CN109033981A - 基于超声波测距降低掌静脉识别***功耗的方法 - Google Patents

基于超声波测距降低掌静脉识别***功耗的方法 Download PDF

Info

Publication number
CN109033981A
CN109033981A CN201810694717.9A CN201810694717A CN109033981A CN 109033981 A CN109033981 A CN 109033981A CN 201810694717 A CN201810694717 A CN 201810694717A CN 109033981 A CN109033981 A CN 109033981A
Authority
CN
China
Prior art keywords
palm vein
power consumption
vena metacarpea
threshold value
identification system
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
CN201810694717.9A
Other languages
English (en)
Inventor
张维先
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810694717.9A priority Critical patent/CN109033981A/zh
Publication of CN109033981A publication Critical patent/CN109033981A/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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种基于超声波测距降低掌静脉识别***功耗的方法，包括以下步骤：超声波检测待识别对象到***的距离是否小于设定的阈值S1；超声波检测待识别对象到***的距离是否小于设定的阈值S2；掌静脉识别，输出识别结果；等待设定时间T后，液晶触控显示屏和掌静脉图像传感器进入待机状态，返回。本发明通过超声波模块测试前方物体距离，检测是否存在使用者。在不存在使用者的情况下，液晶显示屏、摄像头等设备进入待机模式，实现降低掌静脉识别***功耗的目的。

