CN107273796A - 一种基于人脸特征的快速人脸识别搜索方法 - Google Patents
一种基于人脸特征的快速人脸识别搜索方法 Download PDFInfo
- Publication number
- CN107273796A CN107273796A CN201710313906.2A CN201710313906A CN107273796A CN 107273796 A CN107273796 A CN 107273796A CN 201710313906 A CN201710313906 A CN 201710313906A CN 107273796 A CN107273796 A CN 107273796A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- characteristic
- facial image
- recognition
- 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
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于人脸特征的快速人脸识别搜索方法,包括以下步骤:人脸登记,采集人脸图像,识别该人脸图像中的特征数据,根据该特征数据将该人脸图像归类到相应的分类索引表中;人脸识别,采集人脸图像,识别该人脸图像的特征数据,将当前人脸图像与该特征数据相对应分类索引表中的人脸图像进行对比。本发明在人脸登记的时候识别该人脸图像中的特征数据,根据该特征数据将该人脸图像归类到相应的分类索引表中,在人脸识别的时候将当前人脸图像与该特征数据相对应分类索引表中的人脸图像进行对比,这样在人脸识别搜索的时候不需要在整个数据库进行人脸搜索,有效减小了人脸的搜索范围,避免了大量的无用对比,减轻了***的负担,提高了***的反应速度。
Description
技术领域
本发明涉及一种人脸识别搜索方法,特别是一种基于人脸特征的快速人脸识别搜索方法。
背景技术
人脸识别,特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是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。但是目前的人脸识别通常是将图像上的人脸与数据库中的人脸逐个对比,由于数据库中的人脸是随机分布的,进行人脸对比的时候,常常需要进行很多次对比才能找到对比的那个人脸,进行了很多无用的对比,加重了***的负担,降低了***的反应速度。
发明内容
为解决上述问题,本发明的目的在于提供一种可以减少无用对比的快速人脸识别搜索方法。
本发明解决其问题所采用的技术方案是:一种基于人脸特征的快速人脸识别搜索方法,包括以下步骤:
人脸登记,采集人脸图像,识别该人脸图像中的特征数据,根据该特征数据将该人脸图像归类到相应的分类索引表中;
人脸识别,采集人脸图像,识别该人脸图像的特征数据,将当前人脸图像与该特征数据相对应分类索引表中的人脸图像进行对比。
具体而言,人脸登记和人脸识别中的识别人脸图像中的特征数据均是指识别人脸图像中人脸的性别和年龄段。图像的采集通过摄像头完成,图像的格式为RGB或YUV。
具体而言,采集人脸图像的时候先判断是否有人脸,判断是否有人脸的时候,首先进行肤色模型人脸检测,肤色模型人脸检测是指通过统计学习得出人脸肤色在Y-Cr-Cb颜色空间中分布概率的肤色模型,然后通过肤色模型判断图像上的点是否属于人脸区域,肤色模型人脸检测以后再进行Viola-Jones人脸检测。
具体而言,人脸图像中人脸的年龄段识别通过融合LBP特征和HOG特征来进行年龄估计,首先提取与年龄变化关系紧密的人脸的局部统计特征,将LBP特征和HOG特征使用典型相关分析的方法融合形成人脸年龄数据库,最后通过支持向量回归机对人脸年龄数据库进行训练和测试。
具体而言,人脸图像中人脸的性别识别通过Adaboost+SVM的人脸性别分类俩进行判断,首先通过对样本图像进行预处理,提取图像的Gabor小波特征,通过Adaboost分类器进行特征降维,对SVM分类器进行训练,训练好SVM分类器后,对待识别图像进行预处理,提取图像的Gabor小波特征,通过Adaboost分类器进行特征降维,最后用训练好的SVM分类器进行识别,输出人脸性别的识别结果。
