TW201727537A - 人臉識別系統及人臉識別方法 - Google Patents
人臉識別系統及人臉識別方法 Download PDFInfo
- Publication number
- TW201727537A TW201727537A TW105101984A TW105101984A TW201727537A TW 201727537 A TW201727537 A TW 201727537A TW 105101984 A TW105101984 A TW 105101984A TW 105101984 A TW105101984 A TW 105101984A TW 201727537 A TW201727537 A TW 201727537A
- Authority
- TW
- Taiwan
- Prior art keywords
- face recognition
- face
- module
- feature point
- image
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—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
- G06V40/161—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
- G06V40/40—Spoof detection, e.g. liveness detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Abstract
本發明涉及一種人臉識別系統,包括:一相機模組,收入人臉識別資訊,饋入後端的人臉識別資訊庫,進行比對識別是否為目標用戶;一特徵點識別模組,用於檢測人臉圖像並定位面部關鍵特徵點;一位移量輸出模組,用於輸出所述單鏡頭成像元件的位移量及方位角;一距離計算模組,利用所述人臉特徵點的尺度及所述位移量、計算人臉特徵點的深度距離;一人臉識別模組,用於比對人臉不同特徵點的所述深度距離,並判斷是否為目標用戶。本發明進一步提供一種利用上述人臉識別系統的人臉識別方法。
Description
本發明涉及一種人臉識別系統及人臉識別方法,尤其是涉及一種利用單鏡頭影像資訊來識別人臉的人臉識別系統及人臉識別方法。
人臉識別,是基於人的臉部特徵資訊進行身份識別的一種生物識別技術。用攝像機或攝像頭採集含有人臉的圖像或視頻,並自動在圖像中檢測和跟蹤人臉,進而對檢測到的人臉進行臉部的一系列相關技術,通常也叫做人像識別、面部識別。
隨著其技術的成熟和社會認同度的提高,人臉識別被應用在很多領域,例如,人臉識別門禁考勤系統,人臉識別防盜門,人臉識別手機解鎖,人臉識別來運行的機器人等。近年來,在人臉識別技術的發展過程中,出現了人臉的欺騙行為,例如列印人臉圖像到紙張上,或者使用投影、液晶顯示幕(LiquidCrystalDisplay,簡稱LCD)等播放設備顯示在螢幕上,放置於人臉識別系統的採集裝置前,會得到各種人臉圖像,這些人臉圖像跟真實的人臉圖像有很大的相似性,容易被系統當成真實的人臉進行識別,成為人臉識別系統中的不安全因素。然而,在人臉識別系統中,特別是無人值守或高安全性場合,防止人使用人臉假體欺騙系統是非常重要的。因此,如何在人臉識別技術中進行真假人臉識別成為目前的研究課題之一。
使用多鏡頭或是RGBD等特殊規格鏡頭來測量距離,進而來識別是否是真人臉還是平面圖像,但是上述系統費用較高,而且不適合安裝多鏡頭或是RGBD的例如手機等設備,也無法採用上述系統。
有鑒於此,確有必要提供一種利用單鏡頭影像資訊來識別人臉的、成本較低的人臉識別系統及人臉識別方法。
一種人臉識別系統,包括:一相機模組,收入人臉識別資訊,饋入後端的人臉識別資訊庫,進行比對識別是否為目標用戶;一特徵點識別模組,用於檢測人臉圖像並定位面部關鍵特徵點,經過預處理之後,饋入後端的識別演算法,識別演算法完成人臉特徵點的提取;一位移量輸出模組,用於輸出所述單鏡頭成像元件在不同位置點收入人臉識別資訊時的位移量及方位角;一距離計算模組,通過所述特徵點識別模組提供的人臉特徵點及所述位移量輸出模組所輸出的位移量及方位角、計算人臉特徵點至所述單鏡頭成像元件收入人臉識別資訊的不同兩位置點的連接線的深度距離;一人臉識別模組,用於比對人臉不同特徵點的所述深度距離,並判斷是否為目標用戶。
所述相機模組包括單鏡頭成像元件,用於拍攝影像。
所述特徵點識別模組通過尺度不變特徵轉換演算法取得人臉特徵點。
所述位移量輸出模組包括陀螺儀和具有量測位移感測器的位移偵測模組。
一種人臉識別方法,包括以下步驟:利用相機模組獲取第一位置人臉識別資訊,將該獲取得到人臉識別資訊與人臉識別資訊庫中的人臉識別資訊進行比對,識別是否為目標用戶,如是,單鏡頭成像元件進行第二位置的拍攝;如否,判斷為非目標用戶結束人臉識別;用特徵點識別模組通過尺度不變特徵轉換演算法從第一影像和第二影像中取得相同的特徵點,進而確定測算的目標特徵點,並饋入所述距離計算模組;利用一位移量輸出模組給出所述單鏡頭成像元件進行拍攝的第一位置與第二位置的距離及方位角饋入所述距離計算模組;所述距離計算模組通過所述特徵點識別模組提供的人臉特徵點及所述位移量輸出模組所輸出的位移量和方位角、計算出人臉特徵點至所述第一位置與第二位置的連接線的深度距離,比對人臉不同特徵點的所述深度距離,如人臉不同特徵點的所述深度距離的差值為零,判斷為非目標用戶結束人臉識別;如人臉不同特徵點的所述深度距離的差值不為零,則判斷差值個數與差值是否在接受的範圍內,如是,判斷為目標用戶結束人臉識別;如否,判斷為非目標用戶結束人臉識別。
獲取第一位置人臉識別資訊,與人臉識別資訊庫中的人臉識別資訊進行比對,獲取第二位置人臉識別信息由一相機模組來實現。
所述位移量輸出模組包括具有量測位移感測器的位移偵測模組,感應監測得到單鏡頭成像元件由第一位置移動至第二位置的移動距離。
所述位移量輸出模組包括指令在指定位置拍攝的固定值定位模組,單鏡頭成像元件拍攝的第一位置與第二位置為預先設定之固定位置,拍攝時所述位移量輸出模組發出指令使單鏡頭成像元件在固定的第一位置與第二位置分別進行拍攝。
所述位移量輸出模組進一步包括陀螺儀,能測得所述第一影像的拍攝位置與第二影像的拍攝位置的方位角及移動設備後續行走時方位角的變化。
所述位移量輸出模組將存儲其內的位移固定值饋入所述距離計算模組。
與現有技術相比較,本發明提供的人臉識別系統及人臉識別方法利用單鏡頭影像資訊及成熟的尺度不變特徵轉換演算法技術即可得到人臉深度距離資訊,通過比對即可修正人臉識別漏洞,進而提高安全程度。另外,人臉識別系統簡單,易操作成本較低,也適合用於無法安裝多鏡頭或是RGBD的例如手機等設備中,應用範圍較廣。
圖1為本發明實施例提供的人臉識別系統的示意圖。
圖2為本發明實施例提供的人臉識別系統的尺度不變特徵轉換演算法的應用示意圖。
圖3為本發明實施例提供的人臉識別系統的工作原理圖。
圖4為本發明實施例提供的人臉識別方法的流程圖。
下面將結合附圖及具體實施例,對本發明提供的人臉識別系統及人臉識別方法作進一步的詳細說明。
請參閱圖1,本發明實施例提供的人臉識別系統1,包括一相機模組10、特徵點識別模組20、位移量輸出模組30、距離計算模組40及人臉識別模組50。所述相機模組10收入人臉識別資訊,饋入後端的人臉識別資訊庫,進行比對識別是否為目標用戶。所述特徵點識別模組20用於檢測人臉圖像並定位面部關鍵特徵點,經過預處理之後,饋入後端的識別演算法,識別演算法完成人臉特徵點的提取。所述位移量輸出模組30用於輸出所述相機模組10在不同位置點收入人臉識別資訊時的位移量及方位角。所述距離計算模組40通根據所述特徵點識別模組20提供的人臉特徵點資訊及所述位移量輸出模組30所輸出的位移量及方位角、計算人臉特徵點至所述相機模組10收入人臉識別資訊的不同兩位置點的連接線的深度距離。所述人臉識別模組50用於比對人臉不同特徵點的所述深度距離,並判斷是否為目標用戶。
具體的,請一併參閱圖2和圖3,所述相機模組10包括單鏡頭成像元件用於拍攝影像。利用所述單鏡頭成像元件在某一位置拍攝得到第一影像,再將所述單鏡頭成像元件位移一定距離拍攝得到第二影像,通過所述位移量輸出模組30測量得到或給出所述第一影像的拍攝位置Q1
與所述第二影像的拍攝位置Q2
之間的距離C及拍攝位置Q1
、Q2
的方位角α1
、α2
、β1
、β2
。同時,通過所述特徵點識別模組20通過尺度不變特徵轉換演算法(Scale Invarlance Feature Transform,SIFT)從第一影像和第二影像中找到人臉上相同的特徵點m1
或/及m2
等,進而確定後續需要計算的到底是人臉哪一個特徵點的深度距離。將所述第一影像的拍攝位置Q1
與所述第二影像的拍攝位置Q2
之間的距離C,以及方位角α1
、α2
、β1
、β2
饋入至所述距離計算模組40,該距離計算模組40利用上述數值計算出人臉特徵點m1
至與上述距離C對應的直線的垂直距離H1
,也可以稱之為人臉特徵點m1
的深度距離,人臉特徵點m2
至與上述距離C對應的直線的垂直距離H2
,也可以稱之為人臉特徵點m2
的深度距離。所述人臉識別模組50將H1
,H2
以及通過上述方法得到的更多的H3
,H4
…,故,將人臉不同特徵點的深度距離H1
,H2
,H3
,H4
…進行比較計算差值,當差值為零時可判斷目標用戶為平面圖像。當差值不為零時進一步判斷差值(還是誤差,指的是誤差的話請進一步說明)是否在合理範圍內進而判斷是否為真實的人臉。
這裏所述的人臉特徵點m1
、m2
以及類推的m3
,m4
…等可以為人臉的鼻子,眼睛,嘴巴,耳朵等器官。所述第一影像和所述第二影像可以是在未知的兩個不同的位置拍攝得到的影像此時,所述第一影像的拍攝位置Q1
與所述第二影像的拍攝位置Q2
之間的距離C可以通過具有量測位移感測器的位移偵測模組來偵測得到,所述第一影像的拍攝位置Q1
與第二影像的拍攝位置Q2
的方位角可通過陀螺儀(Gyro)可以得知,在此基礎上透過數學預測模式可以推估所述自主移動設備後續行走時方位角的變化。如果,使用該人臉識別系統1的設備不具備量測位移感測器及陀螺儀時,那麼將所述第一影像的拍攝位置Q1
至所述第二影像的拍攝位置Q2
設定為固定值來進行拍攝,此時預先定義一個固定位置,進而該固定位置之間的間距及方位角通過所述位移量輸出模組30輸出該數值至所述距離計算模組40即可,也可以是所述位移量輸出模組30能夠發出指令在指定位置拍攝所述第一影像及所述第二影像。
例如以手機為例,利用手機的鏡頭即可拍攝得到影像資料,利用手機內的GPS來得到移動拍攝得到的第一影像的拍攝位置Q1
與第二影像的拍攝位置Q2
之間的距離C,利用手機內的Gyro來得到移動拍攝得到的第一影像的拍攝位置Q1
與第二影像的拍攝位置Q2
的方位角。
請參閱圖3,利用上述人臉識別系統1進行人臉識別的方法包括以下步驟:
步驟S11:利用相機模組10獲取第一影像資訊,將該獲取得到的第一影像資訊與人臉識別資訊庫中的人臉識別資訊進行比對,識別是否為目標用戶,如是,單鏡頭成像元件進行另一位置的拍攝、得到第二影像資訊;如否,判斷為非目標用戶結束人臉識別;
步驟S12:用特徵點識別模組20通過尺度不變特徵轉換演算法從第一影像和第二影像中找到人臉上的相同的特徵點,進而確定測算的目標特徵點,並饋入所述距離計算模組40;
步驟S13:利用一位移量輸出模組30給出所述單鏡頭成像元件進行拍攝的第一位置與第二位置的距離及方位角,饋入所述距離計算模組40;
步驟S14:所述距離計算模組40通過所述特徵點識別模組20提供的人臉目標特徵點資訊及所述位移量輸出模組30所輸出的位移量及方位角、計算出人臉特徵點至所述第一位置與第二位置的連接線的深度距離;
步驟S15:利用所述距離計算模組40進一步比對人臉不同特徵點的所述深度距離,如人臉不同特徵點的所述深度距離的差值為零,判斷為非目標用戶結束人臉識別;如人臉不同特徵點的所述深度距離的差值不為零,則判斷差值個數與差值是否在接受的範圍內,如是,判斷為目標用戶結束人臉識別;如否,判斷為非目標用戶結束人臉識別。
所述步驟S11中,利用所述相機模組10中的單鏡頭成像元件在某一位置拍攝得到第一位置Q1
處的第一影像,進而所述相機模組10獲取某一人臉資訊,並將該人臉資訊饋入後端的人臉識別資訊庫,進行比對識別是否為目標用戶;如是,所述相機模組10發出指令使單鏡頭成像元件進行第二位置Q2
處的拍攝得到第二影像;如否,判斷為非目標用戶結束人臉識別。所述人臉識別資訊庫中存儲有目標用戶的影像資料,所述步驟S11中的判斷只是需要確認第一影像是否與所述人臉識別資訊庫中存儲有目標用戶的影像資料相同即可,在此只是用來比對是否為人臉識別資訊庫存儲的目標用戶是一致就行,不是用來判斷目標用戶是否是平面圖像還是真實的立體的面部等。
所述步驟S12中,利用較成熟的技術尺度不變特徵轉換演算法,從第一影像和第二影像中取得相同的特徵點,饋入所述距離計算模組40,進而確定後續需要計算的到底是人臉哪一個特徵點的深度距離;
所述步驟S13中,所述位移量輸出模組30可為具有量測位移感測器的位移偵測模組,所述單鏡頭成像元件在不同的第一位置Q1
與第二位置Q2
進行拍攝時可以偵測得到該第一位置Q1
與第二位置Q2
之間的距離C,所述位移量輸出模組30將該距離C饋入所述距離計算模組40;所述位移量輸出模組30還可為固定值輸出模組或者指令在指定位置拍攝的固定值定位模組,此時一般為使用該人臉識別系統1的設備不具備量測位移感測器,使用者只能到預定的位置進行拍攝得到所述第一影像Q1
和所述第二影像Q2
即可,另外,所述位移量輸出模組30也可以有能夠發出指令使得所述相機模組10中的單鏡頭成像元件在指定位置拍攝所述第一影像Q1
及所述第二影像Q2
。
所述步驟S14中,所述距離計算模組40收入由所述步驟S12和所述步驟S13輸出的確定的人臉特徵點m1
、m2
及所述第一影像的拍攝位置Q1
與所述第二影像的拍攝位置Q2
之間的距離C、拍攝位置Q1
與拍攝位置Q2
的方位角α1
、α2
、β1
、β2
,並計算出人臉特徵點m1
至與上述距離C對應的直線的垂直距離H1
,人臉特徵點m2
至與上述距離C對應的直線的垂直距離H2
