CN102622581B - 人脸检测方法及*** - Google Patents
人脸检测方法及*** Download PDFInfo
- Publication number
- CN102622581B CN102622581B CN 201210039240 CN201210039240A CN102622581B CN 102622581 B CN102622581 B CN 102622581B CN 201210039240 CN201210039240 CN 201210039240 CN 201210039240 A CN201210039240 A CN 201210039240A CN 102622581 B CN102622581 B CN 102622581B
- Authority
- CN
- China
- Prior art keywords
- face picture
- buffer memory
- face
- people
- mean eigenvalue
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000001815 facial effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种人脸检测方法及***,所述方法包括:判断内存中是否有未标记过的一组人脸图片,若有未标记过的一组人脸图片,则判断缓存是否为空,若为空,则取内存中的一组人脸图片和对应的平均特征值存入缓存中作为第一人脸图片和第一平均特征值;若不为空,取内存中未标记过的一组人脸图片对应的平均特征值作为第二人脸图片的第二平均特征值与缓存中的第一平均特征值进行相似度对比,若是,将第二平均特征值与缓存中的第一平均特征值求新的平均特征值作为新的第一平均特征值,若否,从中缓存中选取三张最佳人脸图片及第一平均特征值进行输出,本发明可以将属于同一人的连续多组图片进行有效的聚类,将其与其他人分割开,实现了同一人仅输出一组图片的功能,提高了人脸检测采集的实时性。
Description
技术领域
本发明涉及一种人脸检测方法及***。
背景技术
当今,人脸检测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。采集人脸信息是人脸识别技术的应用基础,现有的安全技术防范***通过视频安防监控设备对公共场所内部进行实时监控和录像记录,实现对重要区域的控制和事件发生后的录像检索。现有的人脸检测识别技术的缺陷主要表现在:视频监控图像利用率低,主要实现图像记录和对重要场所的监控,人工无法实现对全部视频图像的监控管理;不能及时在众多图像信息中发现可疑点,往往是事件发生后通过录像进行检索和寻找事件起源和过程,人工耗费较大;视频安防监控***不能很好地实现主动防范功能,丰富的图像信息没有很好地进行分析处理,无法提供安全管理策略,导致***投资大但效果不足。
目前人脸识别***应用范围包括:一是基于人脸图像照片比对,比对源相对固定,较易获取完整有效的人脸特征值;二是基于被采集人员主动配合的视频人脸采集和人脸图像照片比对,同样比对源相对固定,人脸特征值也较易完整获取。但是,对于在人流量大且人员不主动配合的复杂环境应用时,现有的人脸检测识别技术存在人脸采集率低,人脸检测错误,实时性差等缺点,由于采集图片的影响导致人脸识别的成功率低,运算量大的缺陷。
发明内容
本发明的目的在于提供一种人脸检测方法及***,能够将属于同一人的连续多组图片进行有效的聚类,不仅将其与其他人分割开,而且实现了同一人仅输出一组图片的功能,提高了人脸检测采集的实时性,另外增加了对图片清晰度及正面人脸等信息的评价,从而保证了输出图片的质量,提高了人脸识别的成功率和效率。
为解决上述问题,本发明提供一种人脸检测方法,包括:
采用数字摄像机获取视频流;
从所述视频流中获取每个人的正面人脸图片并将所述每个人的正面人脸图片按预设时间进行分组,对每组人脸图片提取特征值并求特征值的平均特征值并将该组人脸图片和对应的平均特征值存入内存中;
判断内存中是否有未标记过的一组人脸图片,
若有未标记过的一组人脸图片,则进一步判断缓存是否为空,
若缓存为空,则取内存中的一组人脸图片和对应的平均特征值存入缓存中作为第一人脸图片和第一平均特征值,并对内存中的该组人脸图片进行标记;
若缓存不为空,取内存中未标记过的一组人脸图片对应的平均特征值作为第二人脸图片的第二平均特征值与缓存中的第一平均特征值进行相似度对比,若相似度大于一预设阈值,则判断为同一人,将所述第二平均特征值与缓存中的第一平均特征值求新的平均特征值作为新的第一平均特征值,并将所述第二人脸图片和新的第一平均特征值存入缓存中,标记内存中的与所述第二人脸图片对应的一组人脸图片,若相似度小于等于所述预设阈值,则对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,标记内存中的与所述第二人脸图片对应的一组人脸图片,并将缓存中的所有内容存入人脸当天比对库中并清空缓存;
若无未标记过的一组人脸图片,则进一步判断缓存是否为空,
若缓存为空,则退出;
若缓存不为空,对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,并将缓存中的所有内容存入人脸当天比对库中并清空缓存。
进一步的,在上述方法中,所述数字摄像机的采集效率为25帧/秒。
进一步的,在上述方法中,所述预设时间为秒或分种。
根据本发明的另一面,提供一种人脸检测***,包括:
数字摄像机,用于获取视频流;
特征值提取模块,用于从所述视频流中获取每个人的正面人脸图片并将所述每个人的正面人脸图片按预设时间进行分组,对每组人脸图片提取特征值并求特征值的平均特征值并将该组人脸图片和对应的平均特征值存入内存单元中;
内存单元,用于所有人脸图片和对应的平均特征值;
逻辑单元,用于判断内存中是否有未标记过的一组人脸图片,若有未标记过的一组人脸图片,则进一步判断缓存是否为空,若缓存为空,取内存中的一组人脸图片和对应的平均特征值存入缓存中作为第一人脸图片和第一平均特征值,并对内存中的该组人脸图片进行标记;若缓存不为空,取内存中未标记过的一组人脸图片对应的平均特征值作为第二人脸图片的第二平均特征值与缓存中的第一平均特征值进行相似度对比,若相似度大于一预设阈值,则判断为同一人,将所述第二平均特征值与缓存中的第一平均特征值求新的平均特征值作为新的第一平均特征值,并将所述第二人脸图片和新的第一平均特征值存入缓存中,标记内存中的与所述第二人脸图片对应的一组人脸图片,若相似度小于等于所述预设阈值,则对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,标记内存中的与所述第二人脸图片对应的一组人脸图片,并将缓存中的所有内容存入人脸当天比对库中并清空缓存;若无未标记过的一组人脸图片,则进一步判断缓存是否为空,若缓存为空,则退出;若缓存不为空,对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,并将缓存中的所有内容存入人脸当天比对库中并清空缓存;
缓存单元,用于存储待比对的人脸图片及对应的平均特征值;
人脸当天比对库,用于存储当天所有的人脸图片及对应的平均特征值。
进一步的,在上述***中,所述数字摄像机的采集效率为25帧/秒。
进一步的,在上述***中,所述预设时间为秒或分种。
与现有技术相比,本发明通过采用数字摄像机获取视频流;从所述视频流中获取每个人的正面人脸图片并将所述每个人的正面人脸图片按预设时间进行分组,对每组人脸图片提取特征值并求平均特征值并将该组人脸图片和对应的平均特征值存入内存中;判断内存中是否有未标记过的一组人脸图片,若有未标记过的一组人脸图片,则进一步判断缓存是否为空,若缓存为空,取内存中的一组人脸图片和对应的平均特征值存入缓存中作为第一人脸图片和第一平均特征值,并对内存中的该组人脸图片进行标记;若缓存不为空,取内存中未标记过的一组人脸图片对应的平均特征值作为第二人脸图片的第二平均特征值与缓存中的第一平均特征值进行相似度对比,若相似度大于一预设阈值,则判断为同一人,将所述第二平均特征值与缓存中的第一平均特征值求新的平均特征值作为新的第一平均特征值,并将所述第二人脸图片和新的第一平均特征值存入缓存中,标记内存中的与所述第二人脸图片对应的一组人脸图片,若相似度小于等于一预设阈值,则对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,标记内存中的与所述第二人脸图片对应的一组人脸图片,并将缓存中的所有内容存入人脸当天比对库中并清空缓存;若无未标记过的一组人脸图片,则进一步判断缓存是否为空,若缓存为空,则退出;若缓存不为空,从缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,并将缓存中的所有内容存入人脸当天比对库中并清空缓存,从而将属于同一人的连续多组图片进行有效的聚类,不仅将其与其他人分割开,而且实现了同一人仅输出一组图片的功能,提高了人脸检测采集的实时性,另外增加了对图片清晰度及正面人脸等信息的评价,从而保证了输出图片的质量,提高了人脸识别的成功率和效率。
附图说明
图1是本发明一实施例的人脸检测方法的流程图;
图2是本发明一实施例的人脸检测***的功能模块示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供一种人脸检测方法,包括:
步骤S1,采用数字摄像机获取视频流,具体的,所述数字摄像机的采集效率为25帧/秒;
步骤S2,从所述视频流中获取每个人的正面人脸图片并将所述每个人的正面人脸图片按预设时间进行分组,对每组人脸图片提取特征值并求特征值平均特征值并将该组人脸图片和对应的平均特征值存入内存中,具体的,所述预设时间为秒或分种;
