CN109522881A - 一种基于人脸识别的考生信息核对方法 - Google Patents
一种基于人脸识别的考生信息核对方法 Download PDFInfo
- Publication number
- CN109522881A CN109522881A CN201811589038.1A CN201811589038A CN109522881A CN 109522881 A CN109522881 A CN 109522881A CN 201811589038 A CN201811589038 A CN 201811589038A CN 109522881 A CN109522881 A CN 109522881A
- Authority
- CN
- China
- Prior art keywords
- examinee
- information
- face
- card
- vector
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000001815 facial effect Effects 0.000 claims abstract description 27
- 238000012795 verification Methods 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012550 audit Methods 0.000 abstract 1
- 238000007689 inspection Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于人脸识别的考生信息核对方法,包括步骤:1)获取基础数据,获取考生信息数据,包括准考证号、身份证号和相片等;2)获取考生面部特征,生成考生信息数据库;3)扫描准考证二维码,核对准考证信息;4)扫描身份证,核对身份证信息;5)扫描考生脸部,获取考生面部特征,核对是否是本人。本发明创新性地将人工智能应用到考生信息核对中,核对过程简单高效,核对结果科学准确,解放了大量的人力物力,同时避免因监考员主观判断错误导致替考行为的产生,保证了考试公平原则。
Description
技术领域
本发明涉及人脸识别的技术领域,尤其是指一种基于人脸识别的考生信息核对方法。
背景技术
通常在验证考生身份时,监考员只能简单地通过人工检查考生准考证、身份证及比对考生与证件上附带的头像照片来确认考生身份。在实际应用中,由于身份证和准考证比较容易造假、监考员查验证件时容易受主观疏忽等因素的影响,考试官会错误地验证通过一些考生身份,导致***行为发生。即便是证件信息确实一致,却因为化妆等原因使考生看起来与证件照片不一致,导致有人利用这个缺陷进行代考,影响考试公平秩序。此外,人工检查证件信息会耗费大量的人力物力,而且检查结果也不能确保准确,容易产生***行为。
目前有人提出一种基于二维码的考试入场***,需要采集考生的头像、指纹、声音等信息,在验证考生身份阶段,通过对比考生的头像、指纹和声音来确认考生身份,但是***设计复杂,需要采集大量的信息,因此对数据库要求高,技术实现难度大。此外,这个***在头像对比过程中依然采用简单的对照方式,容易出错,指纹有***可以作假,因此这个***依然存在问题。
本发明提供一种基于人脸识别的考生信息核对方法,首先收集考生信息,生成考生信息数据库,最后在验证考生信息阶段,主要通过人脸识别的方法来确保是本人,防止代考行为的出现。本发明方法简单快捷,能够解放大量的人力和物力,而且通过人脸识别的方式,结果准确高效。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提出了一种基于人脸识别的考生信息核对方法,突破传统人工检查考生身份信息而耗费大量人力物力的问题,让监考员***地验证考生身份,防止出现信息错漏行为,导致出现***行为。
为实现上述目的,本发明所提供的技术方案为:一种基于人脸识别的考生信息核对方法,包括以下步骤:
1)获取考生信息数据,包括准考证号、身份证号和相片;
2)获取考生面部特征,生成考生信息数据库;
3)扫描准考证二维码,核对准考证信息;
4)扫描身份证,核对身份证信息;
5)扫描考生脸部,获取考生面部特征,核对是否是本人。
在步骤1)中,在考生报名阶段,要求考生填写个人基本信息,包括姓名、身份证号、身份证有效期等,并要求考生拍摄本人照片上传。
在步骤2)中,根据考生上传的照片,通过人脸识别算法获取考生特征脸,包括以下步骤:
2.1)获取包含M张人脸图像的集合S:
S={Γ1,Γ2,Γ2,......,Γm}
式中,M表示考生数量,S为考生人脸图像的集合,Γm表示第m个考生的人脸图像;
2.2)在获取到人脸向量集合S后,计算得到平均图像Ψ:
把集合S里面的向量遍历一遍进行累加,然后取平均值;
2.3)计算每张图像和平均图像的差值Φ,就是用S集合里的每个元素减去步骤2.2)中的平均值:
Φi=Γi-Ψ
2.4)找到M个正交的单位向量un,这些单位向量其实是用来描述Φ分布的,un里面的第k个向量uk是通过下式计算:
其中,Φn为第n张图片和平均图片的差值,为uk的转置向量,k=1,2,3...M,λk为特征值,当λk取最小的值时,就能确定uk的取值;因为M个向量是相互正交而且是单位长度,因此uk还要满足以下条件:
其中,为un里面的第l个向量的转置,δlk为冲击函数,上面的等式使得uk变成单位正交向量,计算上面的uk其实就是计算如下协方差矩阵的特征向量:
其中A={Φ1,Φ2,Φ3,......,Φn}
将步骤1)中的考生信息数据和计算出来的特征向量组合起来,生成考生信息数据库。
在步骤3)中,在考生进入考场的时候,要求考生出示准考证,扫描准考证上面的二维码,获取准考证上面的信息,将准考证上面的信息与考生信息数据库中的信息对比,看姓名、准考证号、考场号和座位号信息是否匹配,如果匹配即可进入下一步。
在步骤4)中,在考生进入考场的时候,要求考生出示身份证,扫描身份证,获取身份证上面的信息,将身份证上面的信息与考生信息数据库中的信息对比,看身份证号是否匹配,身份证是否在有效期内,如果信息无误,即可进入下一步。
在步骤5)中,扫描考生脸部,获取考生面部特征,核对是否是本人,包括以下步骤:
5.1)扫描考生脸部,获取考生人脸图像;
5.2)用特征脸对获取到的考生人脸图像进行标示:
其中,为uk的转置向量,Γm表示第m个考生的人脸图像,Ψ为平均图像,ωk为特征向量,k=1,2...M,M表示考生数量,对于第k个特征脸uk,上式能够计算其对应的权重,M个权重能够构成一个向量:
ΩT=[ω1,ω2,ω3,......,ωM]
这就是求得的特征脸对人脸的表示;
5.3)通过以下公式对人脸进行识别:
ξk=||Ω-Ωk||2
其中,Ω代表要判别的人脸,Ωk代表考生信息数据库里面的某个人脸,两者都是通过特征脸的权重来表示的;ξk为两者的欧式距离,当距离小于阈值时说明要判别的脸和训练集内的第k个脸是同一个人的;当遍历所有训练集都大于阈值时,根据距离值的大小确定是否是本人;
最后,通过核对准考证、身份证和人脸特征,三者都符合的时候,才能够确认是考生本人,才能够让考生进入考场考试。
本发明与现有技术相比,具有如下优点与有益效果:
1、本发明首次采用人工智能的方式核对考生信息,突破了传统的手工检查。
2、本发明需要采集的信息量少,降低了数据库的要求。
3、本发明通过人脸识别的方式核对考生信息,结果准确高效。
4、本发明通过***地核对考生信息,减少了人力物力的投入,并且提高了核对效率和准确率。
5、本发明方法在考务***中具有广泛的使用空间,操作简单、适应性强,有广阔的应用前景。
附图说明
图1为本发明逻辑流程示意图。
图2为本发明使用的核对准考证流程图。
图3为本发明使用的核对身份证流程图。
图4为本发明使用的人脸识别流程图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
如图1所示,本实施例所提供的基于人脸识别的考生信息核对方法,核心采用了人脸识别的方式核对是否是本人,整个过程简单清晰,其包括以下步骤:
1)获取考生信息数据,包括准考证号、身份证号和相片等;当考生进行考试报名的时候,要求考生填写个人基本信息,包括姓名、性别、身份证号等,并要求考生拍摄本人照片上传,获取考生个人的基本信息。
2)获取考生面部特征,生成考生信息数据库;首先对考生上传的照片进行预处理,再通过人脸识别算法获取考生特征脸,即特征向量,包括以下步骤:
2.1)进生成包含所有考生人脸图像的集合S:
S={Γ1,Γ2,Γ2,......,Γm}
式中,M表示考生数量,S为考生人脸图像的集合,Γm表示第m个考生的人脸图像;
2.2)在获取到人脸向量集合S后,计算得到平均图像Ψ:
把集合S里面的向量遍历一遍进行累加,然后取平均值;
2.3)计算每张图像和平均图像的差值Φ,就是用S集合里的每个元素减去步骤2.2)中的平均值:
Φi=Γi-Ψ
2.4)找到M个正交的单位向量un,这些单位向量其实是用来描述Φ分布的。un里面的第k(k=1,2,3...M)个向量uk是通过下式计算:
其中,Φn为第n张图片和平均图片的差值,为uk的转置向量,k=1,2,3...M,λk为特征值,当λk取最小的值时,就能确定uk的取值;因为M个向量是相互正交而且是单位长度,因此uk还要满足以下条件:
其中,为un里面的第l个向量的转置,δlk为冲击函数,上面的等式使得uk变成单位正交向量,计算上面的uk其实就是计算如下协方差矩阵的特征向量:
其中A={Φ1,Φ2,Φ3,......,Φn}
将步骤1)中的基本信息和计算出来的特征向量组合起来,生成考生信息数据库。
3)扫描准考证二维码,核对准考证信息。如图2所示,在考生进入考场的时候,要求考生出示准考证,扫描准考证上面的二维码,获取准考证上面的信息,将准考证上面的信息与考生信息数据库中的信息对比,看姓名、准考证号、考场号和座位号等信息是否匹配,如果匹配即可进入下一步;
4)扫描身份证,核对身份证信息。如图3所示,在考生进入考场的时候,要求考生出示身份证,扫描身份证,获取身份证上面的信息,将身份证上面的信息与考生信息数据库中的信息对比,看身份证号是否匹配,身份证是否在有效期内,如果信息无误,即可进入下一步;
5)扫描考生脸部,获取考生面部特征,核对是否是本人,如图4所示,包括如下步骤:
5.1)扫描考生脸部,获取考生人脸图像;
5.2)用特征脸对获取到的考生人脸图像进行标示:
其中k=1,2...M,对于第k个特征脸uk,上式可以计算其对应的权重,M个权重可以构成一个向量:
ΩT=[ω1,ω2,ω3,......,ωM]
ΩT就是求得的特征脸对人脸的表示;
5.3)通过以下公式对人脸进行识别:
ξk=||Ω-Ωk||2
其中,Ω代表要判别的人脸,Ωk代表考生信息数据库里面的某个人脸,两者都是通过特征脸的权重来表示的;ξk为两者的欧式距离,当距离小于阈值时说明要判别的脸和训练集内的第k个脸是同一个人的;当遍历所有训练集都大于阈值时,根据距离值的大小确定是否是本人。
综上所述,在采用以上方案后,本发明为考生进入考场验证考生信息提供了新的方法,将成为保证考生公平的一种有效手段,能够解放人力和物力,并且结果高效准确,具有实际推广价值,值得推广。
以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (6)
1.一种基于人脸识别的考生信息核对方法,其特征在于,包括以下步骤:
1)获取考生信息数据,包括准考证号、身份证号和相片;
2)获取考生面部特征,生成考生信息数据库;
3)扫描准考证二维码,核对准考证信息;
4)扫描身份证,核对身份证信息;
5)扫描考生脸部,获取考生面部特征,核对是否是本人。
2.根据权利要求1所述的一种基于人脸识别的考生信息核对方法,其特征在于:在步骤1)中,在考生报名阶段,要求考生填写个人基本信息,包括姓名、性别和身份证号,并要求考生拍摄本人照片上传。
3.根据权利要求1所述的一种基于人脸识别的考生信息核对方法,其特征在于:在步骤2)中,根据考生上传的照片,通过人脸识别算法获取考生特征脸,包括以下步骤:
2.1)获取包含M张人脸图像的集合S:
S={Γ1,Γ2,Γ2,......,Γm}
式中,M表示考生数量,S为考生人脸图像的集合,Γm表示第m个考生的人脸图像;
2.2)在获取到人脸向量集合S后,计算得到平均图像Ψ:
把集合S里面的向量遍历一遍进行累加,然后取平均值;
2.3)计算每张图像和平均图像的差值Φ,就是用S集合里的每个元素减去步骤2.2)中的平均值:
Φi=Γi-Ψ
2.4)找到M个正交的单位向量un,这些单位向量其实是用来描述Φ分布的,un里面的第k个向量uk是通过下式计算:
其中,Φn为第n张图片和平均图片的差值,为uk的转置向量,k=1,2,3...M,λk为特征值,当λk取最小的值时,就能确定uk的取值;因为M个向量是相互正交而且是单位长度,因此uk还要满足以下条件:
其中,为un里面的第l个向量的转置,δlk为冲击函数,上面的等式使得uk变成单位正交向量,计算上面的uk其实就是计算如下协方差矩阵的特征向量:
其中A={Φ1,Φ2,Φ3,......,Φn}
将步骤1)中的考生信息数据和计算出来的特征向量组合起来,生成考生信息数据库。
4.根据权利要求1所述的一种基于人脸识别的考生信息核对方法,其特征在于:在步骤3)中,在考生进入考场的时候,要求考生出示准考证,扫描准考证上面的二维码,获取准考证上面的信息,将准考证上面的信息与考生信息数据库中的信息对比,看姓名、准考证号、考场号和座位号信息是否匹配,如果匹配即可进入下一步。
5.根据权利要求1所述的一种基于人脸识别的考生信息核对方法,其特征在于:在步骤4)中,在考生进入考场的时候,要求考生出示身份证,扫描身份证,获取身份证上面的信息,将身份证上面的信息与考生信息数据库中的信息对比,看身份证号是否匹配,身份证是否在有效期内,如果信息无误,即可进入下一步。
6.根据权利要求1所述的一种基于人脸识别的考生信息核对方法,其特征在于:在步骤5)中,扫描考生脸部,获取考生面部特征,核对是否是本人,包括以下步骤:
5.1)扫描考生脸部,获取考生人脸图像;
5.2)用特征脸对获取到的考生人脸图像进行标示:
其中,为uk的转置向量,Γm表示第m个考生的人脸图像,Ψ为平均图像,ωk为特征向量,k=1,2...M,M表示考生数量,对于第k个特征脸uk,上式能够计算其对应的权重,M个权重能够构成一个向量:
ΩT=[ω1,ω2,ω3,......,ωM]
ΩT就是求得的特征脸对人脸的表示;
5.3)通过以下公式对人脸进行识别:
ξk=||Ω-Ωk||2
其中,Ω代表要判别的人脸,Ωk代表考生信息数据库里面的某个人脸,两者都是通过特征脸的权重来表示的;ξk为两者的欧式距离,当距离小于阈值时说明要判别的脸和训练集内的第k个脸是同一个人的;当遍历所有训练集都大于阈值时,根据距离值的大小确定是否是本人;
最后,通过核对准考证、身份证和人脸特征,三者都符合的时候,才能够确认是考生本人,才能够让考生进入考场考试。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811589038.1A CN109522881A (zh) | 2018-12-25 | 2018-12-25 | 一种基于人脸识别的考生信息核对方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811589038.1A CN109522881A (zh) | 2018-12-25 | 2018-12-25 | 一种基于人脸识别的考生信息核对方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109522881A true CN109522881A (zh) | 2019-03-26 |
Family
ID=65797207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811589038.1A Pending CN109522881A (zh) | 2018-12-25 | 2018-12-25 | 一种基于人脸识别的考生信息核对方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109522881A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993148A (zh) * | 2019-04-12 | 2019-07-09 | 张绿儿 | 一种基于人脸识别服务的考场验录*** |
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 |
CN113158160A (zh) * | 2021-04-26 | 2021-07-23 | 杭州旭鹏智能箱柜有限公司 | 一种用于身份验证的智能服务终端 |
CN113792678A (zh) * | 2021-09-17 | 2021-12-14 | 华院分析技术(上海)有限公司 | 基于PCA和ReliefF的SVM的人脸识别方法、***、存储介质及设备 |
CN114978763A (zh) * | 2022-06-30 | 2022-08-30 | 深圳千方智通科技有限公司 | 一种基于交通运输安全考试软件的考生信息快速登录*** |
CN115146243A (zh) * | 2022-07-08 | 2022-10-04 | 武汉全英教育咨询有限公司 | 一种基于数据分析的线上vr考试考生信息核对管理*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355206A (zh) * | 2016-08-31 | 2017-01-25 | 重庆凯泽科技股份有限公司 | 一种考生身份验证***和方法 |
CN106384316A (zh) * | 2016-08-28 | 2017-02-08 | 黄志坤 | 一种考试院实名制验证*** |
CN108108663A (zh) * | 2017-11-29 | 2018-06-01 | 安徽四创电子股份有限公司 | 一种视频人脸识别***与方法 |
CN108229427A (zh) * | 2018-01-29 | 2018-06-29 | 南京华科和鼎信息科技有限公司 | 一种基于身份证件和人脸识别的身份安全验证方法及*** |
-
2018
- 2018-12-25 CN CN201811589038.1A patent/CN109522881A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106384316A (zh) * | 2016-08-28 | 2017-02-08 | 黄志坤 | 一种考试院实名制验证*** |
CN106355206A (zh) * | 2016-08-31 | 2017-01-25 | 重庆凯泽科技股份有限公司 | 一种考生身份验证***和方法 |
CN108108663A (zh) * | 2017-11-29 | 2018-06-01 | 安徽四创电子股份有限公司 | 一种视频人脸识别***与方法 |
CN108229427A (zh) * | 2018-01-29 | 2018-06-29 | 南京华科和鼎信息科技有限公司 | 一种基于身份证件和人脸识别的身份安全验证方法及*** |
Non-Patent Citations (1)
Title |
---|
CSDN博客: "人脸识别经典算法一:特征脸方法", 《HTTPS://BLOG.CSDN.NET/SMARTEMPIRE/ARTICLE/DETAILS/21406005》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993148A (zh) * | 2019-04-12 | 2019-07-09 | 张绿儿 | 一种基于人脸识别服务的考场验录*** |
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 |
CN113158160A (zh) * | 2021-04-26 | 2021-07-23 | 杭州旭鹏智能箱柜有限公司 | 一种用于身份验证的智能服务终端 |
CN113792678A (zh) * | 2021-09-17 | 2021-12-14 | 华院分析技术(上海)有限公司 | 基于PCA和ReliefF的SVM的人脸识别方法、***、存储介质及设备 |
CN114978763A (zh) * | 2022-06-30 | 2022-08-30 | 深圳千方智通科技有限公司 | 一种基于交通运输安全考试软件的考生信息快速登录*** |
CN115146243A (zh) * | 2022-07-08 | 2022-10-04 | 武汉全英教育咨询有限公司 | 一种基于数据分析的线上vr考试考生信息核对管理*** |
CN115146243B (zh) * | 2022-07-08 | 2023-09-15 | 北京布局未来教育科技有限公司 | 一种基于数据分析的线上vr考试考生信息核对管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522881A (zh) | 一种基于人脸识别的考生信息核对方法 | |
Yang et al. | Deep label distribution learning for apparent age estimation | |
CN105631272B (zh) | 一种多重保险的身份认证方法 | |
US9514356B2 (en) | Method and apparatus for generating facial feature verification model | |
US7869657B2 (en) | System and method for comparing images using an edit distance | |
CN108509854B (zh) | 一种基于投影矩阵约束结合判别字典学习的行人再识别方法 | |
CN110516576A (zh) | 基于深度神经网络的近红外活体人脸识别方法 | |
CN105138980A (zh) | 基于身份证件信息和人脸识别的身份验证方法及*** | |
CN105956572A (zh) | 一种基于卷积神经网络的活体人脸检测方法 | |
Edwards et al. | Improving identification performance by integrating evidence from sequences | |
CN110414350A (zh) | 基于注意力模型的双路卷积神经网络的人脸防伪检测方法 | |
Naït-Ali et al. | Signal and image processing for biometrics | |
Kang et al. | A study on performance evaluation of fingerprint sensors | |
US8933783B2 (en) | Detection of fraud for access control system of biometric type | |
CN110414299A (zh) | 一种基于计算机视觉的猴脸亲缘关系分析方法 | |
CN107437019A (zh) | 唇语识别的身份验证方法和装置 | |
Jia et al. | Attacking gait recognition systems via silhouette guided GANs | |
CN108765014A (zh) | 一种基于门禁***的智能广告投放方法 | |
CN106022241A (zh) | 一种基于小波变换及稀疏表示的人脸识别方法 | |
Wei et al. | Cross-spectral iris recognition by learning device-specific band | |
Papatheodorou et al. | Evaluation of 3D face recognition using registration and PCA | |
Deb et al. | Finding missing children: Aging deep face features | |
Albiero et al. | Identity document to selfie face matching across adolescence | |
Rufai et al. | A biometric model for examination screening and attendance monitoring in Yaba College of Technology | |
Banerjee et al. | Identity-preserving aging of face images via latent diffusion models |
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: 20190326 |