-
公开(公告)号：CN119151146A
公开(公告)日：2024-12-17
申请号：CN202411318461.3
申请日：2024-09-20
Applicant: 厦门瑞为信息技术有限公司
IPC: G06Q10/063 , G06Q50/40 , G06F18/20
Abstract: 本申请公开了一种基于多维数据分析的危险驾驶行为识别方法及装置，其中，该方法包括：获取车辆对应的多维数据信息，其中，多维数据信息包括按时间分片和报警类型进行实时量化更新的报警信息以及环境信息；对多维数据信息进行分析，如果多维数据信息满足扣分规则，则触发扣分规则，并根据扣分规则对应的扣除分数对相应车辆的当前分数进行扣除，以得到扣除后的分数；根据扣除后的分数对相应车辆的危险驾驶行为进行识别；由此，通过时间分片实时量化更新报警信息，并结合环境信息根据扣分规则进行动态评分，从而使得分析维度全面，识别结果更加准确。
-
公开(公告)号：CN107862301A
公开(公告)日：2018-03-30
申请号：CN201711227237.3
申请日：2017-11-29
Applicant: 厦门瑞为信息技术有限公司
IPC: G06K9/00
CPC classification number: G06K9/00288 , G06K9/00268
Abstract: 本发明涉及一种降低人脸识别误识率的方法，其通过将人员ID与人脸特征的关系调节为1：N，识别时首先记录相似度值高于阈值的人脸特征，然后根据相似度值按照从高到低的顺序进行排序，统计次数最高的人员ID将被确认为待识别的人员ID。在本发明中，最有可能误识别的情况，也要求非本人的N个人脸特征相似度都大于本人的最低的那个人脸特征相似度，该情况下误识率为p的N次方，随着每个人的注册人脸特征的增多，误识率就会越来越趋近于零。
-
公开(公告)号：CN103996032A
公开(公告)日：2014-08-20
申请号：CN201410227406.3
申请日：2014-05-27
Applicant: 厦门瑞为信息技术有限公司
IPC: G06K9/00
Abstract: 本发明一种基于颅像重合理论的人脸角度判定方法，主要是利用二维面部特征点计算人脸偏转角度，分为人脸水平偏转角度和人脸俯仰偏转角度，本发明根据颅像重合理论通过人脸偏转指数进行人脸角度的判定，利用二维面部特征点较精确地估算人脸偏转角度，且由于本发明使用人脸偏转指数计算，不受照片大小的限制，通过可供换算的回归方程式与曲线，可迅速查得偏转角度值。
-
公开(公告)号：CN119848149A
公开(公告)日：2025-04-18
申请号：CN202411831302.3
申请日：2024-12-12
Applicant: 厦门瑞为信息技术有限公司
IPC: G06F16/28 , G06F12/0811 , G06F16/248
Abstract: 本申请的实施例提供了一种测试数据的分级存储与展示方法、装置、介质及设备。该方法包括：针对每一测试场景的测试数据，按照预定周期进行场景数据统计，得到对应的一级特征数据，以及根据预设分级规则和/或自学习分级规则对其进行分级特征统计，得到至少一个二级特征数据；将每一测试场景对应的一级特征数据、二级特征数据以及相应的实时人脸检测数据相关联并分级存储；根据接收到的数据查看请求，读取并展示与数据查看请求对应的一级特征数据或二级特征数据，并同时将与该一级特征数据对应的二级特征数据或者与该二级特征数据对应的实时人脸检测数据预先加载到内存中。本申请实施例的技术方案可以快速定位异常数据，提高查看数据时的响应速度。
-
公开(公告)号：CN105550694B
公开(公告)日：2021-06-22
申请号：CN201510867701.X
申请日：2015-12-01
Applicant: 厦门瑞为信息技术有限公司
Abstract: 本发明公开了一种度量人脸图像模糊程度的方法，包括以下步骤：10.模糊人脸图像获取：将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像P’；20.频谱信息获取：将原始人脸图像P和模糊人脸图像P’分别做傅里叶变换，得到P的频谱信息F以及P’的频谱信息F’；30.能量谱和计算：根据频谱信息F以及频谱信息F’分别计算P的能量谱和H及P’的能量谱和H’；40.高斯模糊影响因子计算：根据能量谱和H与能量谱和H’计算人脸图像的高斯模糊影响因子X，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊。本发明能够准确度量在变化场景中获取的人脸图像的模糊度，以便从抓拍到的视频流中筛选出最清晰的人脸图像，提高人脸识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN106709420B
公开(公告)日：2020-07-10
申请号：CN201611022268.0
申请日：2016-11-21
Applicant: 厦门瑞为信息技术有限公司
