CN117690179A - 一种基于人脸信息的身份核验方法与系统 - Google Patents
一种基于人脸信息的身份核验方法与系统 Download PDFInfo
- Publication number
- CN117690179A CN117690179A CN202410136138.8A CN202410136138A CN117690179A CN 117690179 A CN117690179 A CN 117690179A CN 202410136138 A CN202410136138 A CN 202410136138A CN 117690179 A CN117690179 A CN 117690179A
- Authority
- CN
- China
- Prior art keywords
- period
- verification
- screening
- determining
- identity verification
- 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
- 238000012795 verification Methods 0.000 title claims abstract description 354
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012216 screening Methods 0.000 claims abstract description 235
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 abstract description 2
- 238000005265 energy consumption Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/96—Management of image or video recognition tasks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00571—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys operated by interacting with a central unit
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种基于人脸信息的身份核验方法与系统,属于身份识别技术领域,具体包括:通过门锁装置进行不同人员的人脸图像的获取,并根据不同人员的人脸图像的核验数据确定不同人员在不同时段的身份核验准确率以及不同人员的识别困难时段,根据不同人员的识别困难时段进行筛选时段的确定,获取门锁装置的剩余电量以及门锁装置在筛选时段的不同人员的人脸图像的获取数据,并结合筛选时段的综合图像质量以及综合核验准确率确定筛选时段是否需要进行人脸图像的识别限制以及识别限制方式,降低了由于环境光照不佳导致的人脸图像的识别准确率不高的时段的电能损耗。
Description
技术领域
本发明属于身份识别技术领域,尤其涉及一种基于人脸信息的身份核验方法与系统。
背景技术
传统的门锁装置往往通过基于钥匙或者NFC近场通信的方式实现对用户的身份识别,但是上述两种方式都要求用户有相应的钥匙或者验证卡片,一旦用户的相应的身份验证手段丢失或者遗忘,则不可避免的会导致的门锁装置的使用便利性不足,同时身份验证的可靠性也难以满足要求,因此如何提升门锁装置的身份核验的便利性成为亟待解决的技术问题。
为解决上述技术问题,在发明专利CN201910816331.5《门锁控制方法及装置、电子设备和存储介质》、CN201810692743.8《一种非嵌入式远程监控智能门锁》中通过对用户的人脸信息的识别实现对用户的身份信息的验证,但是通过分析不难发现,均存在以下技术问题:
智能门锁装置在不同的时间段进行人脸图像的获取时,由于环境光亮度的差异导致人脸图像的图像质量以及人脸识别的准确率存在一定程度的差异,而与此同时由于智能门锁装置往往是通过电池的方式进行供电,若在环境光亮度较差的时段频繁进行验证,则会导致智能门锁装置的电能消耗过快,从而使得智能门锁装置的使用可靠性难以满足要求。
针对上述技术问题,本发明提供了一种基于人脸信息的身份核验方法与系统。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种基于人脸信息的身份核验方法。
一种基于人脸信息的身份核验方法,其特征在于,具体包括:
S1通过门锁装置进行不同人员的人脸图像的获取,并根据不同人员的人脸图像的核验数据确定不同人员在不同时段的身份核验准确率以及不同人员的识别困难时段;
S2根据不同人员的识别困难时段进行筛选时段的确定,获取不同的筛选时段的不同人员的身份核验准确率,并结合不同的筛选时段被认定为识别困难时段的人员数据确定不同的筛选时段的综合核验准确率,基于所述综合核验准确率确定所述筛选时段不属于问题识别时段时,进入下一步骤;
S3获取在所述筛选时段的不同人员的人脸图像的图像质量,并基于不同人员的人脸图像的图像质量进行所述筛选时段的综合图像质量的确定,并结合所述筛选时段的综合核验准确率确定所述筛选时段不属于问题识别时段时,进入下一步骤;
S4获取所述门锁装置的剩余电量以及门锁装置在所述筛选时段的不同人员的人脸图像的获取数据,并结合所述筛选时段的综合图像质量以及综合核验准确率确定所述筛选时段是否需要进行人脸图像的识别限制以及识别限制方式。
本发明的有益效果在于:
