-
公开(公告)号：CN119026108A
公开(公告)日：2024-11-26
申请号：CN202411186854.3
申请日：2024-08-28
Applicant: 公安部交通管理科学研究所
Abstract: 本发明提供一种物理隔离网络环境下电子证照签发及更新方法，能够实现电子证照的可靠签发及更新。其通过构建电子证照服务系统，将新版本数据的唯一版本号和第一签发时长时间保存在政务网中，通过在用户终端中增设版本确认功能，每次用户终端打开后联网第一个程序就是基于版本确认功能与电子证照服务系统保存的最新版本进行比对，进而可以确定自身的版本信息，一旦当前版本不是最新版本，则必须执行签发及更新流程，避免了用户终端使用老版本证照，实现电子证照数据的实时更新；本方法中电子证照签发及更新方法采用闭环签发的方法，主动签发和被动签发相结合，采用源数据更新时间、签发时间和版本号对电子证照的实时性和版本进行管理。
-
公开(公告)号：CN115314222B
公开(公告)日：2024-06-18
申请号：CN202210942306.3
申请日：2022-08-08
Applicant: 公安部交通管理科学研究所
Abstract: 本发明关于电子证照的认证方法，涉及图像处理技术领域。该方法包括获取原始图像以及待测二维码图像；对待测二维码图像进行解码，得到待测解码字符串；对待测解码字符串进行拆解，得到待测低分辨率图像字符串以及待测签名字符串；基于国密算法公钥对待测签名字符串进行签名验证；响应于通过签名验证，得到解码低分辨率图像；对解码低分辨率图像与原始图像进行一致性比对；基于一致性比对的比对结果生成认证结果。在进行电子证照认证的过程中，通过原始图像以及其附带的二维码图像，结合数据处理以及解码技术，通过验证二者匹配程度的方式进行电子证照的真伪认证，提高了电子证照的使用安全性。
-
公开(公告)号：CN110796618B
公开(公告)日：2022-05-31
申请号：CN201911030215.7
申请日：2019-10-28
Applicant: 公安部交通管理科学研究所
Abstract: 本发明提供一种用于证卡激光签注的数字人像处理方法，包括以下步骤：步骤S10，对用户上传的人像照片进行初步判定，排除非人像照片；步骤S20，对人像照片进行人脸识别、人像定位和自适应裁剪；步骤S30，对人像照片进行自动评估，保留质量评估合格的人像照片，剔除不合格的人像照片；步骤S40，对低分辨率的人像照片图像进行超分辨率增强；步骤S50，对人像照片图像进行灰度优化；步骤S60，将人像照片图像进行编码安全传输。本发明为签注出高质量的人像证卡奠定了基础。
-
公开(公告)号：CN113192102A
公开(公告)日：2021-07-30
申请号：CN202110537423.7
申请日：2021-05-18
Applicant: 公安部交通管理科学研究所
Abstract: 本发明提供一种基于JPEG的去背景人像照片生成方法，其可以生成4通道的前景蒙版数据，同时基于JPEG的高压缩比对前景蒙版数据进行压缩，适用于更广泛的硬件环境下。其包括以下步骤：S1：对原始人像照片进行预处理，调整至预设尺寸；S2：进行抠图处理，得到单通道人像前景蒙版；S3：对单通道人像前景蒙版进行转换，得到3通道蒙版图；S4：对3通道蒙版图基于JPEG协议进行压缩，得到压缩后蒙版数据；S5：在待处理图像数据中找到图像缩略图区域；S6：将压缩后蒙版数据按照字节流方式插入到图像缩略图区域中；S7：修改待处理图像数据中的JPEG缩略图长度标志位的数值；S8：将图像数据以JPEG格式保存，得到包含4个通道数据的JPEG图像文件。
-
公开(公告)号：CN119672732A
公开(公告)日：2025-03-21
申请号：CN202411755426.8
申请日：2024-12-03
Applicant: 公安部交通管理科学研究所
IPC: G06V30/19 , G06V30/18 , G06V10/82 , G06V30/28 , G06V20/62 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及计算机视觉与字体设计技术领域，具体公开了一种面向远距离场景下的专用字体设计质量判定方法及系统，该方法包括：获取历史专用字体图像；对历史专用字体图像进行处理，以得到处理后的历史专用字体图像；构建专用字体设计质量评估模型，并利用处理后的历史专用字体图像对专用字体设计质量评估模型进行训练，以得到训练后的专用字体设计质量评估模型；获取待判定专用字体图像，并将待判定专用字体图像输入到训练后的专用字体设计质量评估模型中进行评估，以输出待判定专用字体图像的字体视认性质量评估结果。本发明能够精确、客观地对远距离场景下的专用字体设计质量进行智能判定，并依据判定结果为专用字体设计提供全面、科学的指导。
-
Patent Agency Ranking
公开(公告)号：CN119274185A
公开(公告)日：2025-01-07
申请号：CN202411303806.8
申请日：2024-09-19
Applicant: 公安部交通管理科学研究所
IPC: G06V30/146 , G06V30/14 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种基于轻量级神经网络的证照图像字体比对方法，涉及图像处理技术领域。该方法包括：将目标证照图片输入数字字符识别模型中，输出得到与目标证照图片对应的数字字符图像集合；将数字字符图像集合输入证照字符对比模型，输出得到与目标证照图片对应的字体识别结果，证照字符比对模型为基于特征余弦相似度比对的神经网络模型。在证件照片识别的应用场景下，通过对于目标证照图片的字符识别以及证照字符对比的过程，对于证照图像中的字符字体进行识别。在该过程当中，结合特征余弦相似度的高精度对比过程，实现了不同背景下证照图片的快速对比。
-
公开(公告)号：CN117496524A
公开(公告)日：2024-02-02
申请号：CN202311514823.1
申请日：2023-11-15
Applicant: 公安部交通管理科学研究所
IPC: G06V30/166 , G06V30/146 , G06V30/18 , G06V30/186 , G06V30/164 , G06V30/42 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供一种基于关键点检测的证卡图像自适应裁剪方法，其无需人工参与定位过程，可以快速且高精度地对证卡图像中的证卡区域进行定位。其基于轻量级神经网络构建证卡图像关键点检测模型，有效级联不同尺度下的特征语义信息，实现高精度证卡图像的关键点检测，完成对证卡区域的角点的定位，整个定位过程无需人工调参；同时，编码网络中，通过设置1/4、1/8、1/16和1/16的轻量级残差模块进行下采样，以及解码网络中1/8和1/4的转置卷积进行上采样，可以提取到不同尺度下的噪声鲁棒的特征语义信息，使得最终的关键点检测结果对光照和角度变化等具有较强的抗干扰性，确保准确提取证卡图像的四个角点，进而确保裁剪出的证卡区域边缘更准确。
-
公开(公告)号：CN116664442A
公开(公告)日：2023-08-29
申请号：CN202310666916.X
申请日：2023-06-07
Applicant: 公安部交通管理科学研究所
IPC: G06T5/00 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/70 , G06N3/0495 , G06V30/18 , G06V30/41 , G06V30/19
Abstract: 本申请提供一种基于轻量级神经网络的证卡图像反光矫正方法，其构建证卡图像反光矫正模型，通过证卡图像反光矫正模型中的编解码神经网络结构实现反光图像的自适应矫正，在编码部分使用深度双卷积残差模块充分挖掘证卡图像的上下文语义信息，使得算法在保持轻量化的同时具备较好的鲁棒性；在解码部分通过逐像素加法的级联方式有效融合低级和高级语义信息，既保证了算法的推理速度也有效提高了证卡图像的恢复质量。
-
公开(公告)号：CN110889855B
公开(公告)日：2022-05-20
申请号：CN201911030874.0
申请日：2019-10-28
Applicant: 公安部交通管理科学研究所
Abstract: 本发明涉及图像处理技术领域，具体公开了一种基于端到端卷积神经网络的证件照抠图方法，其中，包括：将证件人像照片的抠图蒙版中的前景图与互联网照片进行合成得到训练图像；根据轻量级语义分割网络模型生成粗分割Trimap图网络；根据编解码网络对粗分割Trimap图网络进行精细化抠图，得到精细化抠图网络；将粗分割Trimap图网络和精细化抠图网络进行级联，得到端到端网络模型；将训练图像输入端到端网络模型进行微调，得到完成训练的端到端网络模型。本发明还公开了一种基于端到端卷积神经网络的证件照抠图系统、存储介质及处理器。本发明提供的基于端到端卷积神经网络的证件照抠图方法能够自动对证件照得到对应的抠图前景，无需人工标注，提高了抠图效率。
-
公开(公告)号：CN110889855A
公开(公告)日：2020-03-17
申请号：CN201911030874.0
申请日：2019-10-28
Applicant: 公安部交通管理科学研究所
Abstract: 本发明涉及图像处理技术领域，具体公开了一种基于端到端卷积神经网络的证件照抠图方法，其中，包括：将证件人像照片的抠图蒙版中的前景图与互联网照片进行合成得到训练图像；根据轻量级语义分割网络模型生成粗分割Trimap图网络；根据编解码网络对粗分割Trimap图网络进行精细化抠图，得到精细化抠图网络；将粗分割Trimap图网络和精细化抠图网络进行级联，得到端到端网络模型；将训练图像输入端到端网络模型进行微调，得到完成训练的端到端网络模型。本发明还公开了一种基于端到端卷积神经网络的证件照抠图系统、存储介质及处理器。本发明提供的基于端到端卷积神经网络的证件照抠图方法能够自动对证件照得到对应的抠图前景，无需人工标注，提高了抠图效率。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.03 seconds)
