-
公开(公告)号：CN103500339B
公开(公告)日：2017-07-21
申请号：CN201310413168.0
申请日：2013-09-11
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 一种联合单尺度Retinex算法和归一化结构描述子的光照人脸识别方法，该方法可以实现对有光照变化的人脸进行识别。本发明经实验分析得出单尺度Retinex算法对于光照变化较大的人脸，处理结果存在阴影，而且处理后人脸的统计直方图与光照正常人脸的统计直方图存在很大差异，因此本发明对单尺度Retinex算法处理结果进一步进行均匀滤波以消除噪声，然后提取归一化结构描述子。最后利用归一化结构描述子得到去光照的人脸图像，处理结果的统计直方图与光照正常人脸的统计直方图差异明显减小。本发明提出的方法计算复杂度低，同时对于光照变化大的情况，识别性能要优于单尺度Retinex的方法，因此，本发明具有一定的应用价值和意义。
-
公开(公告)号：CN105631296B
公开(公告)日：2018-07-31
申请号：CN201511028166.5
申请日：2015-12-30
Applicant: 北京工业大学
Abstract: 种基于CNN特征提取器的安全人脸认证系统设计方法属于生物特征识别领域,具体涉及种利用CNN提取人脸特征并用Paillier算法和不经意传输协议进行加密的方法。和SCiFi系统相比,本发明将手工提取的特征更换为CNN自动学习的特征,并进行二值化以去除噪声影响,认证准确率较高。在LFW库view2上的测试认证率为91.48%。在整个认证的过程中,服务器不会得知请求者的任何特征信息,只能接收到特征的密文信息而不能进行解密。而客户端只得知是否认证通过,对包括汉明距离在内的其他信息无所知。本系统采用320bit的特征表示幅人脸图片,特征数据量较SCiFi系统降低了2/3,因此加密和认证的耗时低,实时性高。
-
公开(公告)号：CN103973311A
公开(公告)日：2014-08-06
申请号：CN201410145436.X
申请日：2014-04-11
Applicant: 北京工业大学
Abstract: 在多媒体内容描述领域里，存在很多的特征描述子。对于特征维数相对较高的特征描述子，数据量是巨大的。对特征描述子进行二值化是很多研究者的选择，但是二值化的方式种类繁多。而且，在保存二值化数据的时候往往存在很大的冗余。因此，需要一种合理的编码规则来规范二值化的表示方法。本发明提出了一种对变长二值化描述子的快速编解码算法。本发明提出的对变长二值化的编码算法，大大减少了数据冗余量，而且对各种形式的二值化方案提出了一个统一的标准。本发明相应提出了对变长二值化描述子的解码方案。对一个描述子而言，平均解码时间仅为1.90*10-4s，并没有带来额外的时间损失，计算速度很快。
-
公开(公告)号：CN103617431B
公开(公告)日：2017-01-18
申请号：CN201310539961.5
申请日：2013-11-05
Applicant: 北京工业大学
Abstract: 基于最大位平均熵的SIFT描述子二值化及相似度匹配方法涉及图像匹配领域。SIFT算子匹配能力较强，但是SIFT算子带来的数据量是巨大的。所以要对SIFT算子进行二值化，如果对所有算子进行统一二值化，势必也会导致存在数据冗余或者信息丢失。本发明通过对SIFT算子进行二值化，然后对各层二值化结果进行位平均熵的计算，来自适应的选择不同的二值化层数，提取出新的二值化描述子，然后用汉明距离代替欧式距离计算两个描述子之间的距离，将其跟设定阈值进行比较。本发明保留了原始特征的信息并大大减少了数据存储量，降低了计算的复杂度，可更好实现实时性的要求。并且可以取得等同于原始SIFT描述子的匹配结果，远优于统一二值化进行匹配的结果。
-
公开(公告)号：CN103295002B
公开(公告)日：2016-08-10
申请号：CN201310218047.0
申请日：2013-06-03
Applicant: 北京工业大学
Abstract: 一种基于完全二值姿态仿射尺度不变特征的全姿态人脸识别方法，该方法可以实现对全姿态变化（水平向左旋转90度~水平向右旋转90度，抬头姿态，低头姿态）的人脸进行识别。本发明经实验分析得出仿射尺度不变特征对人脸平面内旋转具有不变性，对人脸25度以内的平面外旋转具有不变性，因此本发明采集多幅特定姿态的人脸图像，并提取它们的仿射尺度不变特征，将它们的特征融合产生完全二值姿态仿射尺度不变特征以实现对全姿态旋转变化具有不变性。本发明提出的方法不需要进行模型训练，因此在计算复杂度上要远远优于基于模型的方法，同时对于姿态变化大的情况，识别性能要远远优于传统的基于特征的方法，本发明具有一定的应用价值和意义。
-