1、根据不同人员的人脸图像的核验数据确定不同人员在不同时段的身份核验准确率以及不同人员的识别困难时段,从而实现了从人脸图像的身份核验的准确率的角度对不同人员的识别困难时段的筛选,进而为可能存在图像质量不佳的时段的筛选奠定了基础,提升了问题识别时段的判断处理的效率。
2、基于筛选时段的综合图像质量以及综合核验准确率进行问题识别时段的判断,从而实现了从筛选时段的图像质量以及身份核验的准确率两个角度对识别不可靠的问题识别时段的筛选,避免了在识别不可靠的问题识别时段进行人脸识别造成的电能损耗过大的技术问题,提升了门锁装置的使用可靠性。
3、基于剩余电量、人脸图像的获取数据、综合图像质量以及综合核验准确率确定筛选时段是否需要进行人脸图像的识别限制以及识别限制方式,既考虑到不同的筛选时段由于识别可靠性的差异造成的电能损耗的差异,同时还考虑到由于门锁装置的剩余电量以及在所述筛选时段的人脸图像的获取频繁度的差异对门锁装置的电能消耗的影响,从而保证了门锁装置的使用可靠性。
进一步的技术方案在于,所述人脸图像根据所述门锁装置的摄像模块进行获取。
进一步的技术方案在于,所述人脸图像的核验数据包括人脸图像的身份核验次数以及不同的身份核验次数的身份核验结果。
进一步的技术方案在于,根据不同人员的识别困难时段进行筛选时段的确定,具体包括:
根据不同人员的识别困难时段进行不同的识别困难时段的对应时段的确定,并将所述对应时段作为筛选时段。
进一步的技术方案在于,所述筛选时段的综合核验准确率的取值范围在0到1之间,其中所述筛选时段的综合核验准确率小于预设准确率时,则确定所述筛选时段属于问题识别时段。
进一步的技术方案在于,当所述筛选时段为问题识别时段时,则暂不通过人脸图像信息进行人员的身份核验,并通过其它的身份验证手段进行所述人员的身份核验。
进一步的技术方案在于,所述人脸图像的获取数据包括人脸图像的获取数量以及不同的人脸图像的获取时刻。
第二方面,本发明提供了一种计算机系统,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种基于人脸信息的身份核验方法。
其他特征和优点将在随后的说明书中阐述,本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显;
图1是一种基于人脸信息的身份核验方法的流程图;
图2是识别困难时段的确定的方法的流程图;
图3是筛选时段的综合核验准确率的确定的方法的流程图;
图4是结合所述筛选时段的综合核验准确率确定所述筛选时段不属于问题识别时段的方法的流程图;
图5是一种计算机系统的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
基于人脸信息进行身份核验的门锁装置需要在一天内的所有时段内进行人脸信息的获取和识别,但是通过分析不难发现,由于环境光照条件的差异导致门锁装置在某些时段内获取的人脸信息的清晰度不佳,从而造成门锁装置的电池的电能消耗过大,因此若不能实现对清晰度不佳的时段的识别,并在上述时段对人脸信息的身份验证方式进行限制,引导用户采用其它的指纹或者密码的方式进行身份核验,则导致门锁装置的电能消耗过大而使得其使用可靠性难以满足要求。
为解决上述技术问题,采用以下技术方案:
首先通过门锁装置进行不同人员的人脸图像的获取,并根据不同人员的人脸图像的核验数据确定不同人员在不同时段的身份核验准确率以及不同人员的识别困难时段,具体的可以通过不同时段的核验通过次数和核验次数的比值进行身份核验准确率的确定,并将身份核验准确率不满足要求的时段作为不同人员的识别困难时段;
然后根据不同人员的识别困难时段进行筛选时段的确定,基于不同的筛选时段的不同人员的身份核验准确率以及被认定为识别困难时段的人员数据确定不同的筛选时段的综合核验准确率,具体的可以通过被认定为识别困难时段的人员数量的占比与身份核验准确率的平均值的乘积进行综合核验准确率的确定,并基于综合核验准确率确定筛选时段不属于问题识别时段时,进入下一步骤,当属于问题识别时段时,则暂不通过人脸图像信息进行人员的身份核验,并通过其它的身份验证手段进行所述人员的身份核验;
紧接着获取在筛选时段的不同人员的人脸图像的图像质量,并基于不同人员的人脸图像的图像质量进行筛选时段的综合图像质量的确定,具体的不同人员的人脸图像的图像质量的平均值进行筛选时段的综合图像质量的确定,根据综合图像质量与筛选时段的综合核验准确率的归一化的数量和进行时段综合评估量的确定,并根据时段综合评估量确定筛选时段不属于问题识别时段时,进入下一步骤;
获取所述门锁装置的剩余电量以及门锁装置在所述筛选时段的不同人员的人脸图像的获取数据,并结合所述筛选时段的综合图像质量以及综合核验准确率确定所述筛选时段是否需要进行人脸图像的识别限制以及识别限制方式
根据门锁装置在所述筛选时段的不同人员的人脸图像的获取数据确定在所述筛选时段的不同人员的人脸图像的获取数量,基于不同人员的人脸图像的获取数量确定所述门锁装置在所述筛选时段的人脸图像的推测获取数量,基于所述门锁装置在所述筛选时段的人脸图像的推测获取数量以及所述门锁装置的剩余电量确定所述门锁装置在所述筛选时段的预测工作时长,并通过所述预测工作时长确定所述筛选时段的识别限制的图像质量限定值以及核验准确率限定值,判断所述筛选时段的综合图像质量与所述图像质量限定值的比值以及综合核验准确率与核验准确率限定值的比值是否均满足要求,若是,则确定所述筛选时段不需要进行人脸图像的识别限制,若否,则进入下一步骤,根据所述筛选时段的综合图像质量与所述图像质量限定值的比值以及综合核验准确率与核验准确率限定值的比值的最小值所对应的预测区间进行识别限制方式的确定。
以下将从方法类实施例和系统类实施例两个角度进行进一步阐述。
为解决上述问题,根据本发明的一个方面,如图1所示,提供了一种基于人脸信息的身份核验方法,其特征在于,具体包括:
S1通过门锁装置进行不同人员的人脸图像的获取,并根据不同人员的人脸图像的核验数据确定不同人员在不同时段的身份核验准确率以及不同人员的识别困难时段;