具体而言,根据特征数据将人脸图像归类到相应的分类索引表中的时候,将该人脸保存进人脸数据库,并记录该人脸的索引值。
具体而言,根据特征数据将人脸图像归类到相应的分类索引表中时,人脸特征根据性别划分为男女两个种类,人脸特征根据年龄划分为十五岁以下、十五岁到三十岁、三十岁到五十岁、五十岁以上四个种类,每种人脸特征对应一个索引表,人脸图像中的人脸根据其特征种类归类到相应的索引表中,索引值表中的索引值排列按登记的先后顺序排,索引值为人脸数据存储在人脸数据库中的位置。
具体而言,将当前人脸图像与该特征数据相对应分类索引表中的人脸图像进行对比是指识别出图像上人脸的性别和年龄段以后,选择相应的性别索引表和年龄索引表,然后求出性别索引表和年龄索引表的交集作为人脸检索集合。
具体而言,人脸检索的时候将需要检索的人脸与人脸检索集合中的人脸进行对比,如果对比成功则输出对比成功的两张人脸,显示对比成功,如果对比不成功则与人脸数据库中的全部人脸进行对比检索,如果对比成功则输出对比成功的两张人脸,显示对比成功,如果对比不成功,则直接显示对比不成功,人脸对比时通过欧氏距离来进行对比,对比公式为εk=||Ω-Ωk||2,其中Ω代表要判别的人脸,Ωk代表人脸数据库的某个人脸,两者都是通过特征值的权重来表示的,式子是对两者求欧式距离,当距离小于阈值时说明要判别的脸和人脸数据库的第k个脸是同一个人的。
本发明的有益效果是:本发明是一种基于人脸特征的快速人脸识别搜索方法,本发明在人脸登记的时候识别该人脸图像中的特征数据,根据该特征数据将该人脸图像归类到相应的分类索引表中,在人脸识别的时候将当前人脸图像与该特征数据相对应分类索引表中的人脸图像进行对比,这样在人脸识别搜索的时候不需要在整个数据库进行人脸搜索,只需要在对应的人脸特征索引表内进行人脸搜索,有效减小了人脸的搜索范围,避免了大量的无用对比,减轻了***的负担,提高了***的反应速度。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明的总流程图。
具体实施方式
一种基于人脸特征的快速人脸识别搜索方法,包括以下步骤:人脸登记,采集人脸图像,识别该人脸图像中的特征数据,根据该特征数据将该人脸图像归类到相应的分类索引表中;人脸识别,采集人脸图像,识别该人脸图像的特征数据,将当前人脸图像与该特征数据相对应分类索引表中的人脸图像进行对比。人脸登记和人脸识别中的识别人脸图像中的特征数据均是指识别人脸图像中人脸的性别和年龄段。图像的采集通过摄像头完成,图像的格式为RGB或YUV。采集人脸图像的时候先判断是否有人脸,判断是否有人脸的时候,首先进行肤色模型人脸检测,肤色模型人脸检测是指通过统计学习得出人脸肤色在Y-Cr-Cb颜色空间中分布概率的肤色模型,然后通过肤色模型判断图像上的点是否属于人脸区域,肤色模型人脸检测以后再进行Viola-Jones人脸检测。人脸图像中人脸的年龄段识别通过融合LBP特征和HOG特征来进行年龄估计,首先提取与年龄变化关系紧密的人脸的局部统计特征,将LBP特征和HOG特征使用典型相关分析的方法融合形成人脸年龄数据库,最后通过支持向量回归机对人脸年龄数据库进行训练和测试。
优选的,本发明的人脸图像中人脸的性别识别通过Adaboost+SVM的人脸性别分类俩进行判断,首先通过对样本图像进行预处理,提取图像的Gabor小波特征,通过Adaboost分类器进行特征降维,对SVM分类器进行训练,训练好SVM分类器后,对待识别图像进行预处理,提取图像的Gabor小波特征,通过Adaboost分类器进行特征降维,最后用训练好的SVM分类器进行识别,输出人脸性别的识别结果。根据特征数据将人脸图像归类到相应的分类索引表中的时候,将该人脸保存进人脸数据库,并记录该人脸的索引值。根据特征数据将人脸图像归类到相应的分类索引表中时,人脸特征根据性别划分为男女两个种类,人脸特征根据年龄划分为十五岁以下、十五岁到三十岁、三十岁到五十岁、五十岁以上四个种类,每种人脸特征对应一个索引表,人脸图像中的人脸根据其特征种类归类到相应的索引表中,索引值表中的索引值排列按登记的先后顺序排,索引值为人脸数据存储在人脸数据库中的位置。
优选的,本发明的将当前人脸图像与该特征数据相对应分类索引表中的人脸图像进行对比是指识别出图像上人脸的性别和年龄段以后,选择相应的性别索引表和年龄索引表,然后求出性别索引表和年龄索引表的交集作为人脸检索集合。人脸检索的时候将需要检索的人脸与人脸检索集合中的人脸进行对比,如果对比成功则输出对比成功的两张人脸,显示对比成功,如果对比不成功则与人脸数据库中的全部人脸进行对比检索,如果对比成功则输出对比成功的两张人脸,显示对比成功,如果对比不成功,则直接显示对比不成功,人脸对比时通过欧氏距离来进行对比,对比公式为εk=||Ω-Ωk||2,其中Ω代表要判别的人脸,Ωk代表人脸数据库的某个人脸,两者都是通过特征值的权重来表示的,式子是对两者求欧式距离,当距离小于阈值时说明要判别的脸和人脸数据库的第k个脸是同一个人的。
图1是本发明的总流程图,如图1所示,一种基于人脸特征的快速人脸识别搜索方法,包括以下步骤:
S10,选择是否启动人脸登记,是则转步骤S20,否则转步骤S30;
S20,进行人脸登记,转步骤S10;
S30,进行人脸检索,转步骤S10;
步骤S20包括以下步骤,
S21,通过摄像头采集图像;
S22,判断摄像头采集的图像中是否有人脸,是则转步骤S23,否则转步骤S21;
S23,识别图像中人脸的年龄段;
S24,识别图像中人脸的性别;
S25,保存识别出来的年龄段人脸数据和性别人脸数据;
S26,更新人脸索引表中的检索索引,转步骤S10,所述人脸索引表在***开发的时候进行建立。
本发明在人脸登记的时候识别该人脸图像中的特征数据,根据该特征数据将该人脸图像归类到相应的分类索引表中,在人脸识别的时候将当前人脸图像与该特征数据相对应分类索引表中的人脸图像进行对比,这样在人脸识别搜索的时候不需要在整个数据库进行人脸搜索,只需要在对应的人脸特征索引表内进行人脸搜索,有效减小了人脸的搜索范围,避免了大量的无用对比,减轻了***的负担,提高了***的反应速度。
具体而言,步骤S30包括以下步骤:
S31,通过摄像头采集图像;
S32,判断摄像头采集的图像中是否有人脸,是则转步骤S33,否则转步骤S31;
S33,识别图像中人脸的年龄段;
S34,识别图像中人脸的性别;
S35,根据识别出来的人脸年龄段和人脸性别选择相应的人脸索引表;
S36,将选择出来的人脸年龄段索引表和人脸性别索引表去交集,将当前待检索人脸与交集中的人脸进行匹配,进行人脸检索,转步骤S10。
优选的,本发明图像的采集通过摄像头完成,图像的格式为RGB或YUV。本发明在判断是否有人脸的时候,首先进行肤色模型人脸检测,肤色模型人脸检测是指通过统计学习得出人脸肤色在Y-Cr-Cb颜色空间中分布概率的肤色模型,然后通过肤色模型判断图像上的点是否属于人脸区域,肤色模型人脸检测以后再进行Viola-Jones人脸检测。本发明的年龄段识别通过融合LBP特征和HOG特征来进行年龄估计,首先提取与年龄变化关系紧密的人脸的局部统计特征,将LBP特征和HOG特征使用典型相关分析的方法融合形成人脸年龄数据库,最后通过支持向量回归机对人脸年龄数据库进行训练和测试。本发明识别性别的时候通过Adaboost+SVM的人脸性别分类俩进行判断,首先通过对样本图像进行预处理,提取图像的Gabor小波特征,通过Adaboost分类器进行特征降维,对SVM分类器进行训练,训练好SVM分类器后,对待识别图像进行预处理,提取图像的Gabor小波特征,通过Adaboost分类器进行特征降维,最后用训练好的SVM分类器进行识别,输出人脸性别的识别结果。
优选的,本发明保存人脸数据的时候将人脸数据保存进人脸数据库,并记录索引值。更新检索索引是指为每种人脸特征建立一个索引值表,人脸特征根据性别划分为男女两个种类,人脸特征根据年龄划分为十五岁以下、十五岁到三十岁、三十岁到五十岁、五十岁以上四个种类,索引值表中的索引值排列按登记的先后顺序排,索引值为人脸数据存储在人脸数据库中的位置。选择检索索引表是指识别出图像上人脸的性别和年龄段以后,选择相应的性别索引表和年龄索引表,然后求出性别索引表和年龄索引表的交集作为人脸检索集合。
优选的,本发明人脸检索的时候将需要检索的人脸与人脸检索集合中的人脸进行对比,如果对比成功则输出对比成功的两张人脸,显示对比成功,如果对比不成功则与人脸数据库中的全部人脸进行对比检索,如果对比成功则输出对比成功的两张人脸,显示对比成功,如果对比不成功,则直接显示对比不成功,人脸对比时通过欧氏距离来进行对比,对比公式为εk=||Ω-Ωk||2,其中Ω代表要判别的人脸,Ωk代表人脸数据库的某个人脸,两者都是通过特征值的权重来表示的,式子是对两者求欧式距离,当距离小于阈值时说明要判别的脸和人脸数据库的第k个脸是同一个人的。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。
Claims (10)
1.一种基于人脸特征的快速人脸识别搜索方法,其特征在于,包括以下步骤:
人脸登记,采集人脸图像,识别该人脸图像中的特征数据,根据该特征数据将该人脸图像归类到相应的分类索引表中;
人脸识别,采集人脸图像,识别该人脸图像的特征数据,将当前人脸图像与该特征数据相对应分类索引表中的人脸图像进行对比。
2.根据权利要求1所述的一种基于人脸特征的快速人脸识别搜索方法,其特征在于:人脸登记和人脸识别中的识别人脸图像中的特征数据均是指识别人脸图像中人脸的性别和年龄段。
3.根据权利要求1所述的一种基于人脸特征的快速人脸识别搜索方法,其特征在于:图像的采集通过摄像头完成,图像的格式为RGB或YUV。
4.根据权利要求1所述的一种基于人脸特征的快速人脸识别搜索方法,其特征在于:采集人脸图像的时候先判断是否有人脸,判断是否有人脸的时候,首先进行肤色模型人脸检测,肤色模型人脸检测是指通过统计学习得出人脸肤色在Y-Cr-Cb颜色空间中分布概率的肤色模型,然后通过肤色模型判断图像上的点是否属于人脸区域,肤色模型人脸检测以后再进行Viola-Jones人脸检测。
5.根据权利要求2所述的一种基于人脸特征的快速人脸识别搜索方法,其特征在于:人脸图像中人脸的年龄段识别通过融合LBP特征和HOG特征来进行年龄估计,首先提取与年龄变化关系紧密的人脸的局部统计特征,将LBP特征和HOG特征使用典型相关分析的方法融合形成人脸年龄数据库,最后通过支持向量回归机对人脸年龄数据库进行训练和测试。
6.根据权利要求2所述的一种基于人脸特征的快速人脸识别搜索方法,其特征在于:人脸图像中人脸的性别识别通过Adaboost+SVM的人脸性别分类俩进行判断,首先通过对样本图像进行预处理,提取图像的Gabor小波特征,通过Adaboost分类器进行特征降维,对SVM分类器进行训练,训练好SVM分类器后,对待识别图像进行预处理,提取图像的Gabor小波特征,通过Adaboost分类器进行特征降维,最后用训练好的SVM分类器进行识别,输出人脸性别的识别结果。
7.根据权利要求1所述的一种基于人脸特征的快速人脸识别搜索方法,其特征在于:根据特征数据将人脸图像归类到相应的分类索引表中的时候,将该人脸保存进人脸数据库,并记录该人脸的索引值。
8.根据权利要求2所述的一种基于人脸特征的快速人脸识别搜索方法,其特征在于:根据特征数据将人脸图像归类到相应的分类索引表中时,人脸特征根据性别划分为男女两个种类,人脸特征根据年龄划分为十五岁以下、十五岁到三十岁、三十岁到五十岁、五十岁以上四个种类,每种人脸特征对应一个索引表,人脸图像中的人脸根据其特征种类归类到相应的索引表中,索引值表中的索引值排列按登记的先后顺序排,索引值为人脸数据存储在人脸数据库中的位置。
9.根据权利要求2所述的一种基于人脸特征的快速人脸识别搜索方法,其特征在于:将当前人脸图像与该特征数据相对应分类索引表中的人脸图像进行对比是指识别出图像上人脸的性别和年龄段以后,选择相应的性别索引表和年龄索引表,然后求出性别索引表和年龄索引表的交集作为人脸检索集合。
10.根据权利要求9所述的一种基于人脸特征的快速人脸识别搜索方法,其特征在于:人脸检索的时候将需要检索的人脸与人脸检索集合中的人脸进行对比,如果对比成功则输出对比成功的两张人脸,显示对比成功,如果对比不成功则与人脸数据库中的全部人脸进行对比检索,如果对比成功则输出对比成功的两张人脸,显示对比成功,如果对比不成功,则直接显示对比不成功,人脸对比时通过欧氏距离来进行对比,对比公式为εt=||Ω-Ωt||2,其中Ω代表要判别的人脸,Ωk代表人脸数据库的某个人脸,两者都是通过特征值的权重来表示的,式子是对两者求欧式距离,当距离小于阈值时说明要判别的脸和人脸数据库的第k个脸是同一个人的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710313906.2A CN107273796A (zh) | 2017-05-05 | 2017-05-05 | 一种基于人脸特征的快速人脸识别搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710313906.2A CN107273796A (zh) | 2017-05-05 | 2017-05-05 | 一种基于人脸特征的快速人脸识别搜索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107273796A true CN107273796A (zh) | 2017-10-20 |
Family
ID=60073732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710313906.2A Pending CN107273796A (zh) | 2017-05-05 | 2017-05-05 | 一种基于人脸特征的快速人脸识别搜索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107273796A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009521A (zh) * | 2017-12-21 | 2018-05-08 | 广东欧珀移动通信有限公司 | 人脸图像匹配方法、装置、终端及存储介质 |
CN108848364A (zh) * | 2018-06-20 | 2018-11-20 | 温州大学 | 一种基于支持向量回归机的颜色空间转换的颜色校正方法 |
CN109271917A (zh) * | 2018-09-10 | 2019-01-25 | 广州杰赛科技股份有限公司 | 人脸识别方法、装置、计算机设备和可读存储介质 |
CN109408651A (zh) * | 2018-09-21 | 2019-03-01 | 神思电子技术股份有限公司 | 一种基于人脸脸势识别的人脸检索方法 |
CN109492611A (zh) * | 2018-11-27 | 2019-03-19 | 电卫士智能电器(北京)有限公司 | 用电安全预警方法及装置 |
CN109493490A (zh) * | 2018-11-27 | 2019-03-19 | 电卫士智能电器(北京)有限公司 | 用电用户权限判断方法及装置 |
CN109584417A (zh) * | 2018-11-27 | 2019-04-05 | 电卫士智能电器(北京)有限公司 | 门禁控制方法及装置 |
CN109635148A (zh) * | 2018-12-14 | 2019-04-16 | 深圳英飞拓科技股份有限公司 | 人脸图片存储方法及装置 |
CN109697622A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 基于智能店铺的信息生成方法和装置 |
CN109697388A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 人脸识别方法和装置 |
CN109829071A (zh) * | 2018-12-14 | 2019-05-31 | 平安科技(深圳)有限公司 | 人脸图像搜索方法、服务器、计算机设备及存储介质 |
CN109919093A (zh) * | 2019-03-07 | 2019-06-21 | 苏州科达科技股份有限公司 | 一种人脸识别方法、装置、设备及可读存储介质 |
CN109993042A (zh) * | 2017-12-29 | 2019-07-09 | 国民技术股份有限公司 | 一种人脸识别方法及其装置 |
CN110210414A (zh) * | 2019-06-05 | 2019-09-06 | 北京京投信安科技发展有限公司 | 海量人脸数据库的快速交叉识别技术 |
CN110728522A (zh) * | 2019-10-11 | 2020-01-24 | 上海可充电子商务有限公司 | 一种刷脸公交*** |
CN110807119A (zh) * | 2018-07-19 | 2020-02-18 | 浙江宇视科技有限公司 | 人脸查重方法及装置 |
CN111325174A (zh) * | 2019-04-02 | 2020-06-23 | 北京航空航天大学 | 一种面向高铁空调调节的人脸识别*** |
CN112052733A (zh) * | 2020-07-31 | 2020-12-08 | 中国建设银行股份有限公司 | 数据库构建方法、人脸识别方法、装置及电子设备 |
CN112329589A (zh) * | 2020-10-30 | 2021-02-05 | 四川天翼网络服务有限公司 | 一种基于高维特征算法的人脸识别方法 |
CN112597803A (zh) * | 2020-11-26 | 2021-04-02 | 深圳泰首智能技术有限公司 | 一种人脸识别方法、装置、***及电子设备 |
WO2021107826A1 (en) | 2019-11-25 | 2021-06-03 | Telefonaktiebolaget Lm Ericsson (Publ) | Blockchain based facial anonymization system |
CN113674470A (zh) * | 2021-08-13 | 2021-11-19 | 大匠智联(深圳)科技有限公司 | 一种门禁***面部识别的方法和门禁*** |
WO2022179046A1 (zh) * | 2021-02-26 | 2022-09-01 | 深圳壹账通智能科技有限公司 | 人脸识别方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201894A (zh) * | 2007-11-06 | 2008-06-18 | 重庆大学 | 基于网格计算技术的大规模人脸数据库人脸识别方法 |
CN101226591A (zh) * | 2008-01-31 | 2008-07-23 | 上海交通大学 | 基于手机摄像头结合人脸识别技术的身份识别方法 |
CN103235825A (zh) * | 2013-05-08 | 2013-08-07 | 重庆大学 | 一种基于Hadoop云计算框架的海量人脸识别搜索引擎设计方法 |
CN105138681A (zh) * | 2015-09-15 | 2015-12-09 | 成都品果科技有限公司 | 基于空间坐标定位的图片搜索方法及*** |
-
2017
- 2017-05-05 CN CN201710313906.2A patent/CN107273796A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201894A (zh) * | 2007-11-06 | 2008-06-18 | 重庆大学 | 基于网格计算技术的大规模人脸数据库人脸识别方法 |
CN101226591A (zh) * | 2008-01-31 | 2008-07-23 | 上海交通大学 | 基于手机摄像头结合人脸识别技术的身份识别方法 |
CN103235825A (zh) * | 2013-05-08 | 2013-08-07 | 重庆大学 | 一种基于Hadoop云计算框架的海量人脸识别搜索引擎设计方法 |
CN105138681A (zh) * | 2015-09-15 | 2015-12-09 | 成都品果科技有限公司 | 基于空间坐标定位的图片搜索方法及*** |
Non-Patent Citations (2)
Title |
---|
林辉: "性别、种族人脸识别方法研究", 《中国优秀博硕士学位论文全文数据库信息科技辑》 * |
瞿中 等: "典型相关分析融合 LBP和 HOG特征的人脸年龄估计", 《重庆大学学报》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697622A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 基于智能店铺的信息生成方法和装置 |
CN109697388A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 人脸识别方法和装置 |
CN108009521B (zh) * | 2017-12-21 | 2021-05-04 | Oppo广东移动通信有限公司 | 人脸图像匹配方法、装置、终端及存储介质 |
CN108009521A (zh) * | 2017-12-21 | 2018-05-08 | 广东欧珀移动通信有限公司 | 人脸图像匹配方法、装置、终端及存储介质 |
CN109993042A (zh) * | 2017-12-29 | 2019-07-09 | 国民技术股份有限公司 | 一种人脸识别方法及其装置 |
CN108848364A (zh) * | 2018-06-20 | 2018-11-20 | 温州大学 | 一种基于支持向量回归机的颜色空间转换的颜色校正方法 |
CN108848364B (zh) * | 2018-06-20 | 2020-12-29 | 温州大学 | 一种基于支持向量回归机的颜色空间转换的颜色校正方法 |
CN110807119A (zh) * | 2018-07-19 | 2020-02-18 | 浙江宇视科技有限公司 | 人脸查重方法及装置 |
CN109271917A (zh) * | 2018-09-10 | 2019-01-25 | 广州杰赛科技股份有限公司 | 人脸识别方法、装置、计算机设备和可读存储介质 |
CN109408651A (zh) * | 2018-09-21 | 2019-03-01 | 神思电子技术股份有限公司 | 一种基于人脸脸势识别的人脸检索方法 |
CN109408651B (zh) * | 2018-09-21 | 2020-09-29 | 神思电子技术股份有限公司 | 一种基于人脸脸势识别的人脸检索方法 |
CN109493490A (zh) * | 2018-11-27 | 2019-03-19 | 电卫士智能电器(北京)有限公司 | 用电用户权限判断方法及装置 |
CN109584417A (zh) * | 2018-11-27 | 2019-04-05 | 电卫士智能电器(北京)有限公司 | 门禁控制方法及装置 |
CN109492611A (zh) * | 2018-11-27 | 2019-03-19 | 电卫士智能电器(北京)有限公司 | 用电安全预警方法及装置 |
CN109829071A (zh) * | 2018-12-14 | 2019-05-31 | 平安科技(深圳)有限公司 | 人脸图像搜索方法、服务器、计算机设备及存储介质 |
CN109635148A (zh) * | 2018-12-14 | 2019-04-16 | 深圳英飞拓科技股份有限公司 | 人脸图片存储方法及装置 |
CN109829071B (zh) * | 2018-12-14 | 2023-09-05 | 平安科技(深圳)有限公司 | 人脸图像搜索方法、服务器、计算机设备及存储介质 |
CN109635148B (zh) * | 2018-12-14 | 2021-06-15 | 深圳英飞拓科技股份有限公司 | 人脸图片存储方法及装置 |
CN109919093A (zh) * | 2019-03-07 | 2019-06-21 | 苏州科达科技股份有限公司 | 一种人脸识别方法、装置、设备及可读存储介质 |
CN111325174A (zh) * | 2019-04-02 | 2020-06-23 | 北京航空航天大学 | 一种面向高铁空调调节的人脸识别*** |
CN110210414A (zh) * | 2019-06-05 | 2019-09-06 | 北京京投信安科技发展有限公司 | 海量人脸数据库的快速交叉识别技术 |
CN110728522A (zh) * | 2019-10-11 | 2020-01-24 | 上海可充电子商务有限公司 | 一种刷脸公交*** |
WO2021107826A1 (en) | 2019-11-25 | 2021-06-03 | Telefonaktiebolaget Lm Ericsson (Publ) | Blockchain based facial anonymization system |
EP4066137A4 (en) * | 2019-11-25 | 2023-08-23 | Telefonaktiebolaget LM Ericsson (publ) | BLOCKCHAIN-BASED FACIAL ANONYMIZATION SYSTEM |
CN112052733A (zh) * | 2020-07-31 | 2020-12-08 | 中国建设银行股份有限公司 | 数据库构建方法、人脸识别方法、装置及电子设备 |
CN112329589A (zh) * | 2020-10-30 | 2021-02-05 | 四川天翼网络服务有限公司 | 一种基于高维特征算法的人脸识别方法 |
CN112329589B (zh) * | 2020-10-30 | 2023-03-24 | 四川天翼网络股份有限公司 | 一种基于高维特征算法的人脸识别方法 |
CN112597803A (zh) * | 2020-11-26 | 2021-04-02 | 深圳泰首智能技术有限公司 | 一种人脸识别方法、装置、***及电子设备 |
WO2022179046A1 (zh) * | 2021-02-26 | 2022-09-01 | 深圳壹账通智能科技有限公司 | 人脸识别方法、装置、计算机设备和存储介质 |
CN113674470A (zh) * | 2021-08-13 | 2021-11-19 | 大匠智联(深圳)科技有限公司 | 一种门禁***面部识别的方法和门禁*** |
CN113674470B (zh) * | 2021-08-13 | 2023-05-05 | 大匠智联(深圳)科技有限公司 | 一种门禁***面部识别的方法和门禁*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107273796A (zh) | 一种基于人脸特征的快速人脸识别搜索方法 | |
Borenstein et al. | Learning to segment | |
Layne et al. | Person re-identification by attributes. | |
CN105160317B (zh) | 一种基于区域分块行人性别识别方法 | |
CN109558810B (zh) | 基于部位分割与融合目标人物识别方法 | |
CN109829467A (zh) | 图像标注方法、电子装置及非暂态电脑可读取储存媒体 | |
US8170343B2 (en) | Method and system for searching images with figures and recording medium storing metadata of image | |
EP2955645A1 (en) | System for automated segmentation of images through layout classification | |
US20130044944A1 (en) | Clothing search in images | |
CN106446015A (zh) | 一种基于用户行为偏好的视频内容访问预测与推荐方法 | |
CN102103690A (zh) | 一种自动的头发区域分割方法 | |
CN103996046A (zh) | 基于多视觉特征融合的人员识别方法 | |
CN110348416A (zh) | 一种基于多尺度特征融合卷积神经网络的多任务人脸识别方法 | |
CN106845513B (zh) | 基于条件随机森林的人手检测器及方法 | |
CN104281572B (zh) | 一种基于互信息的目标匹配方法及其*** | |
KR101835333B1 (ko) | 얼굴 인식 서비스 제공 방법 | |
Salah et al. | Fusing local binary patterns with wavelet features for ethnicity identification | |
CN108960142B (zh) | 基于全局特征损失函数的行人再识别方法 | |
CN108319672B (zh) | 基于云计算的移动终端不良信息过滤方法及*** | |
JP2014016968A (ja) | 人物検索装置及びデータ収集装置 | |
Wang et al. | S 3 D: Scalable pedestrian detection via score scale surface discrimination | |
Chen et al. | Automatic training image acquisition and effective feature selection from community-contributed photos for facial attribute detection | |
CN105404682B (zh) | 一种基于数字图像内容的图书检索方法 | |
Wang et al. | Contextual dominant color name extraction for web image search | |
Cushen et al. | Mobile visual clothing search |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171020 |