CN109063691B - 一种人脸识别底库优化方法及系统 - Google Patents
一种人脸识别底库优化方法及系统 Download PDFInfo
- Publication number
- CN109063691B CN109063691B CN201811023384.3A CN201811023384A CN109063691B CN 109063691 B CN109063691 B CN 109063691B CN 201811023384 A CN201811023384 A CN 201811023384A CN 109063691 B CN109063691 B CN 109063691B
- Authority
- CN
- China
- Prior art keywords
- preset
- base library
- images
- library
- base
- 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
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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供的一种人脸识别底库优化方法及系统,包括:获取待识别人脸图像,并将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得出识别结果;若判断获知所述识别结果为通过,则利用所述待识别人脸图像对所述预设底库进行优化。通过在人脸识别后,利用识别通过的图像对预设底库进行优化,优化得到的底库以供下次人脸识别使用,使得人脸识别过程中底库不断自动优化,底库中图像信息更加丰富,大大降低了识别的拒识率和误识率,用户体验好。
Description
技术领域
本发明实施例涉及计算机技术领域,更具体地,涉及一种人脸识别底库优化方法及系统。
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、面部识别。人脸识别系统主要包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。人脸识别过程主要是将获取到的人脸图像与底库中所存储的图像进行比对,进而输出识别结果。
在现有人脸识别的应用中,对于每一个待识别人脸,大多系统都是采用一张人脸照片作为底库照片来比对识别,这样就对这一张人脸照片质量要求较高,同时由于一张照片对应的场景比较单一,因此在识别过程中拒识率和误识率都较高,用户使用时体验差。
发明内容
本发明实施例提供了一种克服上述问题或者至少部分地解决上述问题的人脸识别底库优化方法及系统。
第一方面本发明实施例提供了一种人脸识别底库优化方法,包括:
获取待识别人脸图像,并将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得出识别结果;
若判断获知所述识别结果为通过,则利用所述待识别人脸图像对所述预设底库进行优化。
另一方面本发明实施例提供了一种人脸识别底库优化系统,包括:
人脸识别模块,用于获取待识别人脸图像,并将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得出识别结果;
底库优化模块,用于若判断获知所述识别结果为通过,则利用所述待识别人脸图像对所述预设底库进行优化。
第三方面本发明实施例提供了包括处理器、通信接口、存储器和总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信,处理器可以调用存储器中的逻辑指令,以执行第一方面提供的人脸识别底库优化方法。
第四方面本发明实施例提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行第一方面提供的人脸识别底库优化方法。
本发明实施例提供的一种人脸识别底库优化方法及系统,通过在人脸识别后,利用识别通过的图像对预设底库进行优化,优化得到的底库以供下次人脸识别使用,使得人脸识别过程中底库不断自动优化,底库中图像信息更加丰富,大大降低了识别的拒识率和误识率,用户体验好。
附图说明
图1为本发明实施例提供的一种人脸识别底库优化方法的流程图;
图2为本发明实施例提供的一种人脸识别底库优化系统的结构框图;
图3为本发明实施例提供的一种电子设备的结构示意图。
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,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的一种人脸识别底库优化方法的流程图,如图1所示,包括:
S101,获取待识别人脸图像,并将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得出识别结果;
S102,若判断获知所述识别结果为通过,则利用所述待识别人脸图像对所述预设底库进行优化。
