ES2296443B1 - Sistema de verificacion facial. - Google Patents
Sistema de verificacion facial. Download PDFInfo
- Publication number
- ES2296443B1 ES2296443B1 ES200500912A ES200500912A ES2296443B1 ES 2296443 B1 ES2296443 B1 ES 2296443B1 ES 200500912 A ES200500912 A ES 200500912A ES 200500912 A ES200500912 A ES 200500912A ES 2296443 B1 ES2296443 B1 ES 2296443B1
- Authority
- ES
- Spain
- Prior art keywords
- image
- detection
- face
- personal
- identification
- 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
- 230000001815 facial effect Effects 0.000 title claims abstract description 13
- 238000012795 verification Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000003909 pattern recognition Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 229910052736 halogen Inorganic materials 0.000 claims description 2
- 150000002367 halogens Chemical class 0.000 claims description 2
- 210000000887 face Anatomy 0.000 description 14
- 239000013598 vector Substances 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000005056 compaction Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001711 saccadic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3263—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving certificates, e.g. public key certificate [PKC] or attribute certificate [AC]; Public key infrastructure [PKI] arrangements
-
- G06K9/00221—
-
- 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
-
- H04L9/3294—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3297—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving time stamps, e.g. generation of time stamps
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
Sistema de verificación facial. La presente invención se refiere a un sistema de verificación facial y a un método para la verificación facial que combina el reconocimiento automático de la cara del individuo con la comprobación de un código personal.
Description
Sistema de verificación facial.
La presente invención se refiere a un sistema de
detección y verificación de la identidad de personas a través de
sus rasgos faciales.
El problema de verificación de caras humanas se
puede sintetizar como la tarea de comprobar si un nombre coincide
con un rostro, utilizando únicamente los rasgos faciales, sin
utilizar otros elementos (voz, huellas dactilares, firma, ADN,
etc.). Además se han definido otros temas relacionados, como son la
identificación del sexo y la edad, la extracción de información
sobre la expresión facial, y la generación de modelos de texturas
para su uso en gráficos (R. Chellappa, C. L. Wilson and S. Sirohey.
Human and Machine Recognition of Faces: A Survey. Proceedings of the
IEEE. Vol. 83. Nº 5. pp 705-740 .May 1995) (Fourth
IEEE International Conference on Automatic Face and Gesture
Recognition. March 26 - 30, Grenoble, France. 2000) (A. J. O'Toole,
H. Abdi, K. A: Deffenbacher, J. C. Bartlett. Classifying faces by
race and sex using an autoassociative memory trained for
recognition. Proc. 13th Annual Conf. Cognitive Sci. Soc. P
847-851. 1991). Varias patentes, o solicitudes de
patentes, hacen referencia al reconocimiento del individuo
basándose en datos biométricos como son: W00334361, EP1085454 o la
JP2001043345.
Los trabajos pioneros en el reconocimiento
automático de caras se pueden remontar al s. XIX y concretamente, a
los trabajos precursores de Francis Galton. En los últimos años se
ha despertado de nuevo el interés por la verificación facial, en la
bibliografía se mencionan los estudios más recientes. La mayoría de
los trabajos basan sus estudios en una serie de puntos de partida,
más o menos explícitos, como son: La imagen suele ser frontal o
perfil, por lo tanto va a ser posible encontrar todos los rasgos en
la imagen. La cara esta derecha, con poca o ninguna inclinación o
giro. No hay ocultamiento de trozos de imagen. El número de casos
de prueba es relativamente pequeño. No aparece vello facial, gafas,
sombreros, etc. La mayor parte de los casos son hombres de raza
blanca.
Casi todos los sistemas mostrados en la
bibliografía utilizan la misma secuencia de etapas para la
identificación o verificación: a.- Determinar un conjunto de
características independientes para representar una cara. b.-
Representar las caras de entrenamiento en función de los valores
que toman en ellas el conjunto de características seleccionado. c.-
Determinar los valores de una cara nueva (desconocida). d.-
Utilizar un criterio y un esquema de correspondencia para encontrar
el mejor emparejamiento con las caras conocidas.
