RU2613852C2 - Способ идентификации личности человека по цифровому изображению лица - Google Patents
Способ идентификации личности человека по цифровому изображению лица Download PDFInfo
- Publication number
- RU2613852C2 RU2613852C2 RU2014140146A RU2014140146A RU2613852C2 RU 2613852 C2 RU2613852 C2 RU 2613852C2 RU 2014140146 A RU2014140146 A RU 2014140146A RU 2014140146 A RU2014140146 A RU 2014140146A RU 2613852 C2 RU2613852 C2 RU 2613852C2
- Authority
- RU
- Russia
- Prior art keywords
- image
- images
- face
- color
- recognition
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/88—Image or video recognition using optical means, e.g. reference filters, holographic masks, frequency domain filters or spatial domain filters
-
- 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
- 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
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
Изобретение относится к автоматике и вычислительной техники и применимо в системах управления доступом и системах автоматической идентификации и верификации человека по изображению лица. Техническим результатом является уменьшение ошибок и времени на распознавание изображения лица человека. Способ идентификации личности человека по цифровому изображению лица содержит этапы формирования идентичных по размерам и расположению в кадре изображений распознаваемого лица в видимом и ИК свете, определения по ИК изображению координат центров зрачков глаз, вписывания цветного изображения по найденным координатам центров зрачков в эталонный кадр, преобразования цветного изображения в полутоновое и вычисления изображений интенсивности и направлений градиента яркости с формированием трех изображений распознаваемого лица: бинарного изображения интенсивности градиента яркости, полутонового изображения направлений градиента яркости и пастеризованного цветного изображения, по суммарному соответствию которых эталонным изображениям в базе данных принимается решение о идентификации. 9 ил.
Description
Заявляемый способ относится к автоматике и вычислительной технике и может быть использован в системах искусственного интеллекта: системах контроля и управления доступом (СКУД) и робототехнических системах автоматической идентификации и верификации человека по изображению лица (системах контроля удостоверения личности, информационной безопасности и др).
В этих системах контролируемые условия получения изображения (освещенность, задний фон), фиксация изображения лица человека анфас существенно упрощают процедуру идентификации.
Известен патент РФ №2295152, кл. G06K 9/00 "Способ распознавания лица человека по видеоизображению", по которому производят поиск лица человека в кадре, нормируют его параметры, формируют вектор входного изображения (Р1), загружают из базы данных для сравнения вектора (Р2), разбивают изображения на блоки (8×8), осуществляют первичный поиск по совпадению блоков, осуществляют вторичный поиск, на основе чего принимают решение о распознавании.
Недостатком данного способа является большой объем вычислений и, как следствие, низкая оперативность метода, а также ошибки распознавания.
Известен патент РФ №2297039, кл. G06K 9/62, "Способ распознавания сложного графического объекта", в котором изображения всех эталонных объектов разбивают на пересекающиеся доменные блоки, а изображение распознаваемого объекта разбивают на непересекающиеся ранговые блоки, размер которых меньше доменных блоков, производят поиск наилучшего сопоставления всех ранговых блоков анализируемого изображения и доменных блоков всех эталонных изображений с использованием сжимающих аффинных преобразований.
Недостатком данного способа является также большой объем вычислений при распознавании.
Известен патент США №7,869,657, кл. G06K 9/68 "System and method for comparing images using an edit distance", по которому вводится понятие подобия (расстояния редактирования) сравниваемых изображений с использованием результатов соответствия частей одного изображения другому. Для вычисления подобия распознаваемый объект делится на блоки пикселей и им находится соответствие в сравниваемом изображении. По результатам анализа минимального расстояния редактирования между изображением неизвестного объекта и набора эталонных изображений принимается решение о распознавании.
Недостатком данного способа является очень большой объем вычислений и, как следствие, низкая оперативность метода.