其中,在步骤S101中,预设底库中包括了多张底库图像,这里每个底库对应于一个用户,即其中的多张底库图像为该用户不同场景、不同角度等情形下的图像。
在步骤S102中,当人脸识别结果为通过时,说明该待识别人脸图像为用户可以被识别的图像,则该待识别人脸图像可以被用于对预设底库的优化,使得预设底库内的图像更丰富。
具体地,步骤S101和S102是重复进行的,即每次进行人脸识别后,都利用识别通过的图像对相关联的预设底库进行优化。再下次对同一用户进行人脸识别时,所用到的底库则为优化后的底库。另外,若判断获知识别结果为不通过,则对预设底库不做处理。
本发明实施例提供的一种人脸识别底库优化方法,通过在人脸识别后,利用识别通过的图像对预设底库进行优化,优化得到的底库以供下次人脸识别使用,使得人脸识别过程中底库不断自动优化,底库中图像信息更加丰富,大大降低了识别的拒识率和误识率,用户体验好。
在上述实施例的基础上,所述将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得出识别结果,具体包括:
将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得到多个第一分值,并根据第一权重计算所述多个第一分值的第一加权平均值;
根据所述第一分值和所述第一加权平均值得出所述识别结果。
其中,第一权重一般可以根据清晰度、角度、人脸大小、亮度等参数设定,其与每张图像的质量有关系。
在上述实施例的基础上,所述根据所述第一分值和所述第一加权平均值得出所述识别结果,具体包括:
若判断获知所述第一加权平均值不小于第一预设阈值,且所述多个第一分值中每个第一分值都不小于第二预设阈值,则所述识别结果为通过;若判断获知所述第一加权平均值小于第一预设阈值,和/或所述多个第一分值中任一第一分值小于第二预设阈值,则所述识别结果为不通过。
其中,第一预设阈值和第二预设阈值可以根据实际需求进行设定。
具体地,人脸识别的过程可以理解为计算待识别人脸图像与底库中每张底库图像进行匹配,相似度越高,对应的第一分值也就越高。根据第一权重计算第一分值的加权平均值,进而得到识别结果。若判断获知所述第一加权平均值不小于第一预设阈值,且所述多个第一分值中每个第一分值都不小于第二预设阈值,则所述识别结果为通过,可以理解为,当待识别人脸图像的加权平均值不小于第一预设阈值,且待识别人脸图像与每张底库图像的相似度都不低于预设值时,识别结果为通过。反之,则识别结果为不通过。
在上述实施例的基础上,所述若判断获知所述识别结果为通过,则利用所述待识别人脸图像对所述预设底库进行优化,具体包括:
将所述待识别人脸图像加入所述预设底库得到第一底库,将所述第一底库中的任一图像分别与所述第一底库中的所有图像进行比对得到多个第二分值,并根据所述第二权重计算所述任一图像的多个第二分值的第二加权平均值;
根据所述第一底库中所有图像对应的多个第二加权平均值,对所述第一底库中的图像进行筛选,得到优化后的所述预设底库。
其中,第二权重也可以根据清晰度、角度、人脸大小、亮度等参数设定,其与每张图像的质量有关系。
具体地,在得到第一底库后,计算多个第二加权平均值的过程,与人脸识别的过程相似,区别在于将第一底库中的每张图像作为一张待识别人脸图像与第一底库中的每一张图像进行匹配,进而计算出第二加权平均值。再根据计算出来的第二加权平均值对第一底库中的图像进行筛选。
在上述实施例的基础上,在将所述待识别人脸图像加入所述预设底库得到第一底库之后,还包括:
为所述第一底库中的所有图像分配第二权重。
在上述实施例的基础上,所述根据所述第一底库中所有图像对应的多个第二加权平均值,对所述第一底库中的图像进行筛选,得到优化后的所述预设底库,进一步包括:
若判断获知所述第一底库中的图像数量小于预设数量,则将所述第一底库中第二加权平均值小于第三预设阈值的图像筛除,得到优化后的所述预设底库。
其中,预设底库中图像的数量一般设置了固定的上限,即预设数量,故优化后的预设底库中的图像的数量不能超过预设数量。第三预设阈值也可以根据实际需求设定。
具体地,在第一底库中图像数量小于预设数量时,则只要其中的图像对应的第二加权平均值都大于第三预设阈值,则第一底库中的所有图像都可以保留,即得到优化后的预设底库。
在上述实施例的基础上,所述根据所述第一底库中所有图像对应的多个第二加权平均值,对所述第一底库中的图像进行筛选,得到优化后的所述预设底库,进一步包括:
若判断获知所述第一底库中的图像数量不小于预设数量,则将所述第一底库中第二加权平均值最小的图像筛除,得到优化后的预设底库。
具体地,在第一底库中图像数量等于预设数量时,则需要在优化过程中筛除其中第二加权平均值最小的图像,得到优化后所述预设底库。本发明实施例中,由于采用了上述优化方法,可以理解地,第一底库中的图像数量不会大于预设数量。
下面通过一个实例来说明上述优化过程,第一底库中包括图像1、图像2、图像3、图像4和图像5,其中图像5为识别结果为通过的待识别人脸图像,其对应的第二分值和第二加权平均值如表1和表2所示。
表1
第二分值 | 图像1 | 图像2 | 图像3 | 图像4 | 图像5 |
图像1 | 1 | 0.63 | 0.68 | 0.72 | 0.65 |