Podemos agrupar los cuatro puntos anteriores en
las tres etapas que se describen a continuación: 1.- Detección de
la cara, 2.- Representación y 3.- Clasificación.
En algunos casos las condiciones bajo las que se
obtiene la imagen son controladas, por ejemplo las fotografías
obtenidas por la policía o las obtenidas en el laboratorio. Por lo
tanto la localización de la cara en la escena puede ser fácilmente
determinada. En otros casos la localización de la cara en la imagen
no es conocida a priori. El primer paso, por lo tanto es
determinar si en la escena hay caras y si una cara está presente,
localizarla en la imagen.
Varios factores tornan este problema complejo.
Uno de ellos es el problema del vello facial (bigote, barba, etc.),
maquillaje, etc. que enmascaran las características faciales. Otro
es la variación en la escala y orientación de la cara en la imagen.
Por último, existen otros dos factores que van a dificultar la
detección: la iluminación que tenga la escena y la calidad de las
imágenes.
La mayoría de los métodos de detección de caras
se basan en plantillas flexibles, autocaras (basadas en el Análisis
de Componentes Principales: PCA), redes neuronales o en el color de
la cara.
A continuación se mencionan algunos de los
trabajos más recientes que tratan el tema. Se remite al lector a la
bibliografía, en particular a las revisiones E. Hjelm, B. K. Low.
Face detection: a survey. Computer vision and image understanding. V
83, P 236-274. Sept 2001 y M. H. Yang, N. Ahuja, D.
Kriegman. Detecting faces in images: a survey. IEEE Transactions on
Pattern Analysis and Machine Intelligence. Vol 24, N 1. p
34-58. Jan. 2001, para una discusión en detalle de
los diversos algoritmos propuestos.
Partiendo de imágenes foveadas (imágenes a las
que se les ha aplicado la transformada log-polar),
F. Jurie (F. Jurie. A new log-polar mapping for
space invariant imaging. Application to face deteccion and
tracking. Pattern Recognition. Vol 32. P 865-875.
1999) utiliza autocaras y un análisis multidimensional del
histograma de color para detectar la cara y hacer su seguimiento.
Afirma que el sistema es capaz de funcionar durante horas sin
ningún error, pero sólo muestra resultados gráficos en un caso y no
describe la base de datos ni cómo se comporta el sistema frente a
cambios de luz, fondo, aparición de varias caras, etc. Las mismas
técnicas las usa Koh et al. (L. H. Koh, S. Ranganath, M. W.
Lee, Y. V. Venkatesth. An integrated face detection and recognition
system. 10 ICIAP. P 532-537. 1999) para detectar la
cara y para el posterior reconocimiento utilizando una red
neuronal.
Empleando el mismo tipo de imágenes, Smeraldi
et al. (F. Smeraldi, O. Carmona, J. Bigün. Saccadic search
with Gabor features applied to eye detection and
real-time head tracking. Image and Vision
Computing. Num 18. P 323-329. 2000) utilizan la
transformada de Gabor para seguir el movimiento de la cabeza y
detectar los ojos de una cara. Otros estudios (J. Zhou, C. Zhang,
Y. Li. Directional symmetry transform for human face location. Opt.
Eng. Vol 38. Num 12. P 2114-2117. Dec. 1999) buscan
la detección de rasgos en la cara, por ejemplo ojos para, a partir
de esos rasgos, localizar la cara completamente. Otras veces será
el contorno de la cara (A. Samal, P. A. Iyengar. Human face
detection using silhouettes. Int. Journal of Pattern Recognition
and Artificial Intelligence. Vol. 9. N. 6. P.
845-867. 1995). Ver también la solicitud de patente
US2003/0086593A1.
