CN106920256B - 一种有效的失踪儿童寻找*** - Google Patents
一种有效的失踪儿童寻找*** Download PDFInfo
- Publication number
- CN106920256B CN106920256B CN201710151580.8A CN201710151580A CN106920256B CN 106920256 B CN106920256 B CN 106920256B CN 201710151580 A CN201710151580 A CN 201710151580A CN 106920256 B CN106920256 B CN 106920256B
- Authority
- CN
- China
- Prior art keywords
- face
- information
- photos
- missing
- skin color
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000006698 induction Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims 2
- 230000037396 body weight Effects 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06V40/10—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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种有效的失踪儿童寻找***,包括移动客户端,远程管理中心和公安服务***,所述公安服务***用于将判定为失踪状态儿童的参考照片以及相关身份信息上传到远程管理中心,所述移动客户端用于向用户实时显示当前失踪儿童的参考照片,此外,用户可以通过移动客户端拍摄疑为失踪儿童的线索照片,并将所述线索照片上传到远程管理中心,与远程管理中心中存储的失踪儿童的参考照片进行匹配,当匹配成功后即将匹配结果上传到公安服务***。本发明的有益效果为:通过各个模块的构建,能够对失踪儿童的人脸信息进行有效采集和识别,并通过与数据库中失踪儿童参考照片的匹配,实现了失踪儿童寻找的目的。
Description
技术领域
本发明创造涉及人脸检测技术领域,具体涉及一种有效的失踪儿童寻找***。
背景技术
长久以来,失踪儿童一直是中国家长们的心病,虽然国家打击拐卖儿童和寻找儿童的力度不断加大,但失踪儿童的问题仍未得到有效的解决。因为中国幅员辽阔、人口众多,传统失踪儿童的寻找方法因其效率低下、工作量大等缺点已远远不能满足当前的需要,随着互联网的发展和信息技术的不断进步,图像处理技术和计算机技术等现代科技被越来越多的应用到失踪儿童的寻找中,本***利用人脸检测技术与计算机技术建立了一种有效的失踪儿童寻找***,该***具有智能性、效率快和准确性高等特点,实现了失踪儿童的有效寻找。
发明内容
针对上述问题,本发明旨在提供一种有效的失踪儿童寻找***。
本发明创造的目的通过以下技术方案实现:
一种有效的失踪儿童寻找***,包括移动客户端,远程管理中心和公安服务***,所述公安服务***用于将判定为失踪状态儿童的参考照片以及相关身份信息上传到远程管理中心,所述移动客户端用于向用户实时显示当前失踪儿童的参考照片,此外,用户可以通过移动客户端拍摄疑为失踪儿童的线索照片,并将所述线索照片上传到远程管理中心,与远程管理中心中存储的失踪儿童的参考照片进行匹配,当匹配成功后即将匹配结果上传到公安服务***。
优选地,所述失踪儿童相关身份信息包括失踪儿童的性别信息、年龄信息、身高信息、姓名信息、父母信息、联系方式信息、DNA信息和失踪地点信息。
优选地,所述移动客户端为安装有相关应用的智能手机或平板电脑。
优选地,所述远程管理中心包括图像处理单元、人脸识别单元和数据库单元,所述图像处理单元用于对采集得到的线索照片进行滤波处理,所述人脸识别单元用于将处理后的线索照片与数据库单元中的失踪儿童的参考照片进行匹配。
优选地,所述图像处理单元用于对采集得到的线索照片进行加权平均处理,具体包括:
式中,fi-2、fi-1、fi、fi+1、fi+2分别为i-2、i-1、i、i+1和i+2时刻采集得到的像素点,a2、a1、a0、a1、a2分别为对应的权重。
优选地,所述人脸识别单元用于从处理后的线索照片中提取图像信息,从而与数据单元中的参考照片进行匹配,具体包括:
(1)人脸区域定位部分,用于根据人脸半径和人脸区域平均深度之间的关系,计算图像中的人脸半径h,则h的计算公式为:
h=ax2+bx+c
式中,h是图像中的人脸半径,x为人脸区域的平均深度,a,b,c为根据最小二乘法设定的常量;
其中,所述人脸区域的平均深度x通过下式得到:
式中,m表示深度感应传感器获取的人脸深度数据个数,yi表示深度感应传感器获取的第i个人脸深度数据,T为深度感应传感器使用的标准温度,T0为深度感应传感器测量时的实际环境温度;
(2)肤色检测部分:用于将采集到的肤色样本转换到不同的空间进行比较,从而确定属于“人脸肤色”的像素点,具体为:
a.将处理后的线索图片从RGB色彩空间转换为YCgCr色彩空间,变换公式为:
式中,y为转换后YCgCr色彩空间的亮度分量,Cg为转换后YCgCr色彩空间的绿色色度
