-
公开(公告)号：CN103793642B
公开(公告)日：2016-06-29
申请号：CN201410074050.4
申请日：2014-03-03
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种移动互联网掌纹身份认证方法，分为注册和识别两个阶段。在注册阶段，通过智能移动设备自带的摄像头获取待注册用户的掌纹图像，并通过网络上传到服务器，服务器端经过手掌定位与感兴趣区域提取、掌纹特征提取等一系列算法，将该用户的信息存储于数据库中。在认证阶段，通过智能移动设备自带的摄像头获取用户的掌纹图像，并上传到服务器，服务器端通过同样的算法得到待认证用户的掌纹特征，与数据库中存储的掌纹特征进行匹配，进而判断该用户是否为已注册用户。本方法既摆脱了传统掌纹识别不便携的缺点，又不受智能移动设备硬件性能的限制，同时由于算法的核心部署在服务器上，增强了系统的安全性，大大扩展了掌纹识别的应用领域。
-
公开(公告)号：CN103810577A
公开(公告)日：2014-05-21
申请号：CN201410093397.3
申请日：2014-03-14
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于人体生物特征的云考勤方法，不仅利用了人体生物特征识别技术，避免了传统的基于标识物方式的易丢失、易造假等缺点，而且还采用了云技术，解决了目前工作流动性较强、工作场所范围大等场合下的考勤系统存在的问题。本发明将基于人体生物特征的考勤和远程考勤结合起来，实现了一种基于人体生物特征的云考勤方法。本发明充分利用了这两种技术的优势，在不便于集中考勤的情况下，用户可以在工作场所范围内通过自己的人体生物特征完成签到和签退。本发明利用普通计算机或智能移动设备自带的传感器来采集相关的人体生物特征，通过安装软件来实现考勤，且使用统一的云考勤服务器，无需另外添设硬件设备，降低了成本。
-
公开(公告)号：CN103440480A
公开(公告)日：2013-12-11
申请号：CN201310385672.4
申请日：2013-08-22
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于掌纹图像配准的非接触掌纹识别方法，分为注册和识别两个阶段。在注册阶段，将用户提供的原型图像进行ROI提取，在ROI图像上提取竞争码特征并存于特征数据库，同时将ROI图像经预处理后提取SIFT特征存于特征数据库。在识别阶段，在用户提供的查询图像上进行相同的ROI提取、竞争码特征提取和SIFT特征提取的操作。将提取到的SIFT特征和数据库中已存的SIFT特征进行匹配，得到匹配的SIFT特征点。同时由匹配的SIFT特征点得到SIFT特征的匹配度，并将两种匹配度进行融合得到最终匹配度用于身份认证或识别。解决非接触掌纹图像的形变问题，提高了识别精度。
-
公开(公告)号：CN118334346A
公开(公告)日：2024-07-12
申请号：CN202410580883.1
申请日：2024-05-11
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06V10/774 , G16H30/40 , G06V10/80
Abstract: 本发明公开了一种基于小波的特定尺度循环反馈网络的糖网病变分割方法，所述方法基于小波的特定尺度循环反馈网络进行糖网病变分割，所述网络采用编码器‑解码器结构，其中：编码器利用EfficientNet‑B1作为主干网络从输入图像中提取多尺度特征；解码器由基于小波的反馈金字塔模块、特定尺度的细化模块和多尺度特征聚合器三个部分组成。本发明将迭代反馈机制引入到糖网病变分割任务中来，递归地利用反馈来细化多尺度特征，获得更好的聚合多尺度特征表示，以实现准确的糖网病变分割。本发明填补了在糖网病变分割技术中的对多尺度特征细化方法研究的空白。
-
公开(公告)号：CN107784308B
公开(公告)日：2020-04-03
申请号：CN201710930183.0
申请日：2017-10-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于链式多尺度全卷积网络的显著性目标检测方法，所述方法步骤如下：对于一张图片I，先将其调整成不同尺度的一系列图片：{I1，I2，···，Im}作为多个SSFCN的输入；不同尺度的SSFCNi‑1对应的输入为X＝{I1，I2，···，Im}，输出为Y＝{M1，M2，···，Mm}，传到下一个SSFCN网络的状态S＝{S1，S2，···，Sm}；将SSFCNi‑1的输出大小调整到Ii的大小与Ii一起作为SSFCNi的输入，将SSFCNi‑1的最后一个反卷积层的输出大小调整到Ii的大小和SSFCNi‑1的最后一个反卷积层的输出进行融合；将所有SSFCN的结果调整到与输入图像I相同大小，用一个简单的卷积网络整合得到最终的显著性图像。本发明可以很好的进行显著性目标检测，并在多个数据库上取得了最好的结果。
-
Patent Agency Ranking
公开(公告)号：CN110084249A
公开(公告)日：2019-08-02
申请号：CN201910336001.6
申请日：2019-04-24
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于金字塔特征注意的图像显著性检测方法，所述方法针对深度卷积神经网络的不同层次特征，使用多种注意力机制，获取更加有效的图像显著性特征。本发明的方法可以很好的进行显著性目标检测，并在多个数据库上取得了最好的结果。本发明整个过程利用一个神经网络进行图像显著性检测，运用注意力机制获取有效的多尺度多层次信息，并使用特别的边缘保持损失函数监督显著性边缘部分的生成。较现有的图像显著性检测方法，在不需要后处理的情况下，显著性图像边缘清晰，具有良好的鲁棒性。
-
公开(公告)号：CN107784308A
公开(公告)日：2018-03-09
申请号：CN201710930183.0
申请日：2017-10-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于链式多尺度全卷积网络的显著性目标检测方法，所述方法步骤如下：对于一张图片I，先将其调整成不同尺度的一系列图片：{I1，I2，···，Im}作为多个SSFCN的输入；不同尺度的SSFCNi-1对应的输入为X＝{I1，I2，···，Im}，输出为Y＝{M1，M2，···，Mm}，传到下一个SSFCN网络的状态S＝{S1，S2，···，Sm}；将SSFCNi-1的输出大小调整到Ii的大小与Ii一起作为SSFCNi的输入，将SSFCNi-1的最后一个反卷积层的输出大小调整到Ii的大小和SSFCNi-1的最后一个反卷积层的输出进行融合；将所有SSFCN的结果调整到与输入图像I相同大小，用一个简单的卷积网络整合得到最终的显著性图像。本发明可以很好的进行显著性目标检测，并在多个数据库上取得了最好的结果。
-
公开(公告)号：CN107247952A
公开(公告)日：2017-10-13
申请号：CN201610604722.7
申请日：2016-07-28
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深层监督的循环卷积神经网络的显著性检测方法，其包括如下步骤：一、初级深层网络结构的设计；二、循环卷积神经网络的设计；三、深层监督的循环卷积神经网络的设计；四、模型的训练与测试。本发明提出了一种新的网络结构，在不增加模型参数的同时增加了网络结构的深度，并采用多层监督信息来对模型进行有效地训练。本发明提出的深层监督的循环卷积神经网络除了在显著性检测领域能取得很好的效果外，还可以用于所有的基于像素分类的图像处理和计算机视觉领域的应用中。
-
公开(公告)号：CN106780465A
公开(公告)日：2017-05-31
申请号：CN201611174057.9
申请日：2016-12-16
Applicant: 哈尔滨工业大学
CPC classification number: G06T7/0012 , G06K9/54 , G06T2207/10004 , G06T2207/20081 , G06T2207/30096 , G06T2207/30101
Abstract: 基于梯度向量分析的视网膜图像微动脉瘤自动检测与识别方法。所述的方法包括如下步骤：步骤一：候选微动脉瘤检测；先对微动脉瘤提取，所述的微动脉瘤提取主要包含血管去除、候选微动脉瘤定位与分割三个步骤；步骤二：候选微动脉瘤特征的提取；步骤三：微动脉瘤识别。本发明通过分析眼底视网膜图像中不同暗目标的梯度向量分布情况，并结合样本不均衡分类器，提出了新的基于梯度向量分析的视网膜图像微动脉瘤自动检测与识别方法。该方法还可有效应用于输液图像中微小异物目标检测、遥感图像中微小红外目标检测以及工件表面图像中的微小缺陷目标检测。
-
公开(公告)号：CN103455803A
公开(公告)日：2013-12-18
申请号：CN201310412065.2
申请日：2013-09-04
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 本发明提出一种基于迭代随机抽样一致算法的非接触式掌纹识别方法。该方法通过掌纹图像预处理、尺度不变特征变换特征提取与匹配、外点排除等步骤，最终以匹配的SIFT特征点数量作为分数实现基于掌纹的身份认证或辨识。本发明要解决的问题是非接触式掌纹识别，所使用的掌纹图像不需要非常准确的对齐，因此掌纹图像可以在开放的环境中非接触采集，有利于提高掌纹识别的用户接受度。本发明应用SIFT特征，可以大大降低掌纹图像各种旋转、平移、尺度等线性变换以及其它非线性变换的影响。本发明应用I-RANSAC算法排除两幅掌纹图像SIFT特征点匹配中的外点，可以解决传统外点排除算法在非线性形变情况下丢失大量内点的问题。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.035 seconds)