图像2 | 0.63 | 1 | 0.64 | 0.61 | 0.72 |
图像3 | 0.68 | 0.64 | 1 | 0.66 | 0.65 |
图像4 | 0.72 | 0.61 | 0.66 | 1 | 0.71 |
图像5 | 0.65 | 0.72 | 0.65 | 0.71 | 1 |
表2
图像1 | 图像2 | 图像3 | 图像4 | 图像5 | |
第二权重 | 0.3 | 0.2 | 0.16 | 0.18 | 0.16 |
第二加权均值 | 0.76 | 0.71 | 0.72 | 0.73 | 0.69 |
则当预设数值为4时,图像5对应的第二加权平均值为0.69,最小,则将其从第一底库中筛除。当预设数值大于4时,需要根据第三预设阈值的大小来确定是都将图像5从第一底库中筛除。
图2为本发明实施例提供的一种人脸识别底库优化系统的结构框图,如图2所示,包括:人脸识别模块201和底库优化模块202。其中:
人脸识别模块201用于获取待识别人脸图像,并将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得出识别结果。底库优化模块202用于若判断获知所述识别结果为通过,则利用所述待识别人脸图像对所述预设底库进行优化。
其中,人脸识别模块201具体包括:
第一计算子模块,用于将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得到多个第一分值,并根据第一权重计算所述多个第一分值的第一加权平均值;
识别子模块,用于根据所述第一分值和所述第一加权平均值得出所述识别结果。
识别子模块,具体用于:
若判断获知所述第一加权平均值不小于第一预设阈值,且所述多个第一分值中每个第一分值都不小于第二预设阈值,则所述识别结果为通过;若判断获知所述第一加权平均值小于第一预设阈值,和/或所述多个第一分值中任一第一分值小于第二预设阈值,则所述识别结果为不通过。
底库优化模块202,具体包括:
第二计算子模块,用于将所述待识别人脸图像加入所述预设底库得到第一底库,将所述第一底库中的任一图像分别与所述第一底库中的所有图像进行一一比对得到多个第二分值,并根据所述第二权重计算所述第一底库中的任一图像的多个第二分值的第二加权平均值;
优化子模块,用于根据所述第一底库中所有图像对应的多个第二加权平均值,对所述第一底库中的图像进行筛选,得到优化后的所述预设底库。
优化子模块,进一步用于:
若判断获知所述第一底库中的图像数量小于预设数量,在所述第一底库中第二加权平均值小于第三预设阈值的图像筛除,得到优化后的所述预设底库。
优化子模块,进一步用于:
若判断获知所述第一底库中的图像数量不小于预设数量,则将所述第一底库中第二加权平均值最小的图像筛除,得到优化后的所述预设底库。
本发明实施例提供的一种人脸识别底库优化系统,通过在人脸识别后,利用识别通过的图像对预设底库进行优化,优化得到的底库以供下次人脸识别使用,使得人脸识别过程中底库不断自动优化,底库中图像信息更加丰富,大大降低了识别的拒识率和误识率,用户体验好。
图3为本发明实施例提供的一种电子设备的结构示意图,如图3所示,电子设备包括:处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和总线304,其中,处理器301,通信接口302,存储器303通过总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令,以执行如下方法,例如包括:获取待识别人脸图像,并将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得出识别结果;若判断获知所述识别结果为通过,则利用所述待识别人脸图像对所述预设底库进行优化。。
上述的存储器302中的逻辑指令可以通过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取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:获取待识别人脸图像,并将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得出识别结果;若判断获知所述识别结果为通过,则利用所述待识别人脸图像对所述预设底库进行优化。。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的通信设备等实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
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,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种人脸识别底库优化方法,其特征在于,包括:
获取待识别人脸图像,并将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得出识别结果;
若判断获知所述识别结果为通过,则利用所述待识别人脸图像对所述预设底库进行优化;
其中,所述若判断获知所述识别结果为通过,则利用所述待识别人脸图像对所述预设底库进行优化,具体包括:
将所述待识别人脸图像加入所述预设底库得到第一底库,为所述第一底库中的所有图像分配第二权重,将所述第一底库中的任一图像分别与所述第一底库中的所有图像进行比对得到多个第二分值,并根据所述第二权重计算所述任一图像的所述多个第二分值的第二加权平均值;
根据所述第一底库中所有图像对应的多个第二加权平均值,对所述第一底库中的图像进行筛选,得到优化后的所述预设底库;
所述根据所述第一底库中所有图像对应的多个第二加权平均值,对所述第一底库中的图像进行筛选,得到优化后的所述预设底库,进一步包括:
若判断获知所述第一底库中的图像数量小于预设数量,则将所述第一底库中第二加权平均值小于第三预设阈值的图像筛除,得到优化后的所述预设底库;
若判断获知所述第一底库中的图像数量不小于预设数量,则将所述第一底库中第二加权平均值最小的图像筛除,得到优化后的所述预设底库;
所述将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得出识别结果,具体包括:
将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得到多个第一分值,并根据第一权重计算所述多个第一分值的第一加权平均值;
根据所述第一分值和所述第一加权平均值得出所述识别结果;
所述根据所述第一分值和所述第一加权平均值得出所述识别结果,具体包括:
若判断获知所述第一加权平均值不小于第一预设阈值,且所述多个第一分值中每个第一分值都不小于第二预设阈值,则所述识别结果为通过;若判断获知所述第一加权平均值小于第一预设阈值,和/或所述多个第一分值中任一第一分值小于第二预设阈值,则所述识别结果为不通过。
2.一种人脸识别底库优化系统,其特征在于,包括:
人脸识别模块,用于获取待识别人脸图像,并将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得出识别结果;
底库优化模块,用于若判断获知所述识别结果为通过,则利用所述待识别人脸图像对所述预设底库进行优化;
所述底库优化模块,具体包括:
第二计算子模块,用于将所述待识别人脸图像加入所述预设底库得到第一底库,为所述第一底库中的所有图像分配第二权重,将所述第一底库中的任一图像分别与所述第一底库中的所有图像进行一一比对得到多个第二分值,并根据所述第二权重计算所述第一底库中的任一图像的多个第二分值的第二加权平均值;
优化子模块,用于根据所述第一底库中所有图像对应的多个第二加权平均值,对所述第一底库中的图像进行筛选,得到优化后的所述预设底库;
所述优化子模块,进一步用于:
若判断获知所述第一底库中的图像数量小于预设数量,在所述第一底库中第二加权平均值小于第三预设阈值的图像筛除,得到优化后的所述预设底库;
优化子模块,进一步用于:
若判断获知所述第一底库中的图像数量小于预设数量,在所述第一底库中第二加权平均值小于第三预设阈值的图像筛除,得到优化后的所述预设底库;
所述人脸识别模块,具体包括:
第一计算子模块,用于将所述待识别人脸图像分别与预设底库中的多张底库图像进行比对得到多个第一分值,并根据第一权重计算所述多个第一分值的第一加权平均值;
识别子模块,用于根据所述第一分值和所述第一加权平均值得出所述识别结果;
识别子模块,具体用于:
若判断获知所述第一加权平均值不小于第一预设阈值,且所述多个第一分值中每个第一分值都不小于第二预设阈值,则所述识别结果为通过;若判断获知所述第一加权平均值小于第一预设阈值,和/或所述多个第一分值中任一第一分值小于第二预设阈值,则所述识别结果为不通过。
3.一种电子设备,其特征在于,包括处理器、通信接口、存储器和总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信,处理器可以调用存储器中的逻辑指令,以执行如权利要求1所述的人脸识别底库优化方法。
4.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1所述的人脸识别底库优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023384.3A CN109063691B (zh) | 2018-09-03 | 2018-09-03 | 一种人脸识别底库优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023384.3A CN109063691B (zh) | 2018-09-03 | 2018-09-03 | 一种人脸识别底库优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109063691A CN109063691A (zh) | 2018-12-21 |
CN109063691B true CN109063691B (zh) | 2021-04-20 |
Family
ID=64758358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811023384.3A Active CN109063691B (zh) | 2018-09-03 | 2018-09-03 | 一种人脸识别底库优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109063691B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110647823A (zh) * | 2019-09-02 | 2020-01-03 | 中国建设银行股份有限公司 | 一种优化人脸底库的方法和装置 |
CN110738777A (zh) * | 2019-09-27 | 2020-01-31 | 恒大智慧科技有限公司 | 物业管理方法和系统、存储介质 |
CN111507232B (zh) * | 2020-04-10 | 2023-07-21 | 盛景智能科技(嘉兴)有限公司 | 多模态多策略融合的陌生人识别方法和系统 |
CN111814570B (zh) * | 2020-06-12 | 2024-04-30 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、系统及存储介质 |
CN111898515A (zh) * | 2020-07-24 | 2020-11-06 | 北京灵汐科技有限公司 | 一种行人身份识别的方法和装置 |
CN112084903A (zh) * | 2020-08-26 | 2020-12-15 | 武汉普利商用机器有限公司 | 一种更新人脸识别底库照片的方法及系统 |
CN113536953B (zh) * | 2021-06-22 | 2024-04-19 | 浙江吉利控股集团有限公司 | 一种人脸识别方法、装置、电子设备及存储介质 |
CN114429663B (zh) * | 2022-01-28 | 2023-10-20 | 北京百度网讯科技有限公司 | 人脸底库的更新方法、人脸识别方法、装置及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004908A (zh) * | 2010-11-30 | 2011-04-06 | 汉王科技股份有限公司 | 一种自适应的人脸识别方法及装置 |
CN104778481A (zh) * | 2014-12-19 | 2015-07-15 | 五邑大学 | 一种大规模人脸模式分析样本库的构建方法和装置 |
CN105938552A (zh) * | 2016-06-29 | 2016-09-14 | 北京旷视科技有限公司 | 底图自动更新的人脸识别方法及装置 |
CN106485221A (zh) * | 2016-09-30 | 2017-03-08 | 江苏四五安全科技有限公司 | 一种根据相似集中度自动替换基准相片的方法 |
CN108038176A (zh) * | 2017-12-07 | 2018-05-15 | 浙江大华技术股份有限公司 | 一种路人库的建立方法、装置、电子设备及介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008117333A (ja) * | 2006-11-08 | 2008-05-22 | Sony Corp | 情報処理装置、情報処理方法、個人識別装置、個人識別装置における辞書データ生成・更新方法および辞書データ生成・更新プログラム |
JP2017526056A (ja) * | 2014-07-25 | 2017-09-07 | クアルコム,インコーポレイテッド | モバイルデバイス上での登録および認証 |
US10678896B2 (en) * | 2015-06-30 | 2020-06-09 | Samsung Electronics Co., Ltd. | Methods and apparatuses for updating user authentication data |
CN106326816A (zh) * | 2015-06-30 | 2017-01-11 | 芋头科技(杭州)有限公司 | 一种面部识别系统及面部识别方法 |
CN105046219B (zh) * | 2015-07-12 | 2018-12-18 | 上海微桥电子科技有限公司 | 一种人脸识别系统 |
CN105260639A (zh) * | 2015-10-28 | 2016-01-20 | 浪潮电子信息产业股份有限公司 | 一种脸部识别系统的数据更新的方法及装置 |
CN105913051B (zh) * | 2016-05-26 | 2019-10-18 | 京东方科技集团股份有限公司 | 一种识别人脸图像的模版库的更新装置及方法 |
US10108849B2 (en) * | 2016-10-14 | 2018-10-23 | Bank Of America Corporation | Biometric facial recognition for accessing device and authorizing event processing |
CN107748765A (zh) * | 2017-09-27 | 2018-03-02 | 汉柏科技有限公司 | 一种人员库生成方法及系统 |
CN107832690B (zh) * | 2017-10-30 | 2020-12-08 | Oppo广东移动通信有限公司 | 人脸识别的方法及相关产品 |
CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于更新人脸注册库的方法和装置 |
-
2018
- 2018-09-03 CN CN201811023384.3A patent/CN109063691B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004908A (zh) * | 2010-11-30 | 2011-04-06 | 汉王科技股份有限公司 | 一种自适应的人脸识别方法及装置 |
CN104778481A (zh) * | 2014-12-19 | 2015-07-15 | 五邑大学 | 一种大规模人脸模式分析样本库的构建方法和装置 |
CN105938552A (zh) * | 2016-06-29 | 2016-09-14 | 北京旷视科技有限公司 | 底图自动更新的人脸识别方法及装置 |
CN106485221A (zh) * | 2016-09-30 | 2017-03-08 | 江苏四五安全科技有限公司 | 一种根据相似集中度自动替换基准相片的方法 |
CN108038176A (zh) * | 2017-12-07 | 2018-05-15 | 浙江大华技术股份有限公司 | 一种路人库的建立方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109063691A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063691B (zh) | 一种人脸识别底库优化方法及系统 | |
CN110941594B (zh) | 一种视频文件的拆分方法、装置、电子设备及存储介质 | |
CN108229322B (zh) | 基于视频的人脸识别方法、装置、电子设备及存储介质 | |
KR102641115B1 (ko) | 객체 검출을 위한 영상 처리 방법 및 장치 | |
US9367756B2 (en) | Selection of representative images | |
US8358837B2 (en) | Apparatus and methods for detecting adult videos | |
US20180053048A1 (en) | Text image processing method and apparatus | |
CN107798354B (zh) | 一种基于人脸图像的图片聚类方法、装置及存储设备 | |
EP3590287B1 (en) | Generating wireless network access point models using clustering techniques | |
CN111738120B (zh) | 人物识别方法、装置、电子设备及存储介质 | |
US11126827B2 (en) | Method and system for image identification | |
CN110751069A (zh) | 一种人脸活体检测方法及装置 | |
CN109101913A (zh) | 行人重识别方法和装置 | |
CN110913243A (zh) | 一种视频审核的方法、装置和设备 | |
CN110889314B (zh) | 图像处理方法、装置、电子设备、服务器及系统 | |
CN110969170A (zh) | 一种图像主题色提取方法、装置及电子设备 | |
US8953877B2 (en) | Noise estimation for images | |
CN112836661A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN110287361B (zh) | 一种人物图片筛选方法及装置 | |
CN113052245A (zh) | 图像聚类方法和装置、电子设备及存储介质 | |
CN110968719A (zh) | 一种人脸聚类方法及装置 | |
CN113920353A (zh) | 一种无监督的人脸图像二次聚类方法、装置、介质 | |
CN112084903A (zh) | 一种更新人脸识别底库照片的方法及系统 | |
CN106557523B (zh) | 代表性图像选择方法和设备以及对象图像检索方法和设备 | |
CN108764206B (zh) | 目标图像识别方法和系统、计算机设备 |
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 |