Abstract: 本发明一种监测营运车辆驾驶人员驾驶行为的方法，对采集的每一帧图像，根据图像分辨率先设定一个图像检测区域，在图像检测区域内进行人脸的识别和定位，在识别出驾驶员的人脸位置区域后，根据该人脸位置区域进一步识别是否存在人眼、香烟、手机和安全带，判断驾驶员在驾驶过程中是否存在注意力不集中、打电话或者抽烟、未绑安全带的违反安全规定的行为，若监测到，则按照预置策略进行告警；本发明适用于所有营运类型的车辆，准确检测又不会干扰到正常驾驶行为，一方面提醒驾驶员注意自身驾驶行为，另一方面可以让乘客对驾驶员进行监督，确保驾驶员规范驾驶，构建更安全的道路交通。
-
公开(公告)号：CN105550694A
公开(公告)日：2016-05-04
申请号：CN201510867701.X
申请日：2015-12-01
Applicant: 厦门瑞为信息技术有限公司
CPC classification number: G06K9/6265 , G06K9/00765
Abstract: 本发明公开了一种度量人脸图像模糊程度的方法，包括以下步骤：10.模糊人脸图像获取：将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像P’；20.频谱信息获取：将原始人脸图像P和模糊人脸图像P’分别做傅里叶变换，得到P的频谱信息F以及P’的频谱信息F’；30.能量谱和计算：根据频谱信息F以及频谱信息F’分别计算P的能量谱和H及P’的能量谱和H’；40.高斯模糊影响因子计算：根据能量谱和H与能量谱和H’计算人脸图像的高斯模糊影响因子X，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊。本发明能够准确度量在变化场景中获取的人脸图像的模糊度，以便从抓拍到的视频流中筛选出最清晰的人脸图像，提高人脸识别的准确率。
-
公开(公告)号：CN119201852A
公开(公告)日：2024-12-27
申请号：CN202411318460.9
申请日：2024-09-20
Applicant: 厦门瑞为信息技术有限公司
Abstract: 本发明公开了一种基于文件分段的追加存储方法及系统，其中，该方法包括如果不存在存储文件，则创建存储文件，并定义存储文件的基本属性和结构，其中，在定义存储文件的结构时，为每个数据段定义一个独立的文件格式头；生成新文件格式头，并将获取的待存储数据根据对应的数据类型存储到新文件格式头对应的数据段中，并更新新文件格式头的信息；如果存在存储文件，且判断最后一次存储的文件格式头无异常结束，则在最后一次存储的文件格式头的尾部生成新文件格式头；根据最后一次存储的文件格式头的信息获取追加的待存储数据，将追加的待存储数据根据对应的数据类型存储到新文件格式头对应的数据段中，并更新新文件格式头的信息；从而提高工作效率。
-
公开(公告)号：CN108052879B
公开(公告)日：2020-08-07
申请号：CN201711227238.8
申请日：2017-11-29
Applicant: 厦门瑞为信息技术有限公司
Abstract: 本发明涉及一种降低人脸识别误识率的方法，其通过将人员ID与人脸特征的关系调节为1：N，并记录相似度值最高的对个人脸特征，当多个人脸特征指向不同的人员ID时，通过平均相似度值来确定人员，从而通过统计学的方法降低了误识率。实际场景中，提取的人脸特征与非本人人脸特征的相似度为Sim_other,提取的人脸特征与注册的本人的人脸特征的相似度为Sim_self，Sim_other>Sim_self的概率是p。在原有技术方案中，但凡发生Sim_other>Sim_self的情况，就会发生误识别，即误识率的概率为p*1＝p。而在本发明中，只有当非本人的N个人脸特征相似度都发生Sim_other>Sim_self时，才会发生误识别，即误识率为p的N次方，随着每个人的注册人脸特征的增多，Sim_other>Sim_self的情况造成的误识率就会越来越趋近于零。
-
公开(公告)号：CN108052879A
公开(公告)日：2018-05-18
申请号：CN201711227238.8
申请日：2017-11-29
Applicant: 厦门瑞为信息技术有限公司
CPC classification number: G06K9/00275 , G06K9/6215
Abstract: 本发明涉及一种降低人脸识别误识率的方法，其通过将人员ID与人脸特征的关系调节为1：N，并记录相似度值最高的对个人脸特征，当多个人脸特征指向不同的人员ID时，通过平均相似度值来确定人员，从而通过统计学的方法降低了误识率。实际场景中，提取的人脸特征与非本人人脸特征的相似度为Sim_other,提取的人脸特征与注册的本人的人脸特征的相似度为Sim_self，Sim_other>Sim_self的概率是p。在原有技术方案中，但凡发生Sim_other>Sim_self的情况，就会发生误识别，即误识率的概率为p*1＝p。而在本发明中，只有当非本人的N个人脸特征相似度都发生Sim_other>Sim_self时，才会发生误识别，即误识率为p的N次方，随着每个人的注册人脸特征的增多，Sim_other>Sim_self的情况造成的误识率就会越来越趋近于零。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.028 seconds)