分量,Cr为转换后YCgCr色彩空间的红色色度分量,r、g、b分别为处理后的线索图片的
红色、绿色和蓝色的色彩分量值;
b.构建肤色相似度函数,用于确定属于肤色区域的像素点,定义k为肤色相似度:
c.定义肤色阈值T,根据肤色相似度与肤色阈值之间的关系确定肤色区域的像素点,具体为:
若k≥T,则判定像素点属于肤色区域,若k≤T,则判定像素点属于非肤色区域;
(3)人脸匹配部分,用于从人脸区域中提取图形信息,从而和数据库中存储的参考照片进行匹配,具体包括:
a.将定位得到的人脸区域图像分割成d个子区域,计算人脸区域的LBP特征系数l,则l的计算公式为:
式中,ai(x,y)代表人脸区域i区域的LBP特征,bi(x,y)代表数据库中参考照片的LBP特征,d代表人脸区域分割的子区域个数;
b.将人脸区域的灰度级定义为s,则子区域i的灰度级为j的像素点个数为vj,则子区域i的信息熵值为:
定义人脸区域的信息熵系数为p,则p的表达式为:
式中,ρi代表子区域的权重,wi代表子区域i的信息熵值,μi代表数据库中的对应子区域的信息熵值,d代表分割的子区域个数;
c.定义综合评估系数θ,结合人脸区域的LBP特征系数和信息熵系数进行综合评估,具体为:
θ=γ1l+γ2p
式中,l为人脸区域的LBP特征系数,p为人脸区域的信息熵系数,γ1、γ2分别为人脸区域的LBP特征系数和信息熵系数的权重,γ1,γ2>0且γ1+γ2=1;
d.定义β为人脸区域匹配的阈值,根据综合评估系数与阈值之间的关系判断是否为同一张人脸,具体为:
有益效果:通过各个模块的构建,能够对失踪儿童的人脸信息进行有效采集和识别,并通过与数据库中失踪儿童参考照片的匹配,实现了失踪儿童寻找的目的。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
附图标记:
移动客户端1、远程管理中心2、公安服务***3、图像处理单元21、人脸识别单元22、数据库单元23。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种有效的失踪儿童寻找***,包括移动客户端1,远程管理中心2和公安服务***3,所述公安服务***3用于将判定为失踪状态儿童的参考照片以及相关身份信息上传到远程管理中心2,所述移动客户端1用于向用户实时显示当前失踪儿童的参考照片,此外,用户可以通过移动客户端1拍摄疑为失踪儿童的线索照片,并将所述线索照片上传到远程管理中心2,与远程管理中心2中存储的失踪儿童的参考照片进行匹配,当匹配成功后即将匹配结果上传到公安服务***3。
优选地,所述失踪儿童相关身份信息包括失踪儿童的性别信息、年龄信息、身高信息、姓名信息、父母信息、联系方式信息、DNA信息和失踪地点信息。
优选地,所述移动终端1为安装在智能手机或iPad上的客户端。
优选地,所述远程管理中心2包括图像处理单元21、人脸识别单元22和数据库单元23,所述图像处理单元21用于对采集得到的线索照片进行滤波处理,所述人脸识别单元22用于将处理后的线索照片与数据库单元23中的失踪儿童的参考照片进行匹配。
本优选实施例通过各个模块的构建,能够对失踪儿童的人脸信息进行有效采集和识别,并通过与数据库中失踪儿童参考照片的匹配,实现了失踪儿童寻找的目的。
优选地,所述图像处理单元21用于对采集得到的线索照片进行加权平均处理,具体包括:
式中,fi-2、fi-1、fi、fi+1、fi+2分别为i-2、i-1、i、i+1和i+2时刻采集得到的像素点,a2、a1、a0、a1、a2分别为对应的权重。
本优选实施例通过对上传的线索图片进行滤波处理,有效的去除了图片中噪声干扰和突变值等带来的误差,增加了后续人脸识别的可靠性。
优选地,所述人脸识别单元22用于从处理后的线索照片中提取图像信息,从而与数据单元中的参考照片进行匹配,具体包括:
(1)人脸区域定位部分,用于根据人脸半径和人脸区域平均深度之间的关系,计算图像中的人脸半径h,则h的计算公式为:
h=ax2+bx+c
式中,h是图像中的人脸半径,x为人脸区域的平均深度,a,b,c为根据最小二乘法设定的常量;
其中,所述人脸区域的平均深度x通过下式得到:
式中,m表示深度感应传感器获取的人脸深度数据个数,yi表示深度感应传感器获取的第i个人脸深度数据,T为深度感应传感器使用的标准温度,T0为深度感应传感器测量时的实际环境温度;
(2)肤色检测部分:用于将采集到的肤色样本转换到不同的空间进行比较,从而确定属于“人脸肤色”的像素点,具体为:
a.将处理后的线索图片从RGB色彩空间转换为YCgCr色彩空间,变换公式为:
式中,y为转换后YCgCr色彩空间的亮度分量,Cg为转换后YCgCr色彩空间的绿色色度分量,Cr为转换后YCgCr色彩空间的红色色度分量,r、g、b分别为处理后的线索图片的红色、绿色和蓝色的色彩分量值;
b.构建肤色相似度函数,用于确定属于肤色区域的像素点,定义k为肤色相似度:
c.定义肤色阈值T,根据肤色相似度与肤色阈值之间的关系确定肤色区域的像素点,具体为:
若k≥T,则判定像素点属于肤色区域,若k≤T,则判定像素点属于非肤色区域;
(3)人脸匹配部分,用于从人脸区域中提取图形信息,从而和数据库中存储的参考照片进行匹配,具体包括:
a.将定位得到的人脸区域图像分割成d个子区域,计算人脸区域的LBP特征系数l,则l的计算公式为:
式中,ai(x,y)代表人脸区域i区域的LBP特征,bi(x,y)代表数据库中参考照片的LBP特
征,d代表人脸区域分割的子区域个数;
b.将人脸区域的灰度级定义为s,则子区域i的灰度级为j的像素点个数为vj,则子区域i的信息熵值为:
定义人脸区域的信息熵系数为p,则p的表达式为:
式中,ρi代表子区域的权重,wi代表子区域i的信息熵值,μi代表数据库中的对应子区域的信息熵值,d代表分割的子区域个数;
c.定义综合评估系数θ,结合人脸区域的LBP特征系数和信息熵系数进行综合评估,具体为:
θ=γ1l+γ2p
式中,l为人脸区域的LBP特征系数,p为人脸区域的信息熵系数,γ1、γ2分别为人脸区域的LBP特征系数和信息熵系数的权重,γ1,γ2>0且γ1+γ2=1;
d.定义β为人脸区域匹配的阈值,根据综合评估系数与阈值之间的关系判断是否为同一张人脸,具体为:
本优选实施例实现了对线索图片中人脸区域的有效定位,并结合人脸区域的LBP特征和信息熵值来进行综合评估图片的相似性,使检测结果更加科学,更加准确。
发明人采用上述实施例进行了一系列测试,以下是进行测试得到的实验数据:
线索照片 | 匹配系数 | 匹配结果 | 识别率 |
未失踪儿童 | -0.7β | 匹配不成功 | 100% |
失踪儿童 | 0.5β | 匹配成功 | 100% |
失踪儿童 | -0.3β | 匹配成功 | 100% |
未失踪儿童 | 0.65β | 匹配不成功 | 100% |
从上述实验数据可以看出,人脸识别率达到了100%,完全能够满足失踪儿童寻找***的精度要求。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (1)
1.一种有效的失踪儿童寻找***,其特征是,包括移动客户端,远程管理中心和公安服务***,所述公安服务***用于将判定为失踪状态儿童的参考照片以及相关身份信息上传到远程管理中心,所述移动客户端用于向用户实时显示当前失踪儿童的参考照片,此外,用户可以通过移动客户端拍摄疑为失踪儿童的线索照片,并将所述线索照片上传到远程管理中心,与远程管理中心中存储的失踪儿童的参考照片进行匹配,当匹配成功后即将匹配结果上传到公安服务***,所述失踪儿童相关身份信息包括失踪儿童的性别信息、年龄信息、身高信息、姓名信息、父母信息、联系方式信息、DNA信息和失踪地点信息,所述移动客户端为安装有相关应用的智能手机或平板电脑,所述远程管理中心包括图像处理单元、人脸识别单元和数据库单元,所述图像处理单元用于对采集得到的线索照片进行滤波处理,所述人脸识别单元用于将处理后的线索照片与数据库单元中的失踪儿童的参考照片进行匹配,所述图像处理单元用于对采集得到的线索照片进行加权平均处理,具体包括:
式中,fi-2、fi-1、fi、fi+1、fi+2分别为i-2、i-1、i、i+1和i+2时刻采集得到的像素点,a2、a1、a0、a1、a2分别为对应的权重,所述人脸识别单元用于从处理后的线索照片中提取图像信息,从而与数据库单元中的参考照片进行匹配,具体包括:
(1)人脸区域定位部分,用于根据人脸半径和人脸区域平均深度之间的关系,计算图像中的人脸半径h,则h的计算公式为:
h=ax2+bx+c
式中,h是图像中的人脸半径,x为人脸区域的平均深度,a,b,c为根据最小二乘法设定的常量;
其中,所述人脸区域的平均深度x通过下式得到:
式中,m表示深度感应传感器获取的人脸深度数据个数,yi表示深度感应传感器获取的第i个人脸深度数据,T为深度感应传感器使用的标准温度,T0为深度感应传感器测量时的实际环境温度;
(2)肤色检测部分:用于将采集到的肤色样本转换到不同的空间进行比较,从而确定属于人脸肤色的像素点,具体为:
a.将处理后的线索图片从RGB色彩空间转换为YCgCr色彩空间,变换公式为:
式中,y为转换后YCgCr色彩空间的亮度分量,Cg为转换后YCgCr色彩空间的绿色色度分量,Cr为转换后YCgCr色彩空间的红色色度分量,r、g、b分别为处理后的线索图片的红色、绿色和蓝色的色彩分量值;
b.构建肤色相似度函数,用于确定属于肤色区域的像素点,定义k为肤色相似度:
c.定义肤色阈值T,根据肤色相似度与肤色阈值之间的关系确定肤色区域的像素点,具体为:
若k≥T,则判定像素点属于肤色区域,若k<T,则判定像素点属于非肤色区域;
(3)人脸匹配部分,用于从人脸区域中提取图形信息,从而和数据库中存储的参考照片进行匹配,具体包括:
a.将定位得到的人脸区域图像分割成d个子区域,计算人脸区域的LBP特征系数l,则l的计算公式为:
式中,ai(x,y)代表人脸区域i区域的LBP特征,bi(x,y)代表数据库中参考照片的LBP特征,d代表人脸区域分割的子区域个数;
b.将人脸区域的灰度级定义为s,则子区域i的灰度级为j的像素点个数为vj,则子区域i的信息熵值为:
定义人脸区域的信息熵系数为p,则p的表达式为:
式中,ρi代表子区域的权重,wi代表子区域i的信息熵值,μi代表数据库中的对应子区域的信息熵值,d代表分割的子区域个数;
c.定义综合评估系数θ,结合人脸区域的LBP特征系数和信息熵系数进行综合评估,具体为:
θ=γ1l+γ2p
式中,l为人脸区域的LBP特征系数,p为人脸区域的信息熵系数,γ1、γ2分别为人脸区域的LBP特征系数和信息熵系数的权重,γ1,γ2>0且γ1+γ2=1;
