-
公开(公告)号:CN113920554A
公开(公告)日:2022-01-11
申请号:CN202010647774.9
申请日:2020-07-07
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种人脸特征提取模型训练的方法、装置和系统,属于机器学习技术领域。所述方法包括:获取样本人脸图像对、对应的人脸对比结果数据和所述人脸对比结果数据对应的人脸比对过程中比对人员的视线热度图;基于所述样本人脸图像对和所述视线热度图,对人脸特征提取模型中的注意力网络进行训练;基于所述样本人脸图像对和对应的人脸对比结果数据,对所述人脸特征提取模型进行训练。本申请通过对注意力网络进行单独监督训练,使得人脸特征提取模型的训练效果更好。
-
公开(公告)号:CN113743284A
公开(公告)日:2021-12-03
申请号:CN202111005732.6
申请日:2021-08-30
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例公开了一种图像识别方法、装置、设备、相机及门禁设备,属于图像识别领域。所述方法包括:在目标图像为受光照影响的图像的情况下,基于所述目标图像,对存储的多个第一基准图像进行光照迁移,以得到多个第二基准图像。基于所述多个第二基准图像,对所述目标图像进行图像识别。本申请实施例通过在目标图像为受光照影响的图像的情况下,对多个第一基准图像进行光照迁移后再对目标图像进行图像识别,由此提高了受光照影响的图像的识别准确率;在目标图像为不受光照影响的图像的情况下,基于多个第一基准图像对目标图像进行识别,由此保证了不受光照影响的图像的识别准确率。
-
公开(公告)号:CN113706428A
公开(公告)日:2021-11-26
申请号:CN202110749973.5
申请日:2021-07-02
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种图像生成方法和装置,获取待融合的目标未遮挡人脸图像和对应的目标遮挡物图像;对目标未遮挡人脸图像和目标遮挡物图像进行融合,得到待优化融合图像;将待优化融合图像输入至预先训练的生成器网络,得到生成器网络输出的目标融合图像;生成器网络属于基于判别器网络和身份一致网络进行训练获得的生成式对抗网络,其中,判别器网络用于对融合图像细节信息的约束,身份一致网络用于对身份一致性的约束。如此,能够生成有效的遮挡人脸图像。
-
公开(公告)号:CN113408556A
公开(公告)日:2021-09-17
申请号:CN202010183793.0
申请日:2020-03-16
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种身份识别方法及装置,属于信息处理技术领域。所述方法包括:获取样本库中的样本的样本分布信息,也就是确定样本的样本生物特征在样本生物特征空间中的疏密分布状态。其中,样本库包括样本的第一身份信息和样本生物特征空间。可以基于待识别的目标的目标生物特征、样本的样本分布信息和样本生物特征确定第一相似度,也就是不仅仅是根据目标生物特征和样本生物特征确定第一相似度,而是还考虑到了样本生物特征的疏密分布状态对第一相似度的影响,如此确定出的目标与样本的第一相似度,可以更加准确地表示目标与样本之间的相似程度,进而基于该第一相似度确定的目标的第二身份信息的准确度更高。
-
公开(公告)号:CN112541446A
公开(公告)日:2021-03-23
申请号:CN202011495346.5
申请日:2020-12-17
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种生物特征库更新方法、装置及电子设备。其中,所述方法包括:在生物特征库的注册生物特征中,获取待更新生物特征,所述待更新生物特征对应的识别特征与待识别生物特征对应的识别特征匹配;根据所述待识别生物特征和所述待更新生物特征,生成替代生物特征,其中,所述替代生物特征对应的识别特征与所述待识别生物特征对应的识别特征以及所述待更新生物特征对应的识别特征匹配;在所述生物特征库中,将所述待更新生物特征替换为所述替代生物特征,并将所述待更新生物特征对应的识别特征替换为所述替代生物特征对应的识别特征。可以使得更新后的生物特征可以准确的反应出人员的身份。
-
公开(公告)号:CN111368861A
公开(公告)日:2020-07-03
申请号:CN201811590549.5
申请日:2018-12-25
Applicant: 杭州海康威视数字技术股份有限公司
Inventor: 杨彭举
IPC: G06K9/62
Abstract: 本申请公开了一种在图像物体检测过程中确定子部件顺序的方法和装置,属于图像检测领域。所述方法包括:基于样本集中的正样本,确定每个子部件对应的第一得分概率密度函数,并基于样本集中的负样本,确定每个子部件对应的第二得分概率密度函数;基于子部件顺序中第一位次对应的预设的参考概率,确定第一位次对应的子部件;对于子部件顺序中第一位次之后的每个位次,基于当前位次的前一个位次对应的参考概率和负参考概率、每个子部件对应的第一得分概率密度函数和每个子部件对应的第二得分概率密度函数,确定当前位次对应的参考概率,确定当前位次对应的子部件。采用本申请,可以提高确定的子部件顺序的准确率。
-
-
-
-
-