CN1352436A - 实时脸部识别系统 - Google Patents
实时脸部识别系统 Download PDFInfo
- Publication number
- CN1352436A CN1352436A CN 00132461 CN00132461A CN1352436A CN 1352436 A CN1352436 A CN 1352436A CN 00132461 CN00132461 CN 00132461 CN 00132461 A CN00132461 A CN 00132461A CN 1352436 A CN1352436 A CN 1352436A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- module
- identification system
- intrinsic
- 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
Abstract
一种实时脸部识别系统,包含有:一用以撷取所述使用者的头部图像的摄像机、一用以存储多个脸部图像做为参考比对之用的存储装置、一用以从所述头部图像中检测出脸部图像的脸部检测装置、一用以从所述脸部图像中检测出多个脸部特征,并将每一所述脸部特征转换至本征空间以成为一本征向量的脸部特征检测装置和一脸部识别装置,用以计算所述脸部特征的本征向量及存储装置所存储的本征脸部的相似程度,并根据所述相似程度给出信心指数。
Description
本发明涉及一种实时脸部识别系统，特别是关于一种利用使用者的面貌进行脸部识别的实时脸部识别系统及其识别方法。
在这个电子商务蓬勃发展的时代，互联网成为主要的信息流通渠道。越来越多的商业交易将在网络上完成，电子商务将会成为未来商业交易的主要模式。因此，如何做好电子商务的交易安全及网络身份管理，是未来企业的发展中一项非常重要的课题。
目前最普遍使用的网络交易的安全管理方式是使用密码，凡是提款卡及互联网上的交易都使用密码来作为身份的识别。然而，使用密码的机制有其先天上的漏洞。密码容易被偷窥及盗取，数据更可能被不法份子所复制，事后追查相当不易。因此，近年来许多研究致力于发展新的身份识别方法，以改善网络交易的安全。
目前生物识别系统的发展已经相当成熟，包括指纹、语音、甚至虹膜识别等等的生物识别机制都已被开发出来。然而，这些生物识别系统所需的设备都很昂贵且操作不易，且事后难以追踪，难以被广泛应用于电子商务的网络交易中。在诸多生物识别系统中，脸部识别是较为可行的作法，使用端仅需要一部摄像机配合系统的软件即可操作，除了设备的成本远低于指纹、语音、和虹膜等等识别方法外，在操作上也简单许多，在许多研究中显示，人的眼睛、鼻子、嘴角、外观轮廓等皆可作为脸部识别之用。其中，美国专利第5,331,544号、第5,012,522号和第4,975,960号揭露的图像数据处理的数字化方法。美国专利第5,274,714号揭露一种用以进行数字化处理的画面攫取器(framegrabber)，并将其应用在类神经网络上。美国专利第5,263,097和第5,255,347号揭露一种脸部特征撷取的方法，并将其应用在类神经网络上。然而，上述的技术皆有其存在的问题。其中部分技术撷取脸部特征的步骤相当的繁杂；部分技术因需要处理大量的计算，而大幅减缓系统的操作速率。再者，大多数的现有技术并无法提供脸部图像的大小、倾斜及旋转的不变性，致使使用者必须将他/她的头部放于一固定的位置才能进行图像识别。部分技术因需要处理大量的数据，因此需要存储量相当大的存储媒体。因此，发展出一种能克服上述缺点的脸部图像识别系统，便成为一顼非常重要的问题。
另外，叶尔良先生在其美国那鲁大学的博士论文《ph.D.Thesis“Vision-Based Place Recognition for Mobile Robot”by Erliang Yeh，YaleUniversity，New Haven，USA in 1997》中，揭露了一种适用于活动的机械人(mobile robots)的位置识别方法。在此论文中，空间的位置是由一组在不同位置不同角度所拍摄的位置图像所组成。藉由局限条件的搜寻和空间几何的不变性，空间的位置便可藉由点和线的吻合程度来进行识别。此种三度空间的物体的识别方法将成为相当强而有力的脸部识别的方法。
本发明的主要目的是提供一种实时脸部识别系统，利用使用者的面貌进行脸部识别。
本发明的次要目的是提供一种实时脸部识别的方法，利用使用者的面貌进行脸部识别。
