-
公开(公告)号：CN106886783B
公开(公告)日：2020-11-10
申请号：CN201710048176.8
申请日：2017-01-20
Applicant: 清华大学
Abstract: 本发明提供一种基于区域特征的图像检索方法及系统，所述的方法包括：S1，将输入的待检索图像划分为多个子区域图像；S2，提取每一个所述子区域图像的区域特征，并将每一个区域特征量化为对应的视觉单词；S3，遍历每一个区域特征对应的视觉单词，在数据库倒排表中检索每一个模板图像包含所述视觉单词的个数，将包含视觉单词个数最多的模板图像作为检索结果图像。本发明通过对图像进行分区，提取每一个区域图像的区域特征，通过区域特征的匹配得到检索结果，相比现有的通过局部特征来检索，提取的区域特征个数相比局部特征个数大大减少，提高了图像检索的效率，普适性和扩展性更好。
-
公开(公告)号：CN106897657B
公开(公告)日：2020-10-27
申请号：CN201510960637.X
申请日：2015-12-18
Applicant: 大唐电信科技股份有限公司 , 清华大学
IPC: G06K9/00
Abstract: 本发明实施例提供了一种人脸活体检测方法和装置，其中的方法包括：随机生成预设比特长度的检测序列，其中，所述预设比特长度值与预设检测次数值相同；根据生成的检测序列执行预设次数次被检测用户特征采集，所述被检测用户特征为所述被检测用户面部区域特征；根据采集到的被检测用户特征的检测结果生成检测结果序列，其中，一个检测结果对应检测结果序列中的一位数值；确定检测序列与检测结果序列的模糊匹配度；当检测序列与检测结果序列的模糊匹配度大于第一预设阈值时，确定所述被检测用户为活体。本发明实施例能够提高人脸活体检测系统的安全性和可靠性。
-
公开(公告)号：CN111563424A
公开(公告)日：2020-08-21
申请号：CN202010314162.8
申请日：2020-04-20
Applicant: 清华大学
Abstract: 本发明实施例提供一种基于半监督学习的行人再识别方法及装置，该方法包括：将多个已标注的有标签图像序列，输入预设的行人再识别模型，进行初步训练；从多个无标签的图像序列中，选取置信度满足预设条件的图像序列，对于每一选取的图像序列，将特征空间中最邻近的有标签图像序列的标签作为伪标签，从而得到多个选取图像序列构成的支持集；将支持集中的图像序列，输入预设的行人再识别模型进行再次训练；基于再次训练得到的模型进行行人再识别。该方法有效解决了实际场景下有标签序列不足、标注困难的问题。在仅有少量的标注序列的前提下，通过对易得的无标签序列生成伪标签，从而得到大量准确度高的训练样本。
-
公开(公告)号：CN107679585A
公开(公告)日：2018-02-09
申请号：CN201710889188.3
申请日：2017-09-27
Applicant: 清华大学
CPC classification number: G06K9/6821 , G06N3/049 , G06N3/08
Abstract: 本发明提供一种基于时间残差长短时记忆网络的阿拉伯文识别方法及系统，所述方法包括：S1、在长短时记忆LSTM网络中每一LSTM单元中添加时间残差连接，以构造时间残差LSTM网络，所述时间残差连接用于将所述LSTM单元前一时刻的输出加权叠加到所述LSTM单元当前时刻的输出上；S2、基于训练后的所述时间残差LSTM网络，对输入的阿拉伯文图像序列进行识别。本发明提供的基于时间残差长短时记忆网络的阿拉伯文识别方法及系统，通过在时间维度上将残差学习的思想与LSTM相结合，将LSTM网络上一时刻的输出加权叠加到当前输出上，形成时间残差LSTM网络，从而使得较深的神经网络易于训练，提高了阿拉伯文的识别率。
-
公开(公告)号：CN107066945A
公开(公告)日：2017-08-18
申请号：CN201710143006.8
申请日：2017-03-10
Applicant: 清华大学
CPC classification number: G07C9/00158 , G06K9/00255 , G06K9/00771
Abstract: 本发明实施例涉及电子信息技术领域，提供一种大流量通关快速身份核验方法和系统，其中方法包括：获取预设摄像机实时采集的行人的第一监控图像，识别第一监控图像中人脸获取人脸图像，根据人脸图像确定行人的行人身份类型及人脸图像在第一监控图像中的图像坐标；根据图像坐标、预设深度摄像机采集的行人距离信息及深度摄像机的标定信息获取行人在行人通道中的地理坐标；控制地踩式多色LED阵列在行人的地理坐标区域显示与行人的行人身份类型对应的行进标识，以提示行人按照行进标识的指示行进。本发明实施例提供的大流量通关快速身份核验方法和系统，能够大幅提高核验效率和通行能力，且能够保证对所有通行人员无遗漏的身份核验。
-
Patent Agency Ranking
公开(公告)号：CN107025435A
公开(公告)日：2017-08-08
申请号：CN201710139212.1
申请日：2017-03-09
Applicant: 清华大学
IPC: G06K9/00
CPC classification number: G06K9/00268 , G06K9/00228
Abstract: 本发明实施例提供一种人脸识别处理方法及系统，涉及计算机视觉与图像处理领域，所述方法包括：获取待识别人的身份证人脸相片和实时人脸图像；提取所述身份证人脸相片中的人脸特征和所述实时人脸图像中的人脸特征；根据所述身份证人脸相片中的人脸特征，以及实时人脸图像中的人脸特征计算身份证人脸特征自相关系数、现场人脸特征自相关系数和身份证现场人脸特征互相关系数；识别所述待识别人身份。通过利用了高清证件照的细节特征、二代身份证芯片人脸图片分辨率较低但姿态正光照好的特点，以及现场采集的人脸照姿态表情变化大等特点，进行训练得到辅助参数，提升了人脸识别处理的准确率以及场景适应性。
-
公开(公告)号：CN102663820B
公开(公告)日：2014-10-22
申请号：CN201210133145.X
申请日：2012-04-28
Applicant: 清华大学
IPC: G06T17/00
Abstract: 本发明公开了一种三维头部模型重建方法，包括以下步骤：S1：输入人脸的正面和侧面图像；S2：提取图像面部和头发区域的特征点；S3：根据面部特征点形变生成三维头部模型；S4：根据图像生成无缝的全局头部纹理；S5：将所得纹理映射到形变三维头部模型上；S6：根据头发区域特征点，用昆氏曲面进行头发区域的拟合；S7：将昆氏曲面形变，并进行纹理贴图。本方法简便易行，计算复杂度低，在保证精度的前提下能很真实的重建三维头部模型。
-
公开(公告)号：CN101140624A
公开(公告)日：2008-03-12
申请号：CN200710176039.9
申请日：2007-10-18
Applicant: 清华大学
Abstract: 本发明公开了一种图像匹配方法，属于图像匹配技术领域。所述方法包括：利用MSER方法检测出待匹配的图像中的同质区域；采用椭圆区域方程对检测到的每个同质区域进行拟合；采用椭圆形梯度直方图和多尺度图像分解抽取经过椭圆区域方程拟合后的同质区域所在测量区域的特征向量；采用分层k均值聚类算法构造同质区域集合的二叉树，进行图像匹配。所述方法还包括：采用结合二叉树的渐进式方法构建感兴趣区域的分类器，进行图像匹配。本发明结合图像尺度空间和统计学习方法大大地降低了提取图像特征向量的复杂度和局部区域匹配复杂度，同时增强了图像匹配算法的稳定性。
-
公开(公告)号：CN100356388C
公开(公告)日：2007-12-19
申请号：CN200510136310.7
申请日：2005-12-31
Applicant: 清华大学
IPC: G06K9/00
Abstract: 本发明属于分类器集成和模式识别领域，其特征在于，首先通过各种采集设备获得用户的人脸、虹膜、在线签名和脱机笔迹各生物特征，接下来将这些生物特征分别送入对应的识别认证子模块进行特征提取和模板匹配，并输出各自匹配后得到的分数。这些分数经过归一化后，或者被送入识别融合模块，通过置信度集成等步骤得到最后的识别结果；或者被送入认证融合模块，映射到多维空间并通过分类器分类后得到最后的认证结果；或者识别融合之后再次进行认证融合，得到认证后的最终识别结果。经过融合以后，无论是进行验证还是识别，总的错误率较之单一生物特征识别认证系统，都得到了降低。
-
公开(公告)号：CN113326762B
公开(公告)日：2025-04-25
申请号：CN202110580830.6
申请日：2021-05-26
Applicant: 清华大学
IPC: G06V40/16 , G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/045 , G06F40/284
Abstract: 本发明提供一种人脸图像的情绪确定方法、装置、电子设备及存储介质，其中所述方法包括：对待分析人脸图像进行卷积计算，提取所述待分析人脸图像的全图特征；对所述全图特征进行解耦，得到多个人脸部件的特征；基于动态融合依据状态，动态融合所述多个人脸部件的特征，形成高层次语义特征；基于所述高层次语义特征和语言生成模型，以逐词预测的方式生成情绪描述语句，提升了所生成的情绪描述语句的质量。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.091 seconds)
