CN107818304A - 一种智能安防***身份识别方法 - Google Patents

一种智能安防***身份识别方法 Download PDF

Info

Publication number
CN107818304A
CN107818304A CN201711018571.8A CN201711018571A CN107818304A CN 107818304 A CN107818304 A CN 107818304A CN 201711018571 A CN201711018571 A CN 201711018571A CN 107818304 A CN107818304 A CN 107818304A
Authority
CN
China
Prior art keywords
image
gait
contour images
real
benchmark
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
Application number
CN201711018571.8A
Other languages
English (en)
Inventor
孙文雪
陈广义
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan University
Original Assignee
Foshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan University filed Critical Foshan University
Priority to CN201711018571.8A priority Critical patent/CN107818304A/zh
Publication of CN107818304A publication Critical patent/CN107818304A/zh
Pending legal-status Critical Current

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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/20—Individual registration on entry or exit involving the use of a pass
    • G07C9/22—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder
    • G07C9/25—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种智能安防***身份识别方法，包括：将用各个用户处于运动状态时的基准视频步态图像预存到数据库中；从中分割出用户的基准步态轮廓图像；提取边缘特征参数和骨架特征参数；建立SVM分类器，完成训练操作；采集实时视频步态图像，从中分割出活动人员的实时步态轮廓图像，所述SVM分类器输出监控区域中活动人员是不是用户的识别结果。本发明通过对监控区域内活动人员的行走时的实时视频步态图像进行采集，并从实时视频步态图像中分割出实时步态轮廓图像，与预存的用户基准步态轮廓图像进行匹配判断，当识别到监控区域内活动人员不是登记用户时，输出报警提示信号，告知监控人员注意。本发明创造用于识别监控区域内活动人员的身份。

Description

一种智能安防***身份识别方法
技术领域
本发明涉及电子安防***技术领域。
背景技术
安防问题，是每一小区每一个住户共同的话题，安防问题时刻都在影响这人们的生命和健康财产安全。
传统的安防***方案包括门禁***以及视频监控***，其中所述门禁***用于授予用户进出通道的权利，所述视频监控***主要用于监控特定区域内日常状况。门禁***主要缺点在于无法对持有标签卡的人员进行身份识别，而视频监控***虽然在一定程度上弥补了门禁***的缺陷，但是视频监控***由于成本的限制，导致所监控的区域内存在一定的死角区域，同时视频监控***需要专职的人员时刻留守在监控室，浪费人手，增大成本，同时也难以马上分辨出住宅区域内的人员身份信息，日常应用中视频监控***更多是被当作是录像机使用。
发明内容
本发明要解决的技术问题是：提供一种结合红外图像采集处理技术的智能安防***身份识别方法。
本发明解决其技术问题的解决方案是：
一种智能安防***身份识别方法，包括以下步骤：
步骤A：将用各个用户处于运动状态时的基准视频步态图像预存到数据库中，其中各个用户的基准视频步态图像有多个；
步骤B：从基准视频步态图像中分割出用户的基准步态轮廓图像；
步骤C：基于小波变换算法提取用户的基准步态轮廓图像的边缘特征参数，并通过计算基准步态轮廓图像的骨架特征参数；
步骤D：建立SVM(支撑向量机)分类器，以每个用户的基准步态轮廓图像的所有特征参数作为一组训练样本，将各个训练样本输入到SVM分类器中，完成SVM分类器的训练操作；
步骤E：采集监控区域内的实时视频步态图像，从实时红外视频图像中分割出活动人员的实时步态轮廓图像，采用基于小波变换算法提取出活动人员的实时步态轮廓图像的特征参数，将实时步态轮廓图像的特征参数输入到SVM分类器中，所述SVM分类器输出监控区域中活动人员是不是用户的识别结果，如果不是，输出报警提示信号；
所述基准视频步态图像以及实时视频步态图像均为红外图像。
作为上述技术方案的进一步改进，所述步骤B包括以下步骤：
步骤B01：将基准视频步态图像转换为灰度图像，并进行图像锐化处理，生成灰度直方图；
步骤B02：设置灰度阈值，所述灰度阈值基于最小二乘法从灰度直方图中计算得到的；
步骤B03：根据所设置的灰度阈值，将基准视频步态图像分割为背景图像以及基准步态轮廓图像。
作为上述技术方案的进一步改进，所述步骤C包括以下步骤：
步骤C01：对所述基准步态轮廓图像进行分解，生成近似图像、水平分量图像、垂直分量图像以及对角分量图像，所述水平分量图像、垂直分量图像以及对角分量图像是通过对基准步态轮廓图像进行一层小波分解得到的；
步骤C02：计算所述近似图像、水平分量图像、垂直分量图像以及对角分量图像的不变矩参数；
步骤C03：建立平面直角坐标系，根据人体解剖学原理，获取基准步态轮廓图像的第一至第四关键点，所述第一至第四关键点即为骨架特征参数，所述第一关键点以及第二关键点分别位于人体足部位置，所述第三关键点位于人体臀部位置，所述第四关键点位于人体的头部位置。
本发明的有益效果是：本发明通过对监控区域内活动人员的行走时的实时视频步态图像进行采集，并从实时视频步态图像中分割出实时步态轮廓图像，与预存的用户基准步态轮廓图像进行匹配判断，当识别到监控区域内活动人员不是登记用户时，输出报警提示信号，告知监控人员注意。本发明创造用于识别监控区域内活动人员的身份。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。
图1是本发明的识别方法实施例流程图；
图2是本发明安防***的模块框架图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。
参照图1，针对现有安防***在识别人员方面的不足，本发明创造提供了一种智能安防***身份识别方法，包括以下步骤：
步骤A：将用各个用户处于运动状态时的基准视频步态图像预存到数据库中，其中各个用户的基准视频步态图像有多个；
步骤B：从基准视频步态图像中分割出用户的基准步态轮廓图像；
步骤C：基于小波变换算法提取用户的基准步态轮廓图像的边缘特征参数，并通过计算基准步态轮廓图像的骨架特征参数；
步骤D：建立SVM(支撑向量机)分类器，以每个用户的基准步态轮廓图像的所有特征参数作为一组训练样本，将各个训练样本输入到SVM分类器中，完成SVM分类器的训练操作；
步骤E：采集监控区域内的实时视频步态图像，从实时红外视频图像中分割出活动人员的实时步态轮廓图像，采用基于小波变换算法提取出活动人员的实时步态轮廓图像的特征参数，将实时步态轮廓图像的特征参数输入到SVM分类器中，所述SVM分类器输出监控区域中活动人员是不是用户的识别结果，如果不是，输出报警提示信号；
所述基准视频步态图像以及实时视频步态图像均为红外图像。
具体地，本发明通过对监控区域内活动人员的行走时的实时视频步态图像进行采集，并从实时视频步态图像中分割出实时步态轮廓图像，与预存的用户基准步态轮廓图像进行匹配判断，当识别到监控区域内活动人员不是登记用户时，输出报警提示信号，告知监控人员注意。
进一步作为优选的实施方式，本发明创造具体实施方式中，所述步骤B包括以下步骤：
步骤B01：将基准视频步态图像转换为灰度图像，并进行图像锐化处理，生成灰度直方图；
步骤B02：设置灰度阈值，所述灰度阈值基于最小二乘法从灰度直方图中计算得到的；
步骤B03：根据所设置的灰度阈值，将基准视频步态图像分割为背景图像以及基准步态轮廓图像。
具体地，所述步骤B主要用于从基准视频步态图像中将人体分割出来，进行下一步特征提取操作，因此分割的效果直接影响特征提取效果的好坏。本发明创造中首先需要将基准视频步态图像转换为灰度图像，由于人体所发出的红外辐射交其他物体高，因此进行灰度化处理过后的基准视频步态图像中人体的灰度值与其他物体，即背景的灰度值有一定差异。另外为了进一步提高分割效果，本发明创造中需要对灰度处理后的基准视频步态图像进行锐化处理。以突出人体与背景之间的边缘，最终实现提高从基准视频步态图像分割出基准步态轮廓图像的效果。
进一步作为优选的实施方式，本发明创造具体实施方式中，所述步骤C包括以下步骤：
步骤C01：对所述基准步态轮廓图像进行分解，生成近似图像、水平分量图像、垂直分量图像以及对角分量图像，所述水平分量图像、垂直分量图像以及对角分量图像是通过对基准步态轮廓图像进行一层小波分解得到的；
步骤C02：计算所述近似图像、水平分量图像、垂直分量图像以及对角分量图像的不变矩参数，所述不变矩参数即为基准步态轮廓图像的边缘特征参数，所述不变矩参数具有平移、旋转以及缩放不变性，能够较好地描述基准步态轮廓图像边界的形状特征；
步骤C03：建立平面直角坐标系，根据人体解剖学原理，获取基准步态轮廓图像的第一至第四关键点，所述第一至第四关键点即为骨架特征参数，所述第一关键点以及第二关键点分别位于人体足部位置，所述第三关键点位于人体臀部位置，所述第四关键点位于人体的头部位置。
具体地，本发明创造利用基准步态轮廓图像的不变矩参数作为边缘特征参数，同时还利用了位于人体的足部、臀部以及头部的4个关键点作为基准步态轮廓图像的骨架特征参数，所述第一至第四关键点是结合生物学和解剖学计算得到的。人们正常行走时，步速、姿势等参数都是各不相同的，因此通过基准步态轮廓图像建立活动人员的骨架图像，从骨架图像中得出骨架特征参数，能够高效地识别出监控区域内活动人员的身份。另外需要说明的是，所述步骤E中使用与步骤C相似的步骤方法，从实时红外视频图像中分割出活动人员的实时步态轮廓图像。
进一步作为优选的实施方式，本发明创造具体实施方式中，所述步骤D中，将经步骤C处理过后骨架特征参数以及边缘特征参数输入到SVM(支撑向量机)分类器中，所述SVM分类器用于解决非线性和高维模式识别问题，同时本发明创造所述SVM分类器使用径向基核函数，进一步提高SVM分类器的正确识别率。
参照图2，本发明创造同时还提供了一种实现上述识别方法的安防***，包括红外图像传感器、模数转换器、图像处理模块、图像数据库、匹配判断模块、报警模块以及为***各部分电路模块提供电力能源的供电电源；其中所述红外图像传感器将接收到的红外光信号转换成模拟电信号，所述模数转换器将输入的模拟电信号转换成数字实时视频步态图像输出，所述图像处理模块用于对输入数字图像进行处理生成实时步态轮廓图像，所述图像数据库用于存储用户的基准视频步态图像以及基准步态轮廓图像，所述匹配判断模块用于判断实时步态轮廓图像与预存的用户基准步态轮廓图像是否一致；所述红外图像传感器输出端与模数转换器输入端相连，所述模数转换器输出端与图像处理模块输入端相连，所述图像处理模块输出端以及图像数据库输出端分别与匹配判断模块输入端相连，所述匹配判断模块输出端与报警模块输入端相连。鉴于传统安防***的缺陷，本发明创造通过监控人体的生物特征信息，判断区域内活动的人员是否合法，具体地，本发明创造以区域内活动的人的行走步态作为监控信息，通过对人们行走步态的红外图像进行采集判断。本发明创造利用红外图像传感器对监控区域内活动人员的实时视频步态图像，经过处理后生产实时步态轮廓图像，与图像数据库中预存的基准步态轮廓图像进行比较，当发现区域内活动人员步态的实时步态轮廓图像无法与预存的基准步态轮廓图像相匹配时，输出报警提示信号，告知监控人员注意。
以上对本发明的较佳实施方式进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (3)

