使用部分学习模型的面部识别的系统和方法

    公开(公告)号:CN1559051A

    公开(公告)日:2004-12-29

    申请号:CN02818994.9

    申请日:2002-09-10

    CPC classification number: G06K9/00288

    Abstract: 一种用于对面部图像数据进行分类的系统和方法,该方法包括以下步骤:训练一个分类器设备以便识别一个或多个面部图像和得到该面部图像被用于训练的相应学习模型;把包括代表要被识别的一部分未知面部图像的数据的矢量输入到该分类器;按照分类方法对该部分未知面部图像进行分类;重复进行输入和分类步骤,在每次迭代时使用该未知面部图像的不同部分;以及标识由到该分类器的不同部分输入而引起的单个类别。

    使用部分学习模型的面部识别的方法

    公开(公告)号:CN1276380C

    公开(公告)日:2006-09-20

    申请号:CN02818994.9

    申请日:2002-09-10

    CPC classification number: G06K9/00288

    Abstract: 一种用于对面部图像数据进行分类的方法,该方法包括以下步骤:训练一个分类器设备以便识别一个或多个面部图像和得到该面部图像被用于训练的相应学习模型;把包括代表要被识别的一部分未知面部图像的数据的矢量输入到该分类器;按照分类方法对该部分未知面部图像进行分类;重复进行输入和分类步骤,在每次迭代时使用该未知面部图像的不同部分;以及标识由到该分类器的不同部分输入而引起的单个类别。

    根据脸部图像的时间序列识别脸

    公开(公告)号:CN1636226A

    公开(公告)日:2005-07-06

    申请号:CN02818997.3

    申请日:2002-09-10

    CPC classification number: G06K9/00288

    Abstract: 根据图像的时间顺序对面部图象进行分类的系统和方法,包括步骤:让用于识别面部图象的分类器设备进行训练,该分类器设备是利用与完整面部图象关联的输入数据进行训练的;获得图像的时间顺序的多个探针图象;将探针图象彼此对齐;结合这些图象以形成高分辨率图象;及根据由经过训练的分类器设备执行的分类方法将所述高分辨率图象归类。

    基于四个特征点的头部动作测定方法

    公开(公告)号:CN1316416C

    公开(公告)日:2007-05-16

    申请号:CN02819047.5

    申请日:2002-09-10

    CPC classification number: G06K9/00221 G06T7/246 G06T7/74

    Abstract: 根据面部特征数据来进行头部动作测定的线性方法,该方法包括以下步骤:获取第一幅面部图像,并且在该第一幅图像中检测头部;在上述的第一幅面部图像中检测四个点P的位置,这四个点为P={p1,p2,p3,p4},并且pk=(xk,yk);获取第二幅面部图像,并且在该第二幅图像中检测头部;在第二幅面部图像中检测四个点P’的位置,这四个点为P’={p1’,p2’,p3’,p4’},并且pk’=(xk’,yk’);利用点P和P’来确定头部的动作,该动作由旋转矩阵R和平移矢量T表示。头部动作测定受一个方程(formula(I))控制,而公式(II)则分别代表照相机的旋转和平移。

    基于四个特征点的头部动作测定

    公开(公告)号:CN1561499A

    公开(公告)日:2005-01-05

    申请号:CN02819047.5

    申请日:2002-09-10

    CPC classification number: G06K9/00221 G06T7/246 G06T7/74

    Abstract: 根据面部特征数据来进行头部动作测定的线性方法,该方法包括以下步骤:获取第一幅面部图像,并且在该第一幅图像中检测头部;在上述的第一幅面部图像中检测四个点P的位置,这四个点为p={p1,p2,p3,p4},并且pk=(xk,yk);获取第二幅面部图像,并且在该第二幅图像中检测头部;在第二幅面部图像中检测四个点P’的位置,这四个点为P’={p1’,p2’,p3’,p4’},并且pk’=(xk’,yk’);利用点P和P’来确定头部的动作,该动作由旋转矩阵R和平移矢量T表示。头部动作测定受一个方程(formula(I))控制,而公式(II)则分别代表照相机的旋转和平移。

Patent Agency Ranking