步骤S3,判断内存中是否有未标记过的一组人脸图片,若有未标记过的一组人脸图片,则执行步骤S4,若无未标记过的一组人脸图片,则执行步骤S5;
步骤S4,进一步判断缓存是否为空,若缓存为空,则执行步骤S41,若缓存不为空,则执行步骤S42,
步骤S41,取内存中的一组人脸图片和对应的平均特征值存入缓存中作为第一人脸图片和第一平均特征值,并对内存中的该组人脸图片进行标记;
步骤S42,取内存中未标记过的一组人脸图片对应的平均特征值作为第二人脸图片的第二平均特征值与缓存中的第一平均特征值进行相似度对比是否大于一预设阈值,若相似度大于一预设阈值,则执行步骤S43,若相似度小于等于所述预设阈值,则执行步骤S44,
步骤S43,判断为同一人,将所述第二平均特征值与缓存中的第一平均特征值求新的平均特征值作为新的第一平均特征值,并将所述第二人脸图片和新的第一平均特征值存入缓存中,标记内存中的与所述第二人脸图片对应的一组人脸图片;
步骤S44,对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,标记内存中的与所述第二人脸图片对应的一组人脸图片,并将缓存中的所有内容存入人脸当天比对库中并清空缓存;
步骤S5,进一步判断缓存是否为空,若缓存为空,则执行步骤S6,若缓存不为空,则执行步骤S7;
步骤S6,退出;
步骤S7,从缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,并将缓存中的所有内容存入人脸当天比对库中并清空缓存。
只要当天采集不结束,内存中有未标记过的一组人脸图片或缓存不为空,则重复从步骤S2开始执行。
更详细的,本发明一实施例中,数字摄像机实时的检测视频流中是否有人脸,若检测到人脸的存在才保存帧图片,本发明中使用的数字摄像机的采集效率为25帧/秒,根据人脸运行时的轨迹,将一秒中采集到属于一个人的25帧图片评价后,选取三张图片质量高的作为该人的一组人脸图片,处理流程具体如下:
步骤一:首先对数字摄像机采集到的每组人脸图片提取特征值,然后对每组人脸的特征值取平均特征值(一个人多张照片的多个特征的平均特征值),最后将人脸图片及平均特征值(即人脸信息)存入内存单元中。
步骤二:检测内存单元是否有新的人脸信息存入,
若有新的人脸信息,检查缓存是否为空,
若缓存为空时,就将新的人脸信息存入缓存中,循环执行步骤二;
若缓存不空,取缓存的人脸信息与新的人脸信息进行比对(即将新的人脸平均特征值与缓存中特征值时进行比较),如果相似度大于一定阈值,则判定为同一个人,求出新的人脸平均特征值,并将新的人脸图片和特征值存入缓存中;反之,则把缓存中人脸图片进行评价,将最佳的三张人脸图片及平均特征值输出,同时将缓存中的人脸信息都存入人脸当天比对库中然后清空缓存将新的人脸信息存入缓存中。循环执行步骤二;
步骤三:若无新的人脸信息,检查缓存是否为空,
若缓存不为空时,将缓存中的人脸图片进行图象评价,将最佳的三张人脸图片及平均特征值输出,同时将缓存中的人脸信息都存入人脸当天比对库中。
检测当天采集是否结束,若采集未结束,则循环执行步骤二;
若采集结束则退出,并清空缓存和内存单元,结束单机位聚类的流程。
本发明对采用单摄像机采集到的评价过的人脸图像,按一种方法,将图像中连续多组同一个人的图像与其它人分割开来,实现每个人人脸信息的输出,另外,本发明在最后结果输出中,增加了对聚类照片的评价,使输出的照片的质量更好,从而更加利于以后人脸的比对,增强人脸比对的成功率。
如图2所示,本发明还提供另一种人脸检测***,包括:数字摄像机1、特征值提取模块2、内存单元3、逻辑单元4、缓存单元5及人脸当天比对库6。
数字摄像机1用于获取视频流。
特征值提取模块2用于从所述视频流中获取每个人的正面人脸图片并将所述每个人的正面人脸图片按预设时间进行分组,对每组人脸图片提取特征值并求特征值平均特征值并将该组人脸图片和对应的平均特征值存入内存单元中。
内存单元3用于所有人脸图片和对应的平均特征值。
逻辑单元4用于判断内存中是否有未标记过的一组人脸图片,若有未标记过的一组人脸图片,则进一步判断缓存是否为空,若缓存为空,取内存中的一组人脸图片和对应的平均特征值存入缓存中作为第一人脸图片和第一平均特征值,并对内存中的该组人脸图片进行标记;若缓存不为空,取内存中未标记过的一组人脸图片对应的平均特征值作为第二人脸图片的第二平均特征值与缓存中的第一平均特征值进行相似度对比,若相似度大于一预设阈值,则判断为同一人,将所述第二平均特征值与缓存中的第一平均特征值求新的平均特征值作为新的第一平均特征值,并将所述第二人脸图片和新的第一平均特征值存入缓存中,标记内存中的与所述第二人脸图片对应的一组人脸图片,若相似度小于等于所述预设阈值,则对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,标记内存中的与所述第二人脸图片对应的一组人脸图片,并将缓存中的所有内容存入人脸当天比对库中并清空缓存;若无未标记过的一组人脸图片,则进一步判断缓存是否为空,若缓存为空,则退出;若缓存不为空,对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,并将缓存中的所有内容存入人脸当天比对库中并清空缓存。