本发明的实时脸部识别系统是这样实现的：一种实时脸部识别系统，利用使用者的面貌进行脸部识别，其特征在于：所述系统包含有：a.一图像输入装置，用以撷取所述使用者的头部图像；b.一存储装置，用以存储多个脸部图像做为参考比对之用；其中所存储的脸部图像被预先转换至数学的本征空间，以本征脸部的形式存储在所述存储装置中；c.一脸部检测装置，耦合至所述图像输入装置，用以从所述头部图像中检测出脸部图像的位置；d.一脸部特征检测装置，耦合至所述脸部检测装置，用以从所述脸部图像中检测出多个脸部特征，并将每一所述脸部特征转换至本征空间，以成为一本征向量；以及e.一脸部识别装置，用以计算所述脸部特征的本征向量及该存储装置所存储的本征脸部的相似程度，并根据所述相似程度给出信心指数。
所述存储装置是由一本征脸部数据库和一本征脸部特征数据库所组成。
所述输入装置是由一摄像机和一图像驱动器所组成，以得到所述头部图像的RGB(红色、绿色、蓝色)的原始数据。
所述脸部检测装置是由一输入模组所驱动。
所述输入模组是一耦合至所述脸部识别系统的鼠标。
所述脸部检测装置更包含一移动检测模组，用以追踪图像中移动的部分，以辅助脸部图像的检测。
所述移动检测模组包含一空间-时间过滤模组，以凸显图像中随时间变化的部分，所述空间-时间过滤模组利用一红色差异模组、一绿色差异模组、一蓝色差异模组，以及一肤色差异模组来执行多幅连续图像之间的差异的计算，以确认出移动的物体，其中所述的红色差异模组是用以计算连续图像之间红色的差异；所述绿色差异模组是用以计算连续图像之间绿色的差异；所述蓝色差异模组是用以计算连续图像之间蓝色的差异；以及所述肤色差异模组是用以计算连续图像之间肤色的差异。
所述脸部图像更接受一正规化步骤，以校准脸部图像的明暗及对比。
所述脸部图像更接受一正规化步骤以校准脸部图像的大小、倾斜、及旋转差异。
所述计算所述脸部特征的本征向量及存储装置所存储的本征脸部的相似程度的步骤，是以本征哈得码转换演算法或本征首要成分分析法所完成。
本发明揭露一种脸部识别系统，利用使用者的面貌进行脸部识别，所述系统包含有：一摄像机、一参考数据库、一脸部检测装置、一脸部特征检测装置和一脸部识别装置。所述摄像机是用以撷取所述使用者的头部图像。所述参考数据库是用于存储多个脸部图像做为参考比对之用；其中所存储的脸部图像被预先转换至数学的本征空间，以本征脸部的形式存储在所述的参考数据库中。所述脸部检测装置，是用以从所述头部图像中检测出脸部图像。所述脸部特征检测装置是用于从所述脸部图像中检测出多个脸部特征，并将每一所述的脸部特征转换至本征空间，以成为一本征向量。所述脸部识别装置是用以计算所述脸部特征的本征向量及参考数据库所存储的本征脸部的相似程度，并根据所述相似程度给出信心指数。
所述参考数据库是由一本征脸部数据库(Invariant face database)和一本征脸部特征数据库(Invariant facial features database)所组成，用以存储多个脸部图像作为参考比对之用。所存储的脸部图像被预先转换至数字的本征空间(Invariant space)，以本征脸部(Invariant faces)的形式存储在所述参考数据库中。
本发明中训练脸部识别系统的方法是首先利用摄像机拍摄众多的参考验部图像，以建立一脸部数据库。接着利用手动的解析方法确定多个脸部特征的位置，并由系统自动地将脸部及其多个特征予以定位。接下来，系统自动地进行一正规化(normalization)步骤以调整脸部图像的明暗及对比，并调整脸部图像的的大小、倾斜和旋转角度。最后，利用本征首要成分分析法(或本征哈得码转换演算法)和KL压缩法将上述参考用的脸部图像的分布予以特征化成本征脸部，以建立所述本征脸部数据库和本征脸部特征数据库。
所述脸部图像更接受一正规化步骤，以校准脸部图像的明暗及对比，并接受一正规化步骤以校准脸部图像的大小、倾斜及旋转差异。
本发明利用本征哈得码转换演算法或本征首要成分分析法计算标准本征向量与存储在所述本征脸合数据库的参考脸部的相似程度，并计算出一信心指数。
图1为本发明的脸部识别系统的功能方块图。
图2为本发明中训练脸部识别系统和进行脸部识别的方法的流程图。
本发明提供一种实时脸部识别系统与脸部识别方法，能快速及准确地进行个人身份的识别。首先请参见图1所示的本发明的脸部识别系统的功能方块图。所述脸部识别系统2包含一摄像机(video camera)4及一电脑6，其中所述摄像机4通常安装在该电脑6上或其附近，用以撷取使用者的头部图像，所述电脑6则用以进行图像处理及数据库管理。
所述电脑6包含一录像模组(video module)8、一脸部检测模组(facedetection module)10、一脸部特征检测模组(facial features detectionmodule)12、一脸部识别模组(face recognition module)14、一参考数据库16、以及一输出/或输入模组18。