1.一种智能安防***身份识别方法，其特征在于，包括以下步骤：
步骤A：将用各个用户处于运动状态时的基准视频步态图像预存到数据库中，其中各个用户的基准视频步态图像有多个；
步骤B：从基准视频步态图像中分割出用户的基准步态轮廓图像；
步骤C：基于小波变换算法提取用户的基准步态轮廓图像的边缘特征参数，并通过计算基准步态轮廓图像的骨架特征参数；
步骤D：建立SVM分类器，以每个用户的基准步态轮廓图像的所有特征参数作为一组训练样本，将各个训练样本输入到SVM分类器中，完成SVM分类器的训练操作；
步骤E：采集监控区域内的实时视频步态图像，从实时红外视频图像中分割出活动人员的实时步态轮廓图像，采用基于小波变换算法提取出活动人员的实时步态轮廓图像的特征参数，将实时步态轮廓图像的特征参数输入到SVM分类器中，所述SVM分类器输出监控区域中活动人员是不是用户的识别结果，如果不是，输出报警提示信号；所述基准视频步态图像以及实时视频步态图像均为红外图像。
2.根据权利要求1所述的一种智能安防***身份识别方法，其特征在于，所述步骤B包括以下步骤：
步骤B01：将基准视频步态图像转换为灰度图像，并进行图像锐化处理，生成灰度直方图；
步骤B02：设置灰度阈值，所述灰度阈值基于最小二乘法从灰度直方图中计算得到的；
步骤B03：根据所设置的灰度阈值，将基准视频步态图像分割为背景图像以及基准步态轮廓图像。
3.根据权利要求2所述的一种智能安防***身份识别方法，其特征在于，所述步骤C包括以下步骤：
步骤C01：对所述基准步态轮廓图像进行分解，生成近似图像、水平分量图像、垂直分量图像以及对角分量图像，所述水平分量图像、垂直分量图像以及对角分量图像是通过对基准步态轮廓图像进行一层小波分解得到的；
步骤C02：计算所述近似图像、水平分量图像、垂直分量图像以及对角分量图像的不变矩参数；
步骤C03：建立平面直角坐标系，获取基准步态轮廓图像的第一至第四关键点，所述第一至第四关键点即为骨架特征参数，所述第一关键点以及第二关键点分别位于人体足部位置，所述第三关键点位于人体臀部位置，所述第四关键点位于人体的头部位置。
CN201711018571.8A 2017-10-27 2017-10-27 一种智能安防***身份识别方法 Pending CN107818304A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711018571.8A CN107818304A (zh) 2017-10-27 2017-10-27 一种智能安防***身份识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711018571.8A CN107818304A (zh) 2017-10-27 2017-10-27 一种智能安防***身份识别方法

