CN111091103A - 一种基于深度强化学习的人脸识别新方法 - Google Patents
一种基于深度强化学习的人脸识别新方法 Download PDFInfo
- Publication number
- CN111091103A CN111091103A CN201911336034.7A CN201911336034A CN111091103A CN 111091103 A CN111091103 A CN 111091103A CN 201911336034 A CN201911336034 A CN 201911336034A CN 111091103 A CN111091103 A CN 111091103A
- Authority
- CN
- China
- Prior art keywords
- sample
- samples
- face
- face recognition
- user
- 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.)
- Granted
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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Ophthalmology & Optometry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于深度强化学习的人脸识别新方法,涉及人脸识别技术领域,为了解决人脸识别准确性、安全性不稳定的问题,具体包括下述步骤:使用者使用移动终端对预设的人脸识别注册二维码进行扫描,进行账号注册,注册身份信息时采集的所有样张会按顺序上传至存储模块,存储模块会对接收到的样张进行处理,当使用者完成注册并开始使用人脸识别时,人脸识别设备上预设的摄像头会实时拍摄使用者的面部信息,人脸识别设备摄像头拍摄的样张会与使用者注册时上传的样张进行对比。本发明通过采集使用者的眼部虹膜和眼白血管分布信息,能进一步提高脸部识别的安全性和精确性。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种基于深度强化学习的人脸识别新方法。
背景技术
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、人脸识别。
经检索,中国专利申请号为CN110032955A的专利,公开了一种基于深度学习的人脸识别新方法,包括下述步骤:使用者使用智能移动终端扫描预设的注册二维码,进行账号注册,账号注册的具体流程如下:使用者先用使用随身携带的智能移动终端扫描二维码后会智能移动终端的屏幕内容会跳转到信息填写界面;使用者在信息界面填写自己的账号信息、密码信息与真实姓名。上述专利中存在以下不足:只采集面容信息,安全性较低;未采集闭眼面部信息,人脸识别成功率受影响。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种基于深度强化学习的人脸识别新方法。
为了实现上述目的,本发明采用了如下技术方案:
一种基于深度强化学习的人脸识别新方法,包括下述步骤;
步骤一:使用者使用移动终端对预设的人脸识别注册二维码进行扫描,进行账号注册;
步骤二:注册身份信息时采集的所有样张会按顺序上传至存储模块,存储模块会对接收到的样张进行处理;
步骤三:当使用者完成注册并开始使用人脸识别时,人脸识别设备上预设的摄像头会实时拍摄使用者的面部信息,包括一张正脸睁眼样张、一张正脸闭眼样张、一张左侧脸样张与一张右侧脸样张,人脸识别设备摄像头拍摄的样张也会按顺序被上传至存储模块中进行处理;
步骤四:人脸识别设备摄像头拍摄的样张会与使用者注册时上传的样张进行对比;
步骤五:当初步验证通过后,需要进行二次验证,二次验证会提取使用者注册时睁眼近距离注视摄像头所采集的两张眼部虹膜样张和两张眼白血管分布样张来作为对比样张;
步骤六:当眼部虹膜对比验证通过之后,即可通过二次验证;
步骤七:当眼白血管分布对比验证通过之后,即可通过最终验证。
优选地:所述步骤一中账号注册的具体流程如下:
S11:使用者先使用携带的移动终端扫描预设的人脸识别注册二维码,之后移动终端的界面内容会跳转到身份信息填写界面;
S12:使用者在身份信息填写界面填写自己的账号信息、密码信息、真实姓名与身份证件识别号;
S13:使用者填写完身份信息后,点击界面下方显示的完成虚拟按钮,移动终端的界面内容会跳转到面部信息上传界面;
S14:移动终端的界面内容跳转到面部信息上传界面后,移动终端会调用移动终端自带的前置摄像头来采集面部信息;