进一步的,所述人脸图像根据所述门锁装置的摄像模块进行获取。
具体的,所述人脸图像的核验数据包括人脸图像的身份核验次数以及不同的身份核验次数的身份核验结果。
在其中的一个可能的实施例中,如图2所示,上述步骤S1中的所述识别困难时段的确定的方法为:
S11根据所述人员在特定时段的人脸图像的核验数据进行所述人员在特定时段的人脸图像的身份核验次数的确定,并结合所述人员在特定时段的人脸图像的身份核验失败次数进行所述人员在特定时段的基础身份核验准确率的确定;
S12根据预设时长将所述人员的人脸图像的身份核验次数进行群组的划分得到所述人员在特定时段的尝试身份验证次数,并结合不同的尝试身份验证次数的身份核验次数以及身份验证结果确定所述人员在特定时段的验证准确率;
S13基于特定时段的验证准确率以及基础身份核验准确率确定所述人员在特定时段的身份核验准确率,并通过所述身份核验准确率确定所述特定时段是否为识别困难时段。
在另外的一个可能的实施例中,上述步骤S1中的所述识别困难时段的确定的方法为:
根据所述人员在特定时段的人脸图像的核验数据进行所述人员在特定时段的人脸图像的身份核验失败次数,判断所述人员在特定时段的人脸图像的身份核验失败次数是否不满足要求,若是,则确定所述特定时段为识别困难时段,若否,则进入下一步骤;
基于所述人员在特定时段的人脸图像的身份核验次数以及人脸图像的身份核验失败次数进行所述人员在特定时段的基础身份核验准确率的确定,判断所述人员在特定时段的基础身份核验准确率是否不满足要求,若是,则确定所述特定时段为识别困难时段,若否,则进入下一步骤;
根据预设时长将所述人员的人脸图像的身份核验次数进行群组的划分得到所述人员在特定时段的尝试身份验证次数,并结合不同的尝试身份验证次数的身份核验次数以及身份验证结果确定所述人员在特定时段的验证准确率,判断所述人员在特定时段的验证准确率是否不满足要求,若是,则确定所述特定时段为识别困难时段,若否,则进入下一步骤;
基于特定时段的验证准确率以及基础身份核验准确率确定所述人员在特定时段的身份核验准确率,并通过所述身份核验准确率确定所述特定时段是否为识别困难时段。
在另外的一个可能的实施例中,上述步骤S1中的所述识别困难时段的确定的方法为:
根据所述人员在特定时段的人脸图像的核验数据进行所述人员在特定时段的人脸图像的身份核验失败次数,当所述人员在特定时段的人脸图像的身份核验失败次数不满足要求时,则确定所述特定时段为识别困难时段;
当所述人员在特定时段的人脸图像的身份核验失败次数满足要求时,根据预设时长将所述人员的人脸图像的身份核验次数进行群组的划分得到所述人员在特定时段的尝试身份验证次数,根据不同的尝试身份验证次数的身份核验次数以及身份验证结果进行不同的尝试身份验证次数的验证可靠性的确定,当验证可靠性不满足要求的尝试身份验证次数大于预设验证次数时,则确定所述特定时段为识别困难时段;
当验证可靠性不满足要求的尝试身份验证次数不大于预设验证次数时,根据所述人员在特定时段的不同的尝试身份验证次数的验证可靠性以及尝试身份验证次数确定所述人员在特定时段的验证准确率,判断所述人员在特定时段的验证准确率是否不满足要求,若是,则确定所述特定时段为识别困难时段,若否,则进入下一步骤;
基于所述人员在特定时段的人脸图像的身份核验次数以及人脸图像的身份核验失败次数进行所述人员在特定时段的基础身份核验准确率的确定,基于特定时段的验证准确率以及基础身份核验准确率确定所述人员在特定时段的身份核验准确率,并通过所述身份核验准确率确定所述特定时段是否为识别困难时段。
S2根据不同人员的识别困难时段进行筛选时段的确定,获取不同的筛选时段的不同人员的身份核验准确率,并结合不同的筛选时段被认定为识别困难时段的人员数据确定不同的筛选时段的综合核验准确率,基于所述综合核验准确率确定所述筛选时段不属于问题识别时段时,进入下一步骤;
具体的,根据不同人员的识别困难时段进行筛选时段的确定,具体包括:
根据不同人员的识别困难时段进行不同的识别困难时段的对应时段的确定,并将所述对应时段作为筛选时段。
在其中的一个可能的实施例中,如图3所示,上述步骤S2中的所述筛选时段的综合核验准确率的确定的方法为:
S21基于不同人员的身份核验准确率进行所述人员中的验证可靠人员和验证偏差人员的确定,并分别根据验证可靠人员的数量以及身份核验准确率、验证偏差人员的数量以及身份核验准确率确定所述验证可靠人员的综合核验准确率以及验证偏差人员的综合核验准确率;
S22分别获取不同的验证可靠人员的人脸图像的身份核验次数以及验证偏差人员的人脸图像的身份核验次数,并根据验证可靠人员的人脸图像的身份核验次数以及验证偏差人员的人脸图像的身份核验次数进行验证可靠人员的权重值以及验证偏差人员的权重值的确定,并结合所述证可靠人员的综合核验准确率以及验证偏差人员的综合核验准确率确定所述筛选时段的核验准确率;
S23获取所述筛选时段被认定为识别困难时段的人员数量以及不同的筛选时段被认定为识别困难时段的人员的人脸图像的身份核验次数,并结合所述筛选时段的核验准确率确定所述筛选时段的综合核验准确率。
具体的,所述筛选时段的综合核验准确率的取值范围在0到1之间,其中所述筛选时段的综合核验准确率小于预设准确率时,则确定所述筛选时段属于问题识别时段。
进一步的,当所述筛选时段为问题识别时段时,则暂不通过人脸图像信息进行人员的身份核验,并通过其它的身份验证手段进行所述人员的身份核验。
在另外的一个可能的实施例中,上述步骤S2中的所述筛选时段的综合核验准确率的确定的方法为:
获取所述筛选时段被认定为识别困难时段的人员数量,当所述筛选时段被认定为识别困难时段的人员数量无法满足要求时,则确定所述筛选时段为问题识别时段;
当所述筛选时段被认定为识别困难时段的人员数量满足要求时,基于不同人员的身份核验准确率进行所述人员中的验证可靠人员和验证偏差人员的确定,当验证偏差人员的数量无法满足要求时,则确定所述筛选时段为问题识别时段;
当验证偏差人员的数量满足要求时,分别根据验证可靠人员的数量以及身份核验准确率、验证偏差人员的数量以及身份核验准确率确定所述验证可靠人员的综合核验准确率以及验证偏差人员的综合核验准确率,分别获取不同的验证可靠人员的人脸图像的身份核验次数以及验证偏差人员的人脸图像的身份核验次数,并根据验证可靠人员的人脸图像的身份核验次数以及验证偏差人员的人脸图像的身份核验次数进行验证可靠人员的权重值以及验证偏差人员的权重值的确定,并结合所述证可靠人员的综合核验准确率以及验证偏差人员的综合核验准确率确定所述筛选时段的核验准确率;
当所述筛选时段的核验准确率不满足要求时,则确定所述筛选时段为问题识别时段,当所述筛选时段的核验准确率满足要求时,获取所述筛选时段被认定为识别困难时段的人员数量以及不同的筛选时段被认定为识别困难时段的人员的人脸图像的身份核验次数,并结合所述筛选时段的核验准确率确定所述筛选时段的综合核验准确率。
在另外的一个可能的实施例中,上述步骤S2中的所述筛选时段的综合核验准确率的确定的方法为:
基于不同人员的身份核验准确率进行所述人员中的验证可靠人员和验证偏差人员的确定,判断所述筛选时段的验证偏差人员的人员数量是否无法满足要求,若是,则确定所述筛选时段为问题识别时段,若否,则进入下一步骤;
分别根据验证可靠人员的数量以及身份核验准确率、验证偏差人员的数量以及身份核验准确率确定所述验证可靠人员的综合核验准确率以及验证偏差人员的综合核验准确率;
分别获取不同的验证可靠人员的人脸图像的身份核验次数以及验证偏差人员的人脸图像的身份核验次数,并根据验证可靠人员的人脸图像的身份核验次数以及验证偏差人员的人脸图像的身份核验次数进行验证可靠人员的权重值以及验证偏差人员的权重值的确定,并结合所述证可靠人员的综合核验准确率以及验证偏差人员的综合核验准确率确定所述筛选时段的核验准确率;
判断所述筛选时段的核验准确率是否不满足要求,若是,则确定所述筛选时段为问题识别时段,若否,则获取所述筛选时段被认定为识别困难时段的人员数量以及不同的筛选时段被认定为识别困难时段的人员的人脸图像的身份核验次数,并结合所述筛选时段的核验准确率确定所述筛选时段的综合核验准确率。
S3获取在所述筛选时段的不同人员的人脸图像的图像质量,并基于不同人员的人脸图像的图像质量进行所述筛选时段的综合图像质量的确定,并结合所述筛选时段的综合核验准确率确定所述筛选时段不属于问题识别时段时,进入下一步骤;
在其中的一个可能的实施例中,如图4所示,上述步骤S3中的结合所述筛选时段的综合核验准确率确定所述筛选时段不属于问题识别时段,具体包括:
通过不同人员在所述筛选时段的人脸图像的获取数据进行不同人员在所述筛选时段的人脸图像的获取数量的确定,并结合不同人员在所述筛选时段的图像质量不满足要求的人脸图像的数量以及不同的人脸图像的图像质量确定不同人员的人脸图像的综合图像质量;
基于不同人员的人脸图像的综合图像质量以及不同人员在所述筛选时段的人脸图像的获取数量确定所述筛选时段的时段图像质量;
根据所述筛选时段的时段图像质量以及综合核验准确率确定所述筛选时段的时段综合评估量,基于所述时段综合评估量确定所述筛选时段是否属于问题识别时段。
具体的,所述人脸图像的获取数据包括人脸图像的获取数量以及不同的人脸图像的获取时刻。
在另外的一个可能的实施例中,上述步骤S3中的结合所述筛选时段的综合核验准确率确定所述筛选时段不属于问题识别时段,具体包括:
将所述筛选时段的图像质量不满足要求的人脸图像作为问题人脸图像,当所述筛选时段的问题人脸图像的数量不满足要求时,则确定所述筛选时段为问题识别时段;
通过不同人员在所述筛选时段的人脸图像的获取数据进行不同人员在所述筛选时段的人脸图像的获取数量的确定,并结合不同人员在所述筛选时段的图像质量不满足要求的人脸图像的数量以及不同的人脸图像的图像质量确定不同人员的人脸图像的综合图像质量;
当所述筛选时段的人脸图像的综合图像质量不满足要求的人员的数量大于预设人员数量阈值时,则确定所述筛选时段为问题识别时段;
当所述筛选时段的人脸图像的综合图像质量不满足要求的人员的数量不大于预设人员数量阈值时,基于不同人员的人脸图像的综合图像质量以及不同人员在所述筛选时段的人脸图像的获取数量确定所述筛选时段的时段图像质量,判断所述筛选时段的时段图像质量是否不满足要求,若是,则确定所述筛选时段为问题识别时段,若否,则进入下一步骤;
根据所述筛选时段的时段图像质量以及综合核验准确率确定所述筛选时段的时段综合评估量,基于所述时段综合评估量确定所述筛选时段是否属于问题识别时段。
在另外的一个可能的实施例中,上述步骤S3中的结合所述筛选时段的综合核验准确率确定所述筛选时段不属于问题识别时段,具体包括:
S31将所述筛选时段的图像质量不满足要求的人脸图像作为问题人脸图像,判断所述筛选时段的问题人脸图像的数量是否小于预设图像数量,若是,则获取在所述筛选时段中包括问题人脸图像的人员的数量,并结合所述筛选时段的问题人脸图像的数量以及不同的问题人脸图像的图像质量确定所述筛选时段的问题人脸图像的综合图像质量,并进入步骤S33,若否,则进入下一步骤;
S32获取在所述筛选时段中包括问题人脸图像的人员的数量,并结合所述筛选时段的问题人脸图像的数量以及不同的问题人脸图像的图像质量确定所述筛选时段的问题人脸图像的综合图像质量,判断所述问题人脸图像的综合图像质量是否满足要求,若是,则进入下一步骤,若否,则确定所述筛选时段为问题识别时段;
S33通过不同人员在所述筛选时段的人脸图像的获取数据进行不同人员在所述筛选时段的人脸图像的获取数量的确定,并结合不同人员在所述筛选时段的图像质量不满足要求的人脸图像的数量以及不同的人脸图像的图像质量确定不同人员的人脸图像的综合图像质量;