Description

基于超声波测距降低掌静脉识别***功耗的方法
技术领域
本发明涉及一种降低掌静脉识别***功耗的方法。
背景技术
掌静脉识别技术，是静脉识别的一种，属于生物识别技术，其通过专用摄像 头获取手掌静脉的图像，将静脉的数字图像存贮在计算机***中，并经过特定采 集计算方法生成特征值，从而使用特征值进行比对和识别。掌静脉识别技术参考 文献：发明名称“手掌静脉摄像装置”，公开号CN105072998A。
掌静脉识别技术的优点有：1、安全性高：属于内生理特征，不会磨损，难 以伪造。2、非接触式采集：卫生性好，使用体验佳。3、活体识别：依靠静脉血 液流动成像，死人静脉无法成像。4、准确率高：拒真率可达0.01％，认假率可 达0.00001％。其中，拒真率是指本人拒绝率FRR，即对张三进行识别，却没有认 出张三的概率；识假率是指他人误识率FAR，即对张三进行识别，却把张三认成 了李四的概率。
但是，现有掌静脉识别***普遍采用的按照特定时间(如30秒)无操作后 进入待机模式，导致***功耗大、重新启动的响应时间慢。
另外，当掌静脉识别***在1:N的场景应用中(即在N个掌静脉特征码中查 找匹配1个)，如N大于5000，会造成***长时间高峰值计算处理，导致CPU等 芯片散热量大，硬件老化快，***可靠性稳定性下降。
发明内容
本发明针对掌静脉识别***应用中产生功耗大、响应时间慢、硬件老化快的 问题，经过对***处理流程的提炼及对大量掌静脉特征值数据的分析，提出一种 基于超声波测距降低掌静脉识别***功耗的方法。
本发明的技术解决方案是：
一种基于超声波测距降低掌静脉识别***功耗的方法，包括以下步骤：
1)超声波测距：
1.1)超声波检测待识别对象到***的距离是否小于设定的阈值S1；是，则 液晶触控显示屏进入工作状态，掌静脉图像传感器保持待机状态；否，则液晶触 控显示屏和掌静脉图像传感器保持待机状态；
1.2)超声波检测待识别对象到***的距离是否小于设定的阈值S2；是，则 掌静脉图像传感器进入工作状态；否，则液晶触控显示屏保持工作状态，掌静脉 图像传感器保持待机状态。
2)掌静脉识别：
根据掌静脉图像，进行掌静脉识别；
3)输出识别结果；
4)等待设定时间T后，液晶触控显示屏和掌静脉图像传感器进入待机状态， 返回步骤1。
为进一步降低功耗，上述设定时间T的范围为大于1秒小于3秒。
必要时，上述设定时间T＝0。
作为优选，上述步骤1还包括当距离小于设定的阈值S1时，高清摄像头进 入工作状态并进行人脸属性识别；上述步骤4还包括等待设定时间T后，高清摄 像头进入待机状态。
上述阈值S1优选2-5m，阈值S2优选0.5-2m。
上述阈值S1最优为3m；阈值S2最优为1m。
本发明的有益效果：
1、节能降耗、延长设备寿命。
本发明充分发挥了超声波传感器、高清摄像头和掌静脉图像传感器的各自功 能，以软件和硬件结构做有机结合，配合切合实际的应用场景，通过超声波模块 测试前方物体距离，检测是否存在使用者。在不存在使用者的情况下，液晶显示 屏、摄像头等设备进入待机模式(零功耗)；存在使用者的情况下，液晶显示屏、 摄像头等设备进入工作模式(正常功耗)。
具体说明如下：
1)识别对象不进入3m区域时，***为低功耗待机模式。相对于现有技术普 遍采用的按照特定时间(如30秒)无操作后进入待机模式，本发明处理更合理、 更准确、更智能。
2)识别对象进入3m至1m区域，***开始工作，进行人脸属性识别处理， 此时掌静脉识别***仍然处于待机状态，两种识别处理不会同时进行，不相互影 响，不会产生资源冲突。特别是在***连接互联网的环境下，人脸属性识别的运 算处理都集中在云服务器端，掌静脉识别设备负担很小，仅完成拍照、上传、接 收反馈结果的操作，功耗极小。设备在单机运行的情况下，由于人脸属性识别只 是对照片的人脸进行性别和年龄的判断，不需要进行比对和识别，对计算机*** 的性能要求不高，因此也不会产生较大的功耗。
3)识别对象进入1m区域，人脸属性识别处理已经完成(人步行的速度平均 每秒1.38米，2m距离需要时间1.44秒，进行人脸属性识别处理时间充裕)，开 始掌静脉识别处理。由于本发明处理性能的大幅提升，处理时间大幅降低，即计 算机高速运算的时间减少，随之产生的热量也大幅降低，充分体现了本发明节能 降耗的特点。设备工作温度的降低可以延长半导体电子设备的使用寿命，也体现 了新技术环保方面的价值。
本发明尤其改善了配备尺寸较大的液晶显示屏计算机生物识别***的能耗 问题。以下列型号***配置为例：
计算机主板：SNE-J1900K-R2(含CPU、内存、硬盘)；
超声波模块：US-100；
液晶显示屏：G150XTN03.1；
摄像头模块：RER-USBFHD01M；
掌静脉模块：FAT13M3S1。
1)采用该技术之前的功耗为1056W：
(计算机主板24W+超声波模块0.5W+液晶显示屏14W+摄像头模块1W+掌静脉 模块4.5W)X 24＝***24小时整体功耗1056W。
2)采用该技术之后的***能耗为627W：(24小时中累积高功耗工作时间按 照2小时计算)
(计算机主板24W+超声波模块0.5W)X 24+(液晶显示屏14W+摄像头模块 1W+掌静脉模块4.5W)X 2＝***24小时整体功耗627W。
3)由上述计算结果得出结论，采用超声波模块检测前方物体距离，从而控 制相关模块待机和工作的技术，可以使得同样硬件配置的***，在相同的使用场 景下的日功耗由1056W下降到627W，能耗降低40％左右。
2、同等计算机硬件条件下，掌静脉识别处理能力大幅提升，用户使用体验 得到改善。
同等硬件条件下性能提升明显，特别是大数据量处理的场合，N值越大，性 能提升越明显，参见表一(单位：秒)。
N的数量 现有技术平均耗时 本发明平均耗时 性能提升
10 0.321 0.280 14.5％
1000 0.543 0.408 32.9％
2000 1.185 0.496 139.1％
5000 2.702 0.612 341.8％
表一
处理性能的提升，将大幅改善用户的使用体验。以往在N＝5000的场合，需 要将近3秒钟才能完成的掌静脉识别处理，本发明在1秒钟之内即可完成识别， 减少识别对象的等待时间，提升了使用的体验。特别是在需要快速认证的场合， 如闸机通道、门禁、地铁检票口等，本发明应用价值明显。
3、不影响现有掌静脉识别技术的识别率。
本发明的改进点主要集中在大数据量进行比对时待匹配的数据筛选和排序 (参考图1第4步处理)，而掌静脉识别本身的识别率，如拒真率、识假率等完 全不受影响，保持了现有技术的技术优势。
附图说明
图1是掌静脉识别***1:N识别场景下的一般工作流程图；
图2是掌静脉识别***根据识别对象与***之间的距离进行处理的示意图；
图3是掌静脉识别***的物理结构示意图，其中，1-液晶触控显示屏，2- 高清摄像头，3-射频模块，4-超声波距离传感器，5-掌静脉图像传感器；
图4是掌静脉识别***的内部结构示意图；
图5是本发明软件***结构示意图；
图6是本发明距离检测***处理流程图；
图7是本发明人脸图像拍摄***处理流程图；
图8是本发明掌静脉识别***处理流程图；
图9是本发明外部电气控制***和Arduino指令***处理流程图；
图10是本发明***各主要模块工作关系及流程图。
具体实施方式
本发明的技术方案如下：
一、方法流程
如图2所示，掌静脉识别设备上安装有距离感应装置，根据识别对象与掌静 脉识别***之间的距离，进行相应处理：
1)距离3m以上：整个***处于低功耗模式***待机。
2)距离3m(阈值S2)至1m：人脸属性识别***、液晶触控显示屏处于工作 状态，掌静脉识别***处于低功耗模式；人脸属性识别***通过高清摄像头取得 识别对象面部图像，进行人脸属性识别，并根据人脸属性识别结果，从数据库中 的N个特征值中筛选出符合相应条件的M个特征值。
3)距离1m(阈值S1)以内：掌静脉识别***等待识别对象放置手掌，一旦 获取手掌静脉图像，进入掌静脉识别处理流程，优先逐一比对M个特征值，无匹 配的情况下再逐一比对N-M个特征值，最终返回识别结果。
二、人脸属性识别***结构
将人脸属性识别功能，集成到掌静脉识别设备上，使整个***可以单机独立 工作。
三、掌静脉识别***的结构
***正面结构如图3所示，说明如下：
1)液晶触控显示屏，提供基本的人机交互的输入输出功能。
2)高清摄像头，拍摄人面部数字照片。
3)超声波距离传感器，利用超声波判断***前方物体(人)的距离。
4)掌静脉图像传感器，利用近红外线成像技术拍摄手掌静脉血管数字图像。
5)射频模块，利用射频模块为***提供读写射频卡的扩展功能，以便进一 步对待识别对象进行识别。
***内部结构如图5所示，主要模块功能说明如下：
1)X86架构主板：提供承载CPU、硬盘、内存的主要电子线路板，是掌静脉 识别***的计算和处理核心，并提供LAN、电源、串口、USB等外部接口。
2)电源变压器：将220V交流电转换为12V和5V的直流电，为主板供电。
3)摄像头模块：通过USB接口控制摄像头工作并传输图像信息。
4)超声波模块：通过串行口操作超声波发射和接收，并计算和传输距离数 据。
5)射频模块：通过串行口操作射频发射和接收，并计算和传输射频卡数据。
6)Arduino微处理器控制模块：通过USB接口操作微处理器，进行数模转换、 电平信号输出等操作。
7)继电器：通过接收微处理器电平信号，完成电路打开和关闭的操作，从 而控制外部电气设备工作。
掌静脉识别***中主要元器件型号参数见表二：
名称 型号参数
计算机主板 SNE-J1900K-R2
CPU IntelCeleronJ1900
内存 DDR313332G
硬盘 32G固态硬盘
液晶触摸显示屏 分辨率：1024*768
摄像头 500万高清摄像头
射频模块 M15
超声波距离传感器 US-100
掌静脉图像传感器 FAT13M3S1
微处理器 ArduinounoR3
继电器 JQC-3FF-S-Z
喇叭 5W立体声喇叭
***外壳 铝合金边框+钣金后壳
表二
四、软件***结构
软件***的结构如图5所示，主要内容和相互关系说明如下：
1)操作***采用Windows7。
2)数据库采用windows平台下的通用关系型数据库。
3)基础开发采用.NET Framework平台。
4)距离检测***的工作流程参见图6，其负责通过超声波传感器，待识别对 象(人)到***的距离信息。当距离小于3m时，通知UI***(用户界面***)， 并通过待机和能源管理***，结束***待机模式，开始进入工作状态。
5)距离检测***检测到距离小于3m且大于1m时，通知人脸图像拍摄***， 调用高清摄像头，拍摄识别对象的照片后，储存并发送给人脸属性检测***。人 脸属性检测***经过对照片的分析，反馈性别、年龄等分析结果。
6)掌静脉识别***接收到性别和年龄等信息后，在数据库中的N个数据中， 筛选出符合条件的M个掌静脉特征码，排序在N的最优先位置，储存在内存中备 用。
7)距离检测***检测到距离小于1m时，通知掌静脉识别***，使掌静脉图 像传感器进入工作状态。
8)当掌静脉图像传感器捕获手掌静脉图像后，掌静脉识别***将静脉图像 生成新的特征值A，并将其逐个在N中进行比对(优先比对M)，查找匹配的特征 码，并将匹配成功与否(识别结果)反馈给UI***，通过液晶屏幕等展示给识 别对象(人)。
9)在需要控制外部电气的情况下，掌静脉识别***会将识别结果通知外部 电气控制***，其通过Arduino微处理器上的指令***，控制芯片各引脚的信号 输出，如通过输出高低电平控制继电器模块，从而达到控制外部电气的目的。外 部电气控制***和Arduino指令***处理流程参见图9。
五、人脸属性检测***详细说明
参见图7，人脸属性检测***调用Face++人工智能开放平台提供的人脸识别Detect API(版本3.0)，具体如下：
调用URL：
https://api-cn.faceplusplus.com/facepp/v3/detect
调用方法：
POST
请求参数：
返回值说明：
faces数组中单个元素的结构：
attributes中包含的元素说明：
六、掌静脉识别***的处理流程和详细说明
图8是本发明掌静脉识别***处理流程图，虚线框内的处理通过调用富士通 掌静脉识别程序库实现，识别库版本SDKV02L02。
主要函数如下：
1、DNET_BioAPI_ModuleLoad：初始化掌静脉图像传感器。
2、DNET_BioAPI_Identify：拍照、生成图像、转化特征值并在N中进行比 对。
人脸属性识别技术参考文献：发明名称“一种自适应的人脸低层特征选择方 法及人脸属性识别方法”，公开号CN103824090A。

Claims (6)

1.一种基于超声波测距降低掌静脉识别***功耗的方法，其特征在于，包括以下步骤：
1)超声波测距：
1.1)超声波检测待识别对象到***的距离是否小于设定的阈值S1；是，则液晶触控显示屏进入工作状态，掌静脉图像传感器保持待机状态；否，则液晶触控显示屏和掌静脉图像传感器保持待机状态；
1.2)超声波检测待识别对象到***的距离是否小于设定的阈值S2；是，则掌静脉图像传感器进入工作状态；否，则液晶触控显示屏保持工作状态，掌静脉图像传感器保持待机状态。
2)掌静脉识别：
根据掌静脉图像，进行掌静脉识别；
3)输出识别结果；
4)等待设定时间T后，液晶触控显示屏和掌静脉图像传感器进入待机状态，返回步骤1。
2.根据权利要求1所述基于超声波测距降低掌静脉识别***功耗的方法，其特征在于，所述设定时间T大于1秒小于3秒。
3.根据权利要求1所述基于超声波测距降低掌静脉识别***功耗的方法，其特征在于，所述设定时间T＝0。
4.根据权利要求1或2或3所述基于超声波测距降低掌静脉识别***功耗的方法，其特征在于，所述步骤1还包括当距离小于设定的阈值S1时，高清摄像头进入工作状态并进行人脸属性识别；所述步骤4还包括等待设定时间T后，高清摄像头进入待机状态。
5.根据权利要求4所述基于超声波测距降低掌静脉识别***功耗的方法，其特征在于，所述阈值S1为2-5m；所述阈值S2为0.5-2m。
6.根据权利要求5所述基于超声波测距降低掌静脉识别***功耗的方法，其特征在于，所述阈值S1为3m；所述阈值S2为1m。
CN201810694717.9A 2018-06-29 2018-06-29 基于超声波测距降低掌静脉识别***功耗的方法 Pending CN109033981A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810694717.9A CN109033981A (zh) 2018-06-29 2018-06-29 基于超声波测距降低掌静脉识别***功耗的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810694717.9A CN109033981A (zh) 2018-06-29 2018-06-29 基于超声波测距降低掌静脉识别***功耗的方法

Publications (1)

Publication Number Publication Date
CN109033981A true CN109033981A (zh) 2018-12-18

Family

ID=65520893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810694717.9A Pending CN109033981A (zh) 2018-06-29 2018-06-29 基于超声波测距降低掌静脉识别***功耗的方法

Country Status (1)

Country Link
CN (1) CN109033981A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210395A (zh) * 2019-05-31 2019-09-06 Oppo广东移动通信有限公司 静脉图像采集方法及相关产品
CN111371991A (zh) * 2020-03-13 2020-07-03 深圳市阿尔垎智能科技有限公司 物体识别***及其控制方法
CN116620219A (zh) * 2023-07-21 2023-08-22 宁波芯然科技有限公司 一种低功耗车载掌静脉解锁模组及解锁方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101030252A (zh) * 2006-03-03 2007-09-05 富士通株式会社 具有测距功能的图像捕获装置
CN101097596A (zh) * 2006-06-29 2008-01-02 富士通株式会社 生物认证方法以及生物认证***
US20140266604A1 (en) * 2013-03-13 2014-09-18 Sololnsight, Inc. Apparatus, methods and systems for integrated workforce management and access control
CN105224906A (zh) * 2014-05-27 2016-01-06 常熟安智生物识别技术有限公司 掌静脉识别智能***
CN105956520A (zh) * 2016-04-20 2016-09-21 东莞市中控电子技术有限公司 一种基于多模式生物识别信息的个人识别装置和方法
CN107305624A (zh) * 2016-04-20 2017-10-31 厦门中控智慧信息技术有限公司 一种基于多模式生物识别信息的个人识别方法和装置
CN107341473A (zh) * 2017-07-04 2017-11-10 深圳市利众信息科技有限公司 手掌特征识别方法、手掌特征识别设备、及存储介质
CN108009465A (zh) * 2016-10-31 2018-05-08 杭州海康威视数字技术股份有限公司 一种人脸识别方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101030252A (zh) * 2006-03-03 2007-09-05 富士通株式会社 具有测距功能的图像捕获装置
CN101097596A (zh) * 2006-06-29 2008-01-02 富士通株式会社 生物认证方法以及生物认证***
US20140266604A1 (en) * 2013-03-13 2014-09-18 Sololnsight, Inc. Apparatus, methods and systems for integrated workforce management and access control
CN105224906A (zh) * 2014-05-27 2016-01-06 常熟安智生物识别技术有限公司 掌静脉识别智能***
CN105956520A (zh) * 2016-04-20 2016-09-21 东莞市中控电子技术有限公司 一种基于多模式生物识别信息的个人识别装置和方法
CN107305624A (zh) * 2016-04-20 2017-10-31 厦门中控智慧信息技术有限公司 一种基于多模式生物识别信息的个人识别方法和装置
CN108009465A (zh) * 2016-10-31 2018-05-08 杭州海康威视数字技术股份有限公司 一种人脸识别方法及装置
CN107341473A (zh) * 2017-07-04 2017-11-10 深圳市利众信息科技有限公司 手掌特征识别方法、手掌特征识别设备、及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210395A (zh) * 2019-05-31 2019-09-06 Oppo广东移动通信有限公司 静脉图像采集方法及相关产品
CN111371991A (zh) * 2020-03-13 2020-07-03 深圳市阿尔垎智能科技有限公司 物体识别***及其控制方法
CN116620219A (zh) * 2023-07-21 2023-08-22 宁波芯然科技有限公司 一种低功耗车载掌静脉解锁模组及解锁方法
CN116620219B (zh) * 2023-07-21 2023-10-20 宁波芯然科技有限公司 一种低功耗车载掌静脉解锁方法

Similar Documents

Publication Publication Date Title
CN109033981A (zh) 基于超声波测距降低掌静脉识别***功耗的方法
CN108958487A (zh) 使用标记区域对视频流的手势预处理
CN105160318A (zh) 基于面部表情的测谎方法及***
CN113221771B (zh) 活体人脸识别方法、装置、设备、存储介质及程序产品
CN109086747A (zh) 使用肤色检测的视频流的姿势预处理
WO2010016175A1 (ja) 対象検出装置および対象検出方法
CN112419326B (zh) 图像分割数据处理方法、装置、设备及存储介质
CN108509945A (zh) 通过人脸属性识别提升掌静脉识别***性能的方法
WO2020147408A1 (zh) 一种人脸识别模型的评价方法、装置、存储介质及计算机设备
KR20190041343A (ko) 사용자 발화를 처리하는 전자 장치 및 서버
CN107168536A (zh) 试题搜索方法、试题搜索装置及电子终端
CN112580472A (zh) 一种快速轻量的人脸识别方法、装置、机器可读介质及设备
KR20190142850A (ko) 증강현실 기반의 매장주문시스템
CN113869253A (zh) 活体检测方法、训练方法、装置、电子设备及介质
CN208580412U (zh) 一种低功耗掌静脉识别设备及***
WO2021147366A1 (zh) 一种图像处理方法以及相关设备
CN107515851A (zh) 用于共指消解、信息提取以及相似文档检索的装置和方法
CN108875553A (zh) 人证核验的方法、装置、***及计算机存储介质
CN109815353B (zh) 一种基于类中心的人脸检索方法及***
CN115330522A (zh) 基于聚类的***审批方法、装置、电子设备和介质
CN109766052B (zh) 菜品图片上传方法、装置、计算机设备及可读存储介质
CN108647672A (zh) 可实现快速识别的掌静脉识别***
CN111405175B (zh) 摄像头控制方法、装置、计算机设备和存储介质
CN112686244B (zh) 基于图片处理接口的自动审批方法、装置、设备及介质
CN112383713B (zh) 自动加载人脸mipi或者人脸usb摄像头的驱动方法

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: 20181218