Patent Agency Ranking
公开(公告)号：CN103731271A
公开(公告)日：2014-04-16
申请号：CN201310745855.2
申请日：2013-12-30
Applicant: 北京工业大学
Abstract: 一种基于同态加密和混沌置乱的在线人脸身份认证方法，该方法面向安全、可靠的在线身份认证系统应用。本发明首先研究并提出一种有效的SIFT特征点过滤方法和有效的SIFT特征二值化方法；其次设计合理的同态加密方法在加密域实现基于局部特征点相似度的身份认证方法。在上述研究的基础上，围绕用户物理身份和数字身份统一的在线身份认证原型应用系统，设计安全可靠的在线身份认证系统方法。本发明提出的方法得到的加密后的特征具有多样性，可撤销性和安全性，同时仍能保证良好的认证性能。因此，本发明具有一定的应用价值和意义。
-
公开(公告)号：CN103605958A
公开(公告)日：2014-02-26
申请号：CN201310557941.0
申请日：2013-11-12
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于灰度共生矩阵和小波分析的活体人脸检测方法，其首先将从摄像头获取包含人脸区域的RGB图像转换为灰度图像，将灰度级压缩为16级，之后分别计算4个灰度共生矩阵（取距离为1，角度分别为0°、45°、90°、135°），然后在灰度共生矩阵的基础上再提取能量、熵、惯性矩和相关性四个纹理特征量，再次分别对四个灰度共生矩阵的4个纹理特征量求均值和方差；同时对原始图像利用Haar小波基进行二级分解，提取子带HH1，HH2的系数矩阵后求其均值和方差；最后将所有的特征值作为待检测样本送入训练后的支持向量机中进行检测，分类识别真实或假冒人脸图像，该方法的优点是降低了计算复杂度，提高了检测准确率。
-
公开(公告)号：CN103731271B
公开(公告)日：2017-06-30
申请号：CN201310745855.2
申请日：2013-12-30
Applicant: 北京工业大学
Abstract: 一种基于同态加密和混沌置乱的在线人脸身份认证方法，该方法面向安全、可靠的在线身份认证系统应用。本发明首先研究并提出一种有效的SIFT特征点过滤方法和有效的SIFT特征二值化方法；其次设计合理的同态加密方法在加密域实现基于局部特征点相似度的身份认证方法。在上述研究的基础上，围绕用户物理身份和数字身份统一的在线身份认证原型应用系统，设计安全可靠的在线身份认证系统方法。本发明提出的方法得到的加密后的特征具有多样性，可撤销性和安全性，同时仍能保证良好的认证性能。因此，本发明具有一定的应用价值和意义。
-
公开(公告)号：CN105631296A
公开(公告)日：2016-06-01
申请号：CN201511028166.5
申请日：2015-12-30
Applicant: 北京工业大学
CPC classification number: G06F21/32 , G06K9/6267 , H04L9/3231
Abstract: 一种基于CNN特征提取器的安全人脸认证系统设计方法属于生物特征识别领域，具体涉及一种利用CNN提取人脸特征并用Paillier算法和不经意传输协议进行加密的方法。和SCiFi系统相比，本发明将手工提取的特征更换为CNN自动学习的特征，并进行二值化以去除噪声影响，认证准确率较高。在LFW库view2上的测试认证率为91.48％。在整个认证的过程中，服务器不会得知请求者的任何特征信息，只能接收到特征的密文信息而不能进行解密。而客户端只得知是否认证通过，对包括汉明距离在内的其他信息一无所知。本系统采用320bit的特征表示一幅人脸图片，特征数据量较SCiFi系统降低了2/3，因此加密和认证的耗时低，实时性高。
-
公开(公告)号：CN103973311B
公开(公告)日：2017-08-04
申请号：CN201410145436.X
申请日：2014-04-11
Applicant: 北京工业大学
Abstract: 在多媒体内容描述领域里，存在很多的特征描述子。对于特征维数相对较高的特征描述子，数据量是巨大的。对特征描述子进行二值化是很多研究者的选择，但是二值化的方式种类繁多。而且，在保存二值化数据的时候往往存在很大的冗余。因此，需要一种合理的编码规则来规范二值化的表示方法。本发明提出了一种对变长二值化描述子的快速编解码算法。本发明提出的对变长二值化的编码算法，大大减少了数据冗余量，而且对各种形式的二值化方案提出了一个统一的标准。本发明相应提出了对变长二值化描述子的解码方案。对一个描述子而言，平均解码时间仅为1.90*10‑4s，并没有带来额外的时间损失，计算速度很快。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