En E. Viennet, F. F. Soulié. Connectionist
Methods for Human Face Processing. In Face Recognition: from theory
to applications. Springer Verlag. H. Wechsler et al., Eds.
P. 124-156. 1998, se describe la aplicación de una
mezcla de redes neuronales (y su mejora con Máquinas de Soporte
Vector: SVM) para detectar caras en entornos cerrados. El proceso
se realiza variando la resolución de la imagen con el fin de
compensar los cambios en la escala de las caras. Recientemente
celebrado, en [FG00] aparecen más de una veintena de artículos
relativos a la detección de la cara. Especial interés merecen los
dedicados a la detección de una cara partiendo del color de la piel
(el cual es invariante en condiciones de iluminación controladas,
sólo dependiendo de la raza del sujeto).
Una vez completada la detección, debemos extraer
de la cara información numérica que nos permita verificar si
coincide con la información almacenada del sujeto. Para ello,
debemos extraer una serie de características de la cara de forma
numérica, compacta y que nos permita la verificación, es decir,
debemos representar la cara codificándola numéricamente según un
esquema pre-establecido. Según las características
que se quieran extraer o identificar, así será la
representación.
Las representaciones más utilizadas son:
\bullet Imágenes como matrices bidimensionales
de niveles de gris.
\bullet Vectores de características.
El primer caso necesita una compactación de la
información cuando el número de imágenes es elevado. Se ha puesto
en evidencia que imágenes de 32 x 32 pixeles con 4 bits por pixel
son suficientes para identificar a un sujeto. Ejemplos de esta
representación son los métodos basados en compactación usando PCA
(Análisis de Componentes Principales), Fisherfaces y redes
neuronales.
En el segundo caso se han usado características
bidimensionales o tridimensionales, basándose en modelos de la
cara. Se engloban en esta categoría los trabajos centrados en
emparejamiento de plantillas flexibles, jets de Gabor, y demás
técnicas que van a ser descritas en los apartados siguientes.
Identificar consiste en el proceso de asociar un
nombre a un rostro. Verificar se define como la tarea de comprobar
si un nombre coincide con un rostro. El primer paso es seleccionar
cómo se va a realizar la identificación. Para ello en la
bibliografía se han empleado distintas técnicas; las más usadas
son: redes neuronales, correspondencia de plantillas y
autocaras.
Todos estos métodos toman como hipótesis de
partida el hecho de que para un rostro, los valores de las
características que lo definen no varían mucho en diferentes
imágenes. Es más, si un conjunto de características es muy diferente
en dos imágenes los rostros correspondientes serán también
diferentes.
Hay que tener en cuenta que no existe una forma
de calcular el número de características necesarias. Se ha estimado
que depende logarítmicamente del número de caras que hace falta
reconocer, de tal forma que si hubiera unas 1000 caras se
necesitarían sólo 10 (lo cual es un número muy bajo).
En este punto es donde más se diferencia esta
invención del estado de la técnica, ya que la tendencia actual
apunta hacia el uso de otros clasificadores. En la solicitud
WO9705566 Se usa como método de clasificación algún tipo de
transformada geométrica, del coseno o Kohonen para así
identificarlos unívocamente. La solicitud de patente Japonesa
JP2000011143 basa la identificación en el cálculo de medias
aritméticas y su comparación con ciertos patrones. La solicitud
WO02097717 propone la generación de un vector de error al procesar
la imagen, que se compara con una serie de patrones, generando
posteriormente un segundo grupo de vectores que son identificados a
través de la métrica de Minkowski. Por último, la patente US6466695
propone un método basado en dos en dos tipos de "primitivas"
bidimensionales: segmentos locales y verticales.
Las siguientes patentes y solicitudes también
tienen relación con los sistemas de verificación: JP2002133446,
WO02097717, US6108437, US5987154, US5842194 y US5497430.
