CN113221606B - 一种基于ims视频会议登录的人脸识别方法 - Google Patents

一种基于ims视频会议登录的人脸识别方法 Download PDF

Info

Publication number
CN113221606B
CN113221606B CN202010341587.8A CN202010341587A CN113221606B CN 113221606 B CN113221606 B CN 113221606B CN 202010341587 A CN202010341587 A CN 202010341587A CN 113221606 B CN113221606 B CN 113221606B
Authority
CN
China
Prior art keywords
gradient
face
pixel point
pixel
axis
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
Application number
CN202010341587.8A
Other languages
English (en)
Other versions
CN113221606A (zh
Inventor
蒋政
罗威
王宝海
姜元建
赵高峰
刘金锁
张立武
王斌
高亮
殷炜俊
蔡万升
刘锐
顾辉
叶彬彬
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.)
Nari Information and Communication Technology Co
Original Assignee
Nari Information and Communication Technology Co
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 Nari Information and Communication Technology Co filed Critical Nari Information and Communication Technology Co
Priority to CN202010341587.8A priority Critical patent/CN113221606B/zh
Publication of CN113221606A publication Critical patent/CN113221606A/zh
Application granted granted Critical
Publication of CN113221606B publication Critical patent/CN113221606B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开一种基于IMS视频会议登录的人脸识别方法，包括：采集人脸图像信息及个人身份信息并保存，建立人脸数据库；确定一个n×n的滑动窗口，滑动窗口在整个图像上任意滑动提取人脸的HOG特征；将所述滑动窗口均匀分成若干个小块，分别在每个小块上计算每个像素点的梯度幅值和梯度方向；根据每个像素点的梯度幅值和梯度方向，采用直方图方式统计梯度幅值和梯度方向，确定像素的直方图特征，用SVM对特征进行训练，个人身份信息作为标签，建立分类模型，将分类模型的数据写入人脸数据库供人脸图像识别使用；读出人脸数据库中保存的分类模型数据，与实时获得的人脸模型数据进行比对，判断此用户是否有权限进入该会议。

