CN102609695A - 一种多角度人脸识别方法及*** - Google Patents
一种多角度人脸识别方法及*** Download PDFInfo
- Publication number
- CN102609695A CN102609695A CN2012100328375A CN201210032837A CN102609695A CN 102609695 A CN102609695 A CN 102609695A CN 2012100328375 A CN2012100328375 A CN 2012100328375A CN 201210032837 A CN201210032837 A CN 201210032837A CN 102609695 A CN102609695 A CN 102609695A
- Authority
- CN
- China
- Prior art keywords
- face
- people
- picture
- face picture
- image information
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种多角度人脸识别方法及***，通过多个角度获取图像信息，然后对图像信息进行检测并采集其中的人脸图片，以及通过接收人脸图片并对其进行姿态判别，选出正面人脸图片，最终对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出，实现对被采集对象无感知无需配合的人脸采集，通过多角度采集以提高在人脸姿态随意性较大的情况下正面人脸采集率。
Description
技术领域
本发明涉及计算机图像处理技术领域，特别涉及一种多角度人脸识别方法及***。
背景技术
当今，人脸识别技术逐渐应用到视频安防监控***中，其应用前提是人脸采集。采集到正面人脸是人脸识别技术的应用基础，但在现实中，人的姿态有很大的随意性，在安检、出入境等场合还可以强制被采集对象的姿态，但在公共文化设施场所，例如博物馆、美术馆、图书馆等，无法强制观众配合采集，而且在视频安防监控***的实际应用中往往是实施隐蔽采集，采集对象不感知，因此采集对象的姿态不可控。目前的人脸采集方法在这种情况下往往很难采集到正面人脸，主要表现在目前的人脸识别技术对采集正面人脸要求很高，要求人脸旋转范围小，往往是采集摄像机视场中心轴线的上下[-15°，+15°]，左右旋转[-20°，+20°]，而实际人脸或人体姿态范围都超出这个范围，一旦超出则无法采集到正面人脸。由于人的姿态随意性，采集摄像机的安装位置往往很难准确定位，对正面人脸采集影响较大。目前的采集方法往往要求被采集对象人脸姿态符合正面人脸采集范围要求，需要采集对象配合，对于无需采集对象配合和隐蔽采集情况正面人脸采集率不高。
如中国专利CN1004565一预设阈值揭示的多种姿态人脸识别布控***及方法，虽然其能够识别的人脸旋转范围为上下[-30°，+30°]，左右旋转[-30°，+30°]，但一旦人脸旋转超出以上范围，仍无法实现有效采集。而在采集对象不感知不配合的情况下，人脸姿态往往都会超出以上范围。
针对现有技术中的不足，提出一种能实现对被采集对象无感知无需配合的人脸采集，通过多角度采集以提高在人脸姿态随意性较大的情况下正面人脸采集率的多角度人脸识别方法及***，是计算机图像处理技术领域目前急待解决的问题之一。
发明内容
有鉴于此，本发明实施例提出了一种多角度人脸识别方法及***，通过多个角度获取图像信息，然后对图像信息进行检测并采集其中的人脸图片，以及通过接收人脸图片并对其进行姿态判别，选出正面人脸图片，最终对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出，实现对被采集对象无感知无需配合的人脸采集，通过多角度采集以提高在人脸姿态随意性较大的情况下正面人脸采集率。
为解决上述技术问题，本发明实施例的目的是通过以下技术方案实现的：
一种多角度人脸识别方法，包括：
步骤一、通过多个角度获取图像信息；
步骤二、对图像信息进行检测并采集其中的人脸图片；
步骤三、接收人脸图片并对其进行姿态判别，选出正面人脸图片；
步骤四、对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出。
优选的，上述步骤一中，是通过多台数字采集摄像机获取多个角度的图像信息。
优选的，上述数字采集摄像机机位的选择需根据当前人脸识别算法特点，即***人脸可识别姿态范围：左右旋转[-20°，+20°]，上下角度[-15°，+15°]，安装高度控制在2700mm以内，垂直夹角控制在俯仰角度[-15°，+15°]以内，安装轴线沿人员行进方向，水平夹角不超过20度，控制在人脸姿态左右旋转[-20°，20°]范围之内。
优选的，通过3台摄像机可采集左右旋转[-60°，+60°]，上下旋转[-25°，+25°]范围之内人脸，每台数字摄像机的采集效率为25帧/秒。