A la vista de los trabajos anteriores el sistema
de detección e identificación de una persona según la presente
invención propone una alternativa diferente, combinando el
reconocimiento automático de la cara del individuo con la
comprobación de un código personal. De acuerdo con un primer
aspecto esencial, la presente invención se refiere a un sistema de
detección e identificación personal que combina el reconocimiento
automático de la cara del individuo con la comprobación de un código
personal, caracterizado porque comprende:
- a.
- un sistema de adquisición de imágenes, el cual preferiblemente será una cámara digital;
- b.
- un sistema para el procesamiento de las imágenes;
- c.
- un dispositivo para la lectura del código personal como puede ser un teclado, un lector de tarjetas magnéticas u otro sistema conocido en el estado de la técnica;
- d.
- un sistema de iluminación; y
- e.
- un método de reconocimiento basado en clasificadores;
Dicho sistema para el procesamiento de las
imágenes es preferiblemente un equipo de cálculo automático de los
que se utilizan normalmente para el procesamiento masivo de
información, el cual, preferiblemente, se selecciona del grupo
formado por un P.C. (ordenador personal), una estación de trabajo,
un dispositivo electrónico diseñado específicamente para esta
función (stand-alone system), una P.D.A. (asistente
digital personal) o combinaciones de los mismos.
El sistema de iluminación difuso mencionado,
posibilita el uso combinado de clasificadores. La luz difusa iguala
las zonas de la cara y minimiza el efecto de otras luces sobre el
rostro. Está compuesto por una o más fuentes de luz blanca que,
opcionalmente, pueden ser lámparas halógenas. Preferiblemente, la
iluminación se hace por ambos lados de la cara para disminuir, en
lo posible, las sombras del rostro.
Estos clasificadores determinan la similitud
entre una imagen del sujeto a analizar y un patrón, que normalmente
es una imagen guardada en una base de datos. Este procedimiento
comprende un sistema de lógica borrosa para la combinación de los
clasificadores utilizados. Un clasificador knn
(k-nearest neighbors) que compara la distancia
euclidea entre la imagen adquirida y la almacenada en la base de
datos -patrón-. Comparada esta distancia, la minina distancia k
determina el sujeto. Una red neuronal artificial (neural network)
que tiene propiedades tales como la habilidad para aprender,
adaptarse, generalizar, agrupar y organizar datos, y cuya operación
esta basada en el procesamiento en paralelo. Un clasificador del
tipo máquina de vector soporte (Support Vector Machine) que actúa
como sistema de reconocimiento de patrones.
Por lo tanto, según un segundo aspecto esencial,
la presente invención se refiere a método de determinación de la
similitud entre una imagen y un patrón, basado en un sistema de
clasificación y una red neuronal artificial la cual tiene
propiedades tales como la habilidad para aprender, adaptarse,
generalizar, agrupar y organizar datos, y cuya operación esta
basada en el procesamiento en paralelo, caracterizado porque
comprende las siguientes etapas:
- a)
- captar la imagen de un rostro mediante un sistema de adquisición de imágenes;
- b)
- extraer de la imagen captada en la etapa anterior los valores de clasificadores previamente establecidos, los cuales son del tipo máquina de vector soporte actuando como sistema de reconocimiento de patrones;
- c)
- combinar los valores de dichos caracterizadores mediante un sistema de lógica borrosa;
- d)
- comparar la distancia euclidea entre la imagen adquirida y la imagen de un patrón almacenado en una base de datos mediante un clasificador knn; y
- e)
- una vez determinada dicha distancia euclidea, determinar a qué sujeto pertenece la imagen.
A continuación se describe la configuración de
un dispositivo según la presente invención que en ningún caso se
incluye de forma limitante al alcance de la presente solicitud.
Condiciones de adquisición de la imagen: se
procede a adquirir la imagen de un individuo para ser verificada su
identidad. El fondo de la imagen es de color azul oscuro y la
iluminación se realiza mediante luz difusa. Se dispone de dos focos
separados aproximadamente 1 metro entre sí, a una altura de 1,90
metros. Cada foco emite luz blanca con una potencia de 300 Watios.
