CN107480658B - 基于多角度视频的人脸识别装置和方法 - Google Patents
基于多角度视频的人脸识别装置和方法 Download PDFInfo
- Publication number
- CN107480658B CN107480658B CN201710851859.7A CN201710851859A CN107480658B CN 107480658 B CN107480658 B CN 107480658B CN 201710851859 A CN201710851859 A CN 201710851859A CN 107480658 B CN107480658 B CN 107480658B
- Authority
- CN
- China
- Prior art keywords
- face
- main thread
- recognition
- threads
- camera
- 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
Images
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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于多角度视频的人脸识别装置和方法,基于多角度视频的人脸识别装置,它包括人脸识别处理控制单元、识别通道、安装在识别通道上并与人脸识别处理控制单元相信号连接的至少三个摄像头,至少三个摄像头包括设置在识别通道的正上方并用于采集用户正脸特征的第一摄像头、设置在识别通道的左侧部并用于采集用户左侧脸特征的至少一个第二摄像头、设置在识别通道的右侧部并用于采集用户右侧脸特征的至少一个第三摄像头。利用上述的基于多角度视频的人脸识别装置的人脸识别方法,它包括人脸注册、人脸检测与识别。
Description
技术领域
本发明涉及一种基于多角度视频的人脸识别装置和方法。
背景技术
随着生物识别技术的发展,人脸识别技术越来越多的走进了人们的生活。人脸识别考勤技术具有非接触、直观、友好、适用性强等有点。目前人脸识别技术层面已突破昼夜光的影响,能在自然状态下达到快速识别。如今随着技术的不断成熟和成本的降低,人脸考勤逐步展露出了取代***的趋势。在生物识别方面,人脸识别技术的应用已经逐渐超出了安防技术领域。
人脸识别***主要包括人脸检测、人脸对齐、特征提取与身份识别四个模块。人脸检测,首先判断给定的图像上是否存在人脸,如果存在人脸,就输出人脸在图像中的位置坐标以及人脸的大小。人脸对齐是根据输入的人脸图像,自动定位出面部关键特征点,如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等。通过人脸对齐可以提高人脸识别的准确率。人脸特征抽取是将人脸图像表示成一个高维的特征向量,从而可以将人脸的特征进行量化,以便进行人脸相似度的计算。身份识别是将待识别人脸与已有人脸进行比对,并找出相似度最高的人脸标签,从而确定人的身份。
目前按照人脸特征抽取的方法来分类,人脸识别技术大致可以分为两类:基于人工构造特征的传统特征提取方法和基于深度学习特征提取方法。其中基于深度学习的人脸识别方法已经成为人脸识别技术的主流方法,并得到了学术界和工业界的广泛应用。基于深度学习特征提取方法,一般是先进行人脸的采集,然后抽取人脸特征,并将抽取的人脸特征送到已有的分类器中进行训练,并生成训练模型,当需要确定某个用户的身份时,首先进行人脸检测,然后使用同样的特征抽取的方法对人脸进行特征抽取,然后将抽取的特征送到训练好的分类器中,分类器会输出人脸识别的结果。
然而,现有的人脸识别***通常采用单张图像进行人脸身份的识别,这就使得采集的图像容易受光照、识别环境、人脸的姿态和拍摄角度等因素的干扰,所以仅仅从单个角度使用人脸识别算法进行人脸身份的确定时,准确率会受到一定的影响。
发明内容
针对现有技术中所存在的不足,本发明的目的在于提出一种基于多角度视频的人脸识别装置和方法。
为了达到上述目的,本发明提供了一种技术方案:基于多角度视频的人脸识别装置,它包括人脸识别处理控制单元、识别通道、安装在识别通道上并与人脸识别处理控制单元相信号连接的至少三个摄像头,至少三个摄像头包括设置在识别通道的正上方并用于采集用户正脸特征的第一摄像头、设置在识别通道的左侧部并用于采集用户左侧脸特征的至少一个第二摄像头、设置在识别通道的右侧部并用于采集用户右侧脸特征的至少一个第三摄像头。
进一步地,识别通道上安装有用于为摄像头提供固定光照的补光灯。
进一步地,第二摄像头有两个,第三摄像头有两个。
本发明还提供了另一种技术方案:利用上述的基于多角度视频的人脸识别装置的人脸识别方法,它包括人脸注册、人脸检测与识别。
人脸注册,包括以下步骤:
a1.指定一个摄像头的控制线程为主线程,该主线程处于活跃状态,读取对应摄像头所采集的图像数据,其余摄像头的控制线程均处于阻塞状态。当线程处于阻塞状态时,其不会从对应的摄像头中读取图像数据;
a2.当主线程在采集到的图像中检测到人脸时,则唤醒其他线程,其他线程被唤醒后从各自对应的摄像头中读取图像数据。线程被唤醒是指,线程从阻塞状态进入活跃状态;
a3.当主线程在预设的时间间隔内检测不到人脸时,则主线程通知其他线程进入阻塞状态,同时其他线程将各自采集到的图像数据发送给主线程;
a4.主线程在收到其他线程所发送的图像数据后,统计各线程所检测到的人脸数量,如果该数量大于或等于预设的值,主线程将各线程检测到的所有人脸进行人脸特征抽取,然后将人脸特征和对应的身份信息存储到人脸数据库中;如果数量小于预设的值,则***发出重新采集的提示。
人脸检测与识别,包括以下步骤:
b1.指定一个摄像头的控制线程为主线程。该主线程处于活跃状态,读取对应摄像头所采集的图像数据,其余摄像头的控制线程均处于阻塞状态;
b2.当主线程在采集到的图像中检测到人脸时,则唤醒其他线程,其他线程被唤醒后从各自对应的摄像头中读取图像数据;
b3.当主线程在预设的时间间隔内检测不到人脸时,则主线程通知其他线程进入阻塞状态,同时其他线程将各自采集到的图像数据发送给主线程;
b4.主线程将各线程所检测到的所有人脸进行人脸特征抽取,然后将抽取的人脸特征与存放在数据库里的人脸特征进行相似度计算,人脸识别处理控制单元根据采集人脸的角度选用相似度符合预定规则的多个候选集合;
b5.人脸识别处理控制单元在多个候选集合中按照预先设定识别策略判断从识别通道中走过的用户的身份。
进一步地,步骤a1和步骤b1中,指定左下侧的摄像头的控制线程为主线程。
进一步地,步骤a2和步骤b2中,主线程每隔固定时间对采集到的图像进行一次人脸检测,当主线程在采集到的图像中检测到人脸时,则唤醒其他线程。优选地,该固定时间为200毫秒。
进一步地,步骤a4中,主线程将各线程检测到的所有人脸进行人脸特征抽取,其方法为:根据不同摄像头的安装位置保存三种不同角度的人脸特征,分别是用于识别正脸的特征、用于识别左侧脸的特征和用于识别右侧脸的特征。
进一步地,步骤b4中,在对抽取的人脸特征与存放在数据库里的人脸特征进行相似度计算时,对于第一摄像头采集的人脸,使用保存在数据库里的正面人脸特征与之对比,对于第二摄像头采集的人脸,使用保存在数据库里的左侧面人脸特征与之对比,对于第三摄像头采集的人脸,使用保存在数据库里的右侧面人脸特征与之对比。
进一步地,步骤b5中,识别策略为:将多个候选集合中属于同一候选对象的个数进行累加,如果属于同一候选对象的数量占所有候选对象的比重大于预先设定的阈值,则将当前所属阈值对应的候选对象作为最终识别结果;否则判断该用户为陌生人,即不属于已注册用户。
进一步地,步骤b5中,识别策略为:将各候选集合中相似度大于预设的阈值的候选对象合并成新的候选集合,并将得到的新的候选集合中属于同一候选对象的个数进行累加,如果属于同一候选对象的数量占所有候选对象的比重大于预先设定的阈值的话,就将当前所属阈值对应的候选对象作为最终识别结果;否则判断该用户为陌生人,即不属于已注册用户。
进一步地,步骤b5中,识别策略为:首先选出每个候选集合中相似度最大的候选对象,然后将它们组成新的候选集合,并统计新的候选集合中属于同一个候选对象的数量,如果得到的值中的最大值大于或等于3,则将该值对应的候选对象作为最终的识别结果;如果得到的值中的最大值小于3并大于或等于2,并且次大值不为2,则将值为2对应的候选对象作为最终的识别结果;如果得到的值中的最大值小于3并大于或等于2,并且次大值也为2,那么再比较他们的相似度的和,取相似度和的最大值对应的候选对象作为最终的识别结果;如果得到的值中的最大值小于2,则判断该用户为陌生人,即判断该用户不属于已注册用户。
通过采用上述技术方案,本发明一种基于多角度视频的人脸识别装置和方法,多个摄像头保证了采集相当数量的人脸图像,从多个角度采集人脸图像信息,识别通道限制了用户的活动范围,用户会主动配合完成人脸识别的过程,补光灯保证了人脸识别***在统一的光照条件下完成人脸识别的过程。与同类采集单张图像的技术相比,大大减弱了采集图像时所受光照、识别环境、人脸姿态和拍摄角度等因素的干扰,有效地提高了人脸识别***的鲁棒性和识别率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
附图1为本发明实施例一中基于多角度视频的人脸识别装置的结构示意图;
附图2为本发明实施例一中利用基于多角度视频的人脸识别装置的人脸识别方法的人脸注册的步骤流程图;
附图3为本发明实施例一中利用基于多角度视频的人脸识别装置的人脸识别方法的人脸检测与识别的步骤流程图;
附图4为本发明实施例二中利用基于多角度视频的人脸识别装置的人脸识别方法的人脸检测与识别的步骤流程图;
附图5为本发明实施例三中利用基于多角度视频的人脸识别装置的人脸识别方法的人脸检测与识别的步骤流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例一
参照附图1,本实施例中的基于多角度视频的人脸识别装置,它包括人脸识别处理控制单元、识别通道(附图中未画出)、安装在识别通道上并与人脸识别处理控制单元相信号连接的至少三个摄像头,至少三个摄像头包括设置在识别通道的正上方并用于采集用户正脸特征的第一摄像头1、设置在识别通道的左侧部并用于采集用户左侧脸特征的至少一个第二摄像头2、设置在识别通道的右侧部并用于采集用户右侧脸特征的至少一个第三摄像头3。
在一种更为优选的实施方案中,识别通道上安装有用于为摄像头提供固定光照的补光灯(附图中未画出)。
在一种更为优选的实施方案中,第二摄像头2有两个,第三摄像头3有两个。
本实施例还提供了另一种技术方案:利用上述的基于多角度视频的人脸识别装置的人脸识别方法,它包括人脸注册、人脸检测与识别。(本发明使用一台计算机来控制多个摄像头,需要使用多线程机制。)
参照附图2,人脸注册,包括以下步骤:
a1.指定一个摄像头的控制线程为主线程,优选地,指定左下侧的摄像头的控制线程为主线程。该主线程处于活跃状态,读取对应摄像头所采集的图像数据,其余摄像头的控制线程均处于阻塞状态。当线程处于阻塞状态时,其不会从对应的摄像头中读取图像数据;
a2.主线程每隔固定时间对采集到的图像进行一次人脸检测,本实施例中地,该固定时间为200毫秒。当主线程在采集到的图像中检测到人脸时,则唤醒其他线程,其他线程被唤醒后从各自对应的摄像头中读取图像数据。线程被唤醒是指,线程从阻塞状态进入活跃状态;
a3.当主线程在预设的时间间隔内检测不到人脸时,则主线程通知其他线程进入阻塞状态,同时其他线程将各自采集到的图像数据发送给主线程;
a4.主线程在收到其他线程所发送的图像数据后,统计各线程所检测到的人脸数量,如果该数量大于或等于预设的值,主线程将各线程检测到的所有人脸进行人脸特征抽取,然后将人脸特征和对应的身份信息存储到人脸数据库中,根据不同摄像头的安装位置保存三种不同角度的人脸特征,分别是用于识别正脸的特征、用于识别左侧脸的特征和用于识别右侧脸的特征;如果数量小于预设的值,则***发出重新采集的提示。
参照附图3,人脸检测与识别,包括以下步骤:
b1.指定一个摄像头的控制线程为主线程。线程所控制的摄像头可以抓拍到用户的全身。优选地,指定左下侧的摄像头的控制线程为主线程。该主线程处于活跃状态,读取对应摄像头所采集的图像数据,其余摄像头的控制线程均处于阻塞状态;
b2.主线程每隔固定时间对采集到的图像进行一次人脸检测,本实施例中地,该固定时间为200毫秒。当主线程在采集到的图像中检测到人脸时,则唤醒其他线程,其他线程被唤醒后从各自对应的摄像头中读取图像数据;
b3.当主线程在预设的时间间隔内检测不到人脸时,则主线程通知其他线程进入阻塞状态,同时其他线程将各自采集到的图像数据发送给主线程;
b4.主线程将各线程所检测到的所有人脸进行人脸特征抽取,然后将抽取的人脸特征与存放在数据库里的人脸特征进行相似度计算,对于第一摄像头采集的人脸,使用保存在数据库里的正面人脸特征与之对比,对于第二摄像头采集的人脸,使用保存在数据库里的左侧面人脸特征与之对比,对于第三摄像头采集的人脸,使用保存在数据库里的右侧面人脸特征与之对比。人脸识别处理控制单元根据采集人脸的角度选用相似度符合预定规则的多个候选集合;
b5.人脸识别处理控制单元在多个候选集合中按照预先设定识别策略判断从识别通道中走过的用户的身份。该识别策略为:将多个候选集合中属于同一候选对象的个数进行累加,如果属于同一候选对象的数量占所有候选对象的比重大于预先设定的阈值,则将当前所属阈值对应的候选对象作为最终识别结果;否则判断该用户为陌生人,即不属于已注册用户。
实施例二
参照附图4,本实施例与实施例一的区别仅在于:利用基于多角度视频的人脸识别装置的人脸识别方法的步骤b5中,识别策略为:将各候选集合中相似度大于预设的阈值的候选对象合并成新的候选集合,并将得到的新的候选集合中属于同一候选对象的个数进行累加,如果属于同一候选对象的数量占所有候选对象的比重大于预先设定的阈值的话,就将当前所属阈值对应的候选对象作为最终识别结果;否则判断该用户为陌生人,即不属于已注册用户。
实施例三
参照附图5,本实施例与实施例一的区别仅在于:利用基于多角度视频的人脸识别装置的人脸识别方法的步骤b5中,识别策略为:首先选出每个候选集合中相似度最大的候选对象,然后将它们组成新的候选集合,并统计新的候选集合中属于同一个候选对象的数量,如果得到的值中的最大值大于或等于3,则将该值对应的候选对象作为最终的识别结果;如果得到的值中的最大值小于3并大于或等于2,并且次大值不为2,则将值为2对应的候选对象作为最终的识别结果;如果得到的值中的最大值小于3并大于或等于2,并且次大值也为2,那么再比较他们的相似度的和,取相似度和的最大值对应的候选对象作为最终的识别结果;如果得到的值中的最大值小于2,则判断该用户为陌生人,即判断该用户不属于已注册用户。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (7)
1.一种基于多角度视频的人脸识别装置的人脸识别方法,其特征在于:所述的基于多角度视频的人脸识别装置包括人脸识别处理控制单元、识别通道、安装在所述识别通道上并与所述人脸识别处理控制单元相信号连接的至少三个摄像头,所述的至少三个摄像头包括设置在所述识别通道的正上方并用于采集用户正脸特征的第一摄像头、设置在所述识别通道的左侧部并用于采集用户左侧脸特征的至少一个第二摄像头、设置在所述识别通道的右侧部并用于采集用户右侧脸特征的至少一个第三摄像头;
所述的人脸识别方法它包括人脸注册、人脸检测与识别,所述的人脸注册,包括以下步骤:
a1.指定一个摄像头的控制线程为主线程,该主线程处于活跃状态,读取对应摄像头所采集的图像数据,其余摄像头的控制线程均处于阻塞状态;
a2.当主线程在采集到的图像中检测到人脸时,则唤醒其他线程,其他线程被唤醒后从各自对应的摄像头中读取图像数据;
a3.当主线程在预设的时间间隔内检测不到人脸时,则主线程通知其他线程进入阻塞状态,同时其他线程将各自采集到的图像数据发送给主线程;
a4.主线程在收到其他线程所发送的图像数据后,统计各线程所检测到的人脸数量,如果该数量大于或等于预设的值,主线程将各线程检测到的所有人脸进行人脸特征抽取,然后将人脸特征和对应的身份信息存储到人脸数据库中;如果所述数量小于预设的值,则***发出重新采集的提示;
所述的人脸检测与识别,包括以下步骤:
b1.指定一个摄像头的控制线程为主线程,该主线程处于活跃状态,读取对应摄像头所采集的图像数据,其余摄像头的控制线程均处于阻塞状态;
b2.当主线程在采集到的图像中检测到人脸时,则唤醒其他线程,其他线程被唤醒后从各自对应的摄像头中读取图像数据;
b3.当主线程在预设的时间间隔内检测不到人脸时,则主线程通知其他线程进入阻塞状态,同时其他线程将各自采集到的图像数据发送给主线程;
b4.主线程将各线程所检测到的所有人脸进行人脸特征抽取,然后将抽取的人脸特征与存放在数据库里的人脸特征进行相似度计算,人脸识别处理控制单元根据采集人脸的角度选用相似度符合预定规则的多个候选集合;
b5.人脸识别处理控制单元在所述多个候选集合中按照预先设定识别策略判断从所述识别通道中走过的用户的身份。
2.根据权利要求1所述的基于多角度视频的人脸识别装置的人脸识别方法,其特征在于:所述的步骤a2和步骤b2中,主线程每隔固定时间对采集到的图像进行一次人脸检测,当主线程在采集到的图像中检测到人脸时,则唤醒其他线程。
3.根据权利要求1所述的基于多角度视频的人脸识别装置的人脸识别方法,其特征在于:所述的步骤a4中,主线程将各线程检测到的所有人脸进行人脸特征抽取,其方法为:根据不同摄像头的安装位置保存三种不同角度的人脸特征,分别是用于识别正脸的特征、用于识别左侧脸的特征和用于识别右侧脸的特征。
4.根据权利要求1所述的基于多角度视频的人脸识别装置的人脸识别方法,其特征在于:所述的步骤b4中,在对抽取的人脸特征与存放在数据库里的人脸特征进行相似度计算时,对于所述第一摄像头采集的人脸,使用保存在数据库里的正面人脸特征与之对比,对于所述第二摄像头采集的人脸,使用保存在数据库里的左侧面人脸特征与之对比,对于所述第三摄像头采集的人脸,使用保存在数据库里的右侧面人脸特征与之对比。
5.根据权利要求1所述的基于多角度视频的人脸识别装置的人脸识别方法,其特征在于:所述的步骤b5中,所述识别策略为:将多个候选集合中属于同一候选对象的个数进行累加,如果属于同一候选对象的数量占所有候选对象的比重大于预先设定的阈值,则将当前所属阈值对应的候选对象作为最终识别结果;否则判断该用户为陌生人,即不属于已注册用户。