d.定义β为人脸区域匹配的阈值,根据综合评估系数与阈值之间的关系判断是否为同一张人脸,具体为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710151580.8A CN106920256B (zh) | 2017-03-14 | 2017-03-14 | 一种有效的失踪儿童寻找*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710151580.8A CN106920256B (zh) | 2017-03-14 | 2017-03-14 | 一种有效的失踪儿童寻找*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106920256A CN106920256A (zh) | 2017-07-04 |
CN106920256B true CN106920256B (zh) | 2020-05-05 |
Family
ID=59460822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710151580.8A Active CN106920256B (zh) | 2017-03-14 | 2017-03-14 | 一种有效的失踪儿童寻找*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106920256B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977657A (zh) * | 2017-12-29 | 2018-05-01 | 佛山市幻云科技有限公司 | 远程监护方法、终端及*** |
CN108257081B (zh) * | 2018-01-17 | 2022-05-13 | 百度在线网络技术(北京)有限公司 | 用于生成图片的方法和装置 |
CN108960048B (zh) * | 2018-05-23 | 2021-05-25 | 国政通科技股份有限公司 | 一种基于大数据的用于景区失踪游客的搜索方法及*** |
CN109104494B (zh) * | 2018-09-07 | 2020-01-03 | 孙思涵 | 无线传感网络下基于dna的儿童走失或丢失定位方法及*** |
CN109636867B (zh) * | 2018-10-31 | 2023-05-23 | 百度在线网络技术(北京)有限公司 | 图像处理方法、装置及电子设备 |
CN110378230B (zh) * | 2019-06-19 | 2024-03-05 | 平安科技(深圳)有限公司 | 失踪人脸识别方法、装置、计算机设备和存储介质 |
CN110232799A (zh) * | 2019-06-24 | 2019-09-13 | 秒针信息技术有限公司 | 追踪丢失对象的方法及装置 |
CN112070011A (zh) * | 2020-09-08 | 2020-12-11 | 安徽兰臣信息科技有限公司 | 一种可用于走失儿童找寻的无感人脸识别摄像抓拍机 |
CN112784712B (zh) * | 2021-01-08 | 2023-08-18 | 重庆创通联智物联网有限公司 | 一种基于实时监控的失踪儿童预警实现方法、装置 |
CN116912899B (zh) * | 2023-05-22 | 2024-05-03 | 国政通科技有限公司 | 一种基于区域网络的人员搜索方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105122270A (zh) * | 2012-11-21 | 2015-12-02 | 派尔高公司 | 使用深度传感器计数人的方法和*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383001B (zh) * | 2008-10-17 | 2010-06-02 | 中山大学 | 一种快速准确的正面人脸判别方法 |
CN101989300A (zh) * | 2010-10-15 | 2011-03-23 | 江苏省莱科信息技术有限公司 | 失踪人员寻找***和寻找失踪人员的实现方法 |
US9530060B2 (en) * | 2012-01-17 | 2016-12-27 | Avigilon Fortress Corporation | System and method for building automation using video content analysis with depth sensing |
CN104166835A (zh) * | 2013-05-17 | 2014-11-26 | 诺基亚公司 | 用于识别活体用户的方法和装置 |
CN103902734A (zh) * | 2014-04-21 | 2014-07-02 | 沈阳汇知网络科技有限公司 | 一种失踪人员寻找*** |
CN104331690B (zh) * | 2014-11-17 | 2017-08-29 | 成都品果科技有限公司 | 一种基于单张图像的肤色人脸检测方法及*** |
CN106056911A (zh) * | 2016-07-22 | 2016-10-26 | 成都知人善用信息技术有限公司 | 一种通过脸部识别找到失踪小孩的智能交通*** |
-
2017
- 2017-03-14 CN CN201710151580.8A patent/CN106920256B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105122270A (zh) * | 2012-11-21 | 2015-12-02 | 派尔高公司 | 使用深度传感器计数人的方法和*** |
Non-Patent Citations (1)
Title |
---|
Color Face Recognition Based on Color Space Normalization and Quaternion Matrix Representation;Jia Huajie等;《2012 Fourth International Conference on Digital Home》;20121211;第133-137页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106920256A (zh) | 2017-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106920256B (zh) | 一种有效的失踪儿童寻找*** | |
US20220092882A1 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
CN108229509B (zh) | 用于识别物体类别的方法及装置、电子设备 | |
US10534957B2 (en) | Eyeball movement analysis method and device, and storage medium | |
WO2019109526A1 (zh) | 人脸图像的年龄识别方法、装置及存储介质 | |
US9104914B1 (en) | Object detection with false positive filtering | |
WO2020125631A1 (zh) | 视频压缩方法、装置和计算机可读存储介质 | |
US8737740B2 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium | |
Faraji et al. | Face recognition under varying illuminations using logarithmic fractal dimension-based complete eight local directional patterns | |
CN106934377B (zh) | 一种改进的人脸检测*** | |
CN114783003B (zh) | 一种基于局部特征注意力的行人重识别方法和装置 | |
WO2013191975A1 (en) | Machine-learnt person re-identification | |
CN103116763A (zh) | 一种基于hsv 颜色空间统计特征的活体人脸检测方法 | |
WO2020244071A1 (zh) | 基于神经网络的手势识别方法、装置、存储介质及设备 | |
CN111935479B (zh) | 一种目标图像确定方法、装置、计算机设备及存储介质 | |
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 | |
CN108875623B (zh) | 一种基于图像特征融合对比技术的人脸识别方法 | |
WO2019033570A1 (zh) | 嘴唇动作分析方法、装置及存储介质 | |
CN110796100B (zh) | 步态识别方法、装置、终端及存储装置 | |
WO2019033568A1 (zh) | 嘴唇动作捕捉方法、装置及存储介质 | |
WO2023279935A1 (zh) | 目标重识别模型的训练方法、目标重识别方法及装置 | |
CN106778704A (zh) | 一种人脸识别匹配方法及半自动化人脸匹配*** | |
CN110766708A (zh) | 基于轮廓相似度的图像比较方法 | |
CN113255557A (zh) | 一种基于深度学习的视频人群情绪分析方法及*** | |
CN112651333A (zh) | 静默活体检测方法、装置、终端设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200413 Address after: Jingjiang Lake Road, Huian County village of Chongwu town Fujian city of Quanzhou Province under the 362000 No. 215 Applicant after: Zhang Zhihang Address before: 201600 No. 139 Xiangmei Road, Songjiang District, Shanghai Applicant before: SHANGHAI CHENXIU AUTOMATIC CONTROL TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |