CN109948456B - 应用于数字法庭的人脸识别方法及装置 - Google Patents
应用于数字法庭的人脸识别方法及装置 Download PDFInfo
- Publication number
- CN109948456B CN109948456B CN201910141298.0A CN201910141298A CN109948456B CN 109948456 B CN109948456 B CN 109948456B CN 201910141298 A CN201910141298 A CN 201910141298A CN 109948456 B CN109948456 B CN 109948456B
- Authority
- CN
- China
- Prior art keywords
- picture
- excitation
- area
- face recognition
- judge
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种应用于数字法庭的人脸识别方法及装置,该方法包括:获取多帧庭审合成画面;将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片;将激励图片分别与法官图片、被告图片、原告图片进行对比,判断激励图片上的角色;利用人脸识别***对激励图片上的角色进行人脸识别。本发明通过利用人脸识别***对激励图片上的角色进行人脸识别,可以对画面上角色的身份信息作出准确判断。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种应用于数字法庭的人脸识别方法及装置。
背景技术
在数字法庭的庭审过程中,会有法官、书记员、原告、被告、证人等角色参与,为了录制庭审过程中每一个角色参与庭审全过程,检测每一个庭审角色是否符合庭审规范,一般会对每个角色的特写画面进行图像采集,并将其显示在合成画面中(其中,合成画面的模式包括:2合成模式,4合成模式,6合成模式等,举例来说,6合成模式的电视画面可参见附图3)。在此过程中,为了使旁听人员清楚地看到正在发言的发言人,一般会对现场不同位置发言人的语音进行采集,并自动跟踪发言人的特写画面,将该特写画面显示在画面最大、分辨率最高的激励画面中。而为了保证庭审的顺利进行,确认合成画面中各个分隔子画面上角色的身份信息是十分必要的。
现有技术是利用人脸识别***对某一帧的电视合成画面进行人脸识别,以确认各个分隔子画面上角色的身份信息。其中,人脸识别***所使用的人脸识别技术是利用本领域所常见的卷积神经网络进行的。
发明人发现现有技术至少存在以下问题:
在合成画面中,除了激励画面外,其它各个画面占用的区域较小,提取出来的角色的画面分辨率较低,无法对画面上角色的身份信息作出准确判断。
发明内容
本发明实施例提供一种应用于数字法庭的人脸识别方法,用以对画面上角色的身份信息作出准确判断,该方法包括:
获取多帧庭审合成画面;
将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片;
将激励图片分别与法官图片、被告图片、原告图片进行对比,判断激励图片上的角色;
利用人脸识别***对激励图片上的角色进行人脸识别。
可选的,该方法还包括:
每隔预设时长对法官图片、被告图片和原告图片进行一次检测,判断法官图片、被告图片和原告图片上是否有人物图像。
可选的,该方法还包括:
对获取的多帧庭审合成画面分别进行合成画面模式分析;
根据分析结果将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片。
可选的,该方法还包括:
将每一帧庭审合成画面中的旁听区域提取为旁听图片,并利用人脸识别***对旁听图片上的角色进行人脸识别。
本发明实施例还提供一种应用于数字法庭的人脸识别装置,用以对画面上角色的身份信息作出准确判断,该装置包括:
画面采集模块,用于获取多帧庭审合成画面;
图片提取模块,用于将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片;
角色判断模块,用于将激励图片分别与法官图片、被告图片、原告图片进行对比,判断激励图片上的角色;
第一人脸识别模块,用于利用人脸识别***对激励图片上的角色进行人脸识别。
可选的,该装置还包括:
检测模块,用于每隔预设时长对法官图片、被告图片和原告图片进行一次检测,判断法官图片、被告图片和原告图片上是否有人物图像。
可选的,该装置还包括:
合成画面模式分析模块,用于对获取的多帧庭审合成画面分别进行合成画面模式分析;
根据分析结果将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片。
可选的,该装置还包括:
第二人脸识别模块,用于将每一帧庭审合成画面中的旁听区域提取为旁听图片,并利用人脸识别***对旁听图片上的角色进行人脸识别。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明实施例中,通过获取多帧庭审合成画面,将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片,并将激励图片分别与法官图片、被告图片、原告图片进行对比,判断激励图片上的角色,可以使多个不同角色分别显示在多个合成画面上的激励画面中,以便后续对各个角色进行人脸识别。由于激励画面在合成画面中占比最大,分辨率最高,因此,通过利用人脸识别***对激励图片上的角色进行人脸识别,可以对画面上角色的身份信息作出准确判断。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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的附图。在附图中:
图1为本发明实施例中应用于数字法庭的人脸识别方法的流程示意图;
图2为本发明实施例中应用于数字法庭的人脸识别装置的结构示意图;
图3为现有技术中的电视画面示例图;
图4为本发明实施例中合成画面模式分析的具体流程示例图;
图5为本发明实施例中人脸识别***所使用的卷积神经网络的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
在数字法庭的庭审过程中,会有法官、书记员、原告、被告、证人等角色参与,为了将庭审画面展示给旁听席,一般会对每个角色的特写画面进行图像采集,并采用合成画面通过电视展示给旁听席(其中,合成画面的模式包括:2合成模式,4合成模式,6合成模式等,举例来说,6合成的电视画面可参见附图3)。在此过程中,为了使旁听人员清楚地看到正在发言的发言人,一般会对现场不同位置发言人的语音进行采集,并自动跟踪发言人的特写画面,将该特写画面显示在画面最大、分辨率最高的激励画面中。而为了保证庭审的顺利进行,确认合成画面中各个分隔子画面上角色的身份信息是十分必要的。
现有技术是利用人脸识别***对某一帧的电视合成画面进行人脸识别,以确认各个分隔子画面上角色的身份信息。
其中,人脸识别***所使用的人脸识别技术是利用本领域所常见的卷积神经网络进行的。具体地,举例来说,基于卷积神经网络的人脸识别处理流程分成四大模块:人脸区域检测模块:用于检测图片是否有人脸。如果有人脸,则确定人脸在图片中的位置以及对应的矩形区域。卷积神经网络的输入是图片,输出是图片中人脸出现的个数以及每个人脸在图片中对应的区域位置。
人脸校准模块:用于在图片的指定区域检测人脸特征(眼睛,眉毛,鼻子,嘴巴等),并根据这些特征将图片区域中的人脸存储为单张人脸图片,并对单张人脸图片进行校准操作。卷积神经网络的输入是人脸区域检测模块的输出和被检测图片,输出是校准后的单张人脸图片。
人脸特征提取模块:用于提取每张人脸的特征值。卷积神经网络的输入是单张人脸图片,输出是每个人脸的特征值。
人脸特征对比模块:用于将人脸特征提取模块提取的人脸特征值与人脸数据库中的人脸特征值进行对比计算,找出人脸对应的身份信息。
在合成画面中,除了激励画面外,其它各个画面占用的区域较小,提取出来的角色的画面分辨率较低,无法对画面上角色的身份信息作出准确判断。
为了解决上述问题,本发明实施例提供了一种应用于数字法庭的人脸识别方法,如附图1所示,该方法包括:
步骤101、获取多帧庭审合成画面。
步骤102、将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片。
步骤103、将激励图片分别与法官图片、被告图片、原告图片进行对比,判断激励图片上的角色。
步骤104、利用人脸识别***对激励图片上的角色进行人脸识别。
本发明实施例提供的应用于数字法庭的人脸识别方法通过获取多帧庭审合成画面,将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片,并将激励图片分别与法官图片、被告图片、原告图片进行对比,判断激励图片上的角色,可以使多个不同角色分别显示在多个合成画面上的激励画面中,以便后续对各个角色进行人脸识别。由于激励画面在合成画面中占比最大,分辨率最高,因此,通过利用人脸识别***对激励图片上的角色进行人脸识别,可以对画面上角色的身份信息作出准确判断。
为了判断在庭审过程中是否有人离席,该方法还包括:
每隔预设时长对法官图片、被告图片和原告图片进行一次检测,判断法官图片、被告图片和原告图片上是否有人物图像。
具体地,每隔预设时长对法官图片、被告图片和原告图片进行一次检测,如果法官图片、被告图片和原告图片上有人物图像,则可以确定法官、被告和原告没有离席,如果法官图片、被告图片和原告图片上是空白的,则可以确定法官、被告和原告中有人离席。
为了便于后续的角色区域确定和图片提取,该方法还包括:
对获取的多帧庭审合成画面分别进行合成画面模式分析;
根据分析结果将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片。
具体地,合成画面模式分析流程如下:
a.检测是否为6合成模式。如果是,进入步骤e,如果不是,进入步骤b;
b.检测检测是否为4合成模式。如果是进入步骤e,如果不是,进入步骤c;
c.检测是否为2合成模式。如果是进入步骤e,如果不是,进入步骤d;
d.如果检测出合成画面既不是6合成模式、4合成模式、2合成模式,那么合成画面就是单画面,进入步骤e;
e.庭审合成画面的合成模式检测完成,进入下一流程处理。
具体可参见附图4,根据6合成模式,得到激励画面区域和其他5个画面区域;
将激励画面区域与其他5个画面区域进行对比,激励画面区域是否与其他5个画面区域其中的一个是否相同(是否为同一角色),如果是,则进入下一流程,如果不是,则根据4合成模式,得到激励画面区域和其他3个画面区域;
将激励画面区域与其他3个画面区域进行对比,激励画面区域是否与其他3个画面区域其中的一个是否相同(是否为同一角色),如果是,则进入下一流程,如果不是,则根据2合成模式,得到激励画面区域和其他1个画面区域;
将激励画面区域与其他1个画面区域进行对比,激励画面区域是否与其他1个画面区域是否相同(是否为同一角色),如果是,则进入下一流程,如果不是,则该画面为单画面模式。
在本发明实施例中,为了确定旁听人员在庭审过程中是否出入法庭现场,该方法还包括:
将每一帧庭审合成画面中的旁听区域提取为旁听图片,并利用人脸识别***对旁听图片上的角色进行人脸识别。
基于同一发明构思,本发明实施例中还提供了一种应用于数字法庭的人脸识别装置,如下面的实施例所述。由于应用于数字法庭的人脸识别装置解决问题的原理与应用于数字法庭的人脸识别方法相似,因此,应用于数字法庭的人脸识别装置的实施可以参见应用于数字法庭的人脸识别方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本发明实施例还提供了一种应用于数字法庭的人脸识别装置,如附图2所示,包括:
画面采集模块201,用于获取多帧庭审合成画面;
图片提取模块202,用于将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片;
角色判断模块203,用于将激励图片分别与法官图片、被告图片、原告图片进行对比,判断激励图片上的角色;
第一人脸识别模块204,用于利用人脸识别***对激励图片上的角色进行人脸识别。
在本发明实施例中,该装置还包括:
检测模块,用于每隔预设时长对法官图片、被告图片和原告图片进行一次检测,判断法官图片、被告图片和原告图片上是否有人物图像。
在本发明实施例中,该装置还包括:
合成画面模式分析模块,用于对获取的多帧庭审合成画面分别进行合成画面模式分析;
根据分析结果将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片。
在本发明实施例中,该装置还包括:
第二人脸识别模块,用于将每一帧庭审合成画面中的旁听区域提取为旁听图片,并利用人脸识别***对旁听图片上的角色进行人脸识别。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述方法。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有执行上述方法的计算机程序。
在庭审合成画面的合成模式检测和激励画面的角色检测中,都会涉及到两张图片的对比,对比两张图片是否为同一个摄像头采集的,也就是两张图片是否为同一角色。
在本发明中使用卷积神经网络完成两张图片的对比,采用Caffe(ConvolutionalArchitecture for Fast Feature Embedding,一种常用的深度学习框架)创建卷积神经网络,卷积神经网络的输入是两幅灰度图片,因此在进入这个卷积网络之前,需要将RGB图片转换为灰度图片,再送入卷积神经网络。卷积神经网络的结构可参见附图5。具体如下:
卷积神经网络有2个输入层(input_layer),对应两幅灰度图片。两幅灰度图片的分辨率为256x256,通道(channel)为1;
2个输入层的输出到融合层(Concat_layer)。Concat_layer将两幅灰度图像融合成一幅图像。融合后的图像分辨率为256x256,通道(channel)为2;
Concat_layer输出(通道为2,分辨率为256x256图像)到Convolution_layer2,执行卷积操作。卷积参数:96个卷积核,每个卷积核大小(7x7),每个卷积核步长(3x3);
Convolution_layer2层输出到ReLU_layer3,执行激活函数操作,在网络中引入非线性特性;
ReLU_layer3层输出到Pooling_layer4,执行池化操作。池化参数:池化核大小(2x2),池化步长(2x2);
Pooling_layer4层输出到Convolution_layer5,执行卷积操作。卷积参数:192个卷积核,每个卷积核大小(5x5),每个卷积核步长(1x1);
Convolution_layer5层输出到ReLU_layer6,执行激活函数操作,在网络中引入非线性特性;
ReLU_layer6层输出到Pooling_layer7,执行池化操作。池化参数:池化核大小(2x2),池化步长(2x2);
Pooling_layer7层输出到Convolution_layer8,执行卷积操作。卷积参数:256个卷积核,每个卷积核大小(3x3),每个卷积核步长(1x1);
Convolution_layer8层输出到ReLU_layer9,执行激活函数操作,在网络中引入非线性特性;
ReLU_layer9层输出到Flatten_layer10,将ReLU_layer9输出的多维张量变换成一个1位张量,即向量;
Flatten_layer10层输出到InnerProduct_layer10,执行内积操作。输出2048维向量;
InnerProduct_layer10层输出到InnerProduct_layer12,执行内积操作。输出1024维向量;
InnerProduct_layer12输出到Sigmoid_layer12,输出结果。当Sigmoid_layer12层输出为,表示两幅图像不是同一角色;当Sigmoid_layer12层输出为1,表示两幅图像是同一角色。
本发明采用随机梯度下降的方式进行卷积神经网络学习,代价函数采用交叉熵代价函数,学习率(learning rate)为1.0,动量(momentum)为0.9,权重衰减为0.0005。
本发明实施例中,通过获取多帧庭审合成画面,将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片,并将激励图片分别与法官图片、被告图片、原告图片进行对比,判断激励图片上的角色,可以使多个不同角色分别显示在多个合成画面上的激励画面中,以便后续对各个角色进行人脸识别。由于激励画面在合成画面中占比最大,分辨率最高,因此,通过利用人脸识别***对激励图片上的角色进行人脸识别,可以对画面上角色的身份信息作出准确判断。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种应用于数字法庭的人脸识别方法,其特征在于,包括:
获取多帧庭审合成画面;
将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片,激励画面是合成画面中占比最大,分辨率最高的画面;
将激励图片分别与法官图片、被告图片、原告图片进行对比,判断激励图片上的角色;
利用人脸识别***对激励图片上的角色进行人脸识别。
2.如权利要求1所述的方法,其特征在于,还包括:
每隔预设时长对法官图片、被告图片和原告图片进行一次检测,判断法官图片、被告图片和原告图片上是否有人物图像。
3.如权利要求1所述的方法,其特征在于,还包括:
对获取的多帧庭审合成画面分别进行合成画面模式分析;
根据分析结果将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片。
4.如权利要求1所述的方法,其特征在于,还包括:
将每一帧庭审合成画面中的旁听区域提取为旁听图片,并利用人脸识别***对旁听图片上的角色进行人脸识别。
5.一种应用于数字法庭的人脸识别装置,其特征在于,包括:
画面采集模块,用于获取多帧庭审合成画面;
图片提取模块,用于将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片,激励画面是合成画面中占比最大,分辨率最高的画面;
角色判断模块,用于将激励图片分别与法官图片、被告图片、原告图片进行对比,判断激励图片上的角色;
第一人脸识别模块,用于利用人脸识别***对激励图片上的角色进行人脸识别。
6.如权利要求5所述的装置,其特征在于,还包括:
检测模块,用于每隔预设时长对法官图片、被告图片和原告图片进行一次检测,判断法官图片、被告图片和原告图片上是否有人物图像。
7.如权利要求5所述的装置,其特征在于,还包括:
合成画面模式分析模块,用于对获取的多帧庭审合成画面分别进行合成画面模式分析;
根据分析结果将每一帧庭审合成画面中的激励区域、法官区域、被告区域和原告区域分别提取为激励图片、法官图片、被告图片和原告图片。
8.如权利要求5所述的装置,其特征在于,还包括:
第二人脸识别模块,用于将每一帧庭审合成画面中的旁听区域提取为旁听图片,并利用人脸识别***对旁听图片上的角色进行人脸识别。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910141298.0A CN109948456B (zh) | 2019-02-26 | 2019-02-26 | 应用于数字法庭的人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910141298.0A CN109948456B (zh) | 2019-02-26 | 2019-02-26 | 应用于数字法庭的人脸识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109948456A CN109948456A (zh) | 2019-06-28 |
CN109948456B true CN109948456B (zh) | 2020-12-18 |
Family
ID=67007717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910141298.0A Active CN109948456B (zh) | 2019-02-26 | 2019-02-26 | 应用于数字法庭的人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948456B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751041A (zh) * | 2015-03-03 | 2015-07-01 | 北京卓识数云科技有限公司 | 用于身份验证的方法、***和移动终端 |
CN106231259A (zh) * | 2016-07-29 | 2016-12-14 | 北京小米移动软件有限公司 | 监控画面的显示方法、视频播放器及服务器 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105592268A (zh) * | 2016-03-03 | 2016-05-18 | 苏州科达科技股份有限公司 | 视频会议***、处理装置及视频会议方法 |
CN106384237A (zh) * | 2016-08-31 | 2017-02-08 | 北京志光伯元科技有限公司 | 基于人脸识别的会员认证和管理方法、装置及*** |
CN108269333A (zh) * | 2018-01-08 | 2018-07-10 | 平安科技(深圳)有限公司 | 人脸识别方法、应用服务器及计算机可读存储介质 |
-
2019
- 2019-02-26 CN CN201910141298.0A patent/CN109948456B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751041A (zh) * | 2015-03-03 | 2015-07-01 | 北京卓识数云科技有限公司 | 用于身份验证的方法、***和移动终端 |
CN106231259A (zh) * | 2016-07-29 | 2016-12-14 | 北京小米移动软件有限公司 | 监控画面的显示方法、视频播放器及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN109948456A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3916627A1 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
CN108805047B (zh) | 一种活体检测方法、装置、电子设备和计算机可读介质 | |
US11048948B2 (en) | System and method for counting objects | |
CN108875481B (zh) | 用于行人检测的方法、装置、***及存储介质 | |
JPWO2018047687A1 (ja) | 三次元モデル生成装置及び三次元モデル生成方法 | |
US8548247B2 (en) | Image processing apparatus and method, and program | |
CN109740589B (zh) | 视频模式中的异步对象roi检测方法及*** | |
US20220138912A1 (en) | Image dehazing method, apparatus, and device, and computer storage medium | |
US20120121173A1 (en) | Image processing apparatus and method, and program | |
CN111753782B (zh) | 一种基于双流网络的假脸检测方法、装置及电子设备 | |
CN111985281A (zh) | 图像生成模型的生成方法、装置及图像生成方法、装置 | |
CN105979283A (zh) | 视频转码方法和装置 | |
CN109784230A (zh) | 一种人脸视频图像质量寻优方法、***及设备 | |
CN109145861B (zh) | 情绪识别装置及方法、头戴式显示设备、存储介质 | |
CN109948456B (zh) | 应用于数字法庭的人脸识别方法及装置 | |
WO2019150649A1 (ja) | 画像処理装置および画像処理方法 | |
US11275947B2 (en) | Image processing system, image processing method, and image processing program | |
CN106611417A (zh) | 将视觉元素分类为前景或背景的方法及装置 | |
CN113544700A (zh) | 神经网络的训练方法和装置、关联对象的检测方法和装置 | |
CN111310528B (zh) | 一种图像检测方法、身份验证方法、支付方法及装置 | |
JP6132996B1 (ja) | 画像処理装置,画像処理方法,画像処理プログラム | |
CN111311549A (zh) | 图像鉴真方法、***及存储介质 | |
JP2011018199A (ja) | 画像処理装置および方法、並びにプログラム | |
CN116580446B (zh) | 一种泛血管疾病虹膜特点识别方法及*** | |
WO2013034878A2 (en) | Image processing |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100094 5 floor 101, 6 building, No. 3, Fung Xiu Road, Haidian District, Beijing. Applicant after: BEIJING HUAXIA DENTSU TECHNOLOGY Co.,Ltd. Address before: 100094 5 floor 101, 6 building, No. 3, Fung Xiu Road, Haidian District, Beijing. Applicant before: BEIJING CHINASYS TECHNOLOGIES Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |