-
公开(公告)号：CN114359952B
公开(公告)日：2024-10-29
申请号：CN202011045000.5
申请日：2020-09-28
申请人： 北京眼神智能科技有限公司 , 北京眼神科技有限公司
IPC分类号： G06V40/10 , G06V10/774 , G06V10/80
摘要： 本发明公开了一种多模态分数融合方法、装置、计算机可读存储介质及设备，属于生物识别领域。其包括：获取第一模态比对分数和第二模态比对分数，并将所述第一模态比对分数和第二模态比对分数进行归一化；将归一化后的第一模态比对分数和第二模态比对分数组成分数对，并对所述分数对进行多项式核映射，得到高维数据；将所述高维数据输入训练后的逻辑回归模型，得到融合后的比对分数。本发明能够充分发挥不同模态的优点，达到很好的识别精度。
-
公开(公告)号：CN114359951B
公开(公告)日：2024-10-29
申请号：CN202011043110.8
申请日：2020-09-28
申请人： 北京眼神智能科技有限公司 , 北京眼神科技有限公司
IPC分类号： G06V40/10 , G06V10/80 , G06V10/774
摘要： 本发明公开了一种多模态分数融合方法、装置、计算机可读存储介质及设备，属于生物识别领域。其包括：获取第一模态比对分数和第二模态比对分数，并利用LFAR变换将所述第一模态比对分数和第二模态比对分数进行归一化；将归一化后的第一模态比对分数和第二模态比对分数组成分数对，并对所述分数对进行多项式核映射，得到高维数据；将所述高维数据输入训练后的逻辑回归模型，得到融合后的比对分数。本发明能够充分发挥不同模态的优点，达到很好的识别精度。
-
公开(公告)号：CN112825116B
公开(公告)日：2024-04-09
申请号：CN201911138222.9
申请日：2019-11-20
申请人： 北京眼神智能科技有限公司 , 北京眼神科技有限公司
IPC分类号： G06V40/16
摘要： 本发明公开了一种监控视频图像人脸检测和追踪方法、装置、介质及设备，属于模式识别领域。该方法包括：从监控视频中获取当前帧图像；判断当前帧图像的前一帧图像是否检测出人脸框，若否，使用训练好的人脸检测CNN对当前帧图像进行人脸检测，若是，执行以下步骤：在当前帧图像上设置与前一帧图像的人脸框大小和位置相同的人脸框，并扩大设定倍数，得到追踪区域；将追踪区域以设定的步长进行有重叠分块，得到若干待检测区域，待检测区域的大小与人脸框的大小相同；将待检测区域输入训练好的人脸追踪CNN，判断待检测区域是否是人脸区域。本发明对包含多人脸、高分辨率的视频监控图像进行实时的人脸区域抓取，具有较好的人脸检测和追踪效果。
-
公开(公告)号：CN111860056B
公开(公告)日：2023-10-20
申请号：CN201910352702.9
申请日：2019-04-29
申请人： 北京眼神智能科技有限公司 , 北京眼神科技有限公司
摘要： 本发明公开了一种基于眨眼的活体检测方法、装置、计算机可读存储介质及设备，属于人脸识别领域。该方法包括：对连续多帧人脸图像进行预处理，得到眼部图像；将眼部图像输入轻量级神经网络，得到人眼特征向量；使用多元回归softmax计算人眼特征向量的得分，若得分大于设定分值，则判定人眼状态是闭眼，否则，判定人眼状态是睁眼；根据所有人眼状态判断是否有眨眼动作，若存在眨眼动作，则活体检测通过，否则，活体检测不通过。其中，轻量级神经网络包括4个卷积层、4个池化层、1个全连接层和1个sigmoid层，损失函数为binary log los。本发明不但能够解决眨眼判断中姿态、光照等变化导致分类准确率下降的问题，还可以使得人脸活体检测的响应时间较短且稳定。
-
公开(公告)号：CN116805422A
公开(公告)日：2023-09-26
申请号：CN202210256505.9
申请日：2022-03-16
申请人： 北京眼神智能科技有限公司 , 北京眼神科技有限公司
摘要： 本发明公开了一种手掌轮廓检测方法、装置、存储介质及设备，属于掌静脉识别领域。该方法包括：根据输入图像自适应设置分割阈值；通过自适应设置的分割阈值对所述输入图像进行二值分割，得到前景区域和背景区域；基于所述手掌区域寻找手掌边界，得到手掌轮廓。本发明在进行二值分割时，分割阈值是根据输入图像自适应设置的，使用自适应设置的分割阈值对输入图像分割后的结果更准确，提高了手掌轮廓检测的准确性。
-
公开(公告)号：CN116563903A
公开(公告)日：2023-08-08
申请号：CN202210100938.5
申请日：2022-01-27
申请人： 北京眼神智能科技有限公司 , 北京眼神科技有限公司
