的内部结构图，所述系统包括：
第一分析机构，用于对接收到的连续各帧采集画面分别进行分析以获得多帧人脸采集图像，所述连续各帧采集画面中仅仅出现单个人脸目标且并非每一帧都存在所述单个人脸目标；
第二分析机构，与所述第一分析机构连接，用于获取多帧人脸采集图像，对所述多帧人脸采集图像执行基于噪声数量以及噪声幅值的权重分析以获得质量最佳的人脸采集图像并作为目标采集图像输出；
第一辨识机构，与所述第二分析机构连接，用于获取所述目标采集图像中人脸目标内左右两眼之间最短距离占据的像素点数量以作为第一像素点数量；
第二辨识机构，与所述第二分析机构连接，用于获取所述目标采集图像中人脸目标内穿过鼻部的各个像素列中构成鼻部的像素点数量最多的像素列以作为中央像素列，并将所述中央像素列上构成鼻部的像素点数量作为第二像素点数量输出；
第三辨识机构，与所述第二分析机构连接，用于获取所述目标采集图像中人脸目标内穿过嘴部的各个像素行中构成嘴部的像素点数量最多的像素行以作为中央像素行，并将所述中央像素行上构成嘴部的像素点数量作为第三像素点数量输出；
内容检测器件，分别与所述第一辨识机构、所述第二辨识机构以及所述第三辨识机构连接，用于将预设人员标准脸部图案的各个像素点的各个像素值、所述第一像素点数量、所述第二像素点数量以及所述第三像素点数量作为霍菲特网络模型的多个输入数据以执行所述霍菲特网络模型并输出所述连续各帧采集画面中仅仅出现的单个人脸目标属于预设人员的概率百分比；
无线接收器件，分别与所述第二分析机构以及所述内容检测器件电性连接，用于从远端的大数据配置节点中获取第一权重数值、第二权重数值以及预设人员标准脸部图案；
其中，所述无线接收器件可以为蓝牙通信节点、ZIGBEE通信节点或者GPRS通信节点；
其中，蓝牙通信节点、ZIGBEE通信节点或者GPRS通信节点中的每一个都包括数据接收单元和数据发送单元；
以及从远端的大数据配置节点中获取第一权重数值、第二权重数值以及预设人员标准脸部图案包括：所述预设人员标准脸部图案的数量为一个以上。
实施例2
图2是依照本发明实施例2的面部识别异构数据关联解析系统的内部结构图。如图2所示，与图1中的实施例1不同，图2中的实施例2的面部识别异构数据关联解析系统还可以包括：
压缩发送器件，设置在远端的大数据配置节点以及无线接收器件之间，用于将所述大数据配置节点处的预设人员标准脸部图案执行压缩编码处理后获得的压缩图像数据无线发送给所述无线接收器件；
其中，将所述大数据配置节点处的预设人员标准脸部图案执行压缩编码处理后获得的压缩图像数据无线发送给所述无线接收器件包括：将所述大数据配置节点处的预设人员标准脸部图案执行基于MPEG-2或者MPEG-4压缩标准的压缩编码处理后获得的压缩图像数据无线发送给所述无线接收器件。
接着，继续对本发明的面部识别异构数据关联解析系统的具体结构进行进一步的说明。
在根据本发明的各个实施例的面部识别异构数据关联解析系统中：
从所述大数据配置节点中获取的第一权重数值、第二权重数值以及预设人员标准脸部图案为实时更新后的第一权重数值、第二权重数值以及预设人员标准脸部图案。
在根据本发明的各个实施例的面部识别异构数据关联解析系统中：
获取所述目标采集图像中人脸目标内左右两眼之间最短距离占据的像素点数量以作为第一像素点数量包括：获取所述目标采集图像中人脸目标所在的图像分块，从所述图像分块中剥离左右两眼分别所在的左眼区域和右眼区域，获取所述左眼区域每一个边沿像素点和所述右眼区域每一个边沿像素点之间最短路径经过的像素点数量以获得多个像素点数量，将所述多个像素点数值的最小值作为所述目标采集图像中人脸目标内左右两眼之间最短距离占据的像素点数量。
在根据本发明的各个实施例的面部识别异构数据关联解析系统中：
对接收到的连续各帧采集画面分别进行分析以获得多帧人脸采集图像包括：对接收到的每一帧采集画面执行人脸目标的检测以获得多帧人脸采集图像；
其中，对接收到的每一帧采集画面执行人脸目标的检测以获得多帧人脸采集图像包括：当某一帧采集画面中检测到的人脸目标占据的像素点总数大于等于设定数目限量时，判断所述某一帧采集画面为单帧人脸采集画面；
其中，对所述多帧人脸采集图像执行基于噪声数量以及噪声幅值的权重分析以获得质量最佳的单帧人脸采集图像并作为目标采集图像输出包括：获取每一帧人脸采集图像中出现的噪声类型数量以作为参考类型数量以及获取每一帧人脸采集图像中出现的各个类型噪声分别对应的各个最大幅值，并将所述各个最大幅值中的最大值作为当前噪声幅度；
其中，对所述多帧人脸采集图像执行基于噪声数量以及噪声幅值的权重分析以获得质量最佳的单帧人脸采集图像并作为目标采集图像输出包括：针对每一帧人脸采集图像，基于第一权重数值、第二权重数值、其参考类型数量以及其当前噪声幅度计算所述人脸采集图像的质量权重值；
其中，对所述多帧人脸采集图像执行基于噪声数量以及噪声幅值的权重分析以获得质量最佳的单帧人脸采集图像并作为目标采集图像输出包括：将质量权重值最大的人脸采集图像作为目标采集图像输出；
以及其中，针对每一帧人脸采集图像，基于第一权重数值、第二权重数值、其参考类型数量以及其当前噪声幅度计算所述人脸采集图像的质量权重值包括：将其参考类型数量的倒数与第一权重数值相乘以获得第一乘积，将其当前噪声幅度的倒数与第二权重数值相乘以获得第二乘积，将所述第一乘积和所述第二乘积相加以获得所述人脸采集图像的质量权重值。
另外，在所述面部识别异构数据关联解析系统中，对接收到的每一帧采集画面执行人脸目标的检测以获得多帧人脸采集图像包括：当某一帧采集画面中检测到的人脸目标占据的像素点总数大于所述设定数目限量时或者某一帧采集画面中未检测到的人脸目标，判断所述某一帧采集画面为单帧其他采集画面。
本领域技术人员应当理解，取决于设计需求和其他因素，可以实现各种修改、组合、子组合和替换，只要它们在所附权利要求书及其等同物的范围内。
Claims (10)
1.一种面部识别异构数据关联解析系统，其特征在于，所述系统包括：
第一分析机构，用于对接收到的连续各帧采集画面分别进行分析以获得多帧人脸采集图像，所述连续各帧采集画面中仅仅出现单个人脸目标且并非每一帧都存在所述单个人脸目标；
第二分析机构，与所述第一分析机构连接，用于获取多帧人脸采集图像，对所述多帧人脸采集图像执行基于噪声数量以及噪声幅值的权重分析以获得质量最佳的人脸采集图像并作为目标采集图像输出；
第一辨识机构，与所述第二分析机构连接，用于获取所述目标采集图像中人脸目标内左右两眼之间最短距离占据的像素点数量以作为第一像素点数量；
第二辨识机构，与所述第二分析机构连接，用于获取所述目标采集图像中人脸目标内穿过鼻部的各个像素列中构成鼻部的像素点数量最多的像素列以作为中央像素列，并将所述中央像素列上构成鼻部的像素点数量作为第二像素点数量输出；
第三辨识机构，与所述第二分析机构连接，用于获取所述目标采集图像中人脸目标内穿过嘴部的各个像素行中构成嘴部的像素点数量最多的像素行以作为中央像素行，并将所述中央像素行上构成嘴部的像素点数量作为第三像素点数量输出；
内容检测器件，分别与所述第一辨识机构、所述第二辨识机构以及所述第三辨识机构连接，用于将预设人员标准脸部图案的各个像素点的各个像素值、所述第一像素点数量、所述第二像素点数量以及所述第三像素点数量作为霍菲特网络模型的多个输入数据以执行所述霍菲特网络模型并输出所述连续各帧采集画面中仅仅出现的单个人脸目标属于预设人员的概率百分比；
无线接收器件，分别与所述第二分析机构以及所述内容检测器件电性连接，用于从远端的大数据配置节点中获取第一权重数值、第二权重数值以及预设人员标准脸部图案。
2.如权利要求1所述的面部识别异构数据关联解析系统，其特征在于，所述系统进一步包括：
压缩发送器件，设置在远端的大数据配置节点以及无线接收器件之间，用于将所述大数据配置节点处的预设人员标准脸部图案执行压缩编码处理后获得的压缩图像数据无线发送给所述无线接收器件。
3.如权利要求1-2任一所述的面部识别异构数据关联解析系统，其特征在于：
从所述大数据配置节点中获取的第一权重数值、第二权重数值以及预设人员标准脸部图案为实时更新后的第一权重数值、第二权重数值以及预设人员标准脸部图案。
4.如权利要求1-2任一所述的面部识别异构数据关联解析系统，其特征在于：
获取所述目标采集图像中人脸目标内左右两眼之间最短距离占据的像素点数量以作为第一像素点数量包括：获取所述目标采集图像中人脸目标所在的图像分块，从所述图像分块中剥离左右两眼分别所在的左眼区域和右眼区域，获取所述左眼区域每一个边沿像素点和所述右眼区域每一个边沿像素点之间最短路径经过的像素点数量以获得多个像素点数量，将所述多个像素点数值的最小值作为所述目标采集图像中人脸目标内左右两眼之间最短距离占据的像素点数量。
5.如权利要求1-2任一所述的面部识别异构数据关联解析系统，其特征在于：
对接收到的连续各帧采集画面分别进行分析以获得多帧人脸采集图像包括：对接收到的每一帧采集画面执行人脸目标的检测以获得多帧人脸采集图像。
6.如权利要求5所述的面部识别异构数据关联解析系统，其特征在于：
对接收到的每一帧采集画面执行人脸目标的检测以获得多帧人脸采集图像包括：当某一帧采集画面中检测到的人脸目标占据的像素点总数大于等于设定数目限量时，判断所述某一帧采集画面为单帧人脸采集画面。
7.如权利要求6所述的面部识别异构数据关联解析系统，其特征在于：
对所述多帧人脸采集图像执行基于噪声数量以及噪声幅值的权重分析以获得质量最佳的单帧人脸采集图像并作为目标采集图像输出包括：获取每一帧人脸采集图像中出现的噪声类型数量以作为参考类型数量以及获取每一帧人脸采集图像中出现的各个类型噪声分别对应的各个最大幅值，并将所述各个最大幅值中的最大值作为当前噪声幅度。
8.如权利要求7所述的面部识别异构数据关联解析系统，其特征在于：
对所述多帧人脸采集图像执行基于噪声数量以及噪声幅值的权重分析以获得质量最佳的单帧人脸采集图像并作为目标采集图像输出包括：针对每一帧人脸采集图像，基于第一权重数值、第二权重数值、其参考类型数量以及其当前噪声幅度计算所述人脸采集图像的质量权重值。
9.如权利要求8所述的面部识别异构数据关联解析系统，其特征在于：
对所述多帧人脸采集图像执行基于噪声数量以及噪声幅值的权重分析以获得质量最佳的单帧人脸采集图像并作为目标采集图像输出包括：将质量权重值最大的人脸采集图像作为目标采集图像输出。
10.如权利要求9所述的面部识别异构数据关联解析系统，其特征在于：
针对每一帧人脸采集图像，基于第一权重数值、第二权重数值、其参考类型数量以及其当前噪声幅度计算所述人脸采集图像的质量权重值包括：将其参考类型数量的倒数与第一权重数值相乘以获得第一乘积，将其当前噪声幅度的倒数与第二权重数值相乘以获得第二乘积，将所述第一乘积和所述第二乘积相加以获得所述人脸采集图像的质量权重值。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211191845.4A CN115410261B (zh) | 2022-09-28 | 2022-09-28 | 面部识别异构数据关联解析系统 |
| PCT/CN2023/070622 WO2024060470A1 (zh) | 2022-09-22 | 2023-01-05 | 数据分析系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211191845.4A CN115410261B (zh) | 2022-09-28 | 2022-09-28 | 面部识别异构数据关联解析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115410261A true CN115410261A (zh) | 2022-11-29 |
| CN115410261B CN115410261B (zh) | 2023-12-15 |
Family
ID=84168431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211191845.4A Active CN115410261B (zh) | 2022-09-22 | 2022-09-28 | 面部识别异构数据关联解析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115410261B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115876272A (zh) * | 2022-12-08 | 2023-03-31 | 泰州奥尔斯顿生物科技有限公司 | 病毒采样管体状态判断系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107665328A (zh) * | 2016-08-31 | 2018-02-06 | 彭青 | 人脸面部识别方法 |
| CN108898053A (zh) * | 2018-05-24 | 2018-11-27 | 珠海市大悦科技有限公司 | 一种面部识别方法 |
| CN109784285A (zh) * | 2019-01-21 | 2019-05-21 | 深圳市云眸科技有限公司 | 实现人脸识别的方法及装置、电子设备、存储介质 |
| CN111325051A (zh) * | 2018-12-13 | 2020-06-23 | 普天信息技术有限公司 | 一种基于人脸图像roi选取的人脸识别方法及装置 |
| CN115116119A (zh) * | 2022-07-20 | 2022-09-27 | 陕西省君凯电子科技有限公司 | 一种基于数字图像处理技术的人脸识别系统 |
-
2022
- 2022-09-28 CN CN202211191845.4A patent/CN115410261B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107665328A (zh) * | 2016-08-31 | 2018-02-06 | 彭青 | 人脸面部识别方法 |
| CN108898053A (zh) * | 2018-05-24 | 2018-11-27 | 珠海市大悦科技有限公司 | 一种面部识别方法 |
| CN111325051A (zh) * | 2018-12-13 | 2020-06-23 | 普天信息技术有限公司 | 一种基于人脸图像roi选取的人脸识别方法及装置 |
| CN109784285A (zh) * | 2019-01-21 | 2019-05-21 | 深圳市云眸科技有限公司 | 实现人脸识别的方法及装置、电子设备、存储介质 |
| CN115116119A (zh) * | 2022-07-20 | 2022-09-27 | 陕西省君凯电子科技有限公司 | 一种基于数字图像处理技术的人脸识别系统 |
Non-Patent Citations (1)
| Title |
|---|
| 李晋;周曦;周翔;蹇易;: "基于双层异构深度神经网络模型的人脸识别关键技术研究" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115876272A (zh) * | 2022-12-08 | 2023-03-31 | 泰州奥尔斯顿生物科技有限公司 | 病毒采样管体状态判断系统 |
| CN115876272B (zh) * | 2022-12-08 | 2024-01-02 | 石家庄冰缘医学检验实验室有限公司 | 病毒采样管体状态判断系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115410261B (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109299683B (zh) | 一种基于人脸识别和行为大数据的安防评估系统 | |
| US8866931B2 (en) | Apparatus and method for image recognition of facial areas in photographic images from a digital camera | |
| CN105447432B (zh) | 一种基于局部运动模式的人脸防伪方法 | |
| CN109711318B (zh) | 一种基于视频流的多人脸检测与跟踪方法 | |
| CN111985348B (zh) | 人脸识别方法和系统 | |
| CN110830756A (zh) | 一种监控方法与装置 | |
| CN109948476B (zh) | 一种基于计算机视觉的人脸皮肤检测系统及其实现方法 | |
| CN104794458A (zh) | 一种从模糊视频中识别人员的方法 | |
| CN108513110A (zh) | 人脸识别监控摄像头 | |
| CN108319944A (zh) | 一种远程人脸身份识别系统及方法 | |
| CN105022999A (zh) | 一种人码伴随实时采集系统 | |
| CN109508648A (zh) | 一种人脸抓拍方法及设备 | |
| CN109829997A (zh) | 人员考勤方法及系统 | |
| CN106709438A (zh) | 一种基于视频会议的人数统计方法 | |
| CN114996518B (zh) | 一种基于云平台的超高清视频数据存储分类管理系统 | |
| CN115410261B (zh) | 面部识别异构数据关联解析系统 | |
| CN109876416A (zh) | 一种基于图像信息的跳绳计数方法 | |
| CN108540707A (zh) | 人脸识别执法仪 | |
| CN110414558A (zh) | 基于事件相机的特征点匹配方法 | |
| CN112801037A (zh) | 一种基于连续帧间差异的人脸篡改检测方法 | |
| CN110321782B (zh) | 一种检测人体特征信号的系统 | |
| CN106599779A (zh) | 一种人耳识别方法 | |
| CN108960146A (zh) | 人脸识别监控视频的图像预处理方法 | |
| CN113486712A (zh) | 一种基于深度学习的多人脸识别方法、系统和介质 | |
| CN112488165A (zh) | 一种基于深度学习模型的红外行人识别方法及系统 |
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 |