所述录像模组8耦合至所述摄像机4，用以接收摄像机4所撷取的使用者的头部图像。所述脸部检测模组10耦合至所述录像模组8，用以在所述头部图像中检测出脸部区域。脸部检测模组10首先检查在所述头部图像中所有可能是脸部区域的物件，再利用本征哈得码转换演算法(Invariant HadamardTransform algorithm)或本征首要成分分析法计算出最可能是脸部区域的物件。
所述参考数据库16是由一本征脸合数据库(Invariant face database)和一本征脸部特征数据库(Invariant facial features database)所组成，用以存储多个脸部图像做为参考比对之用。所存储的脸部图像被预先转换至数学的本征空间(Invariant Space)，以本征脸部(Invariant faces)形式存储在所述参考数据库16中。
所述脸部特征检测模组12耦合至所述脸部检测模组10和参考数据库16，用以将所述脸部检测模组10测得的脸部区域中的多个脸部特征检测出来，并且将每一特征转换为本征空间中的一个本征向量(invariant vector)。所述脸部特征检测模组12所检测的脸部特征包括有眼睛、鼻子、嘴巴、眼角纹路等等特征。
所述脸部识别模组14耦合至所述脸部特征检测模组12和参考数据库16，用以将所测得的脸部特征和存储于本征脸部数据库和本征脸部特征数据库的脸部特征做比对，并且根据比对的结果计算出一信心指数。
为了进行上述脸部识别的工作，所述脸部识别模组14利用一高维度的空间表征，将脸部图像表示成一组本征向量的集合，或称为本征脸部，在本技术中，每一图像可以表示为高维度本征空间中的一个向量，而图像中的每一特征则可对应一个维度。因此所述本征空间的维度与所选取的脸部特征数量有关，若要提高识别的能力，所选取的脸部特征的数量就必须增加，也因此本征空间的维度就必须提高。
如上所述，脸部图像和其他图像一样被表示成本征空间中的向量。然而，脸部图像通常分布在本征空间中的一特定区域。因此，参考用的脸部图像的分布可以利用本征首要成分分析法(Invariant principal component analysis)或本征哈得码转换演算法(Invariant Hadamard Transform)予以特征化成本征脸部(Invariant faces)。
所述输入/输出介面18可以耦合至多个输入或输出的装置，诸如鼠标、显示器、键盘等等。使用者可以通过输入/输出介面18启动脸部识别程序(例如通过一鼠标按键)，之后本发明的脸部识别系统将脸部识别的结果通过所述输入/输出介面18输出至一显示器上。
接下来请参见图2所示的本发明中训练(train)脸部识别系统和进行脸部识别的方法的流程图。首先，利用摄像机4撷取使用者的头部图像(步骤200)之后，利用脸部检测模组10从所述头部图像中检测出脸部图像的位置(步骤201)，再利用脸部特征检测模组12从所述脸部图像中检测出多个脸部特征(步骤202)。接下来，系统自动地进行一正规化(normalization)步骤，以调整脸部图像的明暗及对比，并调整脸部图像的大小、倾斜、和旋转角度(步骤203)，后续再利用脸部识别模组14将所述脸部图像转换成本征脸部(步骤204)。在针对本发明的脸部识别系统进行训练的过程中，首先进行一训练的步骤(步骤205)，进而得到一本征脸部数据库以及一本征脸部特征数据库(步骤206)。其中在所述本征脸合数据库中，所有的脸部图像都被转换至本征空间；在所述本征脸部特征数据库中，所有的脸部特征也都被转换至本征空间，以(X1，X2，X3......，Xn)的形式表示，其中n代表脸部特征的总数。在另一方面，当本发明的脸部识别系统进行脸部识别时，所述脸部识别模组14是以一识别函数[/(X1，X2，X3......Xn)＝常数]来进行脸部的识别(步骤207)
本发明进行脸部识别的方法，是应用叶尔良先生在美国耶鲁大学的博士论文《ph.D.Thesis“Vision-Based Place Recognition for Mobile Robot”by Erliang Yeh，Yale University，New Haven，USA in 1997》中所揭露的<活动的机械人(mobile robots)的位置识别方法>。如背景说明所述，叶尔良先生在其博士论文中揭露了三度空间物体的识别方法。从一组称为模型M的m个特征中，可以建立一实数的识别函数I(a)，其中a是脸部图像中的一个向量。图像识别的过程是从任一视角求取识别函数I(a)为零的图像。因此，针对具有n个特征的图像，识别模型M的方法是挑选所有(n取m)的子集合，再求取识别函数I(a)的值，其中识别函数I(a)的绝对值中最小的一组子集合即为识别所得的脸部。