Наиболее близким по своей технической сущности к заявляемому изобретению является патент №2431191, кл. G06K 9/00, заявленный 27.01.2009 "Способ идентификации личности человека по цифровому изображению лица". Этот способ включает поиск лица человека в кадре, выравнивание яркости и цветности изображения. Далее формируется вектор входного изображения путем фильтрации и бинаризации, изображение масштабируется до заданного размера по экстремумам интегральных проекций, выполняется сегментирование областей изображения по связности, вычисляются вектора геометрических характеристик сегментированных областей и формируется интегральный индекс, по которому выполняется распознавание.
Недостатком этого способа является невысокая точность распознавания из-за ошибок масштабирования по экстремумам интегральных проекций, учет при распознавании только вычисляемых интегральных геометрических характеристик сегментированных областей бинарного изображения. При распознавании не учитывается информация о цветовых параметрах изображения лица и рельефе поверхности лица.
Техническим результатом, на которое направлено изобретение, является повышение точности и оперативности распознавания изображения лица человека за счет более точного масштабирования по изображению в ближнем ИК, использования полной информации сегментированных областей и уменьшения ошибок распознавания дополнительным учетом цветовых параметров и рельефности лица.
Указанный результат достигается за счет того, что с использованием сопряженных цветной и инфракрасной TV камер формируют два идентичных по размерам и расположению в кадре изображения распознаваемого лица в видимом и ИК свете, по ИК изображению находят точное расположение центров зрачков глаз, осуществляют вписывание цветного изображения по координатам центров зрачков в эталонный кадр, затем после преобразования цветного изображения в полутоновое и вычисления полей интенсивности и направлений градиента яркости формируют три изображения: бинарное изображение интенсивности градиента яркости, полутоновое изображение направлений градиента и пастеризованное цветное изображение, по суммарному соответствию которых эталонным изображениям в базе данных принимается решение о распознавании.
Сущность изобретения поясняется чертежами, на которых показаны:
фиг. 1а, 1б - представлен алгоритм выполнения заявляемого способа,
фиг. 2 - операторы-маски вычисления градиента яркости и направления градиента яркости,
фиг. 4-7 - примеры исходных и обработанных изображений, по которым производится распознавание,
фиг. 8 - графики зависимостей примерного числа обрабатываемых пикселей N и порога отличия DEL при распознавании лиц в базе FEI форматом 90*65 пикселей.
На фиг. 1а показаны этапы идентификации по изображению лица.
Получение кадров распознаваемого изображения лица в видимом и ИК свете осуществляется с использованием сопряженных цветной и инфракрасной TV камер захватом кадра с фронтальным ракурсом распознаваемого лица.
По методу, описанному в статье "Shuyan Zhao and Rolf-Rainer Grigat" An Automatic Face Recognition System in the Near Infrared Spectrum" In Proceedings MLDM 2005, Leipzig, Germany, July 9-11, 2005, p. 437-444, определяются координаты центров зрачков глаз в кадре изображения лица при ИК подсветке.
Эти данные позволяют нормировать размер лица и заданное размещение центров зрачков глаз в кадре цветного изображения с высокой точностью на шаблоне для распознавания. Поэтому во всех эталонах баз данных идентифицируемых лиц в системе расположение центров зрачков глаз будет идентично. Идентификация лица проводится по трем базам данных лиц, которые вычисляются из исходного цветного изображения в процессе регистрации лица в системе. Это базы бинарных изображений градиента яркости - BDA, изображений направлений градиента яркости - BDB и пастеризованных исходных цветных изображений = BDC.
Преобразование цветного изображения в полутоновое изображение выполняется суммированием значений цветовых составляющих для каждого пикселя изображения.
В связи с максимальной информативностью для распознавания и значительным уменьшением объема обрабатываемой информации при выделении очертаний (контуров) объектов выполняется вычисление изображений градиента яркости и направления градиента яркости (направления наибольшего изменения яркости в каждом пикселе изображения).
