-
公开(公告)号：CN111340103A
公开(公告)日：2020-06-26
申请号：CN202010113414.0
申请日：2020-02-24
Applicant: 安徽大学
Abstract: 本发明公开了一种基于图嵌入典型相关分析的特征层融合方法及其装置。该特征层融合方法包括：将所有模态中样本映射到同一分类结果的空间的投影矩阵，并对所述投影矩阵施加L21范数正则化，以实现同时在多个单模态特征空间中选择出独立互补特征；构造数据相似图矩阵，以表示所述单模态特征空间中样本点的相近关系；通过所述正则化目标函数为每个模态学习相应的投影矩阵，将多个模态数据投影到具备最大辨别力、最大相关性及最小冗余性的投影子空间中，实现多模态数据融合。本发明实现多模态数据融合，消除了原特征空间中冗余信息的干扰，提高单模态特征鉴别力，增强多模态样本集间的相关性，提升识别性能和稳定性，特征融合效果好，识别效果佳。
-
公开(公告)号：CN109993137A
公开(公告)日：2019-07-09
申请号：CN201910279481.7
申请日：2019-04-09
Applicant: 安徽大学
Abstract: 本发明公开一种基于卷积神经网络的快速人脸矫正算法，包括如下步骤：读取图像和图像中人脸位置信息；通过图像中人脸的位置信息裁剪出人脸区域，并对裁剪的图像进行预处理；将预处理好的人脸区域图像输入给卷积神经网络进行训练，得到最优的仿射变换参数预测模型；将待测试人脸图像输入仿射变换参数预测模型中，获得对应的预测仿射变换参数；利用预测的仿射变换参数对待测试人脸图像进行仿射变换，返回矫正后的人脸图像。本发明通过新的损失函数让卷积神经网络自动对仿射变换每一个系数的重要性进行建模。本发明公开的方法有效地提升了人脸矫正的速度，对遮挡等难题更加鲁棒。
-
公开(公告)号：CN108491802A
公开(公告)日：2018-09-04
申请号：CN201810251845.6
申请日：2018-03-26
Applicant: 安徽大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于联合加权差分激励和双Gabor方向的掌纹交叉匹配识别方法。本申请根据掌纹图像纹线丰富的特点，首先，计算中心像素和邻域像素的灰度差分，提取图像的灰度变化特性，并通过各邻域的方向角对差分值进行加权。然后，利用Gabor滤波器提取图像中纹线的方向信息。最后，构建联合加权差分激励和双Gabor方向的掌纹特征。此外，为了能够更好地衡量特征间的相似度，进一步使用交叉匹配算法，提高系统的识别性能。在PolyU，PolyU M_B和CASIA掌纹库上进行实验，识别率均达到100％。实验结果表明，与其它基于局部描述子的掌纹识别方法相比，本申请所述方法具有更高的识别率和更低的等错误率。
-
公开(公告)号：CN105426843A
公开(公告)日：2016-03-23
申请号：CN201510801840.2
申请日：2015-11-19
Applicant: 安徽大学
CPC classification number: G06K9/00013 , G06K9/00046 , G06T5/002 , G06T5/008
Abstract: 本发明公开了一种能够同时采集手掌静脉和掌纹图像的装置，并采用上述装置获得手掌静脉和掌纹图像进行增强和分割方法。装置包括：壳体、镜头、近红外LED光源组、可见白光LED光源组、环状均光材料、可见光CCD传感器、近红外CCD传感器、第一半透半反镜片和第二半透半反镜片。本发明使用一个镜头同时采集掌静脉和掌纹图片，保障了掌静脉图片和掌纹图片的区域一致性；使用半透半反镜片，对同一个镜头下不同波长的光线进行分离，再利用近红外CCD传感器和可见光CCD传感器分别采集到掌静脉和掌纹的图片，保障了掌静脉和掌纹图片的清晰度；并且采集的掌静脉和掌纹图像进行增强和分割能够克服手掌区域的灰度值不均现象，准确的区分出掌静脉，掌纹以及皮肤区域。
-
公开(公告)号：CN118135656A
公开(公告)日：2024-06-04
申请号：CN202410263907.0
申请日：2024-03-07
Applicant: 安徽大学
IPC: G06V40/20 , G06V20/64 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本申请涉及一种基于超图卷积的三维人体姿态估计方法、装置和电子设备，其中，该三维人体姿态估计方法包括：获取待估计的目标人体图像；将所述目标人体图像输入训练后的三维人体姿态估计模型，通过所述三维人体姿态估计模型估计所述目标人体图像中的目标三维人体姿态；其中，所述三维人体姿态估计模型包括超图卷积模块，所述超图卷积模块用于提取所述目标人体图像中各关节间的多对多关系信息，所述目标人体图像的特征图作为所述超图卷积模块的输入。通过采用超图卷积模块提取人体图像中各关节间的多对多关系信息，能够进一步改善图像中的动作遮挡问题，解决了目前的基于图卷积的三维人体姿态估计方法对动作遮挡问题的改善有限的问题。
-
Patent Agency Ranking
公开(公告)号：CN114863130B
公开(公告)日：2024-03-05
申请号：CN202210533024.8
申请日：2022-05-11
Applicant: 安徽大学
Abstract: 本发明属于医学影像处理领域，具体涉及一种指静脉生物特征识别方法、系统及匹配和识别方法。本发明采用竞争Gabor方向二值统计特征直方图，用于提取具有鉴别力的指静脉结构特征。首先，利用多方向Gabor滤波器，获取最大滤波响应值索引作为主导方向得到旋转不变特征。其次，依据指静脉图像上每个像素点各方向滤波值，比较相邻三方向顺序差值关系，构建高鉴别性的竞争Gabor方向二值模式(CGDBP)。最后，分块提取指静脉CGDBP特征，将离散的特征编码聚合成直方图表示，构造联合特征直方图HCGDBS，克服图像的平移。在四个广泛使用的指静脉数据库上进行大量实验，结果表明，所提出的方法能够有效地提高指静脉识别性能，对光照，平移、噪声和小范围的旋转较鲁棒。
-
公开(公告)号：CN116994301A
公开(公告)日：2023-11-03
申请号：CN202311023027.8
申请日：2023-08-11
Applicant: 安徽大学
IPC: G06V40/14 , G06V10/82 , G06V10/44 , G06V10/54 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985
Abstract: 本发明属于自动控制领域，具体涉及一种基于可变曲率Gabor卷积和多分支结构的指静脉识别方法，及其对应的指静脉识别系统和指静脉验证设备。本发明方案首先对传统的Gabor滤波器进行改进，加入可变曲率，以便提取到静脉曲线中的不同弯曲程度信息。其次，将可变曲率Gabor函数构造成可学习的VC‑Gabor卷积层，利用神经网络反向传播来更新VC‑Gabor卷积层的参数，使学习到的VC‑Gabor滤波器方向、尺度和曲率更加丰富，并且避免了复杂的手动调参。最后，再结合经典的CNN网络中的卷积层设计一种包含VC‑Gabor卷积层和自适应多分支结构的网络模型，进而利用网络模型进行指静脉图像的快速识别。本发明解决了现有指静脉识别方法精度不足，鲁棒性差的缺陷。
-
公开(公告)号：CN111340103B
公开(公告)日：2023-08-25
申请号：CN202010113414.0
申请日：2020-02-24
Applicant: 安徽大学
IPC: G06F18/25 , G06F18/2132 , G06V10/80 , G06V10/77 , G06V40/70
Abstract: 本发明公开了一种基于图嵌入典型相关分析的特征层融合方法及其装置。该特征层融合方法包括：将所有模态中样本映射到同一分类结果的空间的投影矩阵，并对所述投影矩阵施加L21范数正则化，以实现同时在多个单模态特征空间中选择出独立互补特征；构造数据相似图矩阵，以表示所述单模态特征空间中样本点的相近关系；通过所述正则化目标函数为每个模态学习相应的投影矩阵，将多个模态数据投影到具备最大辨别力、最大相关性及最小冗余性的投影子空间中，实现多模态数据融合。本发明实现多模态数据融合，消除了原特征空间中冗余信息的干扰，提高单模态特征鉴别力，增强多模态样本集间的相关性，提升识别性能和稳定性，特征融合效果好，识别效果佳。
-
公开(公告)号：CN115150192A
公开(公告)日：2022-10-04
申请号：CN202210928048.3
申请日：2022-08-03
Applicant: 安徽大学
Abstract: 本发明属于数据加密领域，具体涉及一种基于索引自编码的可撤销生物特征模板保护方法及其终端，以及利用该保护方法的身份验证方法和系统。可撤销生物特征模板保护方法用于对用户的生物特征模板信息进行采集、处理、保存和应用。该可撤销生物特征模板保护方法包括注册阶段和验证阶段两个部分的内容。注册阶段对用户生物特征进行索引自编码，然后结合随机的二进制密钥得到密文和可撤销模板并保存，验证阶段对用户生物特征进行索引自编码，然后依次进行密钥解码，模板生成和模板匹配；最终实现身份识别。本发明提供的技术方案克服了现有单因子和双因子的生物特征模板保护方法在便捷性和安全性上无法实现兼顾的问题。
-
公开(公告)号：CN114863130A
公开(公告)日：2022-08-05
申请号：CN202210533024.8
申请日：2022-05-11
Applicant: 安徽大学
Abstract: 本发明属于医学影像处理领域，具体涉及一种指静脉生物特征识别方法、系统及匹配和识别方法。本发明采用竞争Gabor方向二值统计特征直方图，用于提取具有鉴别力的指静脉结构特征。首先，利用多方向Gobar滤波器，获取最大滤波响应值索引作为主导方向得到旋转不变特征。其次，依据指静脉图像上每个像素点各方向滤波值，比较相邻三方向顺序差值关系，构建高鉴别性的竞争Gabor方向二值模式(CGDBP)。最后，分块提取指静脉CGDBP特征，将离散的特征编码聚合成直方图表示，构造联合特征直方图HCGDBS，克服图像的平移。在四个广泛使用的指静脉数据库上进行大量实验，结果表明，所提出的方法能够有效地提高指静脉识别性能，对光照，平移、噪声和小范围的旋转较鲁棒。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.027 seconds)