在本发明的一个实施例中，所述脸部识别系统必须历经一个训练(train)的步骤。首先，利用摄像机拍摄众多的参考脸部图像以建立一脸部数据库。接着利用手动的解析方法确定多个脸部特征的位置，并由系统自动地将脸部及其多个特征予以定位。接下来，系统自动地进行一正规化(normalization)步骤以调整脸部图像的明暗及对比，并调整脸部图像的大小、倾斜和旋转角度。最后，利用本征首要成分分析法(或本征哈得码转换演算法)和KL压缩法将上述参考用的脸部图像的分布予以特征化成本征脸部，以建立所述本征脸部数据库和所述本征脸部特征数据库。
在本发明的一个实施例中，撷取脸部图像的方法是将本系统耦合至一摄像机4，其中所述摄像机4的录像模组8是由一录像介面和一软件(如微软公司的VFW(Microsoft’s Video for Windows)所组成。首先利用摄像机撷取脸部图像，之后藉由图像驱动器(video driver)将所述脸部图像传至录像模组。接下来以VFW等软件进行处理，以得到所述脸部图像的RGB(红色、绿色、蓝色)的原始数据。所述脸部图像的撷取可以由系统自动执行，也可以让使用者通过所述输入/输出介面18(例如以鼠标点选)以启动脸部图像的撷取。
在本发明的一个实施例中，启动脸部图像撷取的流程是让摄像机4持续不断地撷取使用者的头部图像，且使用者可以利用鼠标触动所述脸部检测模组10的检测动作。首先，使用者将鼠标移动至预设的位置后轻敲鼠标按键，脸部检测模组10便开始由所述头部图像中检测出脸部区域。之后，检测出的脸部及其多个特征的位置便经由输入/输出介面18显示在显示器上。
所述脸部检测模组的启动步骤并不都是要使用鼠标，其他任何耦合至输入/输出介面18的输入装置，诸如键盘、触控屏幕、声控装置等都可以用来触动脸部检测模组。
在本发明的一个实施例中，在所述脸部检测模组的中更包含一个移动检测模组(motion detection module)，其利用移动检测演算法追踪图像中移动的部分，以辅助脸部图像的检测。在此移动检测模组中，将摄像机所撷取的一系列图像导人一个空间-时间过滤模组(spatio-temporalfiltering module)，以凸显图像中随时间变化的部分。所述空间-时间过滤模组利用一红色差异模组(red-color differencing module)、一绿色差异模组(green-colordifferencing module)、一蓝色差异模组(blue-color differencing module)、以及一肤色差异模组(skin-color differencing module)来执行多幅(二幅或三幅)连续图像之间的差异的计算，以确认出移动的物体。经由所述空间-时间过滤模组的计算后，其输出将移动的脸部标为亮点，而其他没有移动的区域则标为暗点。
所述空间-时间过滤模组的输出端耦合至一临界模组(thresholdingmodule)，其可将图像中移动程度大于一预定量的区域标示为二进位制的移动图像，即为可能是人类脸部的区域。因此，所述移动检测模组可以做为检测脸部区域一个相当好的辅助工具，如果使用者在进行脸部识别的时候稍微摆动脸部，将使所述脸部检测模组的效率更高。在另一方面，当然不是所有移动的物体都是人的脸部，凡是转动中的电风扇、变化万千的电脑屏幕保护程叙等等，都可能被所述移动检测模组认定是移动物体。因此，所述移动检测模组所检测的结果仅能做为脸部检测模组的参考及辅助，最终脸部检测模组还是必须依赖本征哈得码转换演算法(lnvariant Hadamard Transform algorithm)或本征首要成分分析法计算出最可能是脸部区域的物件。
所述移动检测模组首先确定由摄像机所拍摄下来的头部图像是否有移动。若所述头部图像有移动，脸部检测模组的搜寻范围可以局限在移动的物件即可，否则，脸部检测模组便必须对整个头部图像进行搜寻。接着应用多个不同大小的脸部样板(face templates)和所有可能是脸部图像的区域相比对。接下来，将所述可能是脸部图像的区域正规化(normalize)成标准脸部(canonicalface)，再将其转换至所述本征空间。最后，确定最可能是脸部图像的区域。
在本发明的一个实施例中，脸部特征检测模组运作的流程是脸部检测模组首先将所检测出来的脸部图像传送至所述脸部特征检测模组，脸部特征检测模组再针对脸部图像中的每一特征寻得一局部区域。接着应用多个不同大小的脸部特征样板(facial feature templates)和所有脸部特征的图像区域相比对。接下来，将所述脸部特征的图像区域转换至本征空间，对每一特征寻得预定数量的参考特征(例如10个)。最后，应用多个广域限制(global constraints)和局部限制(local constraints)，以求得脸部特征的最佳组合。所述广域限制的例子包含脸部位置及轮廓，而局部限制的例子包含各脸部特征的相对比例和相对位置等等。
