CN104050449B - 一种人脸识别方法及装置 - Google Patents
一种人脸识别方法及装置 Download PDFInfo
- Publication number
- CN104050449B CN104050449B CN201410266228.5A CN201410266228A CN104050449B CN 104050449 B CN104050449 B CN 104050449B CN 201410266228 A CN201410266228 A CN 201410266228A CN 104050449 B CN104050449 B CN 104050449B
- Authority
- CN
- China
- Prior art keywords
- face
- recognition
- information
- identification information
- video scene
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸识别方法及装置。人脸识别方法包括:根据视频场景划分识别视频;获取同一视频场景下视频中的人脸识别信息;将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取人脸相似度;根据所述人脸相似度,对同一视频场景下视频中的人脸识别信息进行聚类处理,所述聚类处理为将同一人脸的人脸识别信息归为一类人脸识别信息,将聚类处理后的人脸识别信息更新到人脸识别信息库中。本发明实施例中,能够将同一人脸的人脸识别信息归为一类人脸识别信息,从而提高人脸识别的识别度和智能化,丰富同一人脸的人脸识别信息,提高人脸识别的识别速度和准确性。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种人脸识别方法及装置。
背景技术
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。
但通常状况下,人脸识别只是对人脸可视部分的面部信息进行识别,无法获取人脸其他部分的面部信息,更无法对同一人脸的面部信息进行整合。
发明内容
本发明实施例提供一种人脸识别方法及装置,用于实现人脸的聚类识别。
本发明提供一种人脸识别方法,包括以下步骤:
根据视频场景划分识别视频;
获取同一视频场景下视频中的人脸识别信息;
将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取人脸相似度;
根据所述人脸相似度,对同一视频场景下视频中的人脸识别信息进行聚类处理,所述聚类处理为将同一人脸的人脸识别信息归为一类人脸识别信息,将聚类处理后的人脸识别信息更新到人脸识别信息库中。
优选的,所述方法还包括:
对人脸识别信息库中的不同视频场景下的人脸识别信息进行聚类处理。
优选的,所述将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取人脸相似度,包括:
将第一人脸识别信息与第二人脸识别信息进行比较,获取第一人脸相似度,其中,所述第一人脸识别信息为同一视频场景下视频中的一个人脸识别信息,所述第二人脸识别信息人脸识别信息库中的一个人脸识别信息。
优选的,所述根据所述人脸相似度,对同一视频场景下视频中的人脸识别信息进行聚类处理,包括:
当第一人脸相似度大于第一相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相同人脸识别信息;
当第一人脸相似度小于第一相似度阈值且大于第二相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相关人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中,将所述第一人脸识别信息和所述第二人脸识别信息归为一类人脸识别信息;
当第一人脸相似度小于第三相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为不同人脸的人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中。
优选的,所述当第一人脸相似度大于第一相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相同人脸识别信息之后还包括:
在同一视频场景下根据所述第一人脸识别信息对人脸进行跟踪,将跟踪得到的人脸识别信息添加到人脸识别信息库中,将所述第一人脸识别信息和所述跟踪得到的人脸识别信息归为一类人脸识别信息。
优选的,所述当第一人脸相似度小于第三相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为不同人脸的人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中,包括:
当第一人脸相似度小于第三相似度阈值时,获取同一视频场景下的第一人脸识别信息出现的频率;
将同一视频场景下的第一人脸识别信息出现的频率与预设的频率阈值进行比较;
当同一视频场景下的第一人脸识别信息出现的频率超过预设的频率阈值时,确定第一人脸识别信息与第二人脸识别信息为不同人脸的人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中;
当同一视频场景下的第一人脸识别信息出现的频率未超过预设的频率阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相同人脸识别信息。
本发明还提供一种人脸识别装置,所述装置包括:
视频场景划分模块,用于根据视频场景划分识别视频;
识别信息获取模块,用于获取同一视频场景下视频中的人脸识别信息;
人脸相似度获取模块,用于将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取人脸相似度;
第一聚类处理模块,用于根据所述人脸相似度,对同一视频场景下视频中的人脸识别信息进行聚类处理,所述聚类处理为将同一人脸的人脸识别信息归为一类人脸识别信息,将聚类处理后的人脸识别信息更新到人脸识别信息库中。
优选的,所述装置还包括:
第二聚类处理模块,用于对人脸识别信息库中的不同视频场景下的人脸识别信息进行聚类处理。
优选的,所述人脸相似度获取模块包括:
人脸相似度获取单元,用于将第一人脸识别信息与第二人脸识别信息进行比较,获取第一人脸相似度,其中,所述第一人脸识别信息为同一视频场景下视频中的一个人脸识别信息,所述第二人脸识别信息人脸识别信息库中的一个人脸识别信息。
优选的,所述第一聚类处理模块包括:
第一聚类处理单元,用于当第一人脸相似度大于第一相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相同人脸识别信息;
第二聚类处理单元,用于当第一人脸相似度小于第一相似度阈值且大于第二相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相关人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中,将所述第一人脸识别信息和所述第二人脸识别信息归为一类人脸识别信息;
第三聚类处理单元,用于当第一人脸相似度小于第三相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为不同人脸的人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中。
本实施例中,通过将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取人脸相似度,根据所述人脸相似度,对同一视频场景下视频中的人脸识别信息进行聚类处理,能够将同一人脸的人脸识别信息归为一类人脸识别信息,从而提高人脸识别的识别度和智能化,丰富同一人脸的人脸识别信息,提高人脸识别的识别速度和准确性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明人脸识别方法一个实施例的流程图;
图2为本发明人脸识别装置一个实施例的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
参见图1,为本发明人脸识别方法一个实施例的流程图,包括:
步骤101:根据视频场景划分识别视频。
其中,识别视频中可能会出现多个视频场景,不同视频场景下的人物可能相同也可能不同,对视频场景划分需要对视频场景识别,可以根据识别视频中场景变化进行视频场景识别,例如,获取间隔帧的两张图像的整体直方图的差异,将间隔帧的两张图像的整体直方图的差异与预设的差异阈值进行比较,当间隔帧的两张图像的整体直方图的差异超过预设的差异阈值时,确定视频场景发生变化,视频场景不是同样视频场景;当间隔帧的两张图像的整体直方图的差异未超过预设的差异阈值时,确定视频场景未发生变化,视频场景为同样视频场景。
当同一场景下识别视频中人脸消失时,可以按照预设的时间间隔进行人脸识别。
本实施例中,通过对识别视频的视频场景进行划分,方便对同一视频场景中的人脸进行识别,简化了人脸识别的繁琐程度,从而提高了人脸的效率。
步骤102:获取同一视频场景下视频中的人脸识别信息。
其中,获取人脸识别信息的方法可以包括基于人脸特征点的识别算法(Feature-based recognition algorithms)、基于整幅人脸图像的识别算法(Appearance-basedrecognition algorithms)、基于模板的识别算法(Template-based recognitionalgorithms)和利用神经网络进行识别的算法(Recognition algorithms using neuralnetwork)中的一种或多种,人脸识别信息可以包括五官特征信息、面部曲线信息等。获取同一视频场景下视频中的人脸识别信息的方法本领域技术人员可以根据需要进行设定,在此不再赘述。
当同一视频场景下视频中出现的人脸数量小于等于两个时,可为视频中的人脸添加跟踪框,当同一视频场景下视频中出现的人脸数量大于两个时,可取消人脸跟踪框。
本实施例中,获取同一视频场景下视频中的人脸识别信息,方便对同一视频场景下视频中的人脸识别信息进行聚类处理,减少人脸识别信息的繁琐性,还可以将多个视频场景同时进行人脸识别获取人脸识别信息,提高人脸识别信息获取的效率。
步骤103:将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取人脸相似度。
其中,可以将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取同一视频场景下视频中的每个人脸识别信息与人脸识别信息库中的每个人脸识别信息的人脸相似度,例如,将第一人脸识别信息与第二人脸识别信息进行比较,获取第一人脸相似度,第一人脸识别信息为同一视频场景下视频中的一个人脸识别信息,第二人脸识别信息人脸识别信息库中的一个人脸识别信息。
步骤104:根据人脸相似度,对同一视频场景下视频中的人脸识别信息进行聚类处理,聚类处理为将同一人脸的人脸识别信息归为一类人脸识别信息,将聚类处理后的人脸识别信息更新到人脸识别信息库中。
其中,可以将第一人脸相似度与第一相似度阈值、第二相似度阈值和第三相似度阈值进行比较,可以得到三种结果,其中,第一相似度阈值的取值范围为80%至100%,第二相似度阈值的取值范围为50%至80%,第三相似度阈值的取值范围为0%至50%,第一相似度阈值、第二相似度阈值和第三相似度阈值的取值范围可以根据需要进行设定,并不以此为限定。
结果一:
当第一人脸相似度大于第一相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相同人脸识别信息。
可以根据第一人脸识别信息对人脸进行跟踪,将跟踪得到的人脸识别信息添加到人脸识别信息库中,将第一人脸识别信息和跟踪得到的人脸识别信息归为一类人脸识别信息。
结果二:
当第一人脸相似度小于第一相似度阈值且大于第二相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相关人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中,将第一人脸识别信息和第二人脸识别信息归为一类人脸识别信息,将第一人脸识别信息和第二人脸识别信息合并为同一人脸的人脸识别信息,将聚类处理后的人脸识别信息更新到人脸识别信息库中。
结果三:
当第一人脸相似度小于第三相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为不同人脸的人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中。
当第一人脸相似度小于第三相似度阈值时,可以获取同一视频场景下的第一人脸识别信息出现的频率,将同一视频场景下的第一人脸识别信息出现的频率与预设的频率阈值进行比较。
当同一视频场景下的第一人脸识别信息出现的频率超过预设的频率阈值时,确定第一人脸识别信息与第二人脸识别信息为不同人脸的人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中。
当同一视频场景下的第一人脸识别信息出现的频率未超过预设的频率阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相同人脸识别信息。
本实施例中,根据第一人脸相似度确定第一人脸识别信息与第二人脸识别信息是否为同一人脸的相同人脸识别信息或相关人脸识别信息,方便将同一视频场景下视频中的人脸识别信息归为一类人脸识别信息,能够快速准确识别同一人脸的人脸识别信息,提高了同一视频场景下视频中的人脸识别信息的全面性。
方法还包括:
对人脸识别信息库中的不同视频场景下的人脸识别信息进行聚类处理。
其中,通过对人脸识别信息库中的不同视频场景下的人脸识别信息进行聚类处理,得到识别视频中各人脸的人脸识别信息,提高了人脸识别信息的全面性,提高了人脸识别的智能化。
本实施例中,通过将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取人脸相似度,根据人脸相似度,对同一视频场景下视频中的人脸识别信息进行聚类处理,能够将同一人脸的人脸识别信息归为一类人脸识别信息,从而提高人脸识别的识别度和智能化,丰富同一人脸的人脸识别信息,提高人脸识别的识别速度和准确性。
参见图2,为本发明人脸识别装置一个实施例的结构图,包括:
视频场景划分模块201,用于根据视频场景划分识别视频。
识别信息获取模块202,用于获取同一视频场景下视频中的人脸识别信息。
人脸相似度获取模块203,用于将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取人脸相似度。
第一聚类处理模块204,用于根据人脸相似度,对同一视频场景下视频中的人脸识别信息进行聚类处理,聚类处理为将同一人脸的人脸识别信息归为一类人脸识别信息,将聚类处理后的人脸识别信息更新到人脸识别信息库中。
优选的,装置还包括:
第二聚类处理模块,用于对人脸识别信息库中的不同视频场景下的人脸识别信息进行聚类处理。
优选的,人脸相似度获取模块包括:
人脸相似度获取单元,用于将第一人脸识别信息与第二人脸识别信息进行比较,获取第一人脸相似度,其中,第一人脸识别信息为同一视频场景下视频中的一个人脸识别信息,第二人脸识别信息人脸识别信息库中的一个人脸识别信息。
优选的,第一聚类处理模块包括:
第一聚类处理单元,用于当第一人脸相似度大于第一相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相同人脸识别信息。
第二聚类处理单元,用于当第一人脸相似度小于第一相似度阈值且大于第二相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相关人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中,将第一人脸识别信息和第二人脸识别信息归为一类人脸识别信息。
第三聚类处理单元,用于当第一人脸相似度小于第三相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为不同人脸的人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中。
需要说明的是:上述实施例提供的人脸识别装置在实现上述功能时,仅以上述功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的人脸识别装置与人脸识别方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本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,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种人脸识别方法,其特征在于,包括以下步骤:
根据视频场景划分识别视频;
获取同一视频场景下视频中的人脸识别信息;
将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取人脸相似度;
根据所述人脸相似度,对同一视频场景下视频中的人脸识别信息进行聚类处理,所述聚类处理为将同一人脸的人脸识别信息归为一类人脸识别信息,将聚类处理后的人脸识别信息更新到人脸识别信息库中;
所述方法还包括:
对人脸识别信息库中的不同视频场景下的人脸识别信息进行聚类处理;
所述根据所述人脸相似度,对同一视频场景下视频中的人脸识别信息进行聚类处理,包括:
当第一人脸相似度大于第一相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相同人脸识别信息;
当第一人脸相似度小于第一相似度阈值且大于第二相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相关人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中,将所述第一人脸识别信息和所述第二人脸识别信息归为一类人脸识别信息;
当第一人脸相似度小于第三相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为不同人脸的人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中;
所述当第一人脸相似度大于第一相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相同人脸识别信息之后还包括:
在同一视频场景下根据所述第一人脸识别信息对人脸进行跟踪,将跟踪得到的人脸识别信息添加到人脸识别信息库中,将所述第一人脸识别信息和所述跟踪得到的人脸识别信息归为一类人脸识别信息;
所述当第一人脸相似度小于第三相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为不同人脸的人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中,包括:
当第一人脸相似度小于第三相似度阈值时,获取同一视频场景下的第一人脸识别信息出现的频率;
将同一视频场景下的第一人脸识别信息出现的频率与预设的频率阈值进行比较;
当同一视频场景下的第一人脸识别信息出现的频率超过预设的频率阈值时,确定第一人脸识别信息与第二人脸识别信息为不同人脸的人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中;
当同一视频场景下的第一人脸识别信息出现的频率未超过预设的频率阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相同人脸识别信息。
2.如权利要求1所述的方法,其特征在于,所述将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取人脸相似度,包括:
将第一人脸识别信息与第二人脸识别信息进行比较,获取第一人脸相似度,其中,所述第一人脸识别信息为同一视频场景下视频中的一个人脸识别信息,所述第二人脸识别信息人脸识别信息库中的一个人脸识别信息。
3.一种人脸识别装置,其特征在于,所述装置包括:
视频场景划分模块,用于根据视频场景划分识别视频;
识别信息获取模块,用于获取同一视频场景下视频中的人脸识别信息;
人脸相似度获取模块,用于将同一视频场景下视频中的人脸识别信息与人脸识别信息库中的人脸识别信息进行对比,获取人脸相似度;
第一聚类处理模块,用于根据所述人脸相似度,对同一视频场景下视频中的人脸识别信息进行聚类处理,所述聚类处理为将同一人脸的人脸识别信息归为一类人脸识别信息,将聚类处理后的人脸识别信息更新到人脸识别信息库中;
所述装置还包括:
第二聚类处理模块,用于对人脸识别信息库中的不同视频场景下的人脸识别信息进行聚类处理;
所述第一聚类处理模块包括:
第一聚类处理单元,用于当第一人脸相似度大于第一相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相同人脸识别信息;
第二聚类处理单元,用于当第一人脸相似度小于第一相似度阈值且大于第二相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为同一人脸的相关人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中,将所述第一人脸识别信息和所述第二人脸识别信息归为一类人脸识别信息;
第三聚类处理单元,用于当第一人脸相似度小于第三相似度阈值时,确定第一人脸识别信息与第二人脸识别信息为不同人脸的人脸识别信息,将第一人脸识别信息添加到人脸识别信息库中。
4.如权利要求3所述的装置,其特征在于,所述人脸相似度获取模块包括:
人脸相似度获取单元,用于将第一人脸识别信息与第二人脸识别信息进行比较,获取第一人脸相似度,其中,所述第一人脸识别信息为同一视频场景下视频中的一个人脸识别信息,所述第二人脸识别信息人脸识别信息库中的一个人脸识别信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410266228.5A CN104050449B (zh) | 2014-06-13 | 2014-06-13 | 一种人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410266228.5A CN104050449B (zh) | 2014-06-13 | 2014-06-13 | 一种人脸识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104050449A CN104050449A (zh) | 2014-09-17 |
CN104050449B true CN104050449B (zh) | 2017-09-01 |
Family
ID=51503262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410266228.5A Expired - Fee Related CN104050449B (zh) | 2014-06-13 | 2014-06-13 | 一种人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104050449B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10678896B2 (en) | 2015-06-30 | 2020-06-09 | Samsung Electronics Co., Ltd. | Methods and apparatuses for updating user authentication data |
KR102415504B1 (ko) * | 2015-06-30 | 2022-07-04 | 삼성전자주식회사 | 사용자 인증을 위한 등록 데이터베이스의 갱신 방법 및 장치 |
CN105654039B (zh) * | 2015-12-24 | 2019-09-17 | 小米科技有限责任公司 | 图像处理的方法和装置 |
CN105631422A (zh) * | 2015-12-28 | 2016-06-01 | 北京酷云互动科技有限公司 | 一种视频识别方法以及视频识别*** |
CN105912997B (zh) * | 2016-04-05 | 2019-05-28 | 福建兴宇信息科技有限公司 | 人脸识别的方法及*** |
CN106469192B (zh) * | 2016-08-30 | 2021-07-30 | 北京奇艺世纪科技有限公司 | 一种文本相关性的确定方法及装置 |
CN107886028A (zh) * | 2016-09-29 | 2018-04-06 | 九阳股份有限公司 | 一种冰箱的食材录入方法及食材录入装置 |
CN106485221B (zh) * | 2016-09-30 | 2019-09-17 | 江苏四一五安全科技有限公司 | 一种根据相似集中度自动替换基准相片的方法 |
CN106650652A (zh) * | 2016-12-14 | 2017-05-10 | 黄先开 | 基于人脸识别技术的轨迹跟踪***及其方法 |
CN106897460A (zh) * | 2017-03-14 | 2017-06-27 | 华平智慧信息技术(深圳)有限公司 | 安防监控中数据分类的方法及装置 |
CN107153820A (zh) * | 2017-05-10 | 2017-09-12 | 电子科技大学 | 一种面向高噪声的人脸识别及运动轨迹判别方法 |
CN107729815B (zh) * | 2017-09-15 | 2020-01-14 | Oppo广东移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
CN107679504A (zh) * | 2017-10-13 | 2018-02-09 | 北京奇虎科技有限公司 | 基于摄像头场景的人脸识别方法、装置、设备及存储介质 |
CN109766736A (zh) * | 2017-11-09 | 2019-05-17 | 中国电信股份有限公司 | 人脸识别方法、装置和*** |
CN107992822B (zh) * | 2017-11-30 | 2020-04-10 | Oppo广东移动通信有限公司 | 图像处理方法和装置、计算机设备、计算机可读存储介质 |
CN108229420B (zh) * | 2018-01-22 | 2020-10-16 | 维沃移动通信有限公司 | 一种人脸识别方法、移动终端 |
CN109376686A (zh) * | 2018-11-14 | 2019-02-22 | 睿云联(厦门)网络通讯技术有限公司 | 一种多维度人脸数据采集方案、采集***及采集方法 |
CN110472504A (zh) * | 2019-07-11 | 2019-11-19 | 华为技术有限公司 | 一种人脸识别的方法和装置 |
CN110781809A (zh) * | 2019-10-23 | 2020-02-11 | 杭州宇泛智能科技有限公司 | 基于注册特征更新的识别方法、装置及电子设备 |
CN110843726A (zh) * | 2019-12-19 | 2020-02-28 | 北京明朝万达科技股份有限公司 | 汽车门锁控制***、方法及车辆 |
CN111325139B (zh) * | 2020-02-18 | 2023-08-04 | 浙江大华技术股份有限公司 | 一种唇语识别方法及装置 |
CN112101238A (zh) * | 2020-09-17 | 2020-12-18 | 浙江商汤科技开发有限公司 | 聚类方法及装置、电子设备和存储介质 |
CN112614168B (zh) * | 2020-12-21 | 2023-08-29 | 浙江大华技术股份有限公司 | 一种目标人脸跟踪方法、装置、电子设备及存储介质 |
CN113361456B (zh) * | 2021-06-28 | 2024-05-07 | 北京影谱科技股份有限公司 | 一种人脸识别方法和*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359368A (zh) * | 2008-09-09 | 2009-02-04 | 华为技术有限公司 | 一种视频图像聚类方法及*** |
CN202196458U (zh) * | 2011-08-24 | 2012-04-18 | 苏州飞锐智能科技有限公司 | 一种人脸识别*** |
CN103605993A (zh) * | 2013-12-04 | 2014-02-26 | 康江科技(北京)有限责任公司 | 一种基于面向场景判别性分析的图像到视频人脸识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8977061B2 (en) * | 2011-06-23 | 2015-03-10 | Hewlett-Packard Development Company, L.P. | Merging face clusters |
-
2014
- 2014-06-13 CN CN201410266228.5A patent/CN104050449B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359368A (zh) * | 2008-09-09 | 2009-02-04 | 华为技术有限公司 | 一种视频图像聚类方法及*** |
CN202196458U (zh) * | 2011-08-24 | 2012-04-18 | 苏州飞锐智能科技有限公司 | 一种人脸识别*** |
CN103605993A (zh) * | 2013-12-04 | 2014-02-26 | 康江科技(北京)有限责任公司 | 一种基于面向场景判别性分析的图像到视频人脸识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104050449A (zh) | 2014-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104050449B (zh) | 一种人脸识别方法及装置 | |
Caelles et al. | One-shot video object segmentation | |
Wang et al. | A robust and efficient video representation for action recognition | |
CN110909651B (zh) | 视频主体人物的识别方法、装置、设备及可读存储介质 | |
US10936911B2 (en) | Logo detection | |
CN105005777B (zh) | 一种基于人脸的音视频推荐方法及*** | |
CN105678250B (zh) | 视频中的人脸识别方法和装置 | |
Dibeklioglu et al. | Like father, like son: Facial expression dynamics for kinship verification | |
CN104933414B (zh) | 一种基于wld-top的活体人脸检测方法 | |
CN109614910B (zh) | 一种人脸识别方法和装置 | |
CN110517293A (zh) | 目标跟踪方法、装置、***和计算机可读存储介质 | |
US20150379371A1 (en) | Object Detection Utilizing Geometric Information Fused With Image Data | |
EP2608108A1 (en) | Face feature vector construction | |
CN104933416B (zh) | 基于光流场的微表情序列特征提取方法 | |
CN104036287A (zh) | 一种基于人类运动显著轨迹的视频分类方法 | |
Eroglu Erdem et al. | BAUM-2: A multilingual audio-visual affective face database | |
Mocanu et al. | Deep-see face: A mobile face recognition system dedicated to visually impaired people | |
US11062455B2 (en) | Data filtering of image stacks and video streams | |
US9323989B2 (en) | Tracking device | |
Yi et al. | Motion keypoint trajectory and covariance descriptor for human action recognition | |
CN110232331B (zh) | 一种在线人脸聚类的方法及*** | |
CN105095853A (zh) | 图像处理装置及图像处理方法 | |
CN104794446A (zh) | 基于合成描述子的人体动作识别方法及*** | |
CN109902550A (zh) | 行人属性的识别方法和装置 | |
Xu et al. | Action recognition by saliency-based dense sampling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A face recognition method and device Effective date of registration: 20210104 Granted publication date: 20170901 Pledgee: Inner Mongolia Huipu Energy Co.,Ltd. Pledgor: WUXI TVMINING MEDIA SCIENCE & TECHNOLOGY Co.,Ltd. Registration number: Y2020990001517 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170901 Termination date: 20210613 |
|
CF01 | Termination of patent right due to non-payment of annual fee |