6.根据权利要求1所述的基于多角度视频的人脸识别装置的人脸识别方法,其特征在于:所述的步骤b5中,所述识别策略为:将各候选集合中相似度大于预设的阈值的候选对象合并成新的候选集合,并将得到的新的候选集合中属于同一候选对象的个数进行累加,如果属于同一候选对象的数量占所有候选对象的比重大于预先设定的阈值的话,就将当前所属阈值对应的候选对象作为最终识别结果;否则判断该用户为陌生人,即不属于已注册用户。
7.根据权利要求1所述的基于多角度视频的人脸识别装置的人脸识别方法,其特征在于:所述的步骤b5中,所述识别策略为:首先选出每个候选集合中相似度最大的候选对象,然后将它们组成新的候选集合,并统计新的候选集合中属于同一个候选对象的数量,如果得到的值中的最大值大于或等于3,则将该值对应的候选对象作为最终的识别结果;如果得到的值中的最大值小于3并大于或等于2,并且次大值不为2,则将值为2对应的候选对象作为最终的识别结果;如果得到的值中的最大值小于3并大于或等于2,并且次大值也为2,那么再比较他们的相似度的和,取相似度和的最大值对应的候选对象作为最终的识别结果;如果得到的值中的最大值小于2,则判断该用户为陌生人,即判断该用户不属于已注册用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710851859.7A CN107480658B (zh) | 2017-09-19 | 2017-09-19 | 基于多角度视频的人脸识别装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710851859.7A CN107480658B (zh) | 2017-09-19 | 2017-09-19 | 基于多角度视频的人脸识别装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107480658A CN107480658A (zh) | 2017-12-15 |
CN107480658B true CN107480658B (zh) | 2020-11-06 |
Family
ID=60585978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710851859.7A Active CN107480658B (zh) | 2017-09-19 | 2017-09-19 | 基于多角度视频的人脸识别装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107480658B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967609A (zh) * | 2017-12-29 | 2018-04-27 | 深圳正品创想科技有限公司 | 一种结算通道及无人商店 |
CN109993028A (zh) * | 2017-12-29 | 2019-07-09 | 技嘉科技股份有限公司 | 人脸辨识装置及方法、提升影像辨识率的方法 |
CN108460332A (zh) * | 2018-01-18 | 2018-08-28 | 新开普电子股份有限公司 | 一种海军军舰舰载人脸识别安保装置 |
CN108564052A (zh) * | 2018-04-24 | 2018-09-21 | 南京邮电大学 | 基于mtcnn的多摄像头动态人脸识别***与方法 |
CN108564053A (zh) * | 2018-04-24 | 2018-09-21 | 南京邮电大学 | 基于FaceNet的多摄像头动态人脸识别***与方法 |
CN108540817B (zh) * | 2018-05-08 | 2021-04-20 | 成都市喜爱科技有限公司 | 视频数据处理方法、装置、服务器及计算机可读存储介质 |
CN108960841A (zh) * | 2018-07-16 | 2018-12-07 | 阿里巴巴集团控股有限公司 | 支付方法、装置及*** |
CN109345253A (zh) * | 2018-09-04 | 2019-02-15 | 阿里巴巴集团控股有限公司 | 资源转移方法、装置及*** |
CN109087429B (zh) * | 2018-09-19 | 2020-12-04 | 重庆第二师范学院 | 基于人脸识别技术的图书馆借书证人证一致性检验的方法 |
CN109635635A (zh) * | 2018-10-29 | 2019-04-16 | 安徽智传科技有限公司 | 一种多角度的人脸识别准确率提高方法和*** |
CN109376016A (zh) * | 2018-10-29 | 2019-02-22 | 安徽智传科技有限公司 | 一种多线程的人脸识别效率提高方法和*** |
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 |
CN109800643B (zh) * | 2018-12-14 | 2023-03-31 | 天津大学 | 一种活体人脸多角度的身份识别方法 |
CN109658572B (zh) | 2018-12-21 | 2020-09-15 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN109740501A (zh) * | 2018-12-28 | 2019-05-10 | 广东亿迅科技有限公司 | 一种人脸识别的考勤方法和装置 |
CN110032955B (zh) * | 2019-03-27 | 2020-12-25 | 深圳职业技术学院 | 一种基于深度学习的人脸识别新方法 |
CN109948594A (zh) * | 2019-04-08 | 2019-06-28 | 银河水滴科技(北京)有限公司 | 一种生物特征采集的方法及装置 |
CN110443110B (zh) * | 2019-06-11 | 2023-08-25 | 平安科技(深圳)有限公司 | 基于多路摄像的人脸识别方法、装置、终端及存储介质 |
CN110309805A (zh) * | 2019-07-08 | 2019-10-08 | 业成科技(成都)有限公司 | 脸部辨识装置 |
CN110675433A (zh) * | 2019-10-31 | 2020-01-10 | 北京达佳互联信息技术有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN113095116B (zh) * | 2019-12-23 | 2024-03-22 | 深圳云天励飞技术有限公司 | 身份识别方法及相关产品 |
CN111144326B (zh) * | 2019-12-28 | 2023-10-27 | 神思电子技术股份有限公司 | 一种用于人机交互的人脸防重识别方法 |
CN113126506A (zh) * | 2019-12-30 | 2021-07-16 | 佛山市云米电器科技有限公司 | 家电设备控制方法、控制设备及计算机可读存储介质 |
CN112016508B (zh) * | 2020-09-07 | 2023-08-29 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法、装置、***、计算设备及存储介质 |
CN112613421B (zh) * | 2020-12-26 | 2023-04-14 | 数源科技股份有限公司 | 人脸图片降维特征分析比对方法 |
CN115273264A (zh) * | 2022-08-09 | 2022-11-01 | 平安付科技服务有限公司 | 考勤***、方法、存储介质及计算机设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529494A (zh) * | 2016-11-24 | 2017-03-22 | 深圳市永达电子信息股份有限公司 | 一种基于多摄像头机型的人脸识别方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100886557B1 (ko) * | 2007-05-03 | 2009-03-02 | 삼성전자주식회사 | 적응형 학습에 기반한 얼굴 인식 시스템 및 방법 |
CN101639891B (zh) * | 2008-07-28 | 2012-05-02 | 汉王科技股份有限公司 | 一种双摄像头人脸识别装置和方法 |
CN102332185A (zh) * | 2011-08-17 | 2012-01-25 | 中国铁道科学研究院电子计算技术研究所 | 用于安检区域人脸识别的l型通道 |
CN104301669A (zh) * | 2014-09-12 | 2015-01-21 | 重庆大学 | 基于双摄像头协同的可疑目标检测跟踪与识别方法 |
