-
公开(公告)号：CN114896575A
公开(公告)日：2022-08-12
申请号：CN202210461329.2
申请日：2022-04-28
Applicant: 西安电子科技大学
IPC: G06F21/32
Abstract: 本发明涉及一种基于虚假属性检测的可信身份辨识方法及装置，包括：通过M个已知对象建立已知身份属性信息库；提取每个已知对象的N维生物特征属性对应的N条特征；利用特征模板与待测对象的N维生物特征属性中对应的生物特征属性进行匹配，选取相似度较大的L个识别结果作为生物特征属性的识别结果；利用基于汇聚度的共识算法对L个识别结果进行计算，将局部汇聚度值最小的身份作为共识身份；根据共识身份的每个生物特征属性是否处于L个识别结果中确定共识身份的标志；根据标志确定生物特征属性的真实性；输出检测到的虚假属性和作为可信身份的共识身份。本发明探索无监督虚假身份属性检测技术研究的新途径，提高未知攻击条件下身份辨识精度。
-
公开(公告)号：CN114862920A
公开(公告)日：2022-08-05
申请号：CN202210466776.7
申请日：2022-04-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度图像恢复的跨摄像机行人重识别方法，包括：获取跨摄像机查询图像并进行分辨率判断；对查询图像中的低分辨率图像进行多尺度图像恢复，得到若干高质量图像；对高质量图像和图库图像进行多尺度特征提取和融合，得到融合特征；将融合特征与图库图像的特征进行对比分析，得到行人重识别结果。本发明的方法能够适应图像尺度的各种不规则变化，并且能够充分利用不同尺度图像的信息，提升行人重识别的准确度。
-
公开(公告)号：CN114170655A
公开(公告)日：2022-03-11
申请号：CN202111432136.6
申请日：2021-11-29
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V40/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于知识蒸馏的人脸伪造线索迁移方法，包括：选取预训练数据集；选取第一分类网络模型作为教师模型，利用预训练数据集对教师模型进行预训练，获得预训练后的教师模型；选取第二分类网络模型作为学生模型，利用学生模型和训练后的教师模型共同构建教师学生联合网络模型；选取训练数据集，将训练数据集输入教师学生联合网络模型，利用训练数据集对学生模型进行训练，获得经训练的学生模型；将待识别人脸图片输入经训练的学生模型，以获得待识别人脸图片为真实图片或伪造图片的概率值，进而判断人脸图像的真伪。本发明在避免先验伪造线索知识丢失的情况下，提高了人脸伪造检测的准确率和泛化性。
-
Patent Agency Ranking
公开(公告)号：CN114005167A
公开(公告)日：2022-02-01
申请号：CN202111473575.1
申请日：2021-11-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于人体骨骼关键点的远距离视线估计方法和装置，所述方法包括：对待测图像中的行人进行分离，裁剪出人体边界框图像；将所述人体边界框图像输入经过预训练的人体关键点检测网络模型，得到所述人体边界框图像中的多个人体关键点的位置坐标，所述人体关键点至少包括左眼、右眼、左耳、右耳、鼻部、左肩部和右肩部；根据所述多个人体关键点的位置坐标获得初始人体面部朝向角度；利用所述初始人体面部朝向角度获得视线估计落点坐标。本发明可以在真实场景和游戏场景下对远距离的行人视线进行令人满意的识别和估计。
-
公开(公告)号：CN109035318B
公开(公告)日：2021-11-30
申请号：CN201810615516.5
申请日：2018-06-14
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种图像风格的转换方法，包括：获取风格图像和内容图像；通过所述风格图像获取流派内嵌表示空间；根据所述风格图像的风格深度特征和所述内容图像的内容深度特征获取流派风格化表示空间；根据所述流派内嵌表示空间和所述流派风格化表示空间对所述内容图像进行风格转换。本发明由于采用构建流派内嵌表示空间，将现有方法转换单张图像风格的变为转换为一种根据流派进行风格转换的方式，不仅转换了风格图像的颜色与纹理，同时还根据内容图像和风格图像之间语义信息的对应关系进行转换，使得转换后的图像更具有艺术意义。
-
公开(公告)号：CN113468954A
公开(公告)日：2021-10-01
申请号：CN202110554168.7
申请日：2021-05-20
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于多通道下局部区域特征的人脸伪造检测方法，包括：S1：对待检测图像的人脸进行面部分量分离，得到多个待测面部组件；S2：提取多个通道下每个待测面部组件的空域特征；S3：将每个通道下每个待测面部组件的空域特征，输入对应通道下对应面部组件的分类网络模型中，得到每个通道下每个待测面部组件的置信向量；S4：根据每个通道下每个待测面部组件的置信向量，得到待检测图像的人脸伪造检测结果；其中，分类网络模型通过迁移学习，使用预训练的分类网络训练得到，多个通道包括RGB、HSV、YCbCr、DoG、LBP或Canny中的至少两种。本发明的方法，在多通道下检测面部五官等局部区域的伪造细节，使得结果准确率更高，更具鲁棒性。
-
公开(公告)号：CN107392213B
公开(公告)日：2020-04-07
申请号：CN201710602696.9
申请日：2017-07-21
Applicant: 西安电子科技大学
Abstract: 一种基于深度图模型特征学习的人脸画像合成方法。其步骤为：(1)生成样本集合；(2)生成图像块集合；(3)提取深度特征；(4)求解人脸画像重构块系数；(5)重构人脸画像块；(6)合成人脸画像。本发明使用深度卷积网络提取人脸照片块的深度特征，利用马尔科夫图模型求解深度特征图系数与人脸画像块重构系数，使用人脸画像块重构系数对人脸画像块加权求和得到重构人脸画像块，拼接重构人脸画像块得到合成人脸画像。本发明使用从深度卷积网络中提取的深度特征来代替图像块的原始像素值信息，对光照等环境噪声具有更好的鲁棒性，能合成质量极高的人脸画像。
-
公开(公告)号：CN108154133A
公开(公告)日：2018-06-12
申请号：CN201810023591.2
申请日：2018-01-10
Applicant: 西安电子科技大学
Abstract: 一种基于非对称联合学习的人脸画像-照片识别方法。其步骤为：(1)获得训练样本集和测试样本集；(2)划分样本子集；(3)获得训练伪样本集；(4)构建非对称特征矩阵；(5)计算非对称联合学习矩阵；(6)计算画像样本与照片样本的相似度值；(7)得到识别结果。本发明使用深度卷积网络提取样本的深度特征向量，利用非对称特征矩阵计算非对称联合学习矩阵，使用非对称联合学习矩阵计算画像与照片的相似度，找出与画像相似度最大的照片作为识别结果。本发明将训练伪样本集加入训练过程，并使用非对称联合学习方法增加类内信息，能准确地识别出画像对应的照片。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.027 seconds)