La cámara se encuentra entre medias de los dos focos. La distancia
entre la cámara y el sujeto es de unos 3 metros. Se considera sólo
la iluminación que producen los focos.
El individuo procede a introducir mediante el
periférico elegido su número de identificación personal o PIN.
La Base de Datos utilizada en este ejemplo
consta de 100 individuos diferentes, con 8 imágenes por individuo,
utilizadas en el entrenamiento. Son imágenes neutras, sin gestos ni
oclusiones, de frente, y con la iluminación antes indicada.
La imagen a verificar es también neutra y con la
iluminación indicada. El tamaño de la imagen recortada, conteniendo
sólo la cara, es 130 x 140 pixeles.
Resultado de cada clasificador:
- SVM = 1.2034
- RBF = 7.3746
- KNN = 647.0432.
Resultado tras la fusión de las salidas de los
clasificadores: Verificación Positiva con un Porcentaje de
confianza del 95%.
Claims (9)
1. Sistema de detección e identificación
personal que combina el reconocimiento automático de la cara del
individuo con la comprobación de un código personal,
caracterizado porque comprende:
- a.
- un sistema de adquisición de imágenes;
- b.
- un sistema para el procesamiento de las imágenes;
- c.
- un dispositivo para la lectura del código personal;
- d.
- un sistema de iluminación; y
- e.
- un método de reconocimiento basado en clasificadores.
2. Sistema de detección e identificación según
la reivindicación 1, caracterizado porque dicho sistema de
adquisición de imágenes comprende una cámara digital.
3. Sistema de detección e identificación según
cualquiera de las reivindicaciones anteriores, caracterizado
porque dicho sistema para el procesamiento de las imágenes se hace
en un sistema de cálculo automático, el cual se selecciona del
grupo formado por los ordenadores personales, las estaciones de
trabajo, los dispositivos electrónicos diseñados específicamente,
los asistentes digitales personales o combinaciones de los
mismos.
4. Sistema de detección e identificación según
cualquiera de las reivindicaciones anteriores, caracterizado
porque dicho sistema de iluminación es un sistema de iluminación
difuso, el cual posibilita el uso combinado de clasificadores y está
compuesto por una o más fuentes de luz blanca.
5. Sistema de detección e identificación según
la reivindicación 4, caracterizado porque dicho sistema de
iluminación difuso posee como fuente de luz al menos una lámpara
halógena.
6. Sistema de detección e identificación según
cualquiera de las reivindicaciones anteriores, caracterizado
porque dicho sistema de iluminación ilumina ambos lados del
rostro.
7. Sistema de detección e identificación según
cualquiera de las reivindicaciones anteriores, caracterizado
porque dicho sistema de lectura del código personal es un teclado,
un lector de tarjetas magnéticas o combinaciones de ambos.
8. Método de determinación de la similitud entre
una imagen y un patrón, basado en un sistema de clasificación y una
red neuronal artificial la cual tiene propiedades tales como la
habilidad para aprender, adaptarse, generalizar, agrupar y
organizar datos, y cuya operación esta basada en el procesamiento en
paralelo, caracterizado porque comprende las siguientes
etapas:
- a)
- captar la imagen de un rostro mediante un sistema de adquisición de imágenes;
- b)
- extraer de la imagen captada en la etapa anterior los valores de clasificadores previamente establecidos, los cuales son del tipo máquina de vector soporte actuando como sistema de reconocimiento de patrones;
- c)
- combinar los valores de dichos caracterizadores mediante un sistema de lógica borrosa;
- d)
- comparar la distancia euclidea entre la imagen adquirida y la imagen de un patrón almacenado en una base de datos mediante un clasificador knn; y
- e)
- una vez determinada dicha distancia euclidea, determinar a qué sujeto pertenece la imagen.