Publications (1)

Publication Number Publication Date
CN107818304A true CN107818304A (zh) 2018-03-20

Family

ID=61604390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711018571.8A Pending CN107818304A (zh) 2017-10-27 2017-10-27 一种智能安防***身份识别方法

Country Status (1)

Country Link
CN (1) CN107818304A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108985221A (zh) * 2018-07-12 2018-12-11 广州视源电子科技股份有限公司 视频片段检测方法、装置、设备和存储介质
CN109145742A (zh) * 2018-07-19 2019-01-04 银河水滴科技（北京）有限公司 一种行人识别方法及***
CN110569711A (zh) * 2019-07-19 2019-12-13 沈阳工业大学 面向人体动作识别方法
CN112634559A (zh) * 2020-11-25 2021-04-09 珠海格力电器股份有限公司 一种基于行人重识别智能家居紧急报警***及方法
CN112906599A (zh) * 2021-03-04 2021-06-04 杭州海康威视数字技术股份有限公司 一种基于步态的人员身份识别方法、装置及电子设备
CN117037340A (zh) * 2023-09-06 2023-11-10 东莞市安邦德智能锁具科技有限公司 一种基于数据识别的智能锁控制***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226597A (zh) * 2007-01-18 2008-07-23 中国科学院自动化研究所 一种基于热红外步态的夜间行人识别方法及***
CN101251894A (zh) * 2008-01-28 2008-08-27 天津大学 基于红外热成像的步态特征提取方法和步态识别方法
CN107122711A (zh) * 2017-03-20 2017-09-01 东华大学 一种基于角度径向变换和质心的夜视视频步态识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226597A (zh) * 2007-01-18 2008-07-23 中国科学院自动化研究所 一种基于热红外步态的夜间行人识别方法及***
CN101251894A (zh) * 2008-01-28 2008-08-27 天津大学 基于红外热成像的步态特征提取方法和步态识别方法
CN107122711A (zh) * 2017-03-20 2017-09-01 东华大学 一种基于角度径向变换和质心的夜视视频步态识别方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108985221A (zh) * 2018-07-12 2018-12-11 广州视源电子科技股份有限公司 视频片段检测方法、装置、设备和存储介质
CN109145742A (zh) * 2018-07-19 2019-01-04 银河水滴科技（北京）有限公司 一种行人识别方法及***
CN109145742B (zh) * 2018-07-19 2021-05-11 银河水滴科技(宁波)有限公司 一种行人识别方法及***
CN110569711A (zh) * 2019-07-19 2019-12-13 沈阳工业大学 面向人体动作识别方法
CN110569711B (zh) * 2019-07-19 2022-07-15 沈阳工业大学 面向人体动作识别方法
CN112634559A (zh) * 2020-11-25 2021-04-09 珠海格力电器股份有限公司 一种基于行人重识别智能家居紧急报警***及方法
CN112906599A (zh) * 2021-03-04 2021-06-04 杭州海康威视数字技术股份有限公司 一种基于步态的人员身份识别方法、装置及电子设备
CN117037340A (zh) * 2023-09-06 2023-11-10 东莞市安邦德智能锁具科技有限公司 一种基于数据识别的智能锁控制***
CN117037340B (zh) * 2023-09-06 2024-04-12 东莞市安邦德智能锁具科技有限公司 一种基于数据识别的智能锁控制***

Similar Documents

Publication Publication Date Title
CN107818304A (zh) 一种智能安防***身份识别方法
CN108416336B (zh) 一种智慧社区人脸识别的方法和***
CN106983493B (zh) 一种基于三光谱的皮肤图像处理方法
CN103761519B (zh) 一种基于自适应校准的非接触式视线追踪方法
CN104517104B (zh) 一种基于监控场景下的人脸识别方法及***
CN112396658B (zh) 一种基于视频的室内人员定位方法及定位***
CN101739548B (zh) 人眼检测方法及***
CN104732200B (zh) 一种皮肤类型和皮肤问题的识别方法
RU2431190C2 (ru) Способ и устройство распознавания рельефности лица
CN106156688A (zh) 一种动态人脸识别方法及***
CN108268850B (zh) 一种基于图像的大数据处理方法
CN104361326A (zh) 一种判别活体人脸的方法
CN104794458A (zh) 一种从模糊视频中识别人员的方法
CN104299011A (zh) 一种基于人脸图像识别的肤质与皮肤问题识别检测方法
CN112069902A (zh) 一种变电站屏柜压板识别方法及***
CN105975938A (zh) 一种智能动态人脸识别社区管家服务***
CN101739546A (zh) 基于图像交叉重建的单样本注册图像人脸识别方法
CN101251894A (zh) 基于红外热成像的步态特征提取方法和步态识别方法
CN102163283A (zh) 一种基于局部三值模式的人脸特征提取方法
CN102663459B (zh) 综合信息采集处理***
Taini et al. Facial expression recognition from near-infrared video sequences
CN104408780A (zh) 一种人脸识别考勤***
CN111178130A (zh) 一种基于深度学习的人脸识别方法、***和可读存储介质
Manickam et al. Level 2 feature extraction for latent fingerprint enhancement and matching using type-2 intuitionistic fuzzy set
CN205644823U (zh) 社保自助服务终端装置

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

Application publication date: 20180320

RJ01 Rejection of invention patent application after publication