S34基于不同人员的人脸图像的综合图像质量以及不同人员在所述筛选时段的人脸图像的获取数量、问题人脸图像的综合图像质量确定所述筛选时段的时段图像质量,判断所述筛选时段的时段图像质量是否不满足要求,若是,则确定所述筛选时段为问题识别时段,若否,则进入下一步骤;
S35根据所述筛选时段的时段图像质量以及综合核验准确率确定所述筛选时段的时段综合评估量,基于所述时段综合评估量确定所述筛选时段是否属于问题识别时段。
S4获取所述门锁装置的剩余电量以及门锁装置在所述筛选时段的不同人员的人脸图像的获取数据,并结合所述筛选时段的综合图像质量以及综合核验准确率确定所述筛选时段是否需要进行人脸图像的识别限制以及识别限制方式。
在其中的一个可能的实施例中,上述步骤S4中的确定所述筛选时段是否需要进行人脸图像的识别限制,具体包括:
获取所述门锁装置的剩余电量以及门锁装置在所述筛选时段的不同人员的人脸图像的获取数据,并结合所述筛选时段的综合图像质量以及综合核验准确率确定所述筛选时段是否需要进行人脸图像的识别限制以及识别限制方式
根据门锁装置在所述筛选时段的不同人员的人脸图像的获取数据确定在所述筛选时段的不同人员的人脸图像的获取数量,基于不同人员的人脸图像的获取数量确定所述门锁装置在所述筛选时段的人脸图像的推测获取数量;
基于所述门锁装置在所述筛选时段的人脸图像的推测获取数量以及所述门锁装置的剩余电量确定所述门锁装置在所述筛选时段的预测工作时长,并通过所述预测工作时长确定所述筛选时段的识别限制的图像质量限定值以及核验准确率限定值;
判断所述筛选时段的综合图像质量与所述图像质量限定值的比值以及综合核验准确率与核验准确率限定值的比值是否均满足要求,若是,则确定所述筛选时段不需要进行人脸图像的识别限制,若否,则进入下一步骤;
根据所述筛选时段的综合图像质量与所述图像质量限定值的比值以及综合核验准确率与核验准确率限定值的比值的最小值所对应的预测区间进行识别限制方式的确定。
具体的,所述识别限制方式采用单位时长内的人脸识别限制次数或者筛选时段的人脸识别总次数的限制进行搭建。
在其中的一个可能的实施例中,可以通过5分钟内的人脸识别限制次数为5次、10次或者20次,筛选时段内的人脸识别总次数为30次、40次以及50次进行识别限制方式的区分。
另一方面,如图5所示,本发明提供了一种计算机系统,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种基于人脸信息的身份核验方法。
上述的一种基于人脸信息的身份核验方法,具体包括:
通过门锁装置进行不同人员的人脸图像的获取,根据所述人员在特定时段的人脸图像的核验数据进行所述人员在特定时段的人脸图像的身份核验失败次数,判断所述人员在特定时段的人脸图像的身份核验失败次数是否不满足要求,若是,则确定所述特定时段为识别困难时段,若否,则进入下一步骤;
基于所述人员在特定时段的人脸图像的身份核验次数以及人脸图像的身份核验失败次数进行所述人员在特定时段的基础身份核验准确率的确定,判断所述人员在特定时段的基础身份核验准确率是否不满足要求,若是,则确定所述特定时段为识别困难时段,若否,则进入下一步骤;
根据预设时长将所述人员的人脸图像的身份核验次数进行群组的划分得到所述人员在特定时段的尝试身份验证次数,并结合不同的尝试身份验证次数的身份核验次数以及身份验证结果确定所述人员在特定时段的验证准确率,判断所述人员在特定时段的验证准确率是否不满足要求,若是,则确定所述特定时段为识别困难时段,若否,则进入下一步骤;
基于特定时段的验证准确率以及基础身份核验准确率确定所述人员在特定时段的身份核验准确率,并通过所述身份核验准确率确定所述特定时段是否为识别困难时段;
根据不同人员的识别困难时段进行筛选时段的确定,获取不同的筛选时段的不同人员的身份核验准确率,并结合不同的筛选时段被认定为识别困难时段的人员数据确定不同的筛选时段的综合核验准确率,基于所述综合核验准确率确定所述筛选时段不属于问题识别时段时,进入下一步骤;
获取在所述筛选时段的不同人员的人脸图像的图像质量,并基于不同人员的人脸图像的图像质量进行所述筛选时段的综合图像质量的确定,并结合所述筛选时段的综合核验准确率确定所述筛选时段不属于问题识别时段时,进入下一步骤;
获取所述门锁装置的剩余电量以及门锁装置在所述筛选时段的不同人员的人脸图像的获取数据,并结合所述筛选时段的综合图像质量以及综合核验准确率确定所述筛选时段是否需要进行人脸图像的识别限制以及识别限制方式
根据门锁装置在所述筛选时段的不同人员的人脸图像的获取数据确定在所述筛选时段的不同人员的人脸图像的获取数量,基于不同人员的人脸图像的获取数量确定所述门锁装置在所述筛选时段的人脸图像的推测获取数量;
基于所述门锁装置在所述筛选时段的人脸图像的推测获取数量以及所述门锁装置的剩余电量确定所述门锁装置在所述筛选时段的预测工作时长,并通过所述预测工作时长确定所述筛选时段的识别限制的图像质量限定值以及核验准确率限定值;
判断所述筛选时段的综合图像质量与所述图像质量限定值的比值以及综合核验准确率与核验准确率限定值的比值是否均满足要求,若是,则确定所述筛选时段不需要进行人脸图像的识别限制,若否,则进入下一步骤;
根据所述筛选时段的综合图像质量与所述图像质量限定值的比值以及综合核验准确率与核验准确率限定值的比值的最小值所对应的预测区间进行识别限制方式的确定。
通过以上实施例,本发明取得以下有益效果:
1、根据不同人员的人脸图像的核验数据确定不同人员在不同时段的身份核验准确率以及不同人员的识别困难时段,从而实现了从人脸图像的身份核验的准确率的角度对不同人员的识别困难时段的筛选,进而为可能存在图像质量不佳的时段的筛选奠定了基础,提升了问题识别时段的判断处理的效率。
2、基于筛选时段的综合图像质量以及综合核验准确率进行问题识别时段的判断,从而实现了从筛选时段的图像质量以及身份核验的准确率两个角度对识别不可靠的问题识别时段的筛选,避免了在识别不可靠的问题识别时段进行人脸识别造成的电能损耗过大的技术问题,提升了门锁装置的使用可靠性。