Description

一种基于IMS视频会议登录的人脸识别方法
技术领域
本发明属于人工智能、通信技术的交叉技术领域，具体涉及一种基于IMS视频会议登录的人脸识别方法。
背景技术
IP多媒体子***(IP Multimedia Subsystem，IMS)是由3GPP引入用于下一代网络(Next Generation Network，NGN)的标准化架构，基于全IP的连接，将固定和移动网络融合到分组模式，提供各种多媒体服务，不限设备或接入媒体，实现了业务与控制相分离，提供了高质量的多媒体业务，这些特点为企业内视频会议***的发展和完善带来了新的推动力，丰富了企业通信能力，并提高了企业行政办公的效率。
传统的视频会议***是通过输入会议号和对应的密码进行登录，安全性和便捷性都比较差，考虑到视频会议终端都具有摄像头，以及人脸识别技术的发展和应用，人脸识别技术来登录视频会议在今后一定会成为一个流行的方案。但是视频会议地点光照变化不定，而光照变化又是影响人脸识别准确率的关键因素之一，有时相同光照条件下不同人脸的图像变化还没有不同光照条件下同一人脸的图像变化大。光照变化一般体现在强度变化和角度变化这两个方面，光照强度的变化有时会导致某些极端光照，如暗光、高光等，光照角度的变化会引起图像表面不同程度的明暗区，由光照变化引起的暗区会掩盖人脸本身存在的纹理信息。人脸图像的边缘信息、灰度分布以及色度空间会受到光照强度和角度变化的影响。因此光照变化会导致人脸识别率的下降，可以看出，克服光照变化对人脸识别的影响是一个重要且具有实际意义的研究点。
发明内容
本发明的目的在于克服现有技术中视频会议***人脸识别受光照影响的不足，提供一种基于IMS视频会议登录的人脸识别方法，根据HOG具有较强的光照鲁棒性，能够很好的减小光照对人脸特征提取带来的干扰的优势，采用改进的HOG特征提取算法，提高人脸识别成功率，从而应用于IMS环境下的视频会议登录。
本发明公开一种基于IMS视频会议登录的人脸识别方法，包括：
采集人脸图像信息及个人身份信息并保存，建立人脸数据库；
确定一个n×n的滑动窗口，滑动窗口在整个图像上任意滑动提取人脸的HOG特征；
将所述滑动窗口均匀分成若干个小块，分别在每个小块上计算每个像素点的梯度幅值和梯度方向；
根据每个像素点的梯度幅值和梯度方向，采用直方图方式统计梯度幅值和梯度方向，确定像素的直方图特征，计算小块内的每个像素的梯度幅值和梯度方向，得到每个小块的直方图特征，顺序级联每个小块的直方图特征，在人脸图像中滑动窗口完成人脸图像特征的提取；
对提取出的原始特征进行特征选择处理，从而得到低维高度可分的特征，用SVM对特征进行训练，个人身份信息作为标签，建立分类模型，将分类模型的数据写入人脸数据库供人脸图像识别使用；
读出人脸数据库中保存的分类模型数据，与实时获得的人脸模型数据进行比对，特征向量间距离最小的人脸图像认为是同一人脸图像，从人脸数据库中获取相应人脸图像的身份信息并显示在***界面中，判断此用户是否有权限进入该会议。
进一步地，每个像素点的梯度幅值和梯度方向的获取过程包括：
以要计算的像素点为圆心，R为半径画一个圆，在圆上均匀的选取12个像素点来计算中间像素点的梯度幅值和方向，圆上每两个相邻像素点与圆心的角度为30度；
设要计算的像素点为x0，周围12个像素点xi(i＝1,2,3...12)，Gx(x0)，Gy(x0)，H(xi)分别表示该计算像素点处的水平方向梯度、垂直方向梯度和周围像素点的像素值；
设像素点x0处x1和x7方向上的梯度为G17(x0)，x2和x8方向上的梯度为G28(x0)，x3和x9方向上的梯度为G39(x0)，x4和x10方向上的梯度为G410(x0)，x5和x11方向上的梯度为G511(x0)，x6和x12方向上的梯度为G612(x0)；
定义以像素点x4和x10为X轴，x1和x7为Y轴，将其他像素点得到的梯度转化到定义的XY轴；
求12个像素在坐标x轴上的总梯度Gx(x0)和y轴上的总梯度Gy(x0)；
求x0处的梯度幅值G(x0)和梯度方向α(x0)。
进一步地，设像素点x0处x1和x7方向上的梯度为G17(x0)，G17(x0)＝H(x7)-H(x1)；
x2和x8方向上的梯度为G28(x0)，G28(x0)＝H(x8)-H(x2)；
x3和x9方向上的梯度为G39(x0)，G39(x0)＝H(x9)-H(x3)；
x4和x10方向上的梯度为G410(x0)，G410(x0)＝H(x10)-H(x4)；
x5和x11方向上的梯度为G511(x0)，G511(x0)＝H(x11)-H(x5)；
x6和x12方向上的梯度为G612(x0)，G612(x0)＝H(x12)-H(x6)。
进一步地，所述将其他像素点得到的梯度转化到定义的XY轴的过程为：
G28(x0)在X轴和Y轴上的梯度G28x(x0)和G28y(x0)的转化为：
Figure BDA0002468667390000031
Figure BDA0002468667390000032
G39(x0)在X轴和Y轴上的梯度G39x(x0)和G39y(x0)的转化为：
Figure BDA0002468667390000033
Figure BDA0002468667390000034
G511(x0)在X轴和Y轴上的梯度G511x(x0)和G511y(x0)的转化为：
Figure BDA0002468667390000035
Figure BDA0002468667390000036
G612(x0)在X轴和Y轴上的梯度G612x(x0)和G612y(x0)的转化为：
Figure BDA0002468667390000037
Figure BDA0002468667390000038
进一步地，所述12个像素在坐标x轴上的总梯度
Gx(x0)＝G410+G28x(x0)+G39x(x0)+G511x(x0)+G612x(x0)；
所述12个像素在坐标y轴上的总梯度
Gy(x0)＝G410+G28y(x0)+G39y(x0)+G511y(x0)+G612y(x0)。
进一步地，
所述x0处的梯度幅值
Figure BDA0002468667390000039
所述x0处的梯度方向
Figure BDA00024686673900000310
本发明具有的有益效果：
1、本发明在计算梯度幅值和方向时考虑以两个像素的距离为半径画圆，圆上等距离12个像素点对中间像素的影响，比传统的HOG算法考虑的更加全面，能够更好的适应光照变化对人脸特征的影响，对光照具有更好的鲁棒性，能够更好的提取表征人脸的特征。
2、本发明通过改进的HOG算法获得人脸图像的特征，然后进行人脸识别，在IMS会议视频的应用场景下进行身份认证登录，可以帮助用户安全高效便捷的登录会议***，避免传统的会议名和密码的登录方式。
附图说明
图1为本发明的改进HOG算法的流程图；
图2为本发明基于IMS视频会议场景通过改进的特征提取算法登录***的流程图；
图3为改进HOG算法的计算模型示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1-3所示，本发明的一种基于IMS视频会议登录的人脸识别方法，首先对人脸图像进行采集，人脸图像采集工作是在用户自愿的前提下进行的，可以借助笔记本电脑自带的摄像设备对人脸图像信息进行采集，被采集人员正对摄像头，***界面将会显示摄像头前的图像。点击人脸检测按钮，***使用Adaboost算法对人脸图像进行检测，此时设置一个初始值为0的计数器，然后每过一帧保留一张图像进行人脸检测，如果图像中不存在人脸图像，不对计数器进行处理，进行下一帧检测，如果存在人脸图像，则用红色方框将人脸标记出来，同时将人脸从背景中分离出来，从而将采集到的人脸图像保存到数据库中，并将计数器加1，如此循环处理一直到计算器为20时停止图像的检测和采集，这样***会自动采集20张原始人脸图像，且采集过程中，用户可以表现出不同的表情和多种姿态，这样可以采集到更加丰富的特征。
完成被采集人员人脸图像信息之后，输入被采集人员的个人信息，***将把采集到的人脸图像和对应人脸的身份信息保存在一起，建立人脸数据库。
确定一个n×n的滑动窗口，滑动窗口在整个图像上进行滑动从而提取人脸的HOG特征。
将滑动窗口均匀分成若干个小块，分别在每个小块上计算每个像素点的梯度幅值和方向。
以要计算的像素点为圆心，R为半径画一个圆，在圆上均匀的选取12个像素点来计算中间像素点的梯度幅值和方向，圆上每两个相邻像素点与圆心的角度为30度。
设要计算的像素点为x0，周围12个像素点xi(i＝1,2,3...12)，Gx(x0)，Gy(x0)，H(xi)分别表示该计算像素点处的水平方向梯度、垂直方向梯度和周围像素点的像素值。
像素点x0处x1和x7方向上的梯度为G17(x0)，x2和x8方向上的梯度为G28(x0)，x3和x9方向上的梯度为G39(x0)，x4和x10方向上的梯度为G410(x0)，x5和x11方向上的梯度为G511(x0)，x6和x12方向上的梯度为G612(x0)，计算以上梯度如下：
G17(x0)＝H(x7)-H(x1)
G28(x0)＝H(x8)-H(x2)
G39(x0)＝H(x9)-H(x3)
G410(x0)＝H(x10)-H(x4)
G511(x0)＝H(x11)-H(x5)
G612(x0)＝H(x12)-H(x6)
以上求得的梯度不在同一个坐标内，定义以像素点x4和x10为X轴，x1和x7为Y轴，将其他像素点得到的梯度转化到定义的XY轴，
G28(x0)在X轴和Y轴上的梯度G28x(x0)和G28y(x0)如下转化：
Figure BDA0002468667390000051
Figure BDA0002468667390000052
G39(x0)在X轴和Y轴上的梯度G39x(x0)和G39y(x0)如下转化：
Figure BDA0002468667390000053
Figure BDA0002468667390000054
G511(x0)在X轴和Y轴上的梯度G511x(x0)和G511y(x0)如下转化：
Figure BDA0002468667390000055
Figure BDA0002468667390000056
G612(x0)在X轴和Y轴上的梯度G612x(x0)和G612y(x0)如下转化：
Figure BDA0002468667390000057
Figure BDA0002468667390000058
由此可以得到12个像素在坐标x轴上的总梯度Gx(x0)和y轴上的总梯度Gy(x0)为：
Gx(x0)＝G410+G28x(x0)+G39x(x0)+G511x(x0)+G612x(x0)
Gy(x0)＝G410+G28y(x0)+G39y(x0)+G511y(x0)+G612y(x0)
最后可以得到改进后x0处的梯度幅值G(x0)和梯度方向α(x0)：
Figure BDA0002468667390000061
Figure BDA0002468667390000062
根据像素x0处的梯度方向和幅值，采用直方图方式统计梯度信息，从而确定像素的直方图特征，然后计算块内的每个像素的梯度幅值和方向，从而得到每个块的直方图特征，顺序级联每个块的直方图特征，在人脸图像中滑动窗口完成人脸图像特征的提取。
对提取出的原始特征进行特征选择处理，从而得到低维高度可分的特征，再用SVM对特征进行训练，个人身份信息作为标签，从而建立分类模型，最后将分类模型的数据写入数据库，从而构建人脸图像数据库供人脸图像识别使用。
用户在进入IMS视频会议***某一个会议时，输入会议室号码，然后进行人脸识别登录。通过会议***的摄像头获取到人脸图像，通过上述步骤的特征提取过程提取人脸特征，再对提取出的原始特征进行特征选择处理，从而得到低维高度可分的特征，再用SVM对特征进行训练，建立分类模型。最后进行人脸识别，读出数据库中保存的分类模型数据，与实时获得的人脸模型数据进行比对，特征向量间距离最小的人脸图像我们认为是同一人脸图像，从数据库中获取相应人脸图像的身份信息并显示在***界面中，最终判断此用户是否有权限进入该会议。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (5)

1.一种基于IMS视频会议登录的人脸识别方法，其特征在于，包括：
采集人脸图像信息及个人身份信息并保存，建立人脸数据库；
确定一个n×n的滑动窗口，滑动窗口在整个图像上任意滑动提取人脸的HOG特征；
将所述滑动窗口均匀分成若干个小块，分别在每个小块上计算每个像素点的梯度幅值和梯度方向；
根据每个像素点的梯度幅值和梯度方向，采用直方图方式统计梯度幅值和梯度方向，确定像素的直方图特征，计算小块内的每个像素的梯度幅值和梯度方向，得到每个小块的直方图特征，顺序级联每个小块的直方图特征，在人脸图像中滑动窗口完成人脸图像特征的提取；
对提取出的原始特征进行特征选择处理，从而得到低维高度可分的特征，用SVM对特征进行训练，个人身份信息作为标签，建立分类模型，将分类模型的数据写入人脸数据库供人脸图像识别使用；
读出人脸数据库中保存的分类模型数据，与实时获得的人脸模型数据进行比对，特征向量间距离最小的人脸图像认为是同一人脸图像，从人脸数据库中获取相应人脸图像的身份信息并显示在***界面中，判断此用户是否有权限进入该会议；
每个像素点的梯度幅值和梯度方向的获取过程包括：
以要计算的像素点为圆心，R为半径画一个圆，在圆上均匀的选取12个像素点来计算中间像素点的梯度幅值和方向，圆上每两个相邻像素点与圆心的角度为30度；
设要计算的像素点为x0，周围12个像素点xi,i＝1,2,3...12，Gx(x0)，Gy(x0)，H(xi)分别表示该计算像素点处的水平方向梯度、垂直方向梯度和周围像素点的像素值；
设像素点x0处x1和x7方向上的梯度为G17(x0)，x2和x8方向上的梯度为G28(x0)，x3和x9方向上的梯度为G39(x0)，x4和x10方向上的梯度为G410(x0)，x5和x11方向上的梯度为G511(x0)，x6和x12方向上的梯度为G612(x0)；
定义以像素点x4和x10为X轴，x1和x7为Y轴，将其他像素点得到的梯度转化到定义的XY轴；
求12个像素在坐标x轴上的总梯度Gx(x0)和y轴上的总梯度Gy(x0)；
求x0处的梯度幅值G(x0)和梯度方向α(x0)。
2.根据权利要求1所述的一种基于IMS视频会议登录的人脸识别方法，其特征在于，
设像素点x0处x1和x7方向上的梯度为G17(x0)，G17(x0)＝H(x7)-H(x1)；
x2和x8方向上的梯度为G28(x0)，G28(x0)＝H(x8)-H(x2)；
x3和x9方向上的梯度为G39(x0)，G39(x0)＝H(x9)-H(x3)；
x4和x10方向上的梯度为G410(x0)，G410(x0)＝H(x10)-H(x4)；
x5和x11方向上的梯度为G511(x0)，G511(x0)＝H(x11)-H(x5)；
x6和x12方向上的梯度为G612(x0)，G612(x0)＝H(x12)-H(x6)。
3.根据权利要求1所述的一种基于IMS视频会议登录的人脸识别方法，其特征在于，所述将其他像素点得到的梯度转化到定义的XY轴的过程为：
G28(x0)在X轴和Y轴上的梯度G28x(x0)和G28y(x0)的转化为：
Figure FDA0003706030390000021
Figure FDA0003706030390000022
G39(x0)在X轴和Y轴上的梯度G39x(x0)和G39y(x0)的转化为：
Figure FDA0003706030390000023
Figure FDA0003706030390000024
G511(x0)在X轴和Y轴上的梯度G511x(x0)和G511y(x0)的转化为：
Figure FDA0003706030390000025
Figure FDA0003706030390000026
G612(x0)在X轴和Y轴上的梯度G612x(x0)和G612y(x0)的转化为：
Figure FDA0003706030390000027
Figure FDA0003706030390000028
4.根据权利要求1所述的一种基于IMS视频会议登录的人脸识别方法，其特征在于，所述12个像素在坐标x轴上的总梯度
Gx(x0)＝G410+G28x(x0)+G39x(x0)+G511x(x0)+G612x(x0)；
所述12个像素在坐标y轴上的总梯度
Gy(x0)＝G410+G28y(x0)+G39y(x0)+G511y(x0)+G612y(x0)。
5.根据权利要求1所述的一种基于IMS视频会议登录的人脸识别方法，其特征在于，所述x0处的梯度幅值
Figure FDA0003706030390000031
所述x0处的梯度方向
Figure FDA0003706030390000032
CN202010341587.8A 2020-04-27 2020-04-27 一种基于ims视频会议登录的人脸识别方法 Active CN113221606B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010341587.8A CN113221606B (zh) 2020-04-27 2020-04-27 一种基于ims视频会议登录的人脸识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010341587.8A CN113221606B (zh) 2020-04-27 2020-04-27 一种基于ims视频会议登录的人脸识别方法

Publications (2)

Publication Number Publication Date
CN113221606A CN113221606A (zh) 2021-08-06
CN113221606B true CN113221606B (zh) 2022-08-23

Family

ID=77085729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010341587.8A Active CN113221606B (zh) 2020-04-27 2020-04-27 一种基于ims视频会议登录的人脸识别方法

Country Status (1)

Country Link
CN (1) CN113221606B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115879076B (zh) * 2022-12-09 2023-05-26 山东和同信息科技股份有限公司 一种基于云计算的智慧供热管理***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106250811A (zh) * 2016-06-15 2016-12-21 南京工程学院 基于hog特征稀疏表示的非约束人脸识别方法
CN106503615A (zh) * 2016-09-20 2017-03-15 北京工业大学 基于多传感器的室内人体检测跟踪和身份识别***
CN106650623A (zh) * 2016-11-18 2017-05-10 广东工业大学 一种基于人脸检测的出入境人证核实的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106250811A (zh) * 2016-06-15 2016-12-21 南京工程学院 基于hog特征稀疏表示的非约束人脸识别方法
CN106503615A (zh) * 2016-09-20 2017-03-15 北京工业大学 基于多传感器的室内人体检测跟踪和身份识别***
CN106650623A (zh) * 2016-11-18 2017-05-10 广东工业大学 一种基于人脸检测的出入境人证核实的方法

Also Published As

Publication number Publication date
CN113221606A (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
WO2020151489A1 (zh) 基于面部识别的活体检测的方法、电子设备和存储介质
CN109657609B (zh) 人脸识别方法及***
CN109598242B (zh) 一种活体检测方法
CN106096582B (zh) 区分真人面部与平坦表面
CN109740572B (zh) 一种基于局部彩色纹理特征的人脸活体检测方法
Zhang et al. Detecting and extracting the photo composites using planar homography and graph cut
CN111241975B (zh) 一种基于移动端边缘计算的人脸识别检测方法及***
CN111144366A (zh) 一种基于联合人脸质量评估的陌生人脸聚类方法
CN106529414A (zh) 一种通过图像比对实现结果认证的方法
CN111222433B (zh) 自动人脸稽核方法、***、设备及可读存储介质
CN105335719A (zh) 活体检测方法及装置
CN111414858B (zh) 人脸识别方法、目标图像的确定方法、装置和电子***
CN104361357B (zh) 基于图片内容分析的相片集分类***及分类方法
CN108921038A (zh) 一种基于深度学习人脸识别技术的课堂快速点名签到方法
CN112215043A (zh) 一种人脸活体检测方法
WO2013075295A1 (zh) 低分辨率视频的服装识别方法及***
CN113515988A (zh) 掌纹识别方法、特征提取模型训练方法、设备及介质
CN111784658B (zh) 一种用于人脸图像的质量分析方法和***
CN109086589A (zh) 一种结合手势识别的智能终端人脸解锁方法
CN113221606B (zh) 一种基于ims视频会议登录的人脸识别方法
CN113537050A (zh) 一种基于局部图像增强的动态人脸识别算法
CN111708907B (zh) 一种目标人员的查询方法、装置、设备及存储介质
CN112565674A (zh) 一种可远程视频监控和控制的展厅中控***
JP5552946B2 (ja) 顔画像サンプル採取装置、顔画像サンプル採取方法、プログラム
JP3962517B2 (ja) 顔面検出方法及びその装置、コンピュータ可読媒体

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