优选的，上述步骤二中，是获取图片信息的视频流，并对视频流进行帧图片还原，还原出每台摄像机每秒25帧图片，随后在帧图片中进行人脸检测，检测到人脸后按像素点范围截取人脸图片并命名。
优选的，上述步骤二中，是对视频流进行帧图片还原和人脸检测，对达到100*120像素点的人脸按人脸中心点位置的150*250为像素范围截取人脸图片，并按图像获取单元序号、采集周期时间、每个采集周期还原获得的帧图片序号进行命名，图片大小约为50k，每秒共可采集输出约3750k的人脸图片。
优选的，上述步骤三中，是将接收的人脸图片按图像文件命名顺序对从每个图像获取单元同时刻同帧序次的人脸图片进行姿态判别，选出正面人脸图片。
优选的，上述步骤四中，是通过算法提取人脸特征值，并按采集周期为单位对人脸特征值进行两两比对，比对效率约为每秒10万次。
优选的，是通过相似度比对，比值达到一预设阈值的一组人脸图片判定为同一人，并选取相似度比值最接近的两张人脸图片中的的一个及其对于人脸特征值作为人脸聚类输出。
优选的，所述预设阈值的取值范围为60％至100％。
一种多角度人脸识别***，包括图像获取单元、人脸采集单元、姿态判别单元及人脸聚类及输出单元，通过多个角度获取图像信息，然后对图像信息进行检测并采集其中的人脸图片，以及通过接收人脸图片并对其进行姿态判别，选出正面人脸图片，最终对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出。
优选的，上述图像获取单元用于通过多个角度获取图像信息。
优选的，上述人脸采集单元用于对图像信息进行检测并采集其中的人脸图片。
优选的，上述姿态判别单元用于接收人脸图片并对其进行姿态判别，选出正面人脸图片。
优选的，上述人脸聚类及输出单元用于对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出。
综上所述，本发明提供了一种多角度人脸识别方法及***，通过多个角度获取图像信息，然后对图像信息进行检测并采集其中的人脸图片，以及通过接收人脸图片并对其进行姿态判别，选出正面人脸图片，最终对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出，实现对被采集对象无感知无需配合的人脸采集，通过多角度采集以提高在人脸姿态随意性较大的情况下正面人脸采集率。
附图说明
图1为本发明实施例的一种多角度人脸识别方法流程图；
图2为本发明一具体实施例之多角度摄像机安装俯视图；
图3为发明一具体实施例之摄像机安装侧视图；
图4为本发明实施例提供的一种多角度人脸识别***示意图。
具体实施方式
本发明实施例提供的一种多角度人脸识别方法及***，通过多个角度获取图像信息，然后对图像信息进行检测并采集其中的人脸图片，以及通过接收人脸图片并对其进行姿态判别，选出正面人脸图片，最终对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出，实现对被采集对象无感知无需配合的人脸采集，通过多角度采集以提高在人脸姿态随意性较大的情况下正面人脸采集率。
为使本发明的目的、技术方案及优点更加清楚明白，下面参照附图并举实施例，对本发明进一步详细说明。
本发明实施例提供一种多角度人脸识别方法，如图1所示，具体步骤包括：
步骤一、通过多个角度获取图像信息；
具体而言，在本发明实施例中，包含多个图像获取单元以便从多个角度获取图像信息，是通过多台数字采集摄像机获取多个角度的图像信息。在本方案中，包含图像获取单元一、图像获取单元二、图像获取单元三为数字采集摄像机，用于多角度获取图像，其安装示意图如图2、图3所示。每台摄像机机位的选择需根据当前人脸识别算法特点，即***人脸可识别姿态范围：左右旋转[-20°，+20°]，上下角度[-15°，+15°]。安装高度控制在2700mm以内，垂直夹角控制在俯仰角度[-15°，+15°]以内，安装轴线沿人员行进方向，水平夹角不超过20度，控制在人脸姿态左右旋转[-20°，20°]范围之内。通过3台摄像机可采集左右旋转[-60°，+60°]，上下旋转[-25°，+25°]范围之内人脸。每台数字摄像机的采集效率为25帧/秒。
进一步的，在本方案中，图像获取单元一为数字摄像机，为人脸采集单元提供图像，其安装高度如图3所示，采集效率为25帧/秒。图像获取单元二为数字摄像机，为人脸采集单元提供图像，其安装高度如图3所示，采集效率为25帧/秒。图像获取单元三为数字摄像机，为人脸采集单元提供图像，其安装高度如图3所示，采集效率为25帧/秒。图像获取单元安装俯视图如图2。
步骤二、对图像信息进行检测并采集其中的人脸图片；
具体而言，在本发明实施例中，将对通过多个角度获取的图像信息进行检测并采集其中的人脸图片。在本方案中，首先将获取每个图像获取单元输出的视频流，其次对视频流进行帧图片还原，还原出每台摄像机每秒25帧图片，随后在帧图片中进行人脸检测，检测到人脸后按像素点范围截取人脸图片并命名，其方法如下：
定义***一个采集周期为1秒，首次采集为T0，下一个采集周期为T1，以此类推。
定义图像获取单元N在Tn时刻第P帧图像中被检测并截取的人脸图片为RNnP，则在T0时刻被检测到的人脸图片如下：
对于图像获取单元一：R101R102R103...R1025
对于图像获取单元二：R201R202R203...R2025
对于图像获取单元三：R301R302R303...R3025
进一步的，在本方案中，包含的人脸采集单元首先获取每个图像获取单元输出的视频流，其次对视频流进行帧图片还原，还原出每台摄像机每秒25帧图片，随后在帧图片中进行人脸检测，检测到人脸后按像素点范围截取人脸图片并命名，并输出给姿态判别单元。人脸采集单元为DSP微芯片处理器，可以实时获取图像获取单元的视频流，对视频流进行帧图片还原和人脸检测，对达到100*120像素点的人脸按人脸中心点位置的150*250为像素范围截取人脸图片，并按图像获取单元序号、采集周期时间、每个采集周期还原获得的帧图片序号进行命名，图片大小约为50k。每秒共可采集输出约3750k的人脸图片。
步骤三、接收人脸图片并对其进行姿态判别，选出正面人脸图片；
具体而言，在本发明实施例中，由于人脸在某一特定时刻只能有一个朝向，因此对某一时刻获取的人脸图片按各图像获取单元帧图片为单位进行算法判别，及在R101、R201、R301中判别出一张正面人脸，以此类推。
进一步的，本方案包含一姿态判别单元为DSP微芯片处理器，将接收人脸采集单元的人脸图片输出，按图像文件命名顺序对从每个图像获取单元同时刻同帧序次的人脸图片进行姿态判别，选出正面人脸图片。姿态判别算法运行效率约为每秒判别1万张人脸图片。经判别分类出的正面人脸输出给人脸聚类单元。
步骤四、对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出。
具体而言，在本发明实施例中，将对某一采集周期人脸姿态判别单元输出的一组正面人脸提取特征值，并进行相似度比对，相似度比值达到一预设阈值的聚类为一张人脸。在本方案中，包含人脸聚类单元一对T0采集周期的正面人脸进行聚类，人脸聚类单元二对T1采集周期的正面人脸进行聚类，人脸聚类单元一再对T2采集周期的正面人脸进行聚类，人脸聚类单元二再对T3采集周期的正面人脸进行聚类，以此类推。由于现实中人脸在采集摄像机前出现的时间大于1秒采集周期，而且，经过聚类后有可能是多张不同人的人脸，因此，人脸聚类单元一聚类完成的正面人脸还需要与下一个采集周期聚类完成的正面人脸进行二次聚类，即交给人脸聚类单元二再次聚类，依次往复，使各采集周期的同一正面人脸能被发现，并针对不同对象最终形成一张正面人脸输出，所述预设阈值的取值范围为60％至100％。。
进一步的，在本方案中，包含的人脸聚类单元为应用服务器，通过算法提取人脸特征值，并按采集周期为单位对人脸特征值进行两两比对，比对效率约为每秒10万次。通过相似度比对，比值达到一预设阈值的一组人脸图片判定为同一人，并选取相似度比值最接近的两张人脸图片中的的一个及其对于人脸特征值作为人脸聚类输出。人脸聚类单元一的输出作为人脸聚类单元二的一个输入部分，参与下一采集周期的人脸聚类，人脸聚类单元一和人脸聚类单元二往复交换输入和输出，直至该人脸特征值不再与其他人脸特征值相近，即比值小于0.6，输出该人脸图片及特征值。实际应用时可根据实际情况设定参数M，对M个采集周期进行集中聚类，提供***运行效率。在本方案中，输出单元之正面人脸输出形式为图片和该图片对应的特征值编码。
另外，本发明实施例还提供一种多角度人脸识别***。如图4所示，为本发明实施例提供的一种多角度人脸识别***示意图。
一种多角度人脸识别***，包括图像获取单元11、人脸采集单元22、姿态判别单元33及人脸聚类及输出单元44。
图像获取单元11，用于通过多个角度获取图像信息；
具体而言，在本发明实施例中，包含多个图像获取单元以便从多个角度获取图像信息。在本方案中，包含图像获取单元一、图像获取单元二、图像获取单元三为数字采集摄像机，用于多角度获取图像，其安装示意图如图2、图3所示。每台摄像机机位的选择需根据当前人脸识别算法特点，即***人脸可识别姿态范围：左右旋转[-20°，+20°]，上下角度[-15°，+15°]。安装高度控制在2700mm以内，垂直夹角控制在俯仰角度[-15°，+15°]以内，安装轴线沿人员行进方向，水平夹角不超过20度，控制在人脸姿态左右旋转[-20°，20°]范围之内。通过3台摄像机可采集左右旋转[-60°，+60°]，上下旋转[-25°，+25°]范围之内人脸。每台数字摄像机的采集效率为25帧/秒。
进一步的，在本方案中，图像获取单元一为数字摄像机，为人脸采集单元提供图像，其安装高度如图3所示，采集效率为25帧/秒。图像获取单元二为数字摄像机，为人脸采集单元提供图像，其安装高度如图3所示，采集效率为25帧/秒。图像获取单元三为数字摄像机，为人脸采集单元提供图像，其安装高度如图3所示，采集效率为25帧/秒。图像获取单元安装俯视图如图2。
人脸采集单元22，用于对图像信息进行检测并采集其中的人脸图片；
具体而言，在本发明实施例中，将对通过多个角度获取的图像信息进行检测并采集其中的人脸图片。在本方案中，首先将获取每个图像获取单元输出的视频流，其次对视频流进行帧图片还原，还原出每台摄像机每秒25帧图片，随后在帧图片中进行人脸检测，检测到人脸后按像素点范围截取人脸图片并命名，其方法如下：
定义***一个采集周期为1秒，首次采集为T0，下一个采集周期为T1，以此类推。
定义图像获取单元N在Tn时刻第P帧图像中被检测并截取的人脸图片为RNnP，则在T0时刻被检测到的人脸图片如下：
对于图像获取单元一：R101R102R103...R1025
对于图像获取单元二：R201R202R203...R2025
对于图像获取单元三：R301R302R303...R3025
进一步的，在本方案中，包含的人脸采集单元首先获取每个图像获取单元输出的视频流，其次对视频流进行帧图片还原，还原出每台摄像机每秒25帧图片，随后在帧图片中进行人脸检测，检测到人脸后按像素点范围截取人脸图片并命名，并输出给姿态判别单元。人脸采集单元为DSP微芯片处理器，可以实时获取图像获取单元的视频流，对视频流进行帧图片还原和人脸检测，对达到100*120像素点的人脸按人脸中心点位置的150*250为像素范围截取人脸图片，并按图像获取单元序号、采集周期时间、每个采集周期还原获得的帧图片序号进行命名，图片大小约为50k。每秒共可采集输出约3750k的人脸图片。
姿态判别单元33，用于接收人脸图片并对其进行姿态判别，选出正面人脸图片；
具体而言，在本发明实施例中，由于人脸在某一特定时刻只能有一个朝向，因此对某一时刻获取的人脸图片按各图像获取单元帧图片为单位进行算法判别，及在R101、R201、R301中判别出一张正面人脸，以此类推。
进一步的，本方案包含一姿态判别单元为DSP微芯片处理器，将接收人脸采集单元的人脸图片输出，按图像文件命名顺序对从每个图像获取单元同时刻同帧序次的人脸图片进行姿态判别，选出正面人脸图片。姿态判别算法运行效率约为每秒判别1万张人脸图片。经判别分类出的正面人脸输出给人脸聚类单元。
人脸聚类及输出单元44，用于对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出。
具体而言，在本发明实施例中，将对某一采集周期人脸姿态判别单元输出的一组正面人脸提取特征值，并进行相似度比对，相似度比值达到一预设阈值的聚类为一张人脸。在本方案中，包含人脸聚类单元一对T0采集周期的正面人脸进行聚类，人脸聚类单元二对T1采集周期的正面人脸进行聚类，人脸聚类单元一再对T2采集周期的正面人脸进行聚类，人脸聚类单元二再对T3采集周期的正面人脸进行聚类，以此类推。由于现实中人脸在采集摄像机前出现的时间大于1秒采集周期，而且，经过聚类后有可能是多张不同人的人脸，因此，人脸聚类单元一聚类完成的正面人脸还需要与下一个采集周期聚类完成的正面人脸进行二次聚类，即交给人脸聚类单元二再次聚类，依次往复，使各采集周期的同一正面人脸能被发现，并针对不同对象最终形成一张正面人脸输出，所述预设阈值的取值范围为60％至100％。。
进一步的，在本方案中，包含的人脸聚类单元为应用服务器，通过算法提取人脸特征值，并按采集周期为单位对人脸特征值进行两两比对，比对效率约为每秒10万次。通过相似度比对，比值达到一预设阈值的一组人脸图片判定为同一人，并选取相似度比值最接近的两张人脸图片中的的一个及其对于人脸特征值作为人脸聚类输出。人脸聚类单元一的输出作为人脸聚类单元二的一个输入部分，参与下一采集周期的人脸聚类，人脸聚类单元一和人脸聚类单元二往复交换输入和输出，直至该人脸特征值不再与其他人脸特征值相近，即比值小于0.6，输出该人脸图片及特征值。实际应用时可根据实际情况设定参数M，对M个采集周期进行集中聚类，提供***运行效率。在本方案中，输出单元之正面人脸输出形式为图片和该图片对应的特征值编码。
通过本方案的多角度人脸识别方法和***，能够实现对更大人脸姿态范围的人脸采集，弥补当前人脸识别算法在实际应用中的不足，使人脸可采集姿态范围由左右旋转[-20°，+20°]扩展至[-60°，+60°]，上下旋转范围由[-15°，+15°]扩展至[-25°，+25°]，提高正面人脸采集效率。另一方面，实现了被采集对象无感知无需配合情况下的人脸采集和聚类。
本领域普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
综上所述，本文提供了一种多角度人脸识别方法及***，通过多个角度获取图像信息，然后对图像信息进行检测并采集其中的人脸图片，以及通过接收人脸图片并对其进行姿态判别，选出正面人脸图片，最终对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出，实现对被采集对象无感知无需配合的人脸采集，通过多角度采集以提高在人脸姿态随意性较大的情况下正面人脸采集率。
以上对本发明所提供的一种多角度人脸识别方法及***进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方案；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (15)
1.一种多角度人脸识别方法，其特征在于，所述方法包括：
步骤一、通同。过多个角度获取图像信息；
步骤二、对图像信息进行检测并采集其中的人脸图片；
步骤三、接收人脸图片并对其进行姿态判别，选出正面人脸图片；
步骤四、对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出。
2.根据权利要求1所述的方法，其特征在于，所述步骤一中，是通过多台数字采集摄像机获取多个角度的图像信息。
3.根据权利要求2所述的方法，其特征在于，所述数字采集摄像机机位的选择需根据当前人脸识别算法特点，即***人脸可识别姿态范围：左右旋转[-20°，+20°]，上下角度[-15°，+15°]，安装高度控制在2700mm以内，垂直夹角控制在俯仰角度[-15°，+15°]以内，安装轴线沿人员行进方向，水平夹角不超过20度，控制在人脸姿态左右旋转[-20°，20°]范围之内。
4.根据权利要求2所述的方法，其特征在于，通过3台摄像机可采集左右旋转[-60°，+60°]，上下旋转[-25°，+25°]范围之内人脸，每台数字摄像机的采集效率为25帧/秒。
5.根据权利要求1或2所述的方法，其特征在于，所述步骤二中，是获取图片信息的视频流，并对视频流进行帧图片还原，还原出每台摄像机每秒25帧图片，随后在帧图片中进行人脸检测，检测到人脸后按像素点范围截取人脸图片并命名。
6.根据权利要求1所述的方法，其特征在于，所述步骤二中，是对视频流进行帧图片还原和人脸检测，对达到100*120像素点的人脸按人脸中心点位置的150*250为像素范围截取人脸图片，并按图像获取单元序号、采集周期时间、每个采集周期还原获得的帧图片序号进行命名，图片大小约为50k，每秒共可采集输出约3750k的人脸图片。
7.根据权利要求1所述的方法，其特征在于，所述步骤三中，是将接收的人脸图片按图像文件命名顺序对从每个图像获取单元同时刻同帧序次的人脸图片进行姿态判别，选出正面人脸图片。
8.根据权利要求1所述的方法，其特征在于，所述步骤四中，是通过算法提取人脸特征值，并按采集周期为单位对人脸特征值进行两两比对，比对效率约为每秒10万次。
9.根据权利要求8所述的方法，其特征在于，通过相似度比对，比值达到一预设阈值的一组人脸图片判定为同一人，并选取相似度比值最接近的两张人脸图片中的的一个及其对于人脸特征值作为人脸聚类输出。
10.根据权利要求9所述的方法，其特征在于，所述预设阈值的取值范围为60％至100％。
11.一种多角度人脸识别***，其特征在于，所述***包括图像获取单元、人脸采集单元、姿态判别单元及人脸聚类及输出单元，通过多个角度获取图像信息，然后对图像信息进行检测并采集其中的人脸图片，以及通过接收人脸图片并对其进行姿态判别，选出正面人脸图片，最终对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出。
12.根据权利要求11所述的***，其特征在于，所述图像获取单元用于通过多个角度获取图像信息。
13.根据权利要求11所述的***，其特征在于，所述人脸采集单元用于对图像信息进行检测并采集其中的人脸图片。
14.根据权利要求11所述的***，其特征在于，所述姿态判别单元用于接收人脸图片并对其进行姿态判别，选出正面人脸图片。
15.根据权利要求11所述的***，其特征在于，所述人脸聚类及输出单元用于对采集周期内的正面人脸图片提取特征值，进行人脸聚类处理并输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012100328375A CN102609695A (zh) | 2012-02-14 | 2012-02-14 | 一种多角度人脸识别方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012100328375A CN102609695A (zh) | 2012-02-14 | 2012-02-14 | 一种多角度人脸识别方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102609695A true CN102609695A (zh) | 2012-07-25 |
Family
ID=46527054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012100328375A Pending CN102609695A (zh) | 2012-02-14 | 2012-02-14 | 一种多角度人脸识别方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102609695A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103634503A (zh) * | 2013-12-16 | 2014-03-12 | 苏州大学 | 一种基于人脸识别和行为识别的视频制作方法及*** |
| CN104091149A (zh) * | 2014-06-20 | 2014-10-08 | 中国船舶重工集团公司第七二六研究所 | 人脸的采集建模训练***及其采集建模训练方法 |
| CN105590097A (zh) * | 2015-12-17 | 2016-05-18 | 重庆邮电大学 | 暗视觉条件下双摄像头协同实时人脸识别安防***及方法 |
| CN106295522A (zh) * | 2016-07-29 | 2017-01-04 | 武汉理工大学 | 一种基于多角度人脸和环境信息的两级防欺骗检测方法 |
| CN106503687A (zh) * | 2016-11-09 | 2017-03-15 | 合肥工业大学 | 融合人脸多角度特征的监控视频人物身份识别***及其方法 |
| CN106657544A (zh) * | 2016-10-24 | 2017-05-10 | 广东欧珀移动通信有限公司 | 一种来电录音的方法及终端设备 |
| CN107633244A (zh) * | 2017-11-13 | 2018-01-26 | 姜茂清 | 人体正面图像采集装置、包含它的图像采集***及其应用 |
| WO2018040045A1 (zh) * | 2016-08-31 | 2018-03-08 | 深圳前海达闼云端智能科技有限公司 | 监控方法、装置及电子设备 |
| CN109034178A (zh) * | 2018-05-28 | 2018-12-18 | 北京文香信息技术有限公司 | 一种基于人脸特征数组的人数统计方法 |
| CN109214324A (zh) * | 2018-08-27 | 2019-01-15 | 曜科智能科技（上海）有限公司 | 基于多相机阵列的最正脸图像输出方法及输出*** |
| CN110338759A (zh) * | 2019-06-27 | 2019-10-18 | 嘉兴深拓科技有限公司 | 一种正面疼痛表情数据采集方法 |
| WO2019223313A1 (zh) * | 2018-05-22 | 2019-11-28 | 深圳云天励飞技术有限公司 | 一种人员档案建立方法和装置 |
| CN110781710A (zh) * | 2018-12-17 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 一种目标对象聚类方法及装置 |
| CN111444822A (zh) * | 2020-03-24 | 2020-07-24 | 北京奇艺世纪科技有限公司 | 对象识别方法和装置、存储介质和电子装置 |
| CN111539911A (zh) * | 2020-03-23 | 2020-08-14 | 中国科学院自动化研究所 | 一种口呼吸面容识别方法、设备和存储介质 |
| CN112001360A (zh) * | 2020-09-09 | 2020-11-27 | 深圳中神电子科技有限公司 | 一种基于智能调节的人脸识别监控*** |
| CN113327332A (zh) * | 2018-09-29 | 2021-08-31 | 爱笔（北京）智能科技有限公司 | 基于生物信息的票务处理方法及***、服务端、客户端 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040197014A1 (en) * | 2003-04-01 | 2004-10-07 | Honda Motor Co., Ltd. | Face identification system |
| CN101673346A (zh) * | 2008-09-09 | 2010-03-17 | 日电（中国）有限公司 | 对图像进行处理的方法、设备和*** |
| CN201689439U (zh) * | 2010-05-20 | 2010-12-29 | 上海洪剑智能科技有限公司 | 分布式人脸识别*** |
-
2012
- 2012-02-14 CN CN2012100328375A patent/CN102609695A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040197014A1 (en) * | 2003-04-01 | 2004-10-07 | Honda Motor Co., Ltd. | Face identification system |
| CN101673346A (zh) * | 2008-09-09 | 2010-03-17 | 日电（中国）有限公司 | 对图像进行处理的方法、设备和*** |
| CN201689439U (zh) * | 2010-05-20 | 2010-12-29 | 上海洪剑智能科技有限公司 | 分布式人脸识别*** |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103634503A (zh) * | 2013-12-16 | 2014-03-12 | 苏州大学 | 一种基于人脸识别和行为识别的视频制作方法及*** |
| CN104091149A (zh) * | 2014-06-20 | 2014-10-08 | 中国船舶重工集团公司第七二六研究所 | 人脸的采集建模训练***及其采集建模训练方法 |
| CN104091149B (zh) * | 2014-06-20 | 2018-01-26 | 中国船舶重工集团公司第七二六研究所 | 人脸的采集建模训练***及其采集建模训练方法 |
| CN105590097B (zh) * | 2015-12-17 | 2019-01-25 | 重庆邮电大学 | 暗视觉条件下双摄像头协同实时人脸识别安防***及方法 |
| CN105590097A (zh) * | 2015-12-17 | 2016-05-18 | 重庆邮电大学 | 暗视觉条件下双摄像头协同实时人脸识别安防***及方法 |
| CN106295522A (zh) * | 2016-07-29 | 2017-01-04 | 武汉理工大学 | 一种基于多角度人脸和环境信息的两级防欺骗检测方法 |
| CN106295522B (zh) * | 2016-07-29 | 2019-09-10 | 武汉理工大学 | 一种基于多角度人脸和环境信息的两级防欺骗检测方法 |
| WO2018040045A1 (zh) * | 2016-08-31 | 2018-03-08 | 深圳前海达闼云端智能科技有限公司 | 监控方法、装置及电子设备 |
| CN106657544A (zh) * | 2016-10-24 | 2017-05-10 | 广东欧珀移动通信有限公司 | 一种来电录音的方法及终端设备 |
| CN106503687B (zh) * | 2016-11-09 | 2019-04-05 | 合肥工业大学 | 融合人脸多角度特征的监控视频人物身份识别***及其方法 |
| CN106503687A (zh) * | 2016-11-09 | 2017-03-15 | 合肥工业大学 | 融合人脸多角度特征的监控视频人物身份识别***及其方法 |
| CN107633244A (zh) * | 2017-11-13 | 2018-01-26 | 姜茂清 | 人体正面图像采集装置、包含它的图像采集***及其应用 |
| WO2019223313A1 (zh) * | 2018-05-22 | 2019-11-28 | 深圳云天励飞技术有限公司 | 一种人员档案建立方法和装置 |
| CN109034178A (zh) * | 2018-05-28 | 2018-12-18 | 北京文香信息技术有限公司 | 一种基于人脸特征数组的人数统计方法 |
| CN109214324A (zh) * | 2018-08-27 | 2019-01-15 | 曜科智能科技（上海）有限公司 | 基于多相机阵列的最正脸图像输出方法及输出*** |
| CN113327332A (zh) * | 2018-09-29 | 2021-08-31 | 爱笔（北京）智能科技有限公司 | 基于生物信息的票务处理方法及***、服务端、客户端 |
| CN110781710A (zh) * | 2018-12-17 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 一种目标对象聚类方法及装置 |
| CN110338759B (zh) * | 2019-06-27 | 2020-06-09 | 嘉兴深拓科技有限公司 | 一种正面疼痛表情数据采集方法 |
| CN110338759A (zh) * | 2019-06-27 | 2019-10-18 | 嘉兴深拓科技有限公司 | 一种正面疼痛表情数据采集方法 |
| CN111539911A (zh) * | 2020-03-23 | 2020-08-14 | 中国科学院自动化研究所 | 一种口呼吸面容识别方法、设备和存储介质 |
| CN111444822A (zh) * | 2020-03-24 | 2020-07-24 | 北京奇艺世纪科技有限公司 | 对象识别方法和装置、存储介质和电子装置 |
| CN111444822B (zh) * | 2020-03-24 | 2024-02-06 | 北京奇艺世纪科技有限公司 | 对象识别方法和装置、存储介质和电子装置 |
| CN112001360A (zh) * | 2020-09-09 | 2020-11-27 | 深圳中神电子科技有限公司 | 一种基于智能调节的人脸识别监控*** |
| CN112001360B (zh) * | 2020-09-09 | 2021-06-04 | 深圳市集互共享科技有限公司 | 一种基于智能调节的人脸识别监控*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102609695A (zh) | 一种多角度人脸识别方法及*** | |
| WO2021088300A1 (zh) | 一种基于非对称双流网络的rgb-d多模态融合人员检测方法 | |
| US10204262B2 (en) | Infrared imaging recognition enhanced by 3D verification | |
| CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
| CN103310183B (zh) | 人群聚集检测的方法与装置 | |
| CN103049084B (zh) | 一种可根据人脸方向来调整显示方向的电子设备及其方法 | |
| CN105979210A (zh) | 一种基于多枪多球摄像机阵列的行人识别*** | |
| CN103020606B (zh) | 一种基于时空上下文信息的行人检测方法 | |
| CN102930261A (zh) | 一种人脸抓拍识别方法 | |
| US20180173982A1 (en) | System and method for 1d root association providing sparsity guarantee in image data | |
| CN106101622A (zh) | 一种大数据存储*** | |
| CN205068764U (zh) | 一种基于行人闯红灯监控的人脸识别*** | |
| CN106791706A (zh) | 对象锁定方法及*** | |
| CN107330370A (zh) | 一种额头皱纹动作检测方法和装置及活体识别方法和*** | |
| De Oliveira et al. | People reidentification in a camera network | |
| CN202433920U (zh) | 多角度人脸识别*** | |
| US20120162412A1 (en) | Image matting apparatus using multiple cameras and method of generating alpha maps | |
| Iwashita et al. | Gait identification using invisible shadows: robustness to appearance changes | |
| CN111465937A (zh) | 采用光场相机***的脸部检测和识别方法 | |
| Jung et al. | Real-time estimation of 3D scene geometry from a single image | |
| Wang et al. | Image orientation detection with integrated human perception cues (or which way is up) | |
| CN116311041A (zh) | 一种智慧场馆的区域兴趣度评估方法、介质及装置 | |
| Wong et al. | Wireless webcam based omnidirectional health care surveillance system | |
| CN202472689U (zh) | 一种人脸姿态检测*** | |
| de Oliveira et al. | Object reidentification in multiple cameras system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent of invention or patent application | ||
| CB03 | Change of inventor or designer information |
Inventor after: Hua Jiaobao Inventor after: Wu Minwei Inventor after: Liu Qifeng Inventor after: Qin Han Inventor after: Zhang Yaojun Inventor before: Hua Jiaobao Inventor before: Wu Minwei Inventor before: Liu Qifeng Inventor before: Qin Han |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: HUA JIAOBAO WU MINWEI LIU QIFENG QIN HAN TO: HUA JIAOBAO WU MINWEI LIU QIFENG QIN HAN ZHANG YAOJUN |
|
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120725 |