。
所述步驟S15中,比對人臉不同特徵點的所述深度距離H1
,H2
以及通過上述方法得到的更多的H3
,H4
…,如果人臉不同特徵點m1
、m2
…的所述深度距離H1
,H2
…的差值為零,則判斷為非目標用戶結束人臉識別;如果人臉不同特徵點m1
、m2
…的所述深度距離H1
,H2
…的差值不為零,則判斷差值個數與差值是否在接受的範圍內,如是,判斷為目標用戶結束人臉識別;如否,判斷為非目標用戶結束人臉識別。在這裏判斷的是否為目標用戶是用來判斷目標用戶是否是平面圖像還是真實的立體的面部的。
本發明提供的人臉識別系統及人臉識別方法,利用單鏡頭影像資料及成熟的尺度不變特徵轉換演算法技術即可得到人臉深度距離資料,通過比對即可修正人臉識別漏洞,進而提高安全程度。另外,人臉識別系統簡單,易操作成本較低,也適合用於無法安裝多鏡頭或是RGBD的例如手機等設備中,應用範圍較廣。
綜上所述,本發明確已符合發明專利之要件,遂依法提出專利申請。惟,以上所述者僅為本發明之較佳實施例,自不能以此限制本案之申請專利範圍。舉凡習知本案技藝之人士援依本發明之精神所作之等效修飾或變化,皆應涵蓋於以下申請專利範圍內。
1‧‧‧人臉識別系統
10‧‧‧相機模組
20‧‧‧特徵點識別模組
30‧‧‧位移量輸出模組
40‧‧‧距離計算模組
50‧‧‧人臉識別模組
無
1‧‧‧人臉識別系統
10‧‧‧相機模組
20‧‧‧特徵點識別模組
30‧‧‧位移量輸出模組
40‧‧‧距離計算模組
50‧‧‧人臉識別模組
Claims (10)
- 一種人臉識別系統,包括:
一相機模組,收入人臉識別資訊,饋入後端的人臉識別資訊庫,進行比對識別是否為目標用戶;
一特徵點識別模組,用於檢測人臉圖像並定位面部關鍵特徵點,經過預處理之後,饋入後端的識別演算法,識別演算法完成人臉特徵點的提取;
一位移量輸出模組,用於輸出所述單鏡頭成像元件在不同位置點收入人臉識別資訊時的位移量及方位角;
一距離計算模組,通過所述特徵點識別模組提供的人臉特徵點及所述位移量輸出模組所輸出的位移量及方位角、計算人臉特徵點至所述單鏡頭成像元件收入人臉識別資訊的不同兩位置點的連接線的深度距離;
一人臉識別模組,用於比對人臉不同特徵點的所述深度距離,並判斷是否為目標用戶。 - 如請求項1所述的人臉識別系統,其中,所述相機模組包括單鏡頭成像元件,用於拍攝影像。
- 如請求項1所述的人臉識別系統,其中,所述特徵點識別模組通過尺度不變特徵轉換演算法取得人臉特徵點。
- 如請求項1所述的人臉識別系統,其中,所述位移量輸出模組包括陀螺儀和具有量測位移感測器的位移偵測模組。
- 一種人臉識別方法,包括以下步驟:
利用相機模組獲取第一位置人臉識別資訊,將該獲取得到人臉識別資訊與人臉識別資訊庫中的人臉識別資訊進行比對,識別是否為目標用戶,如是,單鏡頭成像元件進行第二位置的拍攝;如否,判斷為非目標用戶結束人臉識別;
用特徵點識別模組通過尺度不變特徵轉換演算法從第一影像和第二影像中取得相同的特徵點,進而確定測算的目標特徵點,並饋入所述距離計算模組;
利用一位移量輸出模組給出所述單鏡頭成像元件進行拍攝的第一位置與第二位置的距離及方位角饋入所述距離計算模組;
所述距離計算模組通過所述特徵點識別模組提供的人臉特徵點及所述位移量輸出模組所輸出的位移量和方位角、計算出人臉特徵點至所述第一位置與第二位置的連接線的深度距離,比對人臉不同特徵點的所述深度距離,如人臉不同特徵點的所述深度距離的差值為零,判斷為非目標用戶結束人臉識別;如人臉不同特徵點的所述深度距離的差值不為零,則判斷差值個數與差值是否在接受的範圍內,如是,判斷為目標用戶結束人臉識別;如否,判斷為非目標用戶結束人臉識別。 - 如請求項5所述的人臉識別方法,其中,獲取第一位置人臉識別資訊,與人臉識別資料庫中的人臉識別資訊進行比對,獲取第二位置人臉識別資訊由一相機模組來實現。
- 如請求項5所述的人臉識別方法,其中,所述位移量輸出模組包括具有量測位移感測器的位移偵測模組,感應監測得到單鏡頭成像元件由第一位置移動至第二位置的移動距離。
- 如請求項5所述的人臉識別方法,其中,所述位移量輸出模組包括指令在指定位置拍攝的固定值定位模組,單鏡頭成像元件拍攝的第一位置與第二位置為預先設定之固定位置,拍攝時所述位移量輸出模組發出指令使單鏡頭成像元件在固定的第一位置與第二位置分別進行拍攝。
- 如請求項7或8所述的人臉識別方法,其中,所述位移量輸出模組進一步包括陀螺儀,能測得所述第一影像的拍攝位置與第二影像的拍攝位置的方位角及移動設備後續行走時方位角的變化。
- 如請求項8所述的人臉識別方法,其中,所述位移量輸出模組將存儲其內的位移固定值饋入所述距離計算模組。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105101984A TW201727537A (zh) | 2016-01-22 | 2016-01-22 | 人臉識別系統及人臉識別方法 |
US15/168,879 US10019624B2 (en) | 2016-01-22 | 2016-05-31 | Face recognition system and face recognition method |
JP2017007450A JP2017134830A (ja) | 2016-01-22 | 2017-01-19 | 顔認識システム及び顔認識方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105101984A TW201727537A (zh) | 2016-01-22 | 2016-01-22 | 人臉識別系統及人臉識別方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201727537A true TW201727537A (zh) | 2017-08-01 |
Family
ID=59497825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105101984A TW201727537A (zh) | 2016-01-22 | 2016-01-22 | 人臉識別系統及人臉識別方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10019624B2 (zh) |
JP (1) | JP2017134830A (zh) |
TW (1) | TW201727537A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI693560B (zh) * | 2018-04-12 | 2020-05-11 | 合盈光電科技股份有限公司 | 臉部辨識方法 |
TWI701602B (zh) * | 2019-07-08 | 2020-08-11 | 大陸商 業成科技(成都)有限公司 | 臉部辨識裝置 |
TWI731461B (zh) * | 2019-11-01 | 2021-06-21 | 宏碁股份有限公司 | 真實人臉的識別方法與真實人臉的識別裝置 |
TWI740143B (zh) * | 2019-05-16 | 2021-09-21 | 立普思股份有限公司 | 三維活體識別之人臉識別系統、三維活體識別方法及儲存媒體 |
US11410458B2 (en) | 2018-04-12 | 2022-08-09 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Face identification method and apparatus, mobile terminal and storage medium |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180046936A1 (en) * | 2016-08-10 | 2018-02-15 | Futurewei Technologies, Inc. | Density-based apparatus, computer program, and method for reclassifying test data points as not being an anomoly |
CN108446661B (zh) * | 2018-04-01 | 2021-11-19 | 桂林电子科技大学 | 一种深度学习并行化人脸识别方法 |
CN108962093B (zh) * | 2018-07-13 | 2020-07-10 | 法瑞新科技(江西)有限公司 | 一种电子相框 |
CN111832535A (zh) * | 2018-08-24 | 2020-10-27 | 创新先进技术有限公司 | 人脸识别方法及装置 |
CN109870250A (zh) * | 2019-01-27 | 2019-06-11 | 武汉星巡智能科技有限公司 | 区域异常体温监测方法、装置及计算机可读存储介质 |
TWI755586B (zh) * | 2019-03-21 | 2022-02-21 | 群光電子股份有限公司 | 監控裝置與監控方法 |
US11501531B2 (en) | 2020-03-03 | 2022-11-15 | Cyberlink Corp. | Systems and methods for anti-spoofing protection using motion detection and video background analysis |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007052770A (ja) * | 2005-07-21 | 2007-03-01 | Omron Corp | 監視装置 |
CN103258184B (zh) * | 2008-02-27 | 2017-04-12 | 索尼计算机娱乐美国有限责任公司 | 用于捕获场景的深度数据并且应用计算机动作的方法 |
EP2197217A1 (en) * | 2008-12-15 | 2010-06-16 | Koninklijke Philips Electronics N.V. | Image based 3D video format |
US8441489B2 (en) * | 2008-12-31 | 2013-05-14 | Intel Corporation | System and method for SIFT implementation and optimization |
US8582889B2 (en) * | 2010-01-08 | 2013-11-12 | Qualcomm Incorporated | Scale space normalization technique for improved feature detection in uniform and non-uniform illumination changes |
US8660322B2 (en) * | 2011-08-25 | 2014-02-25 | King Saud University | Passive continuous authentication method |
KR101130817B1 (ko) * | 2011-09-27 | 2012-04-16 | (주)올라웍스 | 얼굴 인식 방법, 장치, 및 이 방법을 실행하기 위한 컴퓨터 판독 가능한 기록 매체 |
US8966613B2 (en) * | 2011-09-30 | 2015-02-24 | Microsoft Technology Licensing, Llc | Multi-frame depth image information identification |
US8805059B2 (en) * | 2011-10-24 | 2014-08-12 | Texas Instruments Incorporated | Method, system and computer program product for segmenting an image |
US9495591B2 (en) * | 2012-04-13 | 2016-11-15 | Qualcomm Incorporated | Object recognition using multi-modal matching scheme |
KR102013928B1 (ko) * | 2012-12-28 | 2019-08-23 | 삼성전자주식회사 | 영상 변형 장치 및 그 방법 |
US8983207B1 (en) * | 2013-01-10 | 2015-03-17 | Intuit Inc. | Mitigating replay attacks using multiple-image authentication |
-
2016
- 2016-01-22 TW TW105101984A patent/TW201727537A/zh unknown
- 2016-05-31 US US15/168,879 patent/US10019624B2/en not_active Expired - Fee Related
-
2017
- 2017-01-19 JP JP2017007450A patent/JP2017134830A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI693560B (zh) * | 2018-04-12 | 2020-05-11 | 合盈光電科技股份有限公司 | 臉部辨識方法 |
US11410458B2 (en) | 2018-04-12 | 2022-08-09 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Face identification method and apparatus, mobile terminal and storage medium |
TWI740143B (zh) * | 2019-05-16 | 2021-09-21 | 立普思股份有限公司 | 三維活體識別之人臉識別系統、三維活體識別方法及儲存媒體 |
TWI701602B (zh) * | 2019-07-08 | 2020-08-11 | 大陸商 業成科技(成都)有限公司 | 臉部辨識裝置 |
TWI731461B (zh) * | 2019-11-01 | 2021-06-21 | 宏碁股份有限公司 | 真實人臉的識別方法與真實人臉的識別裝置 |
Also Published As
Publication number | Publication date |
---|---|
US20170228585A1 (en) | 2017-08-10 |
US10019624B2 (en) | 2018-07-10 |
JP2017134830A (ja) | 2017-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201727537A (zh) | 人臉識別系統及人臉識別方法 | |
US10956715B2 (en) | Decreasing lighting-induced false facial recognition | |
WO2019071664A1 (zh) | 结合深度信息的人脸识别方法、装置及存储介质 | |
IL256885A (en) | Device and methods for facial recognition and video analysis for identifying individuals in the context of video streaming | |
CN105740778B (zh) | 一种改进的三维人脸活体检测方法及其装置 | |
US20190378294A1 (en) | Stereo camera and height acquisition method thereof and height acquisition system | |
JPWO2010050206A1 (ja) | なりすまし検知システム、なりすまし検知方法及びなりすまし検知プログラム | |
WO2017215351A1 (zh) | 摄像装置识别范围的调整方法及装置 | |
CN103248822A (zh) | 摄像终端的对焦方法及摄像终端 | |
US9633450B2 (en) | Image measurement device, and recording medium | |
CN106997447A (zh) | 人脸识别系统及人脸识别方法 | |
US11017552B2 (en) | Measurement method and apparatus | |
WO2016070300A1 (en) | System and method for detecting genuine user | |
CN104090656A (zh) | 智能设备视力保护方法与系统 | |
US9667946B2 (en) | Method for authenticating an image capture of a three-dimensional entity | |
CN112883809B (zh) | 一种目标检测方法、装置、设备及介质 | |
CN112990187A (zh) | 一种基于手持终端图像的目标位置情报生成方法 | |
KR20150011714A (ko) | 영상 방향 판단 장치 | |
KR101300166B1 (ko) | 홍채 검출 장치 및 방법 | |
US20220036107A1 (en) | Calculation device, information processing method, and storage medium | |
CN114600162A (zh) | 用于捕捉摄像机图像的场景锁定模式 | |
JP2018117191A (ja) | 携帯端末、プログラム、および携帯端末の制御方法 | |
KR20210041147A (ko) | 사진관리를 위한 실내 위치탐지시스템 및 위치탐지방법 | |
Li et al. | A global-to-local scheme for imbalanced point matching | |
CN110688946A (zh) | 基于图片识别的公有云静默活体检测设备和方法 |