摘要： 本发明公开了一种人脸活体检测方法、装置、存储介质及设备，属于生物识别领域。该方法包括：在用户根据提示的若干指定动作通过动作活体检测后，获取每个指定动作的人脸图像；对每个指定动作的人脸图像进行特征提取，并根据提取的图像特征计算得到每个指定动作的活体检测分数；根据每个指定动作的权重对每个指定动作的活体检测分数进行加权求和，得到融合分数；根据每个指定动作的活体检测分数和设定的每个指定动作的活体检测阈值确定每个指定动作的活体检测结果，并根据设定的每个指定动作的权重对每个指定动作的活体检测结果进行加权投票，得到决策融合结果；根据融合分数和/或决策融合结果进行活体检测。本发明提高了人脸活体检测的效果。
-
公开(公告)号：CN116129479A
公开(公告)日：2023-05-16
申请号：CN202111334211.5
申请日：2021-11-11
申请人： 北京眼神智能科技有限公司 , 北京眼神科技有限公司
IPC分类号： G06V40/16 , G06V40/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种卷积神经网络训练和人脸检活方法、装置、介质及设备，属于生物识别领域。该方法基于人脸活体检测中真人和假体的非对称性，设计了一种非对称度量学习方法：构造包括锚样本、正样本和负样本的三元样本组，并且该三元样本组不是现有技术中的经典对称构造，锚样本和正样本均为真人样本，负样本为假体样本。基于非对称的三元样本组设计了非对称的损失函数，在迭代优化时即使得真人样本的类内距离尽量近，假体样本的类内距离无需强约束，只加强真人样本和假体样本的类间距离即可。本发明可以更加接近活体检测问题的本质，有效的解决了假体复杂带来的训练优化困难的问题，提高了活体检测的准确率。
-
公开(公告)号：CN114694264A
公开(公告)日：2022-07-01
申请号：CN202011603674.2
申请日：2020-12-30
申请人： 北京眼神智能科技有限公司 , 北京眼神科技有限公司
IPC分类号： G06V40/40 , G06V40/16 , G06V10/32 , G06V10/764 , G06V10/82 , G06V10/80 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种人脸静默活体检测方法、装置、可读存储介质及设备，属于人脸识别领域。该方法包括：从人脸图像上获取包括人脸区域的不同尺度的待检测图像；将所述多个待检测图像缩放到相同的尺寸，并进行傅里叶变换，得到多个频谱图；将每个频谱图分别输入对应的卷积神经网络，得到多个活体分数；将所述多个活体分数融合得到融合分数，并根据所述融合分数判断是否是活体。本发明进行多尺度可见光人脸识别，鲁棒性好，减少设备成本，使用FFT图像作为网络输入，分类效果好，每个卷积神经网络只解决一个尺度，有利于提高准确率，通对不同得分进行融合，结果更准确。
-
公开(公告)号：CN114529732A
公开(公告)日：2022-05-24
申请号：CN202011202881.7
申请日：2020-11-02
申请人： 北京眼神智能科技有限公司 , 北京眼神科技有限公司
摘要： 本发明公开了一种生物特征多模态融合识别方法、装置、存储介质及设备。在多模态识别中根据第二模态的图像的质量分数调整第二模态的比对阈值；当第二模态的比对分数不小于调整后的第二模态的比对阈值，且第二模态的生物特征图像的质量分数不小于第二模态的决策阈值时，判断识别通过；否则，将两个模态比对分数融合得到融合分数，当融合分数大于融合分数阈值时识别通过，进行分数融合时，两个模态的比对分数归一化后组成分数对，并对分数对进行多项式核映射，得到高维数据，将高维数据输入训练后的逻辑回归模型，得到融合后的比对分数。本发明能够提高生物识别身份识别的安全性和可靠性。
-
公开(公告)号：CN114359951A
公开(公告)日：2022-04-15
申请号：CN202011043110.8
申请日：2020-09-28
申请人： 北京眼神智能科技有限公司 , 北京眼神科技有限公司
IPC分类号： G06V40/10 , G06K9/62 , G06V10/80 , G06V10/774
摘要： 本发明公开了一种多模态分数融合方法、装置、计算机可读存储介质及设备，属于生物识别领域。其包括：获取第一模态比对分数和第二模态比对分数，并利用LFAR变换将所述第一模态比对分数和第二模态比对分数进行归一化；将归一化后的第一模态比对分数和第二模态比对分数组成分数对，并对所述分数对进行多项式核映射，得到高维数据；将所述高维数据输入训练后的逻辑回归模型，得到融合后的比对分数。本发明能够充分发挥不同模态的优点，达到很好的识别精度。
-
-
-
-
-
-
-
-
-
搜索结果
82 条记录 (耗时 0.075 秒)