Для вычисления градиента яркости используется сверка матрицы исходного полутонового изображения с операторами-масками H1 и Н3, показанными на фиг. 2. Дополнительно показаны значения координат пикселей масок (i - координата X, j - координата Y).
Маски H1 и Н3 используются для вычисления проекций градиента яркости по координатам X и Y соответственно. Возможный вариант вычисления градиента яркости суммирование проекций градиента для каждого пикселя.
Маски Н1-Н4 применяются к каждому пикселю и используются для вычисления направления градиента яркости. Одно из возможных 8-ми направлений градиента выбирается по максимуму значения результата вычислений.
В качестве операторов вычисления изображений градиента яркости и направления градиента яркости могут быть использованы и другие известные операторы (Sobel, Prewitt, Isotropic, Kirsh, Robinson).
Результатом вычислений являются полутоновое изображение градиента яркости и полутоновое изображение направления градиента яркости, где градациям яркости будут поставлены в соответствие определенные направления градиента яркости.
На фиг. 3 показаны примеры кадров цветных изображений лиц из базы лиц FEI, используемой для моделирования и оценки характеристик описываемого способа. Им соответствующие вычисленные изображения градиента яркости (8-битное полутоновое изображение) и направления градиента яркости (3-битное полутоновое изображение) приведены на фиг. 4 и 5.
Изображение градиента яркости нормируется в диапазоне 0-1.0. Пороговой обработкой на заданном уровне формируется бинарный срез изображения, в котором пиксели исходного изображения, равные или большие порога (POROG), отображаются как единичные. Это изображение содержит наиболее информативные зоны для распознавания, они занимают небольшую часть исходного кадра изображения (0.02-0.2) и позволяют существенно сократить вычислительные затраты при распознавании (фиг. 6).
Для уменьшения влияния нестабильности аппаратуры на результаты распознавания уменьшают цветовую палитру исходных изображений пастеризацией. На фиг. 7 показаны примеры пастеризованных цветных изображений.
Процедура распознавания (фиг. 1b) сводится к бинарной корреляции, оценке зоны несовпадения выделенных фрагментов лица в бинарном изображении и сравниваемом эталоне и дополнительном уменьшении этой зоны на количество пикселей, не совпадающим по двум другим рассматриваемым параметрам (цветовым и направлению градиента яркости). Результатом однократного контроля всех пикселей кадра изображения является суммарный подсчет числа пикселей выделенных фрагментов лица (sum) и числа пикселей, коррелирующих в сравниваемых изображениях (corr). Величина (sum - corr) позволяет оценить меру отличия сравниваемых изображений. Сравнительный анализ распознаваемого изображения со всеми эталонами базы данных дает возможность принять решение о распознавании. Пороговая величина отличия DEL.
Заявляемый способ моделировался в среде MatLab. Использовалась база данных лиц FEI (электронный ресурс http://fei.edu.br/~cet/facedatabase.html). База состоит из 200 цветных изображений мужских и женских лиц анфас форматом 260*360 пикселей. Изображения выравнены вручную по расположению центров зрачков глаз. Использование при распознавании информации о цветовых параметрах изображения лица и рельефе поверхности лица увеличивает надежность распознавания в десятки раз. На изображениях форматом 90*65 пикселей при 100% распознавании любого из представленных в базе лиц по всей базе надежность распознавания около 40 дБ (фиг. 8) при отсутствии ошибок в масштабировании исходных изображений. Так как масштабирование в системе проводится в изображениях с высоким разрешением (260*360 пикселей), а обработка и распознавание с низким (65*90 пикселей) предполагается, что погрешности масштабирования минимизированы.
Claims (1)
- Способ идентификации личности человека по цифровому изображению лица анфас, заключающийся в том, что производят поиск лица человека в кадре, масштабируют изображение до заданного размера, выравнивают яркость и цветность изображения, разбивают изображение по связности элементов, формируют интегральный индекс для распознавания по геометрическим характеристикам областей связности, отличающийся тем, что для поиска лица формируют, используя сопряженные цветную и инфракрасную цифровые TV камеры, два идентичных по размерам и расположению в кадре изображения распознаваемого лица в видимом и ИК свете, по ИК изображению находят точное расположение центров зрачков, осуществляют вписывание цветного изображения по координатам центров зрачков в эталонный кадр, а для определения интегрального индекса, по которому осуществляется распознавание, преобразуют цветное изображение в полутоновое и вычисляют нормированное первое изображение интенсивности градиента яркости, которое приводят к бинарному виду пороговой обработкой на заданном уровне, далее вычисляют второе полутоновое изображение направлений градиента яркости и третье - пастеризованное цветное изображение; в областях единичных элементов в первом изображении выделяют зоны несовпадения со сравниваемым эталоном и подсчитывают число несовпавших пикселей, из этого результата по зонам несовпадения подсчитывают и дополнительно вычитают число пикселей во втором и третьем изображениях, не равных по значению соответствующим пикселям второго и третьего эталонов, по результатам сравнения со всеми эталонами базы данных по порогу отличия принимается решение о распознавании.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2014140146A RU2613852C2 (ru) | 2014-10-03 | 2014-10-03 | Способ идентификации личности человека по цифровому изображению лица |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2014140146A RU2613852C2 (ru) | 2014-10-03 | 2014-10-03 | Способ идентификации личности человека по цифровому изображению лица |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2014140146A RU2014140146A (ru) | 2016-04-20 |
RU2613852C2 true RU2613852C2 (ru) | 2017-03-21 |
Family
ID=55789295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2014140146A RU2613852C2 (ru) | 2014-10-03 | 2014-10-03 | Способ идентификации личности человека по цифровому изображению лица |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2613852C2 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2802157C1 (ru) * | 2022-11-18 | 2023-08-22 | Общество с ограниченной ответственностью "СМАРТ ЭНДЖИНС СЕРВИС" | Система идентификации личности человека по изображению лица с выдачей удостоверяющих документальных данных |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080298645A1 (en) * | 2002-09-27 | 2008-12-04 | Miwako Doi | Personal authentication apparatus and personal authentication method |
RU2367015C1 (ru) * | 2008-05-12 | 2009-09-10 | Дмитрий Валерьевич Шмунк | Способ улучшения цифровых изображений |
US20100089536A1 (en) * | 2008-10-09 | 2010-04-15 | Mr Etikettiertechnik Gmbh & Co. Kg | Labeling Device |
US7869657B2 (en) * | 2006-06-12 | 2011-01-11 | D & S Consultants, Inc. | System and method for comparing images using an edit distance |
US7991245B2 (en) * | 2009-05-29 | 2011-08-02 | Putman Matthew C | Increasing image resolution method employing known background and specimen |
US8019129B2 (en) * | 2007-05-18 | 2011-09-13 | Casio Computer Co., Ltd. | Image pickup device, face detection method, and computer-readable recording medium |
RU2431191C2 (ru) * | 2009-01-27 | 2011-10-10 | Государственное образовательное учреждение высшего профессионального образования Академия Федеральной службы охраны Российской Федерации (Академия ФСО России) | Способ идентификации личности человека по цифровому изображению лица |
-
2014
- 2014-10-03 RU RU2014140146A patent/RU2613852C2/ru not_active IP Right Cessation
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080298645A1 (en) * | 2002-09-27 | 2008-12-04 | Miwako Doi | Personal authentication apparatus and personal authentication method |
US7869657B2 (en) * | 2006-06-12 | 2011-01-11 | D & S Consultants, Inc. | System and method for comparing images using an edit distance |
US8019129B2 (en) * | 2007-05-18 | 2011-09-13 | Casio Computer Co., Ltd. | Image pickup device, face detection method, and computer-readable recording medium |
RU2367015C1 (ru) * | 2008-05-12 | 2009-09-10 | Дмитрий Валерьевич Шмунк | Способ улучшения цифровых изображений |
US20100089536A1 (en) * | 2008-10-09 | 2010-04-15 | Mr Etikettiertechnik Gmbh & Co. Kg | Labeling Device |
RU2431191C2 (ru) * | 2009-01-27 | 2011-10-10 | Государственное образовательное учреждение высшего профессионального образования Академия Федеральной службы охраны Российской Федерации (Академия ФСО России) | Способ идентификации личности человека по цифровому изображению лица |
US7991245B2 (en) * | 2009-05-29 | 2011-08-02 | Putman Matthew C | Increasing image resolution method employing known background and specimen |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2802157C1 (ru) * | 2022-11-18 | 2023-08-22 | Общество с ограниченной ответственностью "СМАРТ ЭНДЖИНС СЕРВИС" | Система идентификации личности человека по изображению лица с выдачей удостоверяющих документальных данных |
RU2815689C1 (ru) * | 2023-06-14 | 2024-03-20 | Общество с ограниченной ответственностью "МЕТРИКА Б" | Способ, терминал и система для биометрической идентификации |
RU2804261C1 (ru) * | 2023-07-04 | 2023-09-26 | федеральное государственное автономное образовательное учреждение высшего образования "Южный федеральный университет" | Способ идентификации измененного лица человека |
Also Published As
Publication number | Publication date |
---|---|
RU2014140146A (ru) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sahmoud et al. | Efficient iris segmentation method in unconstrained environments | |
Tan et al. | Towards online iris and periocular recognition under relaxed imaging constraints | |
Puhan et al. | Efficient segmentation technique for noisy frontal view iris images using Fourier spectral density | |
Abate et al. | BIRD: Watershed based iris detection for mobile devices | |
Thalji et al. | Iris Recognition using robust algorithm for eyelid, eyelash and shadow avoiding | |
Atharifard et al. | Robust component-based face detection using color feature | |
Dwaich et al. | Signature texture features extraction using GLCM approach in android studio | |
Devadethan et al. | Face detection and facial feature extraction based on a fusion of knowledge based method and morphological image processing | |
Deepika et al. | Different techniques for satellite image segmentation | |
Hu et al. | Fast face detection based on skin color segmentation using single chrominance Cr | |
Das et al. | Human face detection in color images using HSV color histogram and WLD | |
CN107145820B (zh) | 基于hog特征和fast算法的双眼定位方法 | |
Youlian et al. | Face detection method using template feature and skin color feature in rgb color space | |
KR100703528B1 (ko) | 영상 인식 장치 및 방법 | |
Saha et al. | An approach to detect the region of interest of expressive face images | |
RU2613852C2 (ru) | Способ идентификации личности человека по цифровому изображению лица | |
RU2541918C2 (ru) | Устройство автоматизированного распознавания лиц при обработке групповой фотографии | |
Frucci et al. | Idem: Iris detection on mobile devices | |
Ignat et al. | Occluded Iris Recognition using SURF Features. | |
Montazeri et al. | Automatically eye detection with different gray intensity image conditions | |
Fernández-Carbajales et al. | Visual attention based on a joint perceptual space of color and brightness for improved video tracking | |
Hongo et al. | Personal authentication with an iris image captured under visible-light condition | |
Ghimire et al. | A lighting insensitive face detection method on color images | |
Matveev et al. | Location of pupil contour by Hough transform of connectivity components | |
Mishra et al. | Face detection for video summary using enhancement based fusion strategy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FA92 | Acknowledgement of application withdrawn (lack of supplementary materials submitted) |
Effective date: 20160630 |
|
FZ9A | Application not withdrawn (correction of the notice of withdrawal) |
Effective date: 20160927 |
|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20170526 |