缓存单元5用于存储待比对的人脸图片及对应的平均特征值。
人脸当天比对库6用于存储当天所有的人脸图片及对应的平均特征值。
综上所述,本发明通过采用数字摄像机获取视频流;从所述视频流中获取每个人的正面人脸图片并将所述每个人的正面人脸图片按预设时间进行分组,对每组人脸图片提取特征值并求平均特征值并将该组人脸图片和对应的平均特征值存入内存中;判断内存中是否有未标记过的一组人脸图片,若有未标记过的一组人脸图片,则进一步判断缓存是否为空,若缓存为空,取内存中的一组人脸图片和对应的平均特征值存入缓存中作为第一人脸图片和第一平均特征值,并对内存中的该组人脸图片进行标记;若缓存不为空,取内存中未标记过的一组人脸图片对应的平均特征值作为第二人脸图片的第二平均特征值与缓存中的第一平均特征值进行相似度对比,若相似度大于一预设阈值,则判断为同一人,将所述第二平均特征值与缓存中的第一平均特征值求新的平均特征值作为新的第一平均特征值,并将所述第二人脸图片和新的第一平均特征值存入缓存中,标记内存中的与所述第二人脸图片对应的一组人脸图片,若相似度小于等于一预设阈值,则对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,标记内存中的与所述第二人脸图片对应的一组人脸图片,并将缓存中的所有内容存入人脸当天比对库中并清空缓存;若无未标记过的一组人脸图片,则进一步判断缓存是否为空,若缓存为空,则退出;若缓存不为空,从缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,并将缓存中的所有内容存入人脸当天比对库中并清空缓存,从而将属于同一人的连续多组图片进行有效的聚类,不仅将其与其他人分割开,而且实现了同一人仅输出一组图片的功能,提高了人脸检测采集的实时性,另外增加了对图片清晰度及正面人脸等信息的评价,从而保证了输出图片的质量,提高了人脸识别的成功率和效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
显然,本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (6)
1.一种人脸检测方法,其特征在于,包括:
采用数字摄像机获取视频流;
从所述视频流中获取每个人的正面人脸图片并将所述每个人的正面人脸图片按预设时间进行分组,对每组人脸图片提取特征值并求特征值的平均特征值并将该组人脸图片和对应的平均特征值存入内存中;
判断内存中是否有未标记过的一组人脸图片,
若有未标记过的一组人脸图片,则进一步判断缓存是否为空,
若缓存为空,则取内存中的一组人脸图片和对应的平均特征值存入缓存中作为第一人脸图片和第一平均特征值,并对内存中的该组人脸图片进行标记;
若缓存不为空,取内存中未标记过的一组人脸图片对应的平均特征值作为第二人脸图片的第二平均特征值与缓存中的第一平均特征值进行相似度对比,若相似度大于一预设阈值,则判断为同一人,将所述第二平均特征值与缓存中的第一平均特征值求新的平均特征值作为新的第一平均特征值,并将所述第二人脸图片和新的第一平均特征值存入缓存中,标记内存中的与所述第二人脸图片对应的一组人脸图片,若相似度小于等于所述预设阈值,则对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,标记内存中的与所述第二人脸图片对应的一组人脸图片,并将缓存中的所有内容存入人脸当天比对库中并清空缓存;
若无未标记过的一组人脸图片,则进一步判断缓存是否为空,
若缓存为空,则退出;
若缓存不为空,对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,并将缓存中的所有内容存入人脸当天比对库中并清空缓存。
2.如权利要求1所述的人脸检测方法,其特征在于,所述数字摄像机的采集频率为25帧/秒。
3.如权利要求1所述的人脸检测方法,其特征在于,所述预设时间为秒或分种。
4.一种人脸检测***,其特征在于,包括:
数字摄像机,用于获取视频流;
特征值提取模块,用于从所述视频流中获取每个人的正面人脸图片并将所述每个人的正面人脸图片按预设时间进行分组,对每组人脸图片提取特征值并求特征值的平均特征值并将该组人脸图片和对应的平均特征值存入内存单元中;
内存单元,用于所有人脸图片和对应的平均特征值;