在本发明的一个实施例中，在进行正规化的步骤中，为了校准图像的明暗和对比的差异，首先求得脸部图像的亮度的平均值及标准差，并获致一明暗的分布曲线。接着将所述亮度的平均值平移至一预定的亮度位准，以校准脸部图像的亮度。接下来，将所述脸部图像的明暗分布曲线拉长或压缩至一预定的曲线形状，以校准脸部图像的明暗。
本发明所运用的本征演算法包含有旋转不变性、大小不变性、和位置不变性，为了校准图像的大小、倾斜、和旋转角度的差异，将所述脸部图像正规化成预定的大小(例如32像素×48像素)。接着根据特征的位置进行旋转角度的校准，并校准图像的明暗和对比。后续将所述脸部图像的四个角落诸如头发、衣领之处的像素去掉。最后得到脸部图像的标准本征向量。
在本发明的一个实施例中，在得到脸部图像的标准本征向量的后，应用传统的XYI演算法以分析所述标准本征向量。在将所述标准本征向量转换至所述本征空间之后，利用高维高斯分析等方法造行统计分析。最后，利用本征哈得码转换演算法或本征首要成分分析法计算所述标准本征向量与存储在所述本征脸部数据库的参考脸部的相似程度，并计算出一信心指数。
以上所述为本发明的主要架构及方法的实施例，本发明并不局限于上述的揭露条件，然而熟悉该项技艺的人员可以在本发明的精神下作一均等替换或变更，应仍受限于本发明。
Claims (10)
1、一种实时脸部识别系统，利用使用者的面貌进行脸部识别，其特征在于：所述系统包含有：a.一图像输入装置，用以撷取所述使用者的头部图像；b.一存储装置，用以存储多个脸部图像做为参考比对之用；其中所存储的脸部图像被预先转换至数学的本征空间，以本征脸部的形式存储在所述存储装置中；c.一脸部检测装置，耦合至所述图像输入装置，用以从所述头部图像中检测出脸部图像的位置；d.一脸部特征检测装置，耦合至所述脸部检测装置，用以从所述脸部图像中检测出多个脸部特征，并将每一所述脸部特征转换至本征空间，以成为一本征向量；以及e.一脸部识别装置，用以计算所述脸部特征的本征向量及该存储装置所存储的本征脸部的相似程度，并根据所述相似程度给出信心指数。
2、如权利要求1所述的实时脸部识别系统，其特征在于：所述存储装置是由一本征脸部数据库和一本征脸部特征数据库所组成。
3、如权利要求1所述的实时脸部识别系统，其特征在于：所述输入装置是由一摄像机和一图像驱动器所组成，以得到所述头部图像的RGB(红色、绿色、蓝色)的原始数据。
4、如权利要求1所述的实时脸部识别系统，其特征在于：所述脸部检测装置是由一输入模组所驱动。
5、如权利要求4所述的实时脸部识别系统，其特征在于：所述输入模组是一耦合至所述脸部识别系统的鼠标。
6、如权利要求1所述的实时脸部识别系统，其特征在于：所述脸部检测装置更包含一移动检测模组，用以追踪图像中移动的部分，以辅助脸部图像的检测。
7、如权利要求6所述的实时脸部识别系统，其特征在于：所述移动检测模组包含一空间-时间过滤模组，以凸显图像中随时间变化的部分，所述空间-时间过滤模组利用一红色差异模组、一绿色差异模组、一蓝色差异模组，以及一肤色差异模组来执行多幅连续图像之间的差异的计算，以确认出移动的物体，其中所述的红色差异模组是用以计算连续图像之间红色的差异；所述绿色差异模组是用以计算连续图像之间绿色的差异；所述蓝色差异模组是用以计算连续图像之间蓝色的差异；以及所述肤色差异模组是用以计算连续图像之间肤色的差异。
8、如权利要求1所述的实时脸部识别系统，其特征在于：所述脸部图像更接受一正规化步骤，以校准脸部图像的明暗及对比。
9、如权利要求1所述的实时脸部识别系统，其特征在于：所述脸部图像更接受一正规化步骤，以校准脸部图像的大小、倾斜、及旋转差异。
10、如权利要求1所述的实时脸部识别系统，其特征在于：所述计算所述脸部特征的本征向量及存储装置所存储的本征脸部的相似程度的步骤，是以本征哈得码转换演算法或本征首要成分分析法所完成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 00132461 CN1352436A (zh) | 2000-11-15 | 2000-11-15 | 实时脸部识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 00132461 CN1352436A (zh) | 2000-11-15 | 2000-11-15 | 实时脸部识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1352436A true CN1352436A (zh) | 2002-06-05 |
Family
ID=4595181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 00132461 Pending CN1352436A (zh) | 2000-11-15 | 2000-11-15 | 实时脸部识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1352436A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1306456C (zh) * | 2002-12-13 | 2007-03-21 | 佳能株式会社 | 图像处理方法和装置 |
| CN1319013C (zh) * | 2005-03-16 | 2007-05-30 | 沈阳工业大学 | 一种人脸和耳特征组合识别方法 |
| CN1319014C (zh) * | 2005-03-16 | 2007-05-30 | 沈阳工业大学 | 一种基于耳廓几何参数的个人身份鉴别方法 |
| CN1320490C (zh) * | 2002-11-29 | 2007-06-06 | 索尼英国有限公司 | 脸部检测及跟踪 |
| CN100383806C (zh) * | 2006-06-08 | 2008-04-23 | 上海交通大学 | 基于鲁棒位置保留映射的人脸识别方法 |
| CN100389600C (zh) * | 2004-10-18 | 2008-05-21 | 欧姆龙株式会社 | 摄像装置及摄像方法 |
| CN100418106C (zh) * | 2003-12-29 | 2008-09-10 | 佳能株式会社 | 用于检测人脸的方法和设备 |
| CN100466685C (zh) * | 2003-01-07 | 2009-03-04 | 奥林巴斯株式会社 | 信息设备和便携式信息装置 |
| CN101510934A (zh) * | 2009-03-20 | 2009-08-19 | 北京中星微电子有限公司 | 一种数码像框及其显示照片的方法 |
| US7912253B2 (en) | 2004-06-28 | 2011-03-22 | Canon Kabushiki Kaisha | Object recognition method and apparatus therefor |
| US8199978B2 (en) | 2007-01-16 | 2012-06-12 | Asustek Computer Inc. | Method for image auto-selection and computer system thereof |
| CN102625081A (zh) * | 2012-02-20 | 2012-08-01 | 华焦宝 | 参观场所目标跟踪方法及系统 |
| CN102750521A (zh) * | 2012-06-05 | 2012-10-24 | 广东智华计算机科技有限公司 | 一种基于人脸的身份识别系统 |
| CN103729901A (zh) * | 2012-10-12 | 2014-04-16 | 成都掌握移动信息技术有限公司 | 一种基于人脸识别的刷卡机 |
| CN105147264A (zh) * | 2015-08-05 | 2015-12-16 | 上海理工大学 | 诊疗系统 |
| WO2016026063A1 (en) * | 2014-08-21 | 2016-02-25 | Xiaoou Tang | A method and a system for facial landmark detection based on multi-task |
| CN113553995A (zh) * | 2019-05-29 | 2021-10-26 | Oppo广东移动通信有限公司 | 校准方法及相关设备 |
-
2000
- 2000-11-15 CN CN 00132461 patent/CN1352436A/zh active Pending
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1320490C (zh) * | 2002-11-29 | 2007-06-06 | 索尼英国有限公司 | 脸部检测及跟踪 |
| CN1306456C (zh) * | 2002-12-13 | 2007-03-21 | 佳能株式会社 | 图像处理方法和装置 |
| CN100466685C (zh) * | 2003-01-07 | 2009-03-04 | 奥林巴斯株式会社 | 信息设备和便携式信息装置 |
| CN100418106C (zh) * | 2003-12-29 | 2008-09-10 | 佳能株式会社 | 用于检测人脸的方法和设备 |
| CN1977286B (zh) * | 2004-06-28 | 2011-09-14 | 佳能株式会社 | 对象识别方法及其设备 |
| US7912253B2 (en) | 2004-06-28 | 2011-03-22 | Canon Kabushiki Kaisha | Object recognition method and apparatus therefor |
| CN100389600C (zh) * | 2004-10-18 | 2008-05-21 | 欧姆龙株式会社 | 摄像装置及摄像方法 |
| CN1319014C (zh) * | 2005-03-16 | 2007-05-30 | 沈阳工业大学 | 一种基于耳廓几何参数的个人身份鉴别方法 |
| CN1319013C (zh) * | 2005-03-16 | 2007-05-30 | 沈阳工业大学 | 一种人脸和耳特征组合识别方法 |
| CN100383806C (zh) * | 2006-06-08 | 2008-04-23 | 上海交通大学 | 基于鲁棒位置保留映射的人脸识别方法 |
| US8199978B2 (en) | 2007-01-16 | 2012-06-12 | Asustek Computer Inc. | Method for image auto-selection and computer system thereof |
| CN101510934B (zh) * | 2009-03-20 | 2014-02-12 | 北京中星微电子有限公司 | 一种数码像框及其显示照片的方法 |
| CN101510934A (zh) * | 2009-03-20 | 2009-08-19 | 北京中星微电子有限公司 | 一种数码像框及其显示照片的方法 |
| CN102625081B (zh) * | 2012-02-20 | 2014-12-03 | 华焦宝 | 参观场所目标跟踪方法及系统 |
| CN102625081A (zh) * | 2012-02-20 | 2012-08-01 | 华焦宝 | 参观场所目标跟踪方法及系统 |
| CN102750521A (zh) * | 2012-06-05 | 2012-10-24 | 广东智华计算机科技有限公司 | 一种基于人脸的身份识别系统 |
| CN103729901A (zh) * | 2012-10-12 | 2014-04-16 | 成都掌握移动信息技术有限公司 | 一种基于人脸识别的刷卡机 |
| WO2016026063A1 (en) * | 2014-08-21 | 2016-02-25 | Xiaoou Tang | A method and a system for facial landmark detection based on multi-task |
| CN105147264A (zh) * | 2015-08-05 | 2015-12-16 | 上海理工大学 | 诊疗系统 |
| CN113553995A (zh) * | 2019-05-29 | 2021-10-26 | Oppo广东移动通信有限公司 | 校准方法及相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1352436A (zh) | 实时脸部识别系统 | |
| CA2414743C (en) | System and method for automatically detecting neutral expressionless faces in digital images | |
| Chiang et al. | A novel method for detecting lips, eyes and faces in real time | |
| Huang et al. | Face detection and precise eyes location | |
| US6108437A (en) | Face recognition apparatus, method, system and computer readable medium thereof | |
| Kong et al. | Multiscale fusion of visible and thermal IR images for illumination-invariant face recognition | |
| US6128397A (en) | Method for finding all frontal faces in arbitrarily complex visual scenes | |
| Lu et al. | Face detection and recognition algorithm in digital image based on computer vision sensor | |
| US20030059124A1 (en) | Real-time facial recognition and verification system | |
| Starovoitov et al. | Three approaches for face recognition | |
| Lee et al. | Vasir: an open-source research platform for advanced iris recognition technologies | |
| Kroon et al. | Eye localization in low and standard definition content with application to face matching | |
| Chater et al. | New approach to the identification of the easy expression recognition system by robust techniques (SIFT, PCA-SIFT, ASIFT and SURF) | |
| Li et al. | An efficient face normalization algorithm based on eyes detection | |
| Foresti et al. | Face detection for visual surveillance | |
| KR20040042501A (ko) | 형판 정합 기반 얼굴 검출방법 | |
| Mekami et al. | Towards a new approach for real time face detection and normalization | |
| Schneider et al. | Feature based face localization and recognition on mobile devices | |
| Monwar et al. | A real-time face recognition approach from video sequence using skin color model and eigenface method | |
| Park | Face Recognition: face in video, age invariance, and facial marks | |
| Zhao et al. | Real-time multiple-person tracking system | |
| Kryszczuk et al. | Color correction for face detection based on human visual perception metaphor | |
| Choi et al. | A real-time face recognition system using multiple mean faces and dual mode fisherfaces | |
| Romano et al. | Face verification for real-time applications | |
| Satpute et al. | Attendance management system using face recognition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C06 | Publication | ||
| PB01 | Publication | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1044397 Country of ref document: HK |