公开(公告)号：CN110472501B

公开(公告)日：2022-08-30

申请号：CN201910618569.7

申请日：2019-07-10

Applicant: 南京邮电大学

Inventor： 张明 ,  戴建新 ,  张沼斌 ,  邹聪 ,  何勇

IPC: G06V40/12 ,  G06V10/26 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明提出了一种基于神经网络的指纹汗孔编码分类方法，包括以下步骤：步骤1）提取高分辨率的指纹图像，通过分割，归一化方法对指纹图像进行预处理，通过Gabor滤波器得到指纹汗孔的位置特征；步骤2）使用神经网络对所述位置特征进行训练，得到分类训练集；该方法方便直接，降低了外界环境影响，降低了识别算法的复杂度，提高系统的鲁棒性，节省识别时间，在安防系统、高级门锁门禁系统和刑侦领域具有广泛的应用前景。

公开(公告)号：CN110163136A

公开(公告)日：2019-08-23

申请号：CN201910393049.0

申请日：2019-05-13

Applicant: 南京邮电大学

Inventor： 邹聪 ,  戴建新 ,  何勇 ,  张明 ,  李梅

IPC: G06K9/00 ,  G06K9/32

Abstract: 本发明提出了一种基于感知机的指纹和指静脉双模态识别决策融合算法，本发明提供一种基于感知机的指纹和指静脉双模态识别决策融合算法，包括以下步骤，步骤1，感知机结构的设计；步骤2，建立感知机的学习规则；步骤3，二级分类器的设计；步骤4，识别匹配的实现；可以充分利用两者的优势，弥补各自的缺点，达到良好的识别效果，分别计算指纹和指静脉匹配度x2,x3，再将指纹和指静脉的特征点集特征串联并计算匹配度x1作为二级分类器，然后将x1,x2,x3利用感知机进行训练得到权重，最后利用此模型来计算识别度，用感知机的指纹和指静脉双模态识别决策级融合匹配，方便直接，误差较小，降低了外界环境影响，效果好。

公开(公告)号：CN116012953B

公开(公告)日：2023-07-07

申请号：CN202310279661.1

申请日：2023-03-22

Applicant: 南京邮电大学

Inventor： 肖甫 ,  何勇 ,  李佳宾 ,  盛碧云

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于WiFi行为感知技术领域，具体地说，是一种基于CSI的轻量级双任务感知方法，利用深度分离卷积和通道打乱机制构建多尺度轻量级主干网络，并设计出双任务感知模块，实现动作检测和分类任务的同步感知，该方法不依赖于人为设定的经验值，有效保证检测识别的效率和精度，极大减少了计算量和训练参数的同时，保持了良好的效果。本发明同步完成检测和分类任务，解决了检测结果影响分类结果的问题，为基于WiFi感知任务的轻量化模型设计，提供了新的研究思路。

公开(公告)号：CN116012953A

公开(公告)日：2023-04-25

申请号：CN202310279661.1

申请日：2023-03-22

Applicant: 南京邮电大学

Inventor： 肖甫 ,  何勇 ,  李佳宾 ,  盛碧云

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于WiFi行为感知技术领域，具体地说，是一种基于CSI的轻量级双任务感知方法，利用深度分离卷积和通道打乱机制构建多尺度轻量级主干网络，并设计出双任务感知模块，实现动作检测和分类任务的同步感知，该方法不依赖于人为设定的经验值，有效保证检测识别的效率和精度，极大减少了计算量和训练参数的同时，保持了良好的效果。本发明同步完成检测和分类任务，解决了检测结果影响分类结果的问题，为基于WiFi感知任务的轻量化模型设计，提供了新的研究思路。

公开(公告)号：CN110163136B

公开(公告)日：2022-09-06

申请号：CN201910393049.0

申请日：2019-05-13

Applicant: 南京邮电大学

Inventor： 邹聪 ,  戴建新 ,  何勇 ,  张明 ,  李梅

IPC: G06V40/12 ,  G06V40/70 ,  G06V10/25

Abstract: 本发明提出了一种基于感知机的指纹和指静脉双模态识别决策融合方法，包括以下步骤，步骤1，感知机结构的设计；步骤2，建立感知机的学习规则；步骤3，二级分类器的设计；步骤4，识别匹配的实现；可以充分利用两者的优势，弥补各自的缺点，达到良好的识别效果，分别计算指纹和指静脉匹配度x2,x3，再将指纹和指静脉的特征点集特征串联并计算匹配度x1作为二级分类器，然后将x1,x2,x3利用感知机进行训练得到权重，最后利用此模型来计算识别度，用感知机的指纹和指静脉双模态识别决策级融合匹配，方便直接，误差较小，降低了外界环境影响，效果好。

公开(公告)号：CN110472501A

公开(公告)日：2019-11-19

申请号：CN201910618569.7

申请日：2019-07-10

Applicant: 南京邮电大学

Inventor： 张明 ,  戴建新 ,  张沼斌 ,  邹聪 ,  何勇

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于神经网络的指纹汗孔编码分类方法，包括以下步骤：步骤1）提取高分辨率的指纹图像，通过分割，归一化方法对指纹图像进行预处理，通过Gabor滤波器得到指纹汗孔的位置特征；步骤2）使用神经网络对所述位置特征进行训练，得到分类训练集；该方法方便直接，降低了外界环境影响，降低了识别算法的复杂度，提高系统的鲁棒性，节省识别时间，在安防系统、高级门锁门禁系统和刑侦领域具有广泛的应用前景。