3、基于剩余电量、人脸图像的获取数据、综合图像质量以及综合核验准确率确定筛选时段是否需要进行人脸图像的识别限制以及识别限制方式,既考虑到不同的筛选时段由于识别可靠性的差异造成的电能损耗的差异,同时还考虑到由于门锁装置的剩余电量以及在所述筛选时段的人脸图像的获取频繁度的差异对门锁装置的电能消耗的影响,从而保证了门锁装置的使用可靠性。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种基于人脸信息的身份核验方法,其特征在于,具体包括:
通过门锁装置进行不同人员的人脸图像的获取,并根据不同人员的人脸图像的核验数据确定不同人员在不同时段的身份核验准确率以及不同人员的识别困难时段;
根据不同人员的识别困难时段进行筛选时段的确定,获取不同的筛选时段的不同人员的身份核验准确率,并结合不同的筛选时段被认定为识别困难时段的人员数据确定不同的筛选时段的综合核验准确率,基于所述综合核验准确率确定所述筛选时段不属于问题识别时段时,进入下一步骤;
获取在所述筛选时段的不同人员的人脸图像的图像质量,并基于不同人员的人脸图像的图像质量进行所述筛选时段的综合图像质量的确定,并结合所述筛选时段的综合核验准确率确定所述筛选时段不属于问题识别时段时,进入下一步骤;
获取所述门锁装置的剩余电量以及门锁装置在所述筛选时段的不同人员的人脸图像的获取数据,并结合所述筛选时段的综合图像质量以及综合核验准确率确定所述筛选时段是否需要进行人脸图像的识别限制以及识别限制方式。
2.如权利要求1所述的基于人脸信息的身份核验方法,其特征在于,所述人脸图像根据所述门锁装置的摄像模块进行获取。
3.如权利要求1所述的基于人脸信息的身份核验方法,其特征在于,所述人脸图像的核验数据包括人脸图像的身份核验次数以及不同的身份核验次数的身份核验结果。
4.如权利要求1所述的基于人脸信息的身份核验方法,其特征在于,所述识别困难时段的确定的方法为:
根据所述人员在特定时段的人脸图像的核验数据进行所述人员在特定时段的人脸图像的身份核验次数的确定,并结合所述人员在特定时段的人脸图像的身份核验失败次数进行所述人员在特定时段的基础身份核验准确率的确定;
根据预设时长将所述人员的人脸图像的身份核验次数进行群组的划分得到所述人员在特定时段的尝试身份验证次数,并结合不同的尝试身份验证次数的身份核验次数以及身份验证结果确定所述人员在特定时段的验证准确率;
基于特定时段的验证准确率以及基础身份核验准确率确定所述人员在特定时段的身份核验准确率,并通过所述身份核验准确率确定所述特定时段是否为识别困难时段。
5.如权利要求1所述的基于人脸信息的身份核验方法,其特征在于,根据不同人员的识别困难时段进行筛选时段的确定,具体包括:
根据不同人员的识别困难时段进行不同的识别困难时段的对应时段的确定,并将所述对应时段作为筛选时段。
6.如权利要求1所述的基于人脸信息的身份核验方法,其特征在于,所述筛选时段的综合核验准确率的确定的方法为:
基于不同人员的身份核验准确率进行所述人员中的验证可靠人员和验证偏差人员的确定,并分别根据验证可靠人员的数量以及身份核验准确率、验证偏差人员的数量以及身份核验准确率确定所述验证可靠人员的综合核验准确率以及验证偏差人员的综合核验准确率;
分别获取不同的验证可靠人员的人脸图像的身份核验次数以及验证偏差人员的人脸图像的身份核验次数,并根据验证可靠人员的人脸图像的身份核验次数以及验证偏差人员的人脸图像的身份核验次数进行验证可靠人员的权重值以及验证偏差人员的权重值的确定,并结合所述证可靠人员的综合核验准确率以及验证偏差人员的综合核验准确率确定所述筛选时段的核验准确率;
获取所述筛选时段被认定为识别困难时段的人员数量以及不同的筛选时段被认定为识别困难时段的人员的人脸图像的身份核验次数,并结合所述筛选时段的核验准确率确定所述筛选时段的综合核验准确率。
7.如权利要求1所述的基于人脸信息的身份核验方法,其特征在于,当所述筛选时段为问题识别时段时,则暂不通过人脸图像信息进行人员的身份核验,并通过其它的身份验证手段进行所述人员的身份核验。
8.如权利要求1所述的基于人脸信息的身份核验方法,其特征在于,结合所述筛选时段的综合核验准确率确定所述筛选时段不属于问题识别时段,具体包括:
通过不同人员在所述筛选时段的人脸图像的获取数据进行不同人员在所述筛选时段的人脸图像的获取数量的确定,并结合不同人员在所述筛选时段的图像质量不满足要求的人脸图像的数量以及不同的人脸图像的图像质量确定不同人员的人脸图像的综合图像质量;
基于不同人员的人脸图像的综合图像质量以及不同人员在所述筛选时段的人脸图像的获取数量确定所述筛选时段的时段图像质量;
根据所述筛选时段的时段图像质量以及综合核验准确率确定所述筛选时段的时段综合评估量,基于所述时段综合评估量确定所述筛选时段是否属于问题识别时段。
9.如权利要求1所述的基于人脸信息的身份核验方法,其特征在于,确定所述筛选时段是否需要进行人脸图像的识别限制,具体包括:
获取所述门锁装置的剩余电量以及门锁装置在所述筛选时段的不同人员的人脸图像的获取数据,并结合所述筛选时段的综合图像质量以及综合核验准确率确定所述筛选时段是否需要进行人脸图像的识别限制以及识别限制方式
根据门锁装置在所述筛选时段的不同人员的人脸图像的获取数据确定在所述筛选时段的不同人员的人脸图像的获取数量,基于不同人员的人脸图像的获取数量确定所述门锁装置在所述筛选时段的人脸图像的推测获取数量;
基于所述门锁装置在所述筛选时段的人脸图像的推测获取数量以及所述门锁装置的剩余电量确定所述门锁装置在所述筛选时段的预测工作时长,并通过所述预测工作时长确定所述筛选时段的识别限制的图像质量限定值以及核验准确率限定值;
判断所述筛选时段的综合图像质量与所述图像质量限定值的比值以及综合核验准确率与核验准确率限定值的比值是否均满足要求,若是,则确定所述筛选时段不需要进行人脸图像的识别限制,若否,则进入下一步骤;
根据所述筛选时段的综合图像质量与所述图像质量限定值的比值以及综合核验准确率与核验准确率限定值的比值的最小值所对应的预测区间进行识别限制方式的确定。
10.一种计算机系统,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行权利要求1-9任一项所述的一种基于人脸信息的身份核验方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410136138.8A CN117690179B (zh) | 2024-01-31 | 2024-01-31 | 一种基于人脸信息的身份核验方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410136138.8A CN117690179B (zh) | 2024-01-31 | 2024-01-31 | 一种基于人脸信息的身份核验方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117690179A true CN117690179A (zh) | 2024-03-12 |
CN117690179B CN117690179B (zh) | 2024-04-26 |
Family
ID=90135585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410136138.8A Active CN117690179B (zh) | 2024-01-31 | 2024-01-31 | 一种基于人脸信息的身份核验方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117690179B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201673542U (zh) * | 2010-05-12 | 2010-12-15 | 泰豪科技股份有限公司 | 人脸识别多门禁智能群控装置 |
US20130208953A1 (en) * | 2010-08-24 | 2013-08-15 | Hanwang Technology Co Ltd | Human facial identification method and system, as well as infrared backlight compensation method and system |
CN107122644A (zh) * | 2017-04-12 | 2017-09-01 | 广东欧珀移动通信有限公司 | 生物密码识别模式的切换方法和移动终端 |
CN110008903A (zh) * | 2019-04-04 | 2019-07-12 | 北京旷视科技有限公司 | 人脸识别方法、装置、系统、存储介质和人脸支付方法 |
CN112509181A (zh) * | 2020-10-30 | 2021-03-16 | 广东亚太天能科技股份有限公司 | 一种智能门锁及智能门锁的识别方式切换方法 |
WO2021072673A1 (zh) * | 2019-10-16 | 2021-04-22 | 中新智擎科技有限公司 | 一种用户身份识别方法、装置及电子设备 |
CN113780212A (zh) * | 2021-09-16 | 2021-12-10 | 平安科技(深圳)有限公司 | 用户身份核验方法、装置、设备及存储介质 |
CN115862196A (zh) * | 2022-11-23 | 2023-03-28 | 德施曼机电(中国)有限公司 | 一种基于智能锁的身份核验方法、装置及智能锁 |
CN116012990A (zh) * | 2022-11-30 | 2023-04-25 | 泰康保险集团股份有限公司 | 一种身份核验的方法、装置及设备 |
CN116233619A (zh) * | 2023-04-27 | 2023-06-06 | 北京城建智控科技股份有限公司 | 一种应用于人脸识别的补光控制方法 |
CN116805436A (zh) * | 2023-05-22 | 2023-09-26 | 深圳市有方科技股份有限公司 | 一种智能门禁、控制系统及控制方法 |
-
2024
- 2024-01-31 CN CN202410136138.8A patent/CN117690179B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201673542U (zh) * | 2010-05-12 | 2010-12-15 | 泰豪科技股份有限公司 | 人脸识别多门禁智能群控装置 |
US20130208953A1 (en) * | 2010-08-24 | 2013-08-15 | Hanwang Technology Co Ltd | Human facial identification method and system, as well as infrared backlight compensation method and system |
CN107122644A (zh) * | 2017-04-12 | 2017-09-01 | 广东欧珀移动通信有限公司 | 生物密码识别模式的切换方法和移动终端 |
CN110008903A (zh) * | 2019-04-04 | 2019-07-12 | 北京旷视科技有限公司 | 人脸识别方法、装置、系统、存储介质和人脸支付方法 |
WO2021072673A1 (zh) * | 2019-10-16 | 2021-04-22 | 中新智擎科技有限公司 | 一种用户身份识别方法、装置及电子设备 |
CN112509181A (zh) * | 2020-10-30 | 2021-03-16 | 广东亚太天能科技股份有限公司 | 一种智能门锁及智能门锁的识别方式切换方法 |
CN113780212A (zh) * | 2021-09-16 | 2021-12-10 | 平安科技(深圳)有限公司 | 用户身份核验方法、装置、设备及存储介质 |
CN115862196A (zh) * | 2022-11-23 | 2023-03-28 | 德施曼机电(中国)有限公司 | 一种基于智能锁的身份核验方法、装置及智能锁 |
CN116012990A (zh) * | 2022-11-30 | 2023-04-25 | 泰康保险集团股份有限公司 | 一种身份核验的方法、装置及设备 |
CN116233619A (zh) * | 2023-04-27 | 2023-06-06 | 北京城建智控科技股份有限公司 | 一种应用于人脸识别的补光控制方法 |
CN116805436A (zh) * | 2023-05-22 | 2023-09-26 | 深圳市有方科技股份有限公司 | 一种智能门禁、控制系统及控制方法 |
Non-Patent Citations (3)
Title |
---|
MD. RAHATUL ISLAM.ETC: "Real Time-Based Face Recognition, Tracking, Counting, and Calculation of Spent Time of Person Using OpenCV and Centroid Tracker Algorithms", IEEE, 31 December 2023 (2023-12-31) * |
何雨健;张良力;张家财;刘江;: "基于云计算身份识别的危化品实验室门禁系统设计", 计算机测量与控制, no. 07, 25 July 2020 (2020-07-25) * |
赵丹丹;: "人脸识别在视频监控中的应用", 无线互联科技, no. 04, 25 February 2020 (2020-02-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN117690179B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11184583B2 (en) | Audio/video device with viewer | |
US7158657B2 (en) | Face image recording system | |
CN105701885A (zh) | 一种人脸识别门禁系统及其实现方法 | |
CN104268963A (zh) | 一种智能门锁系统及智能门锁、智能报警门 | |
CN106296950A (zh) | 一种基于人脸识别的门禁系统 | |
WO2014139415A1 (zh) | 一种智能门窗防入侵装置以及系统、智能门禁系统 | |
CN110414376B (zh) | 更新人脸识别模型的方法、人脸识别相机及服务器 | |
WO2021082548A1 (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
CN112734988A (zh) | 一种智能门锁的胁迫开锁的判断与报警系统及其方法 | |
US11164435B1 (en) | Audio/video recording and communication doorbell devices with supercapacitors | |
US10733857B1 (en) | Automatic alteration of the storage duration of a video | |
CN110991249A (zh) | 人脸检测方法、装置、电子设备及介质 | |
CN106586731A (zh) | 一种访客识别系统、方法以及一种猫眼 | |
CN117690179B (zh) | 一种基于人脸信息的身份核验方法与系统 | |
Saraf et al. | Automated door access control system using face recognition | |
CN109285260A (zh) | 一种闸机控制方法及装置 | |
KR100787005B1 (ko) | 카메라를 내장한 비접촉식 카드 리더기를 이용한 출입통제시스템과 출입통제 방법 | |
CN110020587B (zh) | 识别系统智能提速的方法、系统、装置、设备和计算机可读介质 | |
CN116416665A (zh) | 基于安防系统的人脸识别方法、装置及存储介质 | |
CN116052074A (zh) | 违规行为监控方法、装置、计算机设备和存储介质 | |
CN112669501B (zh) | 一种门禁控制方法、设备和计算机可读存储介质 | |
Doshi et al. | A Smart Door Lock Security System using Internet of Things | |
US10867022B2 (en) | Method and apparatus for providing authentication using voice and facial data | |
CN112669506A (zh) | 基于生物特征识别的电子门牌装置及门禁管理方法 | |
CN111311792A (zh) | 智能锁验证系统及其方法 |
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 |