逻辑单元,用于判断内存中是否有未标记过的一组人脸图片,若有未标记过的一组人脸图片,则进一步判断缓存是否为空,若缓存为空,取内存中的一组人脸图片和对应的平均特征值存入缓存中作为第一人脸图片和第一平均特征值,并对内存中的该组人脸图片进行标记;若缓存不为空,取内存中未标记过的一组人脸图片对应的平均特征值作为第二人脸图片的第二平均特征值与缓存中的第一平均特征值进行相似度对比,若相似度大于一预设阈值,则判断为同一人,将所述第二平均特征值与缓存中的第一平均特征值求新的平均特征值作为新的第一平均特征值,并将所述第二人脸图片和新的第一平均特征值存入缓存中,标记内存中的与所述第二人脸图片对应的一组人脸图片,若相似度小于等于所述预设阈值,则对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,标记内存中的与所述第二人脸图片对应的一组人脸图片,并将缓存中的所有内容存入人脸当天比对库中并清空缓存;若无未标记过的一组人脸图片,则进一步判断缓存是否为空,若缓存为空,则退出;若缓存不为空,对缓存中的所有人脸图片进行评价,从中选取三张最佳人脸图片及所述第一平均特征值进行输出,并将缓存中的所有内容存入人脸当天比对库中并清空缓存;
缓存单元,用于存储待比对的人脸图片及对应的平均特征值;
人脸当天比对库,用于存储当天所有的人脸图片及对应的平均特征值。
5.如权利要求4所述的人脸检测***,其特征在于,所述数字摄像机的采集频率为25帧/秒。
6.如权利要求4所述的人脸检测***,其特征在于,所述预设时间为秒或分种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210039240 CN102622581B (zh) | 2012-02-20 | 2012-02-20 | 人脸检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210039240 CN102622581B (zh) | 2012-02-20 | 2012-02-20 | 人脸检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102622581A CN102622581A (zh) | 2012-08-01 |
CN102622581B true CN102622581B (zh) | 2013-09-25 |
Family
ID=46562491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201210039240 Expired - Fee Related CN102622581B (zh) | 2012-02-20 | 2012-02-20 | 人脸检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102622581B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105407321A (zh) * | 2015-11-12 | 2016-03-16 | 中国科学院遥感与数字地球研究所 | 一种监控数据处理方法及*** |
CN108229674B (zh) * | 2017-02-21 | 2021-03-02 | 北京市商汤科技开发有限公司 | 聚类用神经网络的训练方法和装置、聚类方法和装置 |
CN109379531B (zh) * | 2018-09-29 | 2021-07-16 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
CN110348366B (zh) * | 2019-07-05 | 2021-08-17 | 杭州师范大学 | 一种自动化最优人脸搜索方法及装置 |
CN112419637B (zh) * | 2019-08-22 | 2024-05-14 | 北京奇虎科技有限公司 | 安防图像数据的处理方法及装置 |
CN110825765B (zh) * | 2019-10-23 | 2022-10-04 | 中国建设银行股份有限公司 | 一种人脸识别的方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281598A (zh) * | 2008-05-23 | 2008-10-08 | 清华大学 | 基于多部件多特征融合的人脸识别方法 |
CN101324923A (zh) * | 2008-08-05 | 2008-12-17 | 北京中星微电子有限公司 | 用于人脸识别的特征提取方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7039222B2 (en) * | 2003-02-28 | 2006-05-02 | Eastman Kodak Company | Method and system for enhancing portrait images that are processed in a batch mode |
-
2012
- 2012-02-20 CN CN 201210039240 patent/CN102622581B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281598A (zh) * | 2008-05-23 | 2008-10-08 | 清华大学 | 基于多部件多特征融合的人脸识别方法 |
CN101324923A (zh) * | 2008-08-05 | 2008-12-17 | 北京中星微电子有限公司 | 用于人脸识别的特征提取方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102622581A (zh) | 2012-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102622581B (zh) | 人脸检测方法及*** | |
CN109522853B (zh) | 面向监控视频的人脸检测与搜索方法 | |
CN105868689B (zh) | 一种基于级联卷积神经网络的人脸遮挡检测方法 | |
CN106803301A (zh) | 一种基于深度学习的人脸识别门禁方法及*** | |
CN201718000U (zh) | 智能化动态场视频监控*** | |
Wahab et al. | Passive video forgery detection techniques: A survey | |
CN108509946A (zh) | 一种基于人脸识别的智能楼宇*** | |
CN107067504A (zh) | 一种人脸识别安防***及可疑人员检测与预警方法 | |
US8385654B2 (en) | Salience estimation for object-based visual attention model | |
CN101587606A (zh) | 一种展览场地人员流量检测方法及*** | |
CN103514694A (zh) | 一种入侵检测监控*** | |
CN102930261A (zh) | 一种人脸抓拍识别方法 | |
CN103049459A (zh) | 一种基于特征识别的快速录像检索方法 | |
CN105426820A (zh) | 基于安防监控视频数据的多人异常行为检测方法 | |
CN110263728A (zh) | 基于改进的伪三维残差神经网络的异常行为检测方法 | |
CN108416256A (zh) | 基于特征识别的家庭云智能监控***和监控方法 | |
CN110163135A (zh) | 一种基于动态算法的一人一档人脸聚类的方法及*** | |
CN107230267A (zh) | 基于人脸识别算法的幼儿园智能签到方法 | |
CN103927519A (zh) | 一种实时人脸检测与过滤方法 | |
CN108010242A (zh) | 一种基于视频识别的安防报警方法、***及存储介质 | |
TW201140470A (en) | System and method for monitoring objects and key persons of the objects | |
CN102609729B (zh) | 多机位人脸识别方法及*** | |
CN102063753A (zh) | 一种基于物联网的身份识别与人流统计*** | |
CN104270619B (zh) | 一种安全告警方法及装置 | |
Shafie et al. | Smart video surveillance system for vehicle detection and traffic flow control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180416 Address after: No. 345, No. 19, fresh water road, Huangpu District, Shanghai, No. 19 Patentee after: Shanghai Zhongyuan Electron & Engineering Co.,Ltd. Address before: Room 202, Room 202, No. 22, Pudong New Area Yushan Road, Shanghai, Shanghai Patentee before: Hua Jiaobao |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130925 Termination date: 20210220 |
|
CF01 | Termination of patent right due to non-payment of annual fee |