-
公开(公告)号：CN112183156A
公开(公告)日：2021-01-05
申请号：CN201910588980.4
申请日：2019-07-02
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种活体检测方法和设备，其中方法包括：预先根据检测对象的样本图片集合，生成预设第一数量棵像素差特征决策树；根据所述检测对象的目标检测图片，遍历每棵所述像素差特征决策树，得到相应的像素差特征向量；连接所有所述像素差特征向量，得到所述检测对象的像素差特征向量；根据所述目标检测图片的像素差特征向量，判断所述目标检测图片是否来自活体。应用本申请公开的技术方案，能够提高活体检测的准确度，且运算开销小。
-
公开(公告)号：CN112883758B
公开(公告)日：2023-08-25
申请号：CN201911197600.0
申请日：2019-11-29
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V40/40 , G06V40/14 , G06V10/764 , G06V10/774 , G06V10/82 , G06V40/16 , G06V40/18
Abstract: 本申请公开了一种活体检测方法，该方法包括，基于待检测目标的红外图像，提取有效区域内的图像数据，将提取的有效区域图像数据输入至训练好的神经网络分类器进行识别，从训练好的神经网络分类器的输出获得检测结果，所述训练好的神经网络分类器根据图像中是否包含有生物特征的静脉分布信息进行分类，将包含有生物特征的静脉分布信息的待检测目标的红外图像识别为活体，将未包含有生物特征的静脉分布信息的待检测目标的红外图像识别为非活体。本发明的检测方法性能稳定，抗攻击能力强，具有非常高的安全性。
-
公开(公告)号：CN113033257B
公开(公告)日：2023-08-18
申请号：CN201911348398.7
申请日：2019-12-24
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V40/13
Abstract: 本申请实施例所提供的指纹识别方法、装置、电子设备及可读存储介质，在采集到包含待识别指纹的目标图像后，基于目标图像的关键点的特征以及模板图像的关键点的特征，对目标图像中的关键点进行过滤，将过滤后的目标图像的关键点以及与该关键点匹配的模板图像中的关键点组成目标匹配集合，进而基于目标匹配集合中各关键点对，确定出待识别指纹与模板图像中的模板指纹是否为同一指纹。该方法能够显著提升指纹识别的准确度，即使在目标图像中的指纹面积较小的情况下，也可以得到较高的指纹识别准确度。
-
Patent Agency Ranking
公开(公告)号：CN112183156B
公开(公告)日：2023-08-11
申请号：CN201910588980.4
申请日：2019-07-02
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V40/40 , G06V10/764
Abstract: 本申请公开了一种活体检测方法和设备，其中方法包括：预先根据检测对象的样本图片集合，生成预设第一数量棵像素差特征决策树；根据所述检测对象的目标检测图片，遍历每棵所述像素差特征决策树，得到相应的像素差特征向量；连接所有所述像素差特征向量，得到所述检测对象的像素差特征向量；根据所述目标检测图片的像素差特征向量，判断所述目标检测图片是否来自活体。应用本申请公开的技术方案，能够提高活体检测的准确度，且运算开销小。
-
公开(公告)号：CN113033257A
公开(公告)日：2021-06-25
申请号：CN201911348398.7
申请日：2019-12-24
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06K9/00
Abstract: 本申请实施例所提供的指纹识别方法、装置、电子设备及可读存储介质，在采集到包含待识别指纹的目标图像后，基于目标图像的关键点的特征以及模板图像的关键点的特征，对目标图像中的关键点进行过滤，将过滤后的目标图像的关键点以及与该关键点匹配的模板图像中的关键点组成目标匹配集合，进而基于目标匹配集合中各关键点对，确定出待识别指纹与模板图像中的模板指纹是否为同一指纹。该方法能够显著提升指纹识别的准确度，即使在目标图像中的指纹面积较小的情况下，也可以得到较高的指纹识别准确度。
-
公开(公告)号：CN112668370B
公开(公告)日：2023-08-25
申请号：CN201910981696.3
申请日：2019-10-16
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种基于深度图像的生物特征活体识别检测方法，包括，获取当前包含有生物特征的被检测目标的深度图像，基于训练后的机器学习模型，对所述当前深度图像进行活体识别，其中，所述机器学习模型的训练包括，基于深度图像样本，计算深度图像中像素点的梯度，得到表征图像深度值变化程度的图像梯度特征；根据所述图像梯度特征，获取至少一个子区域图像的梯度幅值在其梯度方向分布的子区域梯度方向直方图；将所有子区域梯度方向直方图串接起来，得到提取的图像特征；将所述图像特征作为所述机器学习模型的样本，对所述机器学习模型进行训练。本申请算法简洁，响应时间短，实现了呈现攻击检测，提高识别设备的安全性。
-
公开(公告)号：CN112883758A
公开(公告)日：2021-06-01
申请号：CN201911197600.0
申请日：2019-11-29
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种活体检测方法，该方法包括，基于待检测目标的红外图像，提取有效区域内的图像数据，将提取的有效区域图像数据输入至训练好的神经网络分类器进行识别，从训练好的神经网络分类器的输出获得检测结果，所述训练好的神经网络分类器根据图像中是否包含有生物特征的静脉分布信息进行分类，将包含有生物特征的静脉分布信息的待检测目标的红外图像识别为活体，将未包含有生物特征的静脉分布信息的待检测目标的红外图像识别为非活体。本发明的检测方法性能稳定，抗攻击能力强，具有非常高的安全性。
-
公开(公告)号：CN112668370A
公开(公告)日：2021-04-16
申请号：CN201910981696.3
申请日：2019-10-16
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种基于深度图像的生物特征活体识别检测方法，包括，获取当前包含有生物特征的被检测目标的深度图像，基于训练后的机器学习模型，对所述当前深度图像进行活体识别，其中，所述机器学习模型的训练包括，基于深度图像样本，计算深度图像中像素点的梯度，得到表征图像深度值变化程度的图像梯度特征；根据所述图像梯度特征，获取至少一个子区域图像的梯度幅值在其梯度方向分布的子区域梯度方向直方图；将所有子区域梯度方向直方图串接起来，得到提取的图像特征；将所述图像特征作为所述机器学习模型的样本，对所述机器学习模型进行训练。本申请算法简洁，响应时间短，实现了呈现攻击检测，提高识别设备的安全性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