9. Método según la reivindicación 8, donde la
imagen es una imagen facial.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES200500912A ES2296443B1 (es) | 2005-04-15 | 2005-04-15 | Sistema de verificacion facial. |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES200500912A ES2296443B1 (es) | 2005-04-15 | 2005-04-15 | Sistema de verificacion facial. |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| ES2296443A1 ES2296443A1 (es) | 2008-04-16 |
| ES2296443B1 true ES2296443B1 (es) | 2009-03-01 |
Family
ID=39247859
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES200500912A Active ES2296443B1 (es) | 2005-04-15 | 2005-04-15 | Sistema de verificacion facial. |
Country Status (1)
| Country | Link |
|---|---|
| ES (1) | ES2296443B1 (es) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997005566A1 (en) * | 1995-07-26 | 1997-02-13 | Identification Technologies International, Inc. | System for object verification and identification |
| JP2003108984A (ja) * | 2001-07-27 | 2003-04-11 | Toshiba Corp | 顔画像認識装置、通行制御装置、顔画像認識方法、及び通行制御方法 |
| CA2359269A1 (en) * | 2001-10-17 | 2003-04-17 | Biodentity Systems Corporation | Face imaging system for recordal and automated identity confirmation |
| US6725383B2 (en) * | 2002-05-15 | 2004-04-20 | Biocom, Llc | Data and image capture, compression and verification system |
-
2005
- 2005-04-15 ES ES200500912A patent/ES2296443B1/es active Active
Also Published As
| Publication number | Publication date |
|---|---|
| ES2296443A1 (es) | 2008-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Singh et al. | Face detection and recognition system using digital image processing | |
| Wang et al. | 3D facial expression recognition based on primitive surface feature distribution | |
| Reale et al. | Nebula feature: A space-time feature for posed and spontaneous 4D facial behavior analysis | |
| BenAbdelkader et al. | Comparing and combining depth and texture cues for face recognition | |
| Cao et al. | Can facial metrology predict gender? | |
| Gupta et al. | Face detection using modified Viola jones algorithm | |
| Gundimada et al. | Facial recognition using multisensor images based on localized kernel eigen spaces | |
| Vadlapati et al. | Facial recognition using the OpenCV Libraries of Python for the pictures of human faces wearing face masks during the COVID-19 pandemic | |
| Wei et al. | Face recognition with occlusion using dynamic image-to-class warping (DICW) | |
| Pham et al. | Personal identification based on deep learning technique using facial images for intelligent surveillance systems | |
| Shao et al. | Eye-based recognition for user identification on mobile devices | |
| Salah et al. | A Proposed Generalized Eigenfaces System for Face Recognition Based on One Training Image | |
| Hoang et al. | Eyebrow deserves attention: Upper periocular biometrics | |
| ES2296443B1 (es) | Sistema de verificacion facial. | |
| Abidi et al. | Fusion of visual, thermal, and range as a solution to illumination and pose restrictions in face recognition | |
| Wang et al. | Real-time gender recognition with unaligned face images | |
| Dhotkar et al. | Face recognition techniques and its application | |
| Sun et al. | Dual camera based feature for face spoofing detection | |
| Alrabiah et al. | Unconstrained Gender Recognition from Periocular Region Using Multiscale Deep Features. | |
| Krishnaveni et al. | Partially occluded face recognition using dynamic approach | |
| Siddharth et al. | Heterogeneous face identification by fusion of local descriptors | |
| Takacs et al. | Fast searching of digital face libraries using binary image metrics | |
| Yi et al. | Outdoor face recognition using enhanced near infrared imaging | |
| Rashad et al. | 3D face recognition using 2DPCA 3D face recognition using 2DPCA | |
| Rashid et al. | Exploiting Temporal Information of Videos for Facial Landmark Detection: A Modified SDM |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EC2A | Search report published |
Date of ref document: 20080416 Kind code of ref document: A1 |
|
| FG2A | Definitive protection |
Ref document number: 2296443B1 Country of ref document: ES |