-
公开(公告)号：CN101317183A
公开(公告)日：2008-12-03
申请号：CN200680044463.1
申请日：2006-12-28
Applicant: 三菱电机株式会社
IPC: G06K9/00
CPC classification number: G06K9/0061
Abstract: 描述了一种用于提取图像中的虹膜的方法。在图像中检测虹膜的边缘。从所述图像获取纹理。将所述边缘和纹理组合以生成所述虹膜的内侧边界和外侧边界。而且，为改善虹膜边界检测的精度，提供了一种在椭圆和圆形模型之间选择的方法。最后，将穹顶模型用于求出掩蔽图像并移除展开的图像中的眼睑遮蔽。
-
公开(公告)号：CN101317183B
公开(公告)日：2012-04-18
申请号：CN200680044463.1
申请日：2006-12-28
Applicant: 三菱电机株式会社
IPC: G06K9/00
CPC classification number: G06K9/0061
Abstract: 描述了一种用于提取图像中的虹膜的方法。在图像中检测虹膜的边缘。从所述图像获取纹理。将所述边缘和纹理组合以生成所述虹膜的内侧边界和外侧边界。而且，为改善虹膜边界检测的精度，提供了一种在椭圆和圆形模型之间选择的方法。最后，将穹顶模型用于求出掩蔽图像并移除展开的图像中的眼睑遮蔽。
-
公开(公告)号：CN100356369C
公开(公告)日：2007-12-19
申请号：CN200480011466.6
申请日：2004-06-11
Applicant: 三菱电机株式会社
CPC classification number: G06K9/00228
Abstract: 本发明提供了一种用于检测图像中的特定对象的方法。确定任意对象相对于图像平面的取向，并根据该取向选择多个取向及对象特定的分类器之一。利用所选择的取向及对象特定的分类器将该任意对象分类为特定对象。
-
公开(公告)号：CN105320727A
公开(公告)日：2016-02-10
申请号：CN201510329969.8
申请日：2015-06-15
Applicant: 三菱电机株式会社
Inventor： 丹尼尔·N·尼科夫斯基 , A·克尼亚瑟夫 , 迈克尔·J·琼斯
IPC: G06F17/30
Abstract: 用于检测实时序列中的异常的方法。通过首先确定多对正常时间序列数据之间的成对相似性的相似性矩阵来检测实时序列中的异常。将谱聚类过程应用于相似性矩阵，以将表示时间序列数据的维度的变量分割为互斥的组。针对每个组估计正常行为的模型。然后，针对实时序列数据，使用针对每个组的模型确定异常分数，并且将该异常分数与预定的阈值进行比较，以通报异常。
-
Patent Agency Ranking
公开(公告)号：CN105279365A
公开(公告)日：2016-01-27
申请号：CN201510303016.4
申请日：2015-06-04
Applicant: 三菱电机株式会社
Inventor： 迈克尔·J·琼斯 , 丹尼尔·N·尼科夫斯基
IPC: G06F19/00
CPC classification number: G06N99/005
Abstract: 本发明提供一种用于学习异常检测的样本的方法。该方法通过使用分治过程概括训练时间序列数据首先学习最终样本集来检测时间序列数据中的异常。然后，针对测试时间序列数据的每一个窗口，确定到最终样本集中的最接近样本的距离，其中，所述距离是异常分数。最后，当针对窗口的异常分数大于阈值时，通报异常。
-
-
公开(公告)号：CN105320727B
公开(公告)日：2020-03-17
申请号：CN201510329969.8
申请日：2015-06-15
Applicant: 三菱电机株式会社
Inventor： 丹尼尔·N·尼科夫斯基 , A·克尼亚瑟夫 , 迈克尔·J·琼斯
IPC: G06F16/2458
Abstract: 用于检测实时序列中的异常的方法。通过首先确定多对正常时间序列数据之间的成对相似性的相似性矩阵来检测实时序列中的异常。将谱聚类过程应用于相似性矩阵，以将表示时间序列数据的维度的变量分割为互斥的组。针对每个组估计正常行为的模型。然后，针对实时序列数据，使用针对每个组的模型确定异常分数，并且将该异常分数与预定的阈值进行比较，以通报异常。
-
公开(公告)号：CN105279365B
公开(公告)日：2018-01-23
申请号：CN201510303016.4
申请日：2015-06-04
Applicant: 三菱电机株式会社
Inventor： 迈克尔·J·琼斯 , 丹尼尔·N·尼科夫斯基
CPC classification number: G06N99/005
Abstract: 本发明提供一种用于学习异常检测的样本的方法。该方法通过使用分治过程概括训练时间序列数据首先学习最终样本集来检测时间序列数据中的异常。然后，针对测试时间序列数据的每一个窗口，确定到最终样本集中的最接近样本的距离，其中，所述距离是异常分数。最后，当针对窗口的异常分数大于阈值时，通报异常。
-
公开(公告)号：CN101317184A
公开(公告)日：2008-12-03
申请号：CN200680044473.5
申请日：2006-12-28
Applicant: 三菱电机株式会社
IPC: G06K9/00
CPC classification number: G06K9/0061
Abstract: 描述了一种在图像中提取虹膜特征的方法。通过像素强度求和，将展开的虹膜图像转换成积分图像。将一组新颖的和差滤波器用于对所述积分图像进行滤波。将该滤波后的输出二值化以生成虹膜特征向量。该虹膜特征向量用于虹膜匹配。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