CN104539848A (zh) * | 2014-12-31 | 2015-04-22 | 深圳泰山在线科技有限公司 | 一种人脸多姿态采集*** |
-
2017
- 2017-09-19 CN CN201710851859.7A patent/CN107480658B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529494A (zh) * | 2016-11-24 | 2017-03-22 | 深圳市永达电子信息股份有限公司 | 一种基于多摄像头机型的人脸识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107480658A (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480658B (zh) | 基于多角度视频的人脸识别装置和方法 | |
Mantoro et al. | Multi-faces recognition process using Haar cascades and eigenface methods | |
CN102194131B (zh) | 基于五官几何比例特征的快速人脸识别方法 | |
CN109800643B (zh) | 一种活体人脸多角度的身份识别方法 | |
Zhang et al. | Fast and robust occluded face detection in ATM surveillance | |
CN109558810B (zh) | 基于部位分割与融合目标人物识别方法 | |
Tsao et al. | A data mining approach to face detection | |
CN103678984A (zh) | 一种利用摄像头实现用户身份验证的方法 | |
CN109145742A (zh) | 一种行人识别方法及*** | |
CN105825176A (zh) | 基于多模态非接触身份特征的识别方法 | |
US9449217B1 (en) | Image authentication | |
CN101344914A (zh) | 基于特征点的人脸识别方法 | |
Kim et al. | Eye detection in a facial image under pose variation based on multi-scale iris shape feature | |
CN106874877A (zh) | 一种结合局部和全局特征的无约束人脸验证方法 | |
TW201917636A (zh) | 一種基於線上學習的人臉辨識方法與系統 | |
Wiliem et al. | Detecting uncommon trajectories | |
CN107862298B (zh) | 一种基于红外摄像装置下眨眼的活体检测方法 | |
Shanmugavadivu et al. | Rapid face detection and annotation with loosely face geometry | |
CN113591921B (zh) | 图像识别方法及装置、电子设备、存储介质 | |
Gervei et al. | 3D face recognition using modified PCA methods | |
Li et al. | Disguised face detection and recognition under the complex background | |
Paul et al. | Face recognition using eyes, nostrils and mouth features | |
Yi et al. | Face detection method based on skin color segmentation and facial component localization | |
Sankaran et al. | Pose angle determination by face, eyes and nose localization | |
Chanda et al. | A new hand gesture recognition scheme for similarity measurement in a vision based barehanded approach |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |