活性测试方法和设备
    1.
    发明授权

    公开(公告)号:CN108664880B

    公开(公告)日:2023-09-05

    申请号:CN201810209257.6

    申请日:2018-03-14

    Abstract: 公开了一种活性测试方法和设备。所述活性测试方法包括:针对测试目标检测输入图像中的人脸区域;实现第一活性测试,以基于与检测到的人脸区域对应的第一图像确定第一活性值;实现第二活性测试,以基于与检测到的人脸区域的局部人脸区域对应的第二图像确定第二活性值;实现第三活性测试,以基于输入图像的整体或输入图像的全区域确定第三活性值,其中,输入图像的整体或输入图像的全区域包括检测到的人脸区域以及检测到的人脸区域之外的区域;基于第一活性值、第二活性值和第三活性值,确定活性测试的结果。

    3D图像数据的注册方法和装置

    公开(公告)号:CN105844582B

    公开(公告)日:2019-08-20

    申请号:CN201510019073.X

    申请日:2015-01-15

    Abstract: 本发明公开了一种3D图像数据的注册方法和装置,所述方法包括:将源3D图像数据基于关键点与目标3D图像数据进行刚性对齐,得到第一变换数据;将第一变换数据基于关键点与目标3D图像数据进行非刚性对齐,得到第二变换数据;迭代计算第二变换数据到目标3D图像数据的变换矩阵;根据迭代计算出的变换矩阵完成源3D图像数据到目标3D图像数据的3D注册。由于将基于关键点的刚性对齐和非刚性对齐方法结合运用,可得到一个较好的初始变换,基于该初始变换进行迭代计算求解出变换矩阵,可将源3D图像数据更为贴切、平滑、吻合度更高地对应到目标3D图像数据,从而提高了注册精度,使得注册结果更为平滑,与目标数据更为吻合。

    图像识别方法及装置
    6.
    发明公开

    公开(公告)号:CN108664840A

    公开(公告)日:2018-10-16

    申请号:CN201710188186.1

    申请日:2017-03-27

    Abstract: 本发明提供的一种图像识别方法及装置,从接收到的图像中检测目标物,并从图像中确定目标图像;对目标图像进行质量评估,以确定相应的目标图像评判值,并判断评判值是否满足预设阈值;当评判值不小于预设阈值时,将目标图像与预存目标数据进行对比以识别目标,以确定目标识别结果。特别的在对目标图像进行质量评估时,在评判值不小于预设阈值时,退出对当前图像的识别,尽快进行对接下来接收的图像进行前述处理过程,可大幅节省处理图像的时间,保证识别的精度,提高识别过程的处理速度,且检测目标物的模型与评估模型一致,节省了模型的存储空间,不需要在重新构造模型,降低了成本,使本发明在识别目标物的领域更具有发展前景,特别是人脸识别。

    3D图像数据的注册方法和装置

    公开(公告)号:CN105844582A

    公开(公告)日:2016-08-10

    申请号:CN201510019073.X

    申请日:2015-01-15

    Abstract: 本发明公开了一种3D图像数据的注册方法和装置,所述方法包括:将源3D图像数据基于关键点与目标3D图像数据进行刚性对齐,得到第一变换数据;将第一变换数据基于关键点与目标3D图像数据进行非刚性对齐,得到第二变换数据;迭代计算第二变换数据到目标3D图像数据的变换矩阵;根据迭代计算出的变换矩阵完成源3D图像数据到目标3D图像数据的3D注册。由于将基于关键点的刚性对齐和非刚性对齐方法结合运用,可得到一个较好的初始变换,基于该初始变换进行迭代计算求解出变换矩阵,可将源3D图像数据更为贴切、平滑、吻合度更高地对应到目标3D图像数据,从而提高了注册精度,使得注册结果更为平滑,与目标数据更为吻合。

    目标检测方法及装置
    8.
    发明授权

    公开(公告)号:CN108171103B

    公开(公告)日:2024-10-01

    申请号:CN201611118373.4

    申请日:2016-12-07

    Abstract: 本发明实施例提供了目标检测方法及装置,所述方法包括:获取待检测图像;根据级联神经网络对待检测图像的多个候选区域进行分类;其中,从第二级开始的神经网络中,至少存在一级神经网络包含并列的多个该级子神经网络,上述子神经网络对前一级神经网络分类后的分类结果进行分类;根据多个候选区域的最终分类结果,确定出目标区域。本发明实施例中,从第二级开始的神经网络中,至少存在一级神经网络包含并列的多个该级子神经网络,可较为全面精确地对候选区域进行分类,提升分类精度;进而更加精确地确定出目标区域。且有利于减少神经网络的级数,可减少由各级神经网络组成的分类模型占用的存储空间;可应用到硬件配置较低或计算性能较弱的设备中。

Patent Agency Ranking