CN104036276A - 人脸识别方法及装置 - Google Patents
人脸识别方法及装置 Download PDFInfo
- Publication number
- CN104036276A CN104036276A CN201410236091.9A CN201410236091A CN104036276A CN 104036276 A CN104036276 A CN 104036276A CN 201410236091 A CN201410236091 A CN 201410236091A CN 104036276 A CN104036276 A CN 104036276A
- Authority
- CN
- China
- Prior art keywords
- point data
- facial image
- key point
- characteristic point
- correction
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明是关于一种人脸识别方法及装置。所述方法包括:从人脸图像中提取关键点;根据所述关键点对所述人脸图像进行校正,得到校正后的人脸图像和校正后的关键点;对所述校正后的人脸图像进行特征提取,得到特征点数据集合;在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据,将所述关键区域内的特征点数据组合成特征向量;根据所述特征向量进行人脸识别。本发明用于提高人脸识别的准确性。
Description
技术领域
本公开涉及图像识别技术领域,尤其涉及一种人脸识别方法及装置。
背景技术
目前,人脸识别的方法有利用人脸图像的灰度分布信息,通过图像相似度来识别待测人脸和目标脸是否一致;也有人利用脸部关键点的几何位置信息作为衡量指标来识别待测人脸和目标脸是否一致。
但是目前人脸识别的精度仍然不够,特别是遇到表情变化,脸部偏斜,光线变化等复杂情况,这些情况都直接影响到人脸识别的效果。
发明内容
为克服相关技术中存在的问题,本公开实施例提供一种人脸识别方法及装置。
根据本公开实施例的第一方面,提供一种人脸识别方法,包括:
从人脸图像中提取关键点;
根据所述关键点对所述人脸图像进行校正,得到校正后的人脸图像和校正后的关键点;
对所述校正后的人脸图像进行特征提取,得到特征点数据集合;
在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据,将所述关键区域内的特征点数据组合成特征向量;
根据所述特征向量进行人脸识别。
本实施例中,通过将关键点所在关键区域内的特征点数据组成特征向量,用于对人脸的识别,使得可以根据更多的、对人脸起主要标识作用的数据进行人脸识别,识别更加准确。
可选的,所述方法还包括:
对所述特征向量进行压缩,根据所述压缩后的特征向量进行人脸识别。
在可选方案中,对上述特征向量进行了一定程度的压缩,在保证识别准确性的同时,减少了用于人脸识别的特征向量的数据量,加快处理识别速度。
可选的,所述根据所述关键点对所述人脸图像进行校正,包括:
将至少一个所述关键点作为参考点,利用仿射变换对人脸图像进行校正。
在可选方案中,将人脸标准化到统一大小且关键器官部位对齐,使得后续步骤中能够统一对人脸进行处理识别,提高人脸识别的准确性。
可选的,所述在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据,将所述关键区域内的特征点数据组合成特征向量,包括:
以所述关键点为圆心,以预设长度为半径,获得所述校正后的关键点所在的圆形的关键区域;
在所述特征点数据集合中获取所述关键区域内的特征点数据;
将所述关键区域内的特征点数据排列成队列,组成特征向量。
在可选方案中,通过将关键点所在关键区域内的特征点数据组成特征向量,用于对人脸的识别,使得可以根据更多的、对人脸起主要标识作用的数据进行人脸识别,识别更加准确。
可选的,所述对所述校正后的人脸图像进行特征提取,包括:
采用局部二值模式LBP或哈尔小波转换对所述校正后的人脸图像进行特征提取。
在可选方案中,通过对人脸图像进行若特征提取,使得后续步骤可以利用提取到的特征点数据进行人脸识别比对,提高人脸识别的准确性。
可选的,所述对所述特征向量进行压缩,包括:采用主成分分析PCA算法对所述特征向量进行压缩。
在可选方案中,对特征向量进行了一定程度的压缩,在保证识别准确性的同时,减少了用于人脸识别的特征向量的数据量,加快处理识别速度。
根据本公开实施例的第二方面,提供一种人脸识别装置,包括:
关键点提取模块,用于从人脸图像中提取关键点;
校正模块,用于根据所述关键点对所述人脸图像进行校正,得到校正后的人脸图像和校正后的关键点;
特征提取模块,用于对所述校正后的人脸图像进行特征提取,得到特征点数据集合;
组合模块,用于在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据,将所述关键区域内的特征点数据组合成特征向量;
识别模块,用于根据所述特征向量进行人脸识别。
所述装置还包括:
压缩模块,用于对所述特征向量进行压缩;
所述识别模块,用于根据所述压缩后的特征向量进行人脸识别。
所述关键点包括人脸图像中每只眼睛左右两侧的关键点;
所述校正模块,用于至少一个所述关键点作为参考点,利用仿射变换对人脸图像进行校正。
所述组合模块,用于以所述关键点为圆心,以预设长度为半径,获得所述校正后的关键点所在的圆形的关键区域;在所述特征点数据集合中获取所述关键区域内的特征点数据;将所述关键区域内的特征点数据排列成队列,组成特征向量。
所述特征提取模块,用于采用LBP或哈尔小波转换对所述校正后的人脸图像进行特征提取。
所述压缩模块,用于采用PCA算法对所述特征向量进行压缩。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种人脸识别方法的流程图;
图2是根据一示例性实施例示出的人脸关键部位及关键点的示意图;
图3是根据一示例性实施例示出的关键点和关键区域的示意图;
图4是根据另一示例性实施例示出的一种人脸识别方法的流程图;
图5是是根据一示例性实施例示出的一种人脸识别装置的框图;
图6是根据另一示例性实施例示出的一种人脸识别装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种人脸识别方法的流程图,如图1所示,该方法包括以下步骤。
步骤S102,从人脸图像中提取关键点。
步骤S104,根据关键点对人脸图像进行校正,得到校正后的人脸图像和校正后的关键点。
步骤S106,对校正后的人脸图像进行特征提取,得到特征点数据集合。
步骤S108,在特征点数据集合中获取校正后的关键点所在关键区域内的特征点数据,将关键区域内的特征点数据组合成特征向量;
步骤S110,根据特征向量进行人脸识别。
本实施例中,通过将关键点所在关键区域内的特征点数据组成特征向量,用于对人脸的识别,使得可以根据更多的、对人脸起主要标识作用的数据进行人脸识别,识别更加准确。
可选的,在步骤S102中,从人脸图像中提取关键点包括:提取人脸关键部位上的关键点。图2是根据一示例性实施例示出的人脸关键部位及关键点的示意图,如图2所示,人脸的关键部位可以包括:双眼,鼻子,嘴巴,耳朵,提取到的关键点包括:每只眼睛左右两侧的点,鼻尖点,嘴巴左右两侧的点,左右耳朵的点,共9个关键点。
在步骤S104中,根据所述关键点对所述人脸图像进行校正,包括:将至少一个关键点作为参考点利用仿射变换对人脸图像进行校正。例如,将双眼的关键点作为参考点进行校正,使得校正后的双眼保持水平。由于获得的人脸图像可能不符合标准大小,或者人脸与垂直或水平方向有便宜,这样,将人脸标准化到统一大小且关键器官部位对齐,使得后续步骤中能够统一对人脸进行处理识别,提高人脸识别的准确性。
由于原始的灰度图像很容易受到各种外来因素的影响,比如光线亮度等,检测到的人脸图像并不能直接用于分类或识别,因此,在步骤S106中,对人脸图像做特征提取,得到校正后的人脸图像的特征点数据集合。通过对人脸图像进行特征提取,使得后续步骤可以利用提取到的特征点数据进行人脸识别比对,提高人脸识别的准确性。
可选的,在步骤S106中,可以采用局部二值模式LBP或哈尔小波转换对所述校正后的人脸图像进行特征提取。
对于步骤S102中提取出来的脸部的关键点,对于识别人脸所起到的作用相对人脸的其它部分更重要,所以应该赋予更多的权重。又考虑到人脸不同部分的结构位置信息,因此,在步骤S108中,按照关键点划分关键区域,并将关键区域内的特征点数据组合成一个特征向量,以此作为人脸识别的特征向量。
可选的,在步骤S108中,以所述关键点为圆心,以预设长度为半径,获得所述校正后的关键点所在的圆形的关键区域;在所述特征点数据集合中获取所述关键区域内的特征点数据;将所述关键区域内的特征点数据排列成队列,组成特征向量。
具体地,也可以以最小的正方形覆盖圆形关键区域,将该正方形中圆以外的区域设置为空。将这些正方形中的特征数据排列成队列,组成特征向量。
关键区域可以不限于圆形,也可以根据需要设置为其他形状。
图3是根据一示例性实施例示出的关键点和关键区域的示意图,如图3所示,以9个关键点为圆心确定9个关键区域,将9个关键区域内的特征点数据组合成一个特征向量。
可选的,还可以增加脸颊部分的2个关键区域内的特征点数据,与上述9个关键区域内的特征点数据组合成一个特征向量,作为人脸识别的特征向量。
图4是根据另一示例性实施例示出的一种人脸识别方法的流程图,如图4所示,可选的,该方法还包括:
步骤S109,对步骤S108中得到的特征向量进行压缩;
在步骤S110中,根据所述压缩后的特征向量进行人脸识别。
根据图3可以看出,关键区域之间可能有重合,同时考虑到人脸图像本身大小,这样在步骤S108中得到的用于识别的特征向量数据比较大,随着需要处理识别的人数的增加,数据量大大影响了处理速度。因此,在本实施例中,对上述特征向量进行了一定程度的压缩,在保证识别准确性的同时,减少了用于人脸识别的特征向量的数据量,加快处理识别速度。
图5是根据一示例性实施例示出的一种人脸识别装置的框图。参照图5,该装置包括:
关键点提取模块51,用于从人脸图像中提取关键点;
校正模块52,用于根据所述关键点对所述人脸图像进行校正,得到校正后的人脸图像和校正后的关键点;
特征提取模块53,用于对所述校正后的人脸图像进行特征提取,得到特征点数据集合;
组合模块54,用于在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据,将所述关键区域内的特征点数据组合成特征向量;
识别模块55,用于根据所述特征向量进行人脸识别。
可选的,图6是根据另一示例性实施例示出的一种人脸识别装置的框图。参照图6,所述装置还包括:
压缩模块56,用于对所述特征向量进行压缩;
所述识别模块55,用于根据所述压缩后的特征向量进行人脸识别。
可选的,所述校正模块52,用于将至少一个关键点作为参考点,利用仿射变换对人脸图像进行校正。
可选的,所述组合模块54,用于以所述关键点为圆心,以预设长度为半径,获得所述校正后的关键点所在的圆形的关键区域;在所述特征点数据集合中获取所述关键区域内的特征点数据;将所述关键区域内的特征点数据排列成队列,组成特征向量。
可选的,所述特征提取模块53,用于采用LBP或哈尔小波转换对所述校正后的人脸图像进行特征提取。
可选的,所述压缩模块56,用于采用PCA算法对所述特征向量进行压缩。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (12)
1.一种人脸识别方法,其特征在于,包括:
从人脸图像中提取关键点;
根据所述关键点对所述人脸图像进行校正,得到校正后的人脸图像和校正后的关键点;
对所述校正后的人脸图像进行特征提取,得到特征点数据集合;
在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据,将所述关键区域内的特征点数据组合成特征向量;
根据所述特征向量进行人脸识别。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述特征向量进行压缩,根据所述压缩后的特征向量进行人脸识别。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述关键点对所述人脸图像进行校正,包括:
将至少一个所述关键点作为参考点,利用仿射变换对人脸图像进行校正。
4.根据权利要求1或2所述的方法,其特征在于,所述在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据,将所述关键区域内的特征点数据组合成特征向量,包括:
以所述关键点为圆心,以预设长度为半径,获得所述校正后的关键点所在的圆形的关键区域;
在所述特征点数据集合中获取所述关键区域内的特征点数据;
将所述关键区域内的特征点数据排列成队列,组成特征向量。
5.根据权利要求1或2所述的方法,其特征在于,所述对所述校正后的人脸图像进行特征提取,包括:
采用局部二值模式LBP或哈尔小波转换对所述校正后的人脸图像进行特征提取。
6.根据权利要求2所述的方法,其特征在于,所述对所述特征向量进行压缩,包括:
采用主成分分析PCA算法对所述特征向量进行压缩。
7.一种人脸识别装置,其特征在于,包括:
关键点提取模块,用于从人脸图像中提取关键点;
校正模块,用于根据所述关键点对所述人脸图像进行校正,得到校正后的人脸图像和校正后的关键点;
特征提取模块,用于对所述校正后的人脸图像进行特征提取,得到特征点数据集合;
组合模块,用于在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据,将所述关键区域内的特征点数据组合成特征向量;
识别模块,用于根据所述特征向量进行人脸识别。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
压缩模块,用于对所述特征向量进行压缩;
所述识别模块,用于根据所述压缩后的特征向量进行人脸识别。
9.根据权利要求7或8所述的装置,其特征在于,
所述校正模块,用于至少一个所述关键点作为参考点,利用仿射变换对人脸图像进行校正。
10.根据权利要求7或8所述的装置,其特征在于,所述组合模块,用于以所述关键点为圆心,以预设长度为半径,获得所述校正后的关键点所在的圆形的关键区域;在所述特征点数据集合中获取所述关键区域内的特征点数据;将所述关键区域内的特征点数据排列成队列,组成特征向量。
11.根据权利要求7或8所述的装置,其特征在于,所述特征提取模块,用于采用LBP或哈尔小波转换对所述校正后的人脸图像进行特征提取。
12.根据权利要求8所述的装置,其特征在于,所述压缩模块,用于采用PCA算法对所述特征向量进行压缩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410236091.9A CN104036276A (zh) | 2014-05-29 | 2014-05-29 | 人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410236091.9A CN104036276A (zh) | 2014-05-29 | 2014-05-29 | 人脸识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104036276A true CN104036276A (zh) | 2014-09-10 |
Family
ID=51467042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410236091.9A Pending CN104036276A (zh) | 2014-05-29 | 2014-05-29 | 人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104036276A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608448A (zh) * | 2016-02-22 | 2016-05-25 | 海信集团有限公司 | 一种基于脸部关键点的lbp特征提取方法和装置 |
CN105678220A (zh) * | 2015-12-29 | 2016-06-15 | 小米科技有限责任公司 | 人脸关键点定位处理方法和装置 |
CN106570822A (zh) * | 2016-10-25 | 2017-04-19 | 宇龙计算机通信科技(深圳)有限公司 | 一种人脸贴图方法及装置 |
CN107066983A (zh) * | 2017-04-20 | 2017-08-18 | 腾讯科技(上海)有限公司 | 一种身份验证方法及装置 |
WO2018001092A1 (zh) * | 2016-06-29 | 2018-01-04 | 中兴通讯股份有限公司 | 一种人脸识别方法及装置 |
CN108171244A (zh) * | 2016-12-07 | 2018-06-15 | 北京深鉴科技有限公司 | 对象识别方法和*** |
CN108230294A (zh) * | 2017-06-14 | 2018-06-29 | 北京市商汤科技开发有限公司 | 图像检测方法、装置、电子设备和存储介质 |
CN108986094A (zh) * | 2018-07-20 | 2018-12-11 | 南京开为网络科技有限公司 | 用于人脸识别用训练图像库的数据自动更新方法 |
CN109086670A (zh) * | 2018-07-03 | 2018-12-25 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置及设备 |
CN109272616A (zh) * | 2018-08-31 | 2019-01-25 | 镇江赛唯思智能科技有限公司 | 一种基于人脸识别的门禁控制方法及*** |
CN110276308A (zh) * | 2019-06-25 | 2019-09-24 | 上海商汤智能科技有限公司 | 图像处理方法及装置 |
CN110751043A (zh) * | 2019-09-19 | 2020-02-04 | 平安科技(深圳)有限公司 | 基于人脸可见性的人脸识别方法、装置及存储介质 |
CN113361506A (zh) * | 2021-08-11 | 2021-09-07 | 中科南京智能技术研究院 | 一种面向移动端的人脸识别方法与*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763503A (zh) * | 2009-12-30 | 2010-06-30 | 中国科学院计算技术研究所 | 一种姿态鲁棒的人脸识别方法 |
CN103218609A (zh) * | 2013-04-25 | 2013-07-24 | 中国科学院自动化研究所 | 一种基于隐最小二乘回归的多姿态人脸识别方法及其装置 |
-
2014
- 2014-05-29 CN CN201410236091.9A patent/CN104036276A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763503A (zh) * | 2009-12-30 | 2010-06-30 | 中国科学院计算技术研究所 | 一种姿态鲁棒的人脸识别方法 |
CN103218609A (zh) * | 2013-04-25 | 2013-07-24 | 中国科学院自动化研究所 | 一种基于隐最小二乘回归的多姿态人脸识别方法及其装置 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678220B (zh) * | 2015-12-29 | 2019-06-11 | 小米科技有限责任公司 | 人脸关键点定位处理方法和装置 |
CN105678220A (zh) * | 2015-12-29 | 2016-06-15 | 小米科技有限责任公司 | 人脸关键点定位处理方法和装置 |
CN105608448A (zh) * | 2016-02-22 | 2016-05-25 | 海信集团有限公司 | 一种基于脸部关键点的lbp特征提取方法和装置 |
CN105608448B (zh) * | 2016-02-22 | 2019-08-09 | 海信集团有限公司 | 一种基于脸部关键点的lbp特征提取方法和装置 |
WO2018001092A1 (zh) * | 2016-06-29 | 2018-01-04 | 中兴通讯股份有限公司 | 一种人脸识别方法及装置 |
CN106570822B (zh) * | 2016-10-25 | 2020-10-16 | 宇龙计算机通信科技(深圳)有限公司 | 一种人脸贴图方法及装置 |
CN106570822A (zh) * | 2016-10-25 | 2017-04-19 | 宇龙计算机通信科技(深圳)有限公司 | 一种人脸贴图方法及装置 |
CN108171244A (zh) * | 2016-12-07 | 2018-06-15 | 北京深鉴科技有限公司 | 对象识别方法和*** |
CN107066983B (zh) * | 2017-04-20 | 2022-08-09 | 腾讯科技(上海)有限公司 | 一种身份验证方法及装置 |
CN107066983A (zh) * | 2017-04-20 | 2017-08-18 | 腾讯科技(上海)有限公司 | 一种身份验证方法及装置 |
CN108230294B (zh) * | 2017-06-14 | 2020-09-29 | 北京市商汤科技开发有限公司 | 图像检测方法、装置、电子设备和存储介质 |
CN108230294A (zh) * | 2017-06-14 | 2018-06-29 | 北京市商汤科技开发有限公司 | 图像检测方法、装置、电子设备和存储介质 |
US11200416B2 (en) | 2017-06-14 | 2021-12-14 | Beijing Sensetime Technology Development Co., Ltd | Methods and apparatuses for image detection, electronic devices and storage media |
CN109086670A (zh) * | 2018-07-03 | 2018-12-25 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置及设备 |
CN108986094B (zh) * | 2018-07-20 | 2021-08-17 | 南京开为网络科技有限公司 | 用于人脸识别用训练图像库的数据自动更新方法 |
CN108986094A (zh) * | 2018-07-20 | 2018-12-11 | 南京开为网络科技有限公司 | 用于人脸识别用训练图像库的数据自动更新方法 |
CN109272616A (zh) * | 2018-08-31 | 2019-01-25 | 镇江赛唯思智能科技有限公司 | 一种基于人脸识别的门禁控制方法及*** |
CN110276308A (zh) * | 2019-06-25 | 2019-09-24 | 上海商汤智能科技有限公司 | 图像处理方法及装置 |
CN110751043A (zh) * | 2019-09-19 | 2020-02-04 | 平安科技(深圳)有限公司 | 基于人脸可见性的人脸识别方法、装置及存储介质 |
WO2021051611A1 (zh) * | 2019-09-19 | 2021-03-25 | 平安科技(深圳)有限公司 | 基于人脸可见性的人脸识别方法、***、装置及存储介质 |
CN110751043B (zh) * | 2019-09-19 | 2023-08-22 | 平安科技(深圳)有限公司 | 基于人脸可见性的人脸识别方法、装置及存储介质 |
CN113361506A (zh) * | 2021-08-11 | 2021-09-07 | 中科南京智能技术研究院 | 一种面向移动端的人脸识别方法与*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104036276A (zh) | 人脸识别方法及装置 | |
KR102596897B1 (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
US10262190B2 (en) | Method, system, and computer program product for recognizing face | |
CN102880877B (zh) | 一种基于轮廓特征的目标识别方法 | |
CN105740775B (zh) | 一种三维人脸活体识别方法及其装置 | |
KR101656566B1 (ko) | 생체 특징 벡터 추출 장치, 생체 특징 벡터 추출 방법, 및 생체 특징 벡터 추출 프로그램 | |
US20170024015A1 (en) | Pointing interaction method, apparatus, and system | |
CN102324042B (zh) | 视觉识别***及视觉识别方法 | |
WO2019061658A1 (zh) | 眼镜定位方法、装置及存储介质 | |
CN105740778B (zh) | 一种改进的三维人脸活体检测方法及其装置 | |
US9489561B2 (en) | Method and system for estimating fingerprint pose | |
KR102284096B1 (ko) | 중요도 맵을 이용한 지능형 주관적 화질 평가 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 | |
US10089525B1 (en) | Differentiating left and right eye images | |
CN102663411B (zh) | 一种目标人体识别方法 | |
US11037326B2 (en) | Individual identifying device | |
MX364147B (es) | Método y dispositivo para extracción de región. | |
CN105138980A (zh) | 基于身份证件信息和人脸识别的身份验证方法及*** | |
CN110796101A (zh) | 一种嵌入式平台的人脸识别方法及*** | |
CN111639629B (zh) | 一种基于图像处理的猪只体重测量方法、装置及存储介质 | |
CN109766891B (zh) | 获取设备设施信息的方法及计算机可读存储介质 | |
KR101738593B1 (ko) | 복합 사용자 인증 시스템 및 방법 | |
US20210124978A1 (en) | Automatic ruler detection | |
US9710707B1 (en) | Detecting iris orientation | |
CN103488966A (zh) | 一种能够识别实名制车票信息的智能手机 | |
CN109410138B (zh) | 修饰双下巴的方法、装置和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140910 |