CN115798004A - 基于局部区域的人脸打卡方法、装置、电子设备及介质 - Google Patents
基于局部区域的人脸打卡方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN115798004A CN115798004A CN202211495598.7A CN202211495598A CN115798004A CN 115798004 A CN115798004 A CN 115798004A CN 202211495598 A CN202211495598 A CN 202211495598A CN 115798004 A CN115798004 A CN 115798004A
- Authority
- CN
- China
- Prior art keywords
- image
- card punching
- value
- matrix
- preset
- 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
- 238000004080 punching Methods 0.000 title claims abstract description 172
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 120
- 230000009467 reduction Effects 0.000 claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000005286 illumination Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 39
- 238000010606 normalization Methods 0.000 claims description 26
- 230000001131 transforming effect Effects 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000017105 transposition Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005375 photometry Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明涉及图像处理技术，揭露了一种基于局部区域的人脸打卡方法，包括：将去光照的标准打卡图像拆分为预设个数的图像子块，根据每个图像子块中像素点的灰度值构建图像子块对应的像素灰度矩阵；基于像素灰度矩阵计算图像子块对应的识别率；利用识别率计算对应图像子块的权值并计算标准打卡图像的加权特征；对加权特征进行特征降维处理，得到降维加权特征并与数据库中的特征模板进行搜索匹配，根据搜索匹配结果对目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。本发明还提出一种基于局部区域的人脸打卡装置、电子设备以及计算机可读存储介质。本发明可以解决人脸打卡的准确度较低的问题。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于局部区域的人脸打卡方法、装置、电子设备及计算机可读存储介质。
背景技术
当前，人脸打卡已经逐渐被运用到交通、网络、安全等领域。例如，现在一些城市的车站、海关、机场等地安置的摄像头都嵌入了人脸识别技术，或者在小区和办公楼的入口也设置了人脸打卡装置，以加强小区和办公楼的安全性。有时口罩遮挡了人脸的鼻子和嘴巴，这对进行人脸识别并打卡造成了影响。因此需要通过暴露在口罩外面的局部区域进行身份识别。
现有的基于局部区域进行人脸打卡的方法通常是将识别到的局部区域与预设人脸信息库中的参考区域进行比较，根据比较的结果进行人脸打卡。这种方法的人脸打卡的准确度不够高。
发明内容
本发明提供一种基于局部区域的人脸打卡方法、装置及计算机可读存储介质，其主要目的在于解决人脸打卡的准确度较低的问题。
为实现上述目的，本发明提供的一种基于局部区域的人脸打卡方法，包括：
获取目标打卡图像，对所述目标打卡图像执行去光照处理，得到标准打卡图像；
利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵；
基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，根据所述局部三值特征值生成所述图像子块的识别率；
利用所述识别率计算对应图像子块的权值，基于每个图像子块的权值计算所述标准打卡图像的加权特征；
对所述加权特征进行特征降维处理，得到降维加权特征，将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。
可选地，所述对所述目标打卡图像执行去光照处理，得到标准打卡图像，包括：
对所述目标打卡图像进行归一化处理，得到目标归一图像；
将所述目标归一图像变换至对数域并对所述对数域上的图像进行二维离散余弦变换，得到二维离散余弦系数矩阵；
剔除所述二维离散余弦系数矩阵中离散余弦系数小于预设系数阈值的系数，得到初始离散余弦矩阵；
对所述初始离散余弦矩阵进行二维离散逆变换，得到标准打卡图像。
可选地，所述根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵，包括：
根据所述滑动窗口的大小构建空矩阵，并获取所述图像子块中中心像素点的灰度值作为目标灰度值，获取所述中心像素点的邻域像素点对应的灰度值作为邻域灰度值；
将所述目标灰度值填入至所述空矩阵中的中间位置，将所述邻域灰度值填充至所述空矩阵中除去中间位置以外的位置，得到像素灰度矩阵。
可选地，所述基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，包括：
基于所述编码值计算公式对所述像素灰度值矩阵中的每个像素灰度值进行编码处理，得到每个像素灰度值对应的编码值；
按照预设的排列顺序将所述编码值进行排列，得到所述图像子块对应的局部三值特征值。
可选地，所述预设的编码值计算公式为：
其中，为所述像素灰度值对应的编码值，为中心像素点灰度值，为局部邻域像素点的灰度值，为编码阈值。
可选地，所述对所述加权特征进行特征降维处理，得到降维加权特征，包括：
分别对所述加权特征进行均值计算及方差计算处理，得到特征均值和特征方差；
基于预设的归一化公式对所述特征均值和所述特征方差进行归一化处理，得到特征归一值；
利用所述特征归一值构建协方差矩阵，并对所述协方差矩阵进行求解，将求解得到的特征向量作为所述降维加权特征。
可选地，所述对所述协方差矩阵进行求解，包括：
获取预设的单位矩阵，根据所述单位矩阵和所述协方差矩阵构建特征多项式；
对所述特征多项式进行矩阵求解，得到特征值；
将所述特征值代入至所述特征多项式中，得到所述特征值对应的特征向量。
为了解决上述问题，本发明还提供一种基于局部区域的人脸打卡装置，所述装置包括：
矩阵构建模块，用于获取目标打卡图像，对所述目标打卡图像执行去光照处理，得到标准打卡图像；利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵；
识别率生成模块，用于基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，根据所述局部三值特征值生成所述图像子块的识别率；
加权特征计算模块，用于利用所述识别率计算对应图像子块的权值，基于每个图像子块的权值计算所述标准打卡图像的加权特征；
身份判断模块，用于对所述加权特征进行特征降维处理，得到降维加权特征，将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的基于局部区域的人脸打卡方法。
为了解决上述问题，本发明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中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于局部区域的人脸打卡方法。
本发明实施例中，通过对目标打卡图像进行去光照处理，得到标准打卡图像，在后续人脸识别之前消除光照变化的影响。利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，减少直接对标准打卡图像进行处理的工作量，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵。基于所述像素灰度矩阵和预设的局部三值特征公式计算所述图像子块对应的局部三值特征值，根据局部三值特征值计算识别率进而计算对应的权值，根据人脸不同区域对识别率的贡献度赋予不同的权值，提高了识别效率。基于每个图像子块的权值计算所述标准打卡图像的加权特征，并对所述加权特征进行特征降维处理，得到降维加权特征，避免利用加权特征维度较高导致计算过程复杂的问题。将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。因此本发明提出的人脸打卡方法、装置、电子设备及计算机可读存储介质，可以解决人脸打卡的准确度较低的问题。
附图说明
图1为本发明一实施例提供的基于局部区域的人脸打卡方法的流程示意图；
图2为本发明一实施例提供的基于局部区域的人脸打卡装置的功能模块图；
图3为本发明一实施例提供的实现所述基于局部区域的人脸打卡方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于局部区域的人脸打卡方法。所述基于局部区域的人脸打卡方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于局部区域的人脸打卡方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的基于局部区域的人脸打卡方法的流程示意图。在本实施例中，所述基于局部区域的人脸打卡方法包括：
S1、获取目标打卡图像，对所述目标打卡图像执行去光照处理，得到标准打卡图像。
本发明实施例中，所述目标打卡图像可以是各个小区或者写字楼所拍摄的员工上下班打卡图像，或者其他需要身份验证的场景中获取的打卡图像。其中，所述目标打卡图像主要是指面部有局部遮挡的图像，如带着口罩所拍摄的脸部图像。
具体地，所述对所述目标打卡图像执行去光照处理，得到标准打卡图像，包括：
对所述目标打卡图像进行归一化处理，得到目标归一图像；
将所述目标归一图像变换至对数域并对所述对数域上的图像进行二维离散余弦变换，得到二维离散余弦系数矩阵；
剔除所述二维离散余弦系数矩阵中离散余弦系数小于预设系数阈值的系数，得到初始离散余弦矩阵；
对所述初始离散余弦矩阵进行二维离散逆变换，得到标准打卡图像。
本发明实施例中，所述归一化处理是指对图像进行了一系列标准的处理变换，使之变换为一固定标准形式的过程。
进一步地，所述将所述目标归一图像变换至对数域是指将所述目标归一图像映射至对数域上。变换至对数域上的一个优点是可以压缩图像的灰度值范围。
本发明实施例利用下述二维离散余弦变换公式对所述对数域上的图像进行二维离散余弦变换，得到二维离散余弦系数矩阵：
其中，为所述二维离散余弦系数矩阵，为空间域中一个二维向量元素，为图像的高，为图像的宽，x，y分别为预设二维坐标系的横坐标轴及纵坐标轴，u，v分别为所述二维离散余弦系数矩阵中的第一系数及第二系数,为圆周率。
此外，本发明实施例可以利用预设的二维离散余弦逆变换公式实现二维离散逆变换。
由于所述目标打卡图像可能是光照较强的条件下所拍摄的，也可能是光线较暗的条件下所拍摄的，导致实际光照条件不均匀、偏光、测光和高光导致的过光、过暗、阴影，因此，所述目标打卡图像的受光照影响情况不一样，进而影响所述目标打卡图像的识别效果，则需要对所述目标打卡图像进行去光照处理，在后续人脸识别之前消除光照变化的影响。
S2、利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵。
本发明实施例中，由于所述标准打卡图像中一般包含人脸区域，而根据人脸的结构特点可知，有利用识别的特征一般集中于眉毛、眼睛、鼻子和嘴巴等部位，因此需要将所述标准打卡图像进行拆分，得到多个图像子块。
详细地，所述预设的滑动窗口可以为大小，其中，可以为像素个数或者像素块的个数，其取值可以为3、5、7等。本发明实施例利用滑动窗口拆分得到的图像子块是大小相等且互不重叠的。
本发明实施例中，所述预设个数可以根据标准图像的尺寸以及所述滑动窗口的大小决定。在所述滑动窗口的取值为3时，在每个所述图像子块中，可以得到中心像素点A对应的灰度值为，及所述中心像素点A邻域的8个像素点的灰度值分别表示为，，…，，本发明实施例根据所述灰度值，，，…，构建所述图像子块对应的像素灰度矩阵。
详细地，所述根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵，包括：
根据所述滑动窗口的大小构建空矩阵，并获取所述图像子块的中心像素点的灰度值作为目标灰度值，获取所述中心像素点的邻域像素点对应的灰度值作为邻域灰度值；
将所述目标灰度值填入至所述空矩阵中的中间位置，将所述邻域灰度值填充至所述空矩阵中除去中间位置以外的位置，得到像素灰度矩阵。
S3、基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，根据所述局部三值特征值生成所述图像子块的识别率。
详细地，本发明实施例中，所述基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，包括：
基于所述编码值计算公式对所述像素灰度值矩阵中的每个像素灰度值进行编码处理，得到每个像素灰度值对应的编码值；
按照预设的排列顺序将所述编码值进行排列，得到所述图像子块对应的局部三值特征值。
具体地，所述预设的编码值计算公式为：
其中，为所述像素灰度值对应的编码值，为中心像素点灰度值，为局部邻域像素点的灰度值，为编码阈值。
优选地，局部邻域像素点的灰度值（i=0,1,2…，P-1），编码阈值是一个自定义的参数，该参数的作用是在有噪声的条件下允许局部邻域内的中心像素点和邻域像素点灰度值之差在范围内，因此使得得到的局部三值特征值具有良好的鲁棒性。
进一步地，本发明实施例将所述局部三值特征值输入至预设的最近邻分类器，得到识别率。
所述识别率是指图像可供判别和识别的参考数值。
本发明其中一个实施例中，所述最近邻分类器可以为Rote分类器。
S4、利用所述识别率计算对应图像子块的权值，基于每个图像子块的权值计算所述标准打卡图像的加权特征。
本发明实施例中，每个图像子块对识别率的影响都不同，因此为了有效利用好每个图像子块的特征信息，需要根据图像子块的识别率计算对应的权值，权值较好的反应了人脸不同区域块对识别率的影响。
具体地，本发明实施例基于预设的权值转换公式计算所述图像子块的权值。
其中，所述预设的权值转换公式，包括：
其中，为权值，为识别率。
进一步地，本发明实施例采用下述方法基于每个图像子块的权值计算所述标准打卡图像的加权特征：
其中，，为权值，为第i个图像子块。
S5、对所述加权特征进行特征降维处理，得到降维加权特征，将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。
本发明实施例中，由于得到的加权特征维度比较高，若基于所述加权特征直接进行后续的计算会导致计算过程复杂且运行时间长等问题，故需要对所述加权特征进行特征降维处理，得到降维加权特征。
具体地，所述对所述加权特征进行特征降维处理，得到降维加权特征，包括：
分别对所述加权特征进行均值计算及方差计算处理，得到特征均值和特征方差；
基于预设的归一化公式对所述特征均值和所述特征方差进行归一化处理，得到特征归一值；
利用所述特征归一值构建协方差矩阵，并对所述协方差矩阵进行求解，将求解得到的特征向量作为所述降维加权特征。
具体地，所述均值计算为：
其中，为所述均值，为所述加权特征，为预设训练样本数。
进一步地，所述方差计算为：
其中，为所述方差，为所述均值，
为所述加权特征，为预设训练样本数，为预设转
置参数。
具体地，所述预设的归一化公式为：
其中，
为所述特征归一值，为所述方差。
进一步地，所述利用所述特征归一值构建协方差矩阵为：
其中，
为所述协方差矩阵，
为预设转置参数。
具体地，所述对所述协方差矩阵进行求解，包括：
获取预设的单位矩阵，根据所述单位矩阵和所述协方差矩阵构建特征多项式；
对所述特征多项式进行矩阵求解，得到特征值；
将所述特征值代入至所述特征多项式中，得到所述特征值对应的特征向量。
详细地，所述预设的单位矩阵为E，根据所述单元矩阵E和所述协方差矩阵C构建特
征多项式
，其中，
即需要计算求得的特征值，将所述特征值代入至所述特征多项式
中，得到所述特征值对应的特征向量。
进一步地，所述将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，包括：
计算所述降维加权特征与所述预设数据库中的特征模板之间的距离值；
判断所述距离值与预设的距离阈值之间的大小；
当所述距离值大于或者等于所述距离阈值时，所述搜索匹配结果为搜索匹配失败；
当所述距离值小于所述距离阈值时，所述搜索匹配结果为搜索匹配成功。
具体地，根据搜索匹配结果对所述目标打卡图像进行身份判断，将所述距离值对应的降维加权特征作为搜索匹配成功的目标降维特征，并将所述目标降维特征对应的身份信息作为所述目标打卡图像的身份信息。
本发明实施例中，通过对目标打卡图像进行去光照处理，得到标准打卡图像，在后续人脸识别之前消除光照变化的影响。利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，减少直接对标准打卡图像进行处理的工作量，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵。基于所述像素灰度矩阵和预设的局部三值特征公式计算所述图像子块对应的局部三值特征值，根据局部三值特征值计算识别率进而计算对应的权值，根据人脸不同区域对识别率的贡献度赋予不同的权值，提高了识别效率。基于每个图像子块的权值计算所述标准打卡图像的加权特征，并对所述加权特征进行特征降维处理，得到降维加权特征，避免利用加权特征维度较高导致计算过程复杂的问题。将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。因此本发明提出的人脸打卡方法可以解决人脸打卡的准确度较低的问题。
如图2所示，是本发明一实施例提供的基于局部区域的人脸打卡装置的功能模块图。
本发明所述基于局部区域的人脸打卡装置100可以安装于电子设备中。根据实现的功能，所述基于局部区域的人脸打卡装置100可以包括矩阵构建模块101、识别率生成模块102、加权特征计算模块103及身份判断模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述矩阵构建模块101，用于获取目标打卡图像，对所述目标打卡图像执行去光照处理，得到标准打卡图像；利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵；
所述识别率生成模块102，用于基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，根据所述局部三值特征值生成所述图像子块的识别率；
所述加权特征计算模块103，用于利用所述识别率计算对应图像子块的权值，基于每个图像子块的权值计算所述标准打卡图像的加权特征；
所述身份判断模块104，用于对所述加权特征进行特征降维处理，得到降维加权特征，将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。
详细地，所述基于局部区域的人脸打卡装置100各模块的具体实施方式如下：
步骤一、获取目标打卡图像，对所述目标打卡图像执行去光照处理，得到标准打卡图像。
本发明实施例中，所述目标打卡图像可以是各个小区或者写字楼所拍摄的员工上下班打卡图像，或者其他需要身份验证的场景中获取的打卡图像。其中，所述目标打卡图像主要是指面部有局部遮挡的图像，如带着口罩所拍摄的脸部图像。
具体地，所述对所述目标打卡图像执行去光照处理，得到标准打卡图像，包括：
对所述目标打卡图像进行归一化处理，得到目标归一图像；
将所述目标归一图像变换至对数域并对所述对数域上的图像进行二维离散余弦变换，得到二维离散余弦系数矩阵；
剔除所述二维离散余弦系数矩阵中离散余弦系数小于预设系数阈值的系数，得到初始离散余弦矩阵；
对所述初始离散余弦矩阵进行二维离散逆变换，得到标准打卡图像。
本发明实施例中，所述归一化处理是指对图像进行了一系列标准的处理变换，使之变换为一固定标准形式的过程。
进一步地，所述将所述目标归一图像变换至对数域是指将所述目标归一图像映射至对数域上。变换至对数域上的一个优点是可以压缩图像的灰度值范围。
本发明实施例利用下述二维离散余弦变换公式对所述对数域上的图像进行二维离散余弦变换，得到二维离散余弦系数矩阵：
其中，为所述二维离散余弦系数矩阵，为空间域中一个二维向量元素，为图像的高，为图像的宽，x，y分别为预设二维坐标系的横坐标轴及纵坐标轴，u，v分别为所述二维离散余弦系数矩阵中的第一系数及第二系数,为圆周率。
此外，本发明实施例可以利用预设的二维离散余弦逆变换公式实现二维离散逆变换。
由于所述目标打卡图像可能是光照较强的条件下所拍摄的，也可能是光线较暗的条件下所拍摄的，导致实际光照条件不均匀、偏光、测光和高光导致的过光、过暗、阴影，因此，所述目标打卡图像的受光照影响情况不一样，进而影响所述目标打卡图像的识别效果，则需要对所述目标打卡图像进行去光照处理，在后续人脸识别之前消除光照变化的影响。
步骤二、利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵。
本发明实施例中，由于所述标准打卡图像中一般包含人脸区域，而根据人脸的结构特点可知，有利用识别的特征一般集中于眉毛、眼睛、鼻子和嘴巴等部位，因此需要将所述标准打卡图像进行拆分，得到多个图像子块。
详细地，所述预设的滑动窗口可以为
大小，其中，可以为像素个数或者像素块的
个数，其取值可以为3、5、7等。本发明实施例利用滑动窗口拆分得到的图像子块是大小相等
且互不重叠的。
本发明实施例中，所述预设个数可以根据标准图像的尺寸以及所述滑动窗口的大小决定。在所述滑动窗口的取值为3时，在每个所述图像子块中，可以得到中心像素点A对应的灰度值为，及所述中心像素点A邻域的8个像素点的灰度值分别表示为，，…，，本发明实施例根据所述灰度值，，，…，构建所述图像子块对应的像素灰度矩阵。
详细地，所述根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵，包括：
根据所述滑动窗口的大小构建空矩阵，并获取所述图像子块的中心像素点的灰度值作为目标灰度值，获取所述中心像素点的邻域像素点对应的灰度值作为邻域灰度值；
将所述目标灰度值填入至所述空矩阵中的中间位置，将所述邻域灰度值填充至所述空矩阵中除去中间位置以外的位置，得到像素灰度矩阵。
步骤三、基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，根据所述局部三值特征值生成所述图像子块的识别率。
详细地，本发明实施例中，所述基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，包括：
基于所述编码值计算公式对所述像素灰度值矩阵中的每个像素灰度值进行编码处理，得到每个像素灰度值对应的编码值；
按照预设的排列顺序将所述编码值进行排列，得到所述图像子块对应的局部三值特征值。
具体地，所述预设的编码值计算公式为：
其中，为所述像素灰度值对应的编码值，为中心像素点灰度值，为局部邻域像素点的灰度值，为编码阈值。
优选地，局部邻域像素点的灰度值
（i=0,1,2…，P-1），编码阈值是一个自定义的
参数，该参数的作用是在有噪声的条件下允许局部邻域内的中心像素点和邻域像素点灰度
值之差在范围内，因此使得得到的局部三值特征值具有良好的鲁棒性。
进一步地，本发明实施例将所述局部三值特征值输入至预设的最近邻分类器，得到识别率。
所述识别率是指图像可供判别和识别的参考数值。
本发明其中一个实施例中，所述最近邻分类器可以为Rote分类器。
步骤四、利用所述识别率计算对应图像子块的权值，基于每个图像子块的权值计算所述标准打卡图像的加权特征。
本发明实施例中，每个图像子块对识别率的影响都不同，因此为了有效利用好每个图像子块的特征信息，需要根据图像子块的识别率计算对应的权值，权值较好的反应了人脸不同区域块对识别率的影响。
具体地，本发明实施例基于预设的权值转换公式计算所述图像子块的权值。
其中，所述预设的权值转换公式，包括：
其中，为权值，为识别率。
进一步地，本发明实施例采用下述方法基于每个图像子块的权值计算所述标准打卡图像的加权特征：
其中，，为权值，为第i个图像子块。
步骤五、对所述加权特征进行特征降维处理，得到降维加权特征，将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。
本发明实施例中，由于得到的加权特征维度比较高，若基于所述加权特征直接进行后续的计算会导致计算过程复杂且运行时间长等问题，故需要对所述加权特征进行特征降维处理，得到降维加权特征。
具体地，所述对所述加权特征进行特征降维处理，得到降维加权特征，包括：
分别对所述加权特征进行均值计算及方差计算处理，得到特征均值和特征方差；
基于预设的归一化公式对所述特征均值和所述特征方差进行归一化处理，得到特征归一值；
利用所述特征归一值构建协方差矩阵，并对所述协方差矩阵进行求解，将求解得到的特征向量作为所述降维加权特征。
具体地，所述均值计算为：
其中，为所述均值，为所述加权特征，为预设训练样本数。
进一步地，所述方差计算为：
其中，为所述方差，为所述均值，为所述加权特征，为预设训练样本数，为预设转置参数。
具体地，所述预设的归一化公式为：
其中，为所述特征归一值，为所述方差。
进一步地，所述利用所述特征归一值构建协方差矩阵为：
其中，
为所述协方差矩阵，为预设转置参数。
具体地，所述对所述协方差矩阵进行求解，包括：
获取预设的单位矩阵，根据所述单位矩阵和所述协方差矩阵构建特征多项式；
对所述特征多项式进行矩阵求解，得到特征值；
将所述特征值代入至所述特征多项式中，得到所述特征值对应的特征向量。
详细地，所述预设的单位矩阵为E，根据所述单元矩阵E和所述协方差矩阵C构建特征多项式，其中，即需要计算求得的特征值，将所述特征值代入至所述特征多项式中，得到所述特征值对应的特征向量。
进一步地，所述将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，包括：
计算所述降维加权特征与所述预设数据库中的特征模板之间的距离值；
判断所述距离值与预设的距离阈值之间的大小；
当所述距离值大于或者等于所述距离阈值时，所述搜索匹配结果为搜索匹配失败；
当所述距离值小于所述距离阈值时，所述搜索匹配结果为搜索匹配成功。
具体地，根据搜索匹配结果对所述目标打卡图像进行身份判断，将所述距离值对应的降维加权特征作为搜索匹配成功的目标降维特征，并将所述目标降维特征对应的身份信息作为所述目标打卡图像的身份信息。
本发明实施例中，通过对目标打卡图像进行去光照处理，得到标准打卡图像，在后续人脸识别之前消除光照变化的影响。利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，减少直接对标准打卡图像进行处理的工作量，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵。基于所述像素灰度矩阵和预设的局部三值特征公式计算所述图像子块对应的局部三值特征值，根据局部三值特征值计算识别率进而计算对应的权值，根据人脸不同区域对识别率的贡献度赋予不同的权值，提高了识别效率。基于每个图像子块的权值计算所述标准打卡图像的加权特征，并对所述加权特征进行特征降维处理，得到降维加权特征，避免利用加权特征维度较高导致计算过程复杂的问题。将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。因此本发明提出的人脸打卡装置可以解决人脸打卡的准确度较低的问题。
如图3所示，是本发明一实施例提供的实现基于局部区域的人脸打卡方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于局部区域的人脸打卡程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于局部区域的人脸打卡程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如基于局部区域的人脸打卡程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述总线13可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，该电子设备还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的基于局部区域的人脸打卡程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取目标打卡图像，对所述目标打卡图像执行去光照处理，得到标准打卡图像；
利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵；
基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，根据所述局部三值特征值生成所述图像子块的识别率；
利用所述识别率计算对应图像子块的权值，基于每个图像子块的权值计算所述标准打卡图像的加权特征；
对所述加权特征进行特征降维处理，得到降维加权特征，将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。
具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取目标打卡图像，对所述目标打卡图像执行去光照处理，得到标准打卡图像；
利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵；
基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，根据所述局部三值特征值生成所述图像子块的识别率；
利用所述识别率计算对应图像子块的权值，基于每个图像子块的权值计算所述标准打卡图像的加权特征；
对所述加权特征进行特征降维处理，得到降维加权特征，将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于局部区域的人脸打卡方法，其特征在于，所述方法包括：
获取目标打卡图像，对所述目标打卡图像执行去光照处理，得到标准打卡图像；
利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵；
基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，根据所述局部三值特征值生成所述图像子块的识别率；
利用所述识别率计算对应图像子块的权值，基于每个图像子块的权值计算所述标准打卡图像的加权特征；
对所述加权特征进行特征降维处理，得到降维加权特征，将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。
2.如权利要求1所述的基于局部区域的人脸打卡方法，其特征在于，所述对所述目标打卡图像执行去光照处理，得到标准打卡图像，包括：
对所述目标打卡图像进行归一化处理，得到目标归一图像；
将所述目标归一图像变换至对数域并对所述对数域上的图像进行二维离散余弦变换，得到二维离散余弦系数矩阵；
剔除所述二维离散余弦系数矩阵中离散余弦系数小于预设系数阈值的系数，得到初始离散余弦矩阵；
对所述初始离散余弦矩阵进行二维离散逆变换，得到标准打卡图像。
3.如权利要求1所述的基于局部区域的人脸打卡方法，其特征在于，所述根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵，包括：
根据所述滑动窗口的大小构建空矩阵，并获取所述图像子块中中心像素点的灰度值作为目标灰度值，获取所述中心像素点的邻域像素点对应的灰度值作为邻域灰度值；
将所述目标灰度值填入至所述空矩阵中的中间位置，将所述邻域灰度值填充至所述空矩阵中除去中间位置以外的位置，得到像素灰度矩阵。
4.如权利要求1所述的基于局部区域的人脸打卡方法，其特征在于，所述基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，包括：
基于预设的编码值计算公式对所述像素灰度值矩阵中的每个像素灰度值进行编码处理，得到每个像素灰度值对应的编码值；
按照预设的排列顺序将所述编码值进行排列，得到所述图像子块对应的局部三值特征值。
5.如权利要求4所述的基于局部区域的人脸打卡方法，其特征在于，所述预设的编码值计算公式为：
其中，为所述像素灰度值对应的编码值，为中心像素点灰度值，为局部邻域像素点的灰度值，为编码阈值。
6.如权利要求1所述的基于局部区域的人脸打卡方法，其特征在于，所述对所述加权特征进行特征降维处理，得到降维加权特征，包括：
分别对所述加权特征进行均值计算及方差计算处理，得到特征均值和特征方差；
基于预设的归一化公式对所述特征均值和所述特征方差进行归一化处理，得到特征归一值；
利用所述特征归一值构建协方差矩阵，并对所述协方差矩阵进行求解，将求解得到的特征向量作为所述降维加权特征。
7.如权利要求6所述的基于局部区域的人脸打卡方法，其特征在于，所述对所述协方差矩阵进行求解，包括：
获取预设的单位矩阵，根据所述单位矩阵和所述协方差矩阵构建特征多项式；
对所述特征多项式进行矩阵求解，得到特征值；
将所述特征值代入至所述特征多项式中，得到所述特征值对应的特征向量。
8.一种基于局部区域的人脸打卡装置，其特征在于，所述装置包括：
矩阵构建模块，用于获取目标打卡图像，对所述目标打卡图像执行去光照处理，得到标准打卡图像；利用预设的滑动窗口将所述标准打卡图像拆分为预设个数的图像子块，并分别识别出每个所述图像子块中的像素点，根据所述像素点的灰度值构建所述图像子块对应的像素灰度矩阵；
识别率生成模块，用于基于所述像素灰度矩阵和预设的编码值计算公式计算所述图像子块对应的局部三值特征值，根据所述局部三值特征值生成所述图像子块的识别率；
加权特征计算模块，用于利用所述识别率计算对应图像子块的权值，基于每个图像子块的权值计算所述标准打卡图像的加权特征；
身份判断模块，用于对所述加权特征进行特征降维处理，得到降维加权特征，将所述降维加权特征与预设数据库中的特征模板进行搜索匹配，并根据搜索匹配结果对所述目标打卡图像进行身份判断，当身份判断通过时显示打卡成功。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于局部区域的人脸打卡方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于局部区域的人脸打卡方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211495598.7A CN115798004A (zh) | 2022-11-27 | 2022-11-27 | 基于局部区域的人脸打卡方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211495598.7A CN115798004A (zh) | 2022-11-27 | 2022-11-27 | 基于局部区域的人脸打卡方法、装置、电子设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115798004A true CN115798004A (zh) | 2023-03-14 |
Family
ID=85441820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211495598.7A Pending CN115798004A (zh) | 2022-11-27 | 2022-11-27 | 基于局部区域的人脸打卡方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115798004A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116628128A (zh) * | 2023-07-13 | 2023-08-22 | 湖南九立供应链有限公司 | 一种供应链数据标准化方法、装置、设备及其存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106778529A (zh) * | 2016-11-25 | 2017-05-31 | 南京理工大学 | 一种基于改进ldp的人脸识别方法 |
| US20180082107A1 (en) * | 2015-03-27 | 2018-03-22 | Intel Corporation | Low-cost face recognition using gaussian receptive field features |
| CN109389074A (zh) * | 2018-09-29 | 2019-02-26 | 东北大学 | 一种基于人脸特征点提取的表情识别方法 |
| CN112488218A (zh) * | 2020-12-04 | 2021-03-12 | 北京金山云网络技术有限公司 | 图像分类方法、图像分类模型的训练方法和装置 |
| CN113239839A (zh) * | 2021-05-24 | 2021-08-10 | 电子科技大学成都学院 | 基于dca人脸特征融合的表情识别方法 |
| US20220092882A1 (en) * | 2019-01-25 | 2022-03-24 | Hangzhou Hikvision Digital Technology Co., Ltd. | Living body detection method based on facial recognition, and electronic device and storage medium |
-
2022
- 2022-11-27 CN CN202211495598.7A patent/CN115798004A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180082107A1 (en) * | 2015-03-27 | 2018-03-22 | Intel Corporation | Low-cost face recognition using gaussian receptive field features |
| CN106778529A (zh) * | 2016-11-25 | 2017-05-31 | 南京理工大学 | 一种基于改进ldp的人脸识别方法 |
| CN109389074A (zh) * | 2018-09-29 | 2019-02-26 | 东北大学 | 一种基于人脸特征点提取的表情识别方法 |
| US20220092882A1 (en) * | 2019-01-25 | 2022-03-24 | Hangzhou Hikvision Digital Technology Co., Ltd. | Living body detection method based on facial recognition, and electronic device and storage medium |
| CN112488218A (zh) * | 2020-12-04 | 2021-03-12 | 北京金山云网络技术有限公司 | 图像分类方法、图像分类模型的训练方法和装置 |
| CN113239839A (zh) * | 2021-05-24 | 2021-08-10 | 电子科技大学成都学院 | 基于dca人脸特征融合的表情识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杨志军, 何雪, 熊文怡, 聂祥飞: "利用离散余弦变换与Wallis的人脸光照处理算法", 《图像与信号处理》, pages 2 - 7 * |
| 闫河、王朴、刘婕、陈伟栋: "自适应加权多尺度LTP的人脸识别", 《计算机工程与设计》, pages 1 - 5 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116628128A (zh) * | 2023-07-13 | 2023-08-22 | 湖南九立供应链有限公司 | 一种供应链数据标准化方法、装置、设备及其存储介质 |
| CN116628128B (zh) * | 2023-07-13 | 2023-10-03 | 湖南九立供应链有限公司 | 一种供应链数据标准化方法、装置、设备及其存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113283446B (zh) | 图像中目标物识别方法、装置、电子设备及存储介质 | |
| CN112396613B (zh) | 图像分割方法、装置、计算机设备及存储介质 | |
| CN113159147B (zh) | 基于神经网络的图像识别方法、装置、电子设备 | |
| CN113705462B (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
| CN112036292B (zh) | 基于神经网络的文字识别方法、装置及可读存储介质 | |
| CN110414502B (zh) | 图像处理方法及装置、电子设备和计算机可读介质 | |
| CN111639704A (zh) | 目标识别方法、装置及计算机可读存储介质 | |
| CN113792672B (zh) | 公共场所健康码获取方法、装置、设备及介质 | |
| CN112668575A (zh) | 关键信息提取方法、装置、电子设备及存储介质 | |
| CN114049568A (zh) | 基于图像比对的标的物形变检测方法、装置、设备及介质 | |
| CN113240585B (zh) | 基于生成对抗网络的图像处理方法、装置及存储介质 | |
| CN115798004A (zh) | 基于局部区域的人脸打卡方法、装置、电子设备及介质 | |
| CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
| CN112862703B (zh) | 基于移动拍照的图像校正方法、装置、电子设备及介质 | |
| CN112329666A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
| CN112633200A (zh) | 基于人工智能的人脸图像比对方法、装置、设备及介质 | |
| CN112580505B (zh) | 网点开关门状态识别方法、装置、电子设备及存储介质 | |
| CN113610934B (zh) | 图像亮度调整方法、装置、设备及存储介质 | |
| CN115273110A (zh) | 基于TensorRT的文本识别模型部署方法、装置、设备及存储介质 | |
| CN111798376B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
| CN112541899A (zh) | 证件的残缺检测方法、装置、电子设备及计算机存储介质 | |
| CN116013091B (zh) | 基于车流量大数据的隧道监控***与分析方法 | |
| CN114120122B (zh) | 基于遥感影像的灾损识别方法、装置、设备及存储介质 | |
| CN116452655B (zh) | 一种应用于mpis工控主板的贴合定位方法、装置、设备及介质 | |
| CN115423855B (zh) | 图像的模板匹配方法、装置、设备及介质 |
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 |
Application publication date: 20230314 |
|
| RJ01 | Rejection of invention patent application after publication |