S15:使用者需要将面部对着移动终端的前置摄像头按顺序进行眨眼动作、摇头动作和睁眼近距离注视摄像头动作,移动终端的前置摄像头会自动连拍采集多张照片样张,并合成出四张高清晰度样张,样张包含一张正脸睁眼样张、一张正脸闭眼样张、一张左侧脸样张与一张右侧脸样张。
优选地:所述步骤二中存储模块对接收到的样张进行处理的具体处理流程包括以下步骤:
S21:存储模块会将接收的样张进行标记,四张样张会按顺序被标记为1、 2、3与4;
S22:存储模块会将接收到的每张样张进行16等分分割;
S23:将每张样张分割后的图片进行标号,按照A-P的顺序分别标记为 1A-1P、2A-2P、3A-3P与4A-4P。
优选地:所述步骤三中人脸识别设备摄像头拍摄的样张也会按顺序被上传至存储模块中进行处理具体处理流程包括以下步骤:
S31:将人脸识别设备摄像头拍摄的样张按顺序分别标记为5、6、7与8;
S32:将人脸识别设备摄像头拍摄的每张样张16等分分割;
S33:对分割好的样张5、6、7与8进行标记,按照A-P的顺序分别标记为5A-5P、6A-6P、7A-7P与8A-8P;
S34:标记好的样张会上传至存储模块中。
优选地:所述步骤三中人脸识别设备摄像头拍摄的样张也会按顺序被上传至存储模块中进行处理具体处理流程包括以下步骤:
S31:将人脸识别设备摄像头拍摄的样张按顺序分别标记为5、6、7与8;
S32:将人脸识别设备摄像头拍摄的每张样张16等分分割;
S33:对分割好的样张5、6、7与8进行标记,按照A-P的顺序分别标记为5A-5P、6A-6P、7A-7P与8A-8P;
S34:标记好的样张会上传至存储模块中。
优选地:所述步骤五中的眼白血管分布样张的流程包括以下步骤:
S51:要求使用者在注册时睁眼近距离注视移动终端的前置摄像头,分别采集使用者左右眼的多张样张;
S52:移动终端将每个眼睛的多张样张分别合成出一张左眼与右眼的高分辨率样张;
S53:移动终端从左眼与右眼的高分辨率样张中提取出左眼与右眼眼白血管分布的高分辨率样张;
S54:移动终端将提取的左眼与右眼眼白血管分布的高分辨率样张上传至存储模块,作为对比用样张;
S55:存储模块将上传的左眼眼白血管分布的高分辨率样张标记为11,存储模块将上传的右眼眼白血管分布的高分辨率样张标记为12。
优选地:所述步骤六中眼部虹膜对比验证通过的流程包括以下步骤:
S61:使用者进行脸部识别时,脸部识别设备通过红外LED光线照向使用者的眼球,并通过设备摄像头采集使用者双眼的多张虹膜样张;
S62:脸部识别设备将采集的多张双眼虹膜样张分别合成为一张左眼高分辨率虹膜样张与一张右眼高分辨率虹膜样张;
S63:脸部识别设备将合成的双眼高分辨率虹膜样张上传至存储模块;
S64:存储模块将上传的实时左眼虹膜高分辨率样张标记为13,将上传的实时右眼虹膜高分辨率样张标记为14;
S65:所有的虹膜样张中,样张9与样张13对应,样张10与样张14对应;
S66:***预设一枚虹膜相似度标准值,当两组样张进行对比时,每组样张均大于相似度标准值时,给予二次验证通过,否则不予通过二次验证。
优选地:所述步骤七中眼白血管分布对比验证通过的流程包括以下步骤:
S71:使用者进行脸部识别时,脸部识别设备的前置摄像头侦测使用者眼白血管的分布,并通过设备摄像头采集使用者双眼的多张眼白血管分布样张;
S72:脸部识别设备将采集的多张双眼眼白血管分布样张分别合成为一张左眼眼白血管分布高分辨率样张与一张右眼眼白血管分布高分辨率样张;
S73:脸部识别设备将合成的双眼眼白血管分布高分辨率样张上传至存储模块;
S74:存储模块将上传的实时左眼眼白血管分布高分辨率样张标记为15,将上传的实时右眼眼白血管分布高分辨率样张标记为16;
S75:所有的眼白血管分布样张中,样张11与张样15对应,样张12与样张16对应;
S76:***预设一枚眼白血管分布相似度标准值,当两组样张进行对比时,每组样张均大于标准值时,给予最终验证通过,否则不予通过最终验证。
本发明的有益效果为:
1、本发明通过注册时填写身份证号码信息,可将账户精准对应到使用者,防止一人多号、一号多人的情况。
2、本发明通过采集使用者正脸闭眼样张、正脸睁眼样张,能更加精准的识别使用者脸部信息。
3、本发明通过采集使用者的眼部虹膜和眼白血管分布信息,能进一步提高脸部识别的安全性和精确性。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
一种基于深度强化学习的人脸识别新方法,包括下述步骤;
步骤一:使用者使用移动终端对预设的人脸识别注册二维码进行扫描,进行账号注册;
步骤二:注册身份信息时采集的所有样张会按顺序上传至存储模块,存储模块会对接收到的样张进行处理;
步骤三:当使用者完成注册并开始使用人脸识别时,人脸识别设备上预设的摄像头会实时拍摄使用者的面部信息,包括一张正脸睁眼样张、一张正脸闭眼样张、一张左侧脸样张与一张右侧脸样张,人脸识别设备摄像头拍摄的样张也会按顺序被上传至存储模块中进行处理;
步骤四:人脸识别设备摄像头拍摄的样张会与使用者注册时上传的样张进行对比;
步骤五:当初步验证通过后,需要进行二次验证,二次验证会提取使用者注册时睁眼近距离注视摄像头所采集的两张眼部虹膜样张和两张眼白血管分布样张来作为对比样张;
步骤六:当眼部虹膜对比验证通过之后,即可通过二次验证;
步骤七:当眼白血管分布对比验证通过之后,即可通过最终验证。
为了解决账号注册问题;所述步骤一中账号注册的具体流程如下:
S11:使用者先使用携带的移动终端扫描预设的人脸识别注册二维码,之后移动终端的界面内容会跳转到身份信息填写界面;
S12:使用者在身份信息填写界面填写自己的账号信息、密码信息、真实姓名与身份证件识别号;
S13:使用者填写完身份信息后,点击界面下方显示的完成虚拟按钮,移动终端的界面内容会跳转到面部信息上传界面;
S14:移动终端的界面内容跳转到面部信息上传界面后,移动终端会调用移动终端自带的前置摄像头来采集面部信息;
S15:使用者需要将面部对着移动终端的前置摄像头按顺序进行眨眼动作、摇头动作和睁眼近距离注视摄像头动作,移动终端的前置摄像头会自动连拍采集多张照片样张,并合成出四张高清晰度样张,样张包含一张正脸睁眼样张、一张正脸闭眼样张、一张左侧脸样张与一张右侧脸样张。
为了解决存储模块处理注册时采集样张的问题,所述步骤二中存储模块对接收到的样张进行处理的具体处理流程包括以下步骤:
S21:存储模块会将接收的样张进行标记,四张样张会按顺序被标记为1、2、3与4;
S22:存储模块会将接收到的每张样张进行16等分分割;
S23:将每张样张分割后的图片进行标号,按照A-P的顺序分别标记为 1A-1P、2A-2P、3A-3P与4A-4P。
为了解决存储模块处理实时样张的问题,所述步骤三中人脸识别设备摄像头拍摄的样张也会按顺序被上传至存储模块中进行处理具体处理流程包括以下步骤:
S31:将人脸识别设备摄像头拍摄的样张按顺序分别标记为5、6、7与8;
S32:将人脸识别设备摄像头拍摄的每张样张16等分分割;
S33:对分割好的样张5、6、7与8进行标记,按照A-P的顺序分别标记为5A-5P、6A-6P、7A-7P与8A-8P;
S34:标记好的样张会上传至存储模块中。
为了解决样张对比的问题,所述步骤四中人脸识别设备摄像头拍摄的样张会与使用者注册时上传的样张进行对比的具体对比流程包括以下步骤:
S41:***随机生成A-P中一个字母,并抽取1、2、3与4中对应的标记图片块;
S42:***将抽取的图片块标记为1z、2z、3z和4z,z=A-P;
S43:***抽取5、6、7和8中的5z、6z、7z和8z,z=A-P;
S44:将对应的1z与5z进行对比,2z与6z进行对比,3z与7z进行对比,4z与8z进行对比;
S45:***预设一枚脸部相似度标准值,当四组图片块进行比对时,每组图片块的相似度值有三组大于相似度标准值时,给予初步验证通过,否则不予通过初步验证。
为了解决眼白血管分布的采集和处理问题,所述步骤五中的眼白血管分布样张的流程包括以下步骤:
S51:要求使用者在注册时睁眼近距离注视移动终端的前置摄像头,分别采集使用者左右眼的多张样张;
S52:移动终端将每个眼睛的多张样张分别合成出一张左眼与右眼的高分辨率样张;
S53:移动终端从左眼与右眼的高分辨率样张中提取出左眼与右眼眼白血管分布的高分辨率样张;
S54:移动终端将提取的左眼与右眼眼白血管分布的高分辨率样张上传至存储模块,作为对比用样张;
S55:存储模块将上传的左眼眼白血管分布的高分辨率样张标记为11,存储模块将上传的右眼眼白血管分布的高分辨率样张标记为12。
为了解决虹膜样张采集、处理和对比问题,所述步骤六中眼部虹膜对比验证通过的流程包括以下步骤:
S61:使用者进行脸部识别时,脸部识别设备通过红外LED光线照向使用者的眼球,并通过设备摄像头采集使用者双眼的多张虹膜样张;
S62:脸部识别设备将采集的多张双眼虹膜样张分别合成为一张左眼高分辨率虹膜样张与一张右眼高分辨率虹膜样张;
S63:脸部识别设备将合成的双眼高分辨率虹膜样张上传至存储模块;
S64:存储模块将上传的实时左眼虹膜高分辨率样张标记为13,将上传的实时右眼虹膜高分辨率样张标记为14;
S65:所有的虹膜样张中,样张9与样张13对应,样张10与样张14对应;
S66:***预设一枚虹膜相似度标准值,当两组样张进行对比时,每组样张均大于相似度标准值时,给予二次验证通过,否则不予通过二次验证。
为了解决眼白血管分布对比问题,所述步骤七中眼白血管分布对比验证通过的流程包括以下步骤:
S71:使用者进行脸部识别时,脸部识别设备的前置摄像头侦测使用者眼白血管的分布,并通过设备摄像头采集使用者双眼的多张眼白血管分布样张;
S72:脸部识别设备将采集的多张双眼眼白血管分布样张分别合成为一张左眼眼白血管分布高分辨率样张与一张右眼眼白血管分布高分辨率样张;
S73:脸部识别设备将合成的双眼眼白血管分布高分辨率样张上传至存储模块;
S74:存储模块将上传的实时左眼眼白血管分布高分辨率样张标记为15,将上传的实时右眼眼白血管分布高分辨率样张标记为16;
S75:所有的眼白血管分布样张中,样张11与张样15对应,样张12与样张16对应;
S76:***预设一枚眼白血管分布相似度标准值,当两组样张进行对比时,每组样张均大于标准值时,给予最终验证通过,否则不予通过最终验证。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于深度强化学习的人脸识别新方法,其特征在于,包括下述步骤;
步骤一:使用者使用移动终端对预设的人脸识别注册二维码进行扫描,进行账号注册;
步骤二:注册身份信息时采集的所有样张会按顺序上传至存储模块,存储模块会对接收到的样张进行处理;
步骤三:当使用者完成注册并开始使用人脸识别时,人脸识别设备上预设的摄像头会实时拍摄使用者的面部信息,包括一张正脸睁眼样张、一张正脸闭眼样张、一张左侧脸样张与一张右侧脸样张,人脸识别设备摄像头拍摄的样张也会按顺序被上传至存储模块中进行处理;
步骤四:人脸识别设备摄像头拍摄的样张会与使用者注册时上传的样张进行对比;
步骤五:当初步验证通过后,需要进行二次验证,二次验证会提取使用者注册时睁眼近距离注视摄像头所采集的两张眼部虹膜样张和两张眼白血管分布样张来作为对比样张;
步骤六:当眼部虹膜对比验证通过之后,即可通过二次验证;
步骤七:当眼白血管分布对比验证通过之后,即可通过最终验证。
2.根据权利要求1所述的一种基于深度强化学习的人脸识别新方法,其特征在于,所述步骤一中账号注册的具体流程如下:
S11:使用者先使用携带的移动终端扫描预设的人脸识别注册二维码,之后移动终端的界面内容会跳转到身份信息填写界面;
S12:使用者在身份信息填写界面填写自己的账号信息、密码信息、真实姓名与身份证件识别号;
S13:使用者填写完身份信息后,点击界面下方显示的完成虚拟按钮,移动终端的界面内容会跳转到面部信息上传界面;
S14:移动终端的界面内容跳转到面部信息上传界面后,移动终端会调用移动终端自带的前置摄像头来采集面部信息;
S15:使用者需要将面部对着移动终端的前置摄像头按顺序进行眨眼动作、摇头动作和睁眼近距离注视摄像头动作,移动终端的前置摄像头会自动连拍采集多张照片样张,并合成出四张高清晰度样张,样张包含一张正脸睁眼样张、一张正脸闭眼样张、一张左侧脸样张与一张右侧脸样张。
3.根据权利要求2所述的一种基于深度强化学习的人脸识别新方法,其特征在于,所述步骤二中存储模块对接收到的样张进行处理的具体处理流程包括以下步骤:
S21:存储模块会将接收的样张进行标记,四张样张会按顺序被标记为1、2、3与4;
S22:存储模块会将接收到的每张样张进行16等分分割;
S23:将每张样张分割后的图片进行标号,按照A-P的顺序分别标记为1A-1P、2A-2P、3A-3P与4A-4P。
4.根据权利要求3所述的一种基于深度强化学习的人脸识别新方法,其特征在于,所述步骤三中人脸识别设备摄像头拍摄的样张也会按顺序被上传至存储模块中进行处理具体处理流程包括以下步骤:
S31:将人脸识别设备摄像头拍摄的样张按顺序分别标记为5、6、7与8;
S32:将人脸识别设备摄像头拍摄的每张样张16等分分割;
S33:对分割好的样张5、6、7与8进行标记,按照A-P的顺序分别标记为5A-5P、6A-6P、7A-7P与8A-8P;
S34:标记好的样张会上传至存储模块中。
5.根据权利要求4所述的一种基于深度强化学习的人脸识别新方法,其特征在于,所述步骤四中人脸识别设备摄像头拍摄的样张会与使用者注册时上传的样张进行对比的具体对比流程包括以下步骤:
S41:***随机生成A-P中一个字母,并抽取1、2、3与4中对应的标记图片块;
S42:***将抽取的图片块标记为1z、2z、3z和4z,z=A-P;
S43:***抽取5、6、7和8中的5z、6z、7z和8z,z=A-P;
S44:将对应的1z与5z进行对比,2z与6z进行对比,3z与7z进行对比,4z与8z进行对比;
S45:***预设一枚脸部相似度标准值,当四组图片块进行比对时,每组图片块的相似度值有三组大于相似度标准值时,给予初步验证通过,否则不予通过初步验证。
6.根据权利要求5所述的一种基于深度强化学习的人脸识别新方法,其特征在于,所述步骤五中的眼白血管分布样张的流程包括以下步骤:
S51:要求使用者在注册时睁眼近距离注视移动终端的前置摄像头,分别采集使用者左右眼的多张样张;
S52:移动终端将每个眼睛的多张样张分别合成出一张左眼与右眼的高分辨率样张;
S53:移动终端从左眼与右眼的高分辨率样张中提取出左眼与右眼眼白血管分布的高分辨率样张;
S54:移动终端将提取的左眼与右眼眼白血管分布的高分辨率样张上传至存储模块,作为对比用样张;
S55:存储模块将上传的左眼眼白血管分布的高分辨率样张标记为11,存储模块将上传的右眼眼白血管分布的高分辨率样张标记为12。
7.根据权利要求6所述的一种基于深度强化学习的人脸识别新方法,其特征在于,所述步骤六中眼部虹膜对比验证通过的流程包括以下步骤:
S61:使用者进行脸部识别时,脸部识别设备通过红外LED光线照向使用者的眼球,并通过设备摄像头采集使用者双眼的多张虹膜样张;
S62:脸部识别设备将采集的多张双眼虹膜样张分别合成为一张左眼高分辨率虹膜样张与一张右眼高分辨率虹膜样张;
S63:脸部识别设备将合成的双眼高分辨率虹膜样张上传至存储模块;
S64:存储模块将上传的实时左眼虹膜高分辨率样张标记为13,将上传的实时右眼虹膜高分辨率样张标记为14;
S65:所有的虹膜样张中,样张9与样张13对应,样张10与样张14对应;
S66:***预设一枚虹膜相似度标准值,当两组样张进行对比时,每组样张均大于相似度标准值时,给予二次验证通过,否则不予通过二次验证。
8.根据权利要求1-7任一所述的一种基于深度强化学习的人脸识别新方法,其特征在于,所述步骤七中眼白血管分布对比验证通过的流程包括以下步骤:
S71:使用者进行脸部识别时,脸部识别设备的前置摄像头侦测使用者眼白血管的分布,并通过设备摄像头采集使用者双眼的多张眼白血管分布样张;
S72:脸部识别设备将采集的多张双眼眼白血管分布样张分别合成为一张左眼眼白血管分布高分辨率样张与一张右眼眼白血管分布高分辨率样张;
S73:脸部识别设备将合成的双眼眼白血管分布高分辨率样张上传至存储模块;
S74:存储模块将上传的实时左眼眼白血管分布高分辨率样张标记为15,将上传的实时右眼眼白血管分布高分辨率样张标记为16;
S75:所有的眼白血管分布样张中,样张11与张样15对应,样张12与样张16对应;
S76:***预设一枚眼白血管分布相似度标准值,当两组样张进行对比时,每组样张均大于标准值时,给予最终验证通过,否则不予通过最终验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911336034.7A CN111091103B (zh) | 2019-12-23 | 2019-12-23 | 一种基于深度强化学习的人脸识别新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911336034.7A CN111091103B (zh) | 2019-12-23 | 2019-12-23 | 一种基于深度强化学习的人脸识别新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111091103A true CN111091103A (zh) | 2020-05-01 |
CN111091103B CN111091103B (zh) | 2023-04-07 |
Family
ID=70395796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911336034.7A Active CN111091103B (zh) | 2019-12-23 | 2019-12-23 | 一种基于深度强化学习的人脸识别新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111091103B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024021251A1 (zh) * | 2022-07-28 | 2024-02-01 | 上海闻泰电子科技有限公司 | 身份校验方法、装置、电子设备以及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2658174A1 (en) * | 2009-03-18 | 2010-09-18 | Stephane Duguay | System to provide virtual avatars having real faces with biometric identification |
CN102034097A (zh) * | 2010-12-21 | 2011-04-27 | 中国科学院半导体研究所 | 综合利用正面与侧面图像的人脸识别的方法 |
CN206946508U (zh) * | 2017-05-25 | 2018-01-30 | 四川万佳园科技有限公司 | 一种生物特征登记设备 |
-
2019
- 2019-12-23 CN CN201911336034.7A patent/CN111091103B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2658174A1 (en) * | 2009-03-18 | 2010-09-18 | Stephane Duguay | System to provide virtual avatars having real faces with biometric identification |
CN102034097A (zh) * | 2010-12-21 | 2011-04-27 | 中国科学院半导体研究所 | 综合利用正面与侧面图像的人脸识别的方法 |
CN206946508U (zh) * | 2017-05-25 | 2018-01-30 | 四川万佳园科技有限公司 | 一种生物特征登记设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024021251A1 (zh) * | 2022-07-28 | 2024-02-01 | 上海闻泰电子科技有限公司 | 身份校验方法、装置、电子设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111091103B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110837784B (zh) | 一种基于人体头部特征的考场偷窥作弊检测*** | |
CN108596041B (zh) | 一种基于视频的人脸活体检测方法 | |
CN106022209B (zh) | 一种基于人脸检测的距离估算和处理的方法及装置 | |
CN103530659B (zh) | 结合原始和对称脸人脸图像的人脸识别方法及考勤*** | |
CN102034097A (zh) | 综合利用正面与侧面图像的人脸识别的方法 | |
CN104392215A (zh) | 一种用于培训平台的虹膜识别防作弊方法 | |
CN105989363B (zh) | 多角度人脸图片库的建立方法 | |
CN101976356A (zh) | 网吧实名制人脸识别方法及识别*** | |
CN107992783A (zh) | 人脸图像处理方法及装置 | |
CN111091103B (zh) | 一种基于深度强化学习的人脸识别新方法 | |
CN112200108A (zh) | 一种口罩人脸识别方法 | |
CN109101925A (zh) | 活体检测方法 | |
CN109951637B (zh) | 基于大数据的安防监控探头分析处理方法 | |
CN106407906B (zh) | 人脸面部识别方法 | |
Chopra et al. | Unconstrained fingerphoto database | |
CN107665328A (zh) | 人脸面部识别方法 | |
Ma et al. | Multi-perspective dynamic features for cross-database face presentation attack detection | |
CN117292288A (zh) | 体育测试方法、***、电子设备、芯片及存储介质 | |
CN115050075B (zh) | 一种跨粒度交互学习的微表情图像标注方法及装置 | |
CN116403260A (zh) | 一种ai人脸替换方法 | |
CN109886084A (zh) | 基于陀螺仪的人脸认证方法、电子设备及存储介质 | |
CN113800347B (zh) | 一种基于人脸识别技术的电梯控制方法 | |
CN106331467A (zh) | 全景照片自动拍摄***及方法 | |
CN112766033B (zh) | 一种基于多视角相机估计场景下行人共同关注目标的方法 | |
CN107346224A (zh) | 拼接显示设备的显示窗口控制方法、***和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |