-
公开(公告)号：CN102184396A
公开(公告)日：2011-09-14
申请号：CN201110158059.X
申请日：2011-06-13
Applicant: 北方工业大学
Abstract: 本发明公开了图像识别技术领域中的一种基于OCR识别反馈的文档图像倾斜校正方法。包括：输入文档图像；选择文档图像中的一个矩形区域；分别利用文本线跟踪算法和非边界行的文本线跟踪算法对文档图像的选定区域进行OCR识别，并分别得到文档图像的倾斜角度ka和kb以及识别效果参数Ia和Ib；判断Ia和Ib的大小，当Ia≥Ib时，则使用倾斜角度ka对整个文档图像进行校正处理；当Ia＜Ib时，则使用倾斜角度kb对整个文档图像进行校正处理。本发明使得校正结果更加准确有效，解决了现有图像处理方法的倾斜校正算法不具有良好通用性的问题。
-
公开(公告)号：CN108875907A
公开(公告)日：2018-11-23
申请号：CN201810366587.6
申请日：2018-04-23
Applicant: 北方工业大学
Abstract: 本发明涉及一种基于深度学习的指纹识别方法和装置。首先搭建深度神经网络，将用户注册的指纹图像集输入深度神经网络，采用交叉熵损失函数和对比损失函数进行训练。训练完成之后，再次将用于训练的注册用户图像输入深度神经网络，获取对比损失函数的输入特征向量，并采用聚类算法对每个注册用户的指纹图像进行聚类，获取其特定数目的聚类中心作为本地特征库。在指纹验证阶段，将需要识别的指纹图像输入训练好的深度神经网络中，获取其交叉熵损失值和对比损失函数直接训练节点的输出向量，根据预设的阈值，采用判定函数进行相似指纹判定，完成指纹验证过程。本发明在保证高识别率的前提下能够获得更低的误识率，具有更高的安全性。
-
-
公开(公告)号：CN110110120B
公开(公告)日：2021-05-25
申请号：CN201810597022.9
申请日：2018-06-11
Applicant: 北方工业大学
IPC: G06F16/583
Abstract: 本发明涉及一种基于深度学习的图像检索方法和装置。该方法包括：搭建深度神经网络；将训练集图像输入深度神经网络进行训练；载入训练好的深度神经网络模型，将训练集的所有图像输入深度神经网络中，获取具有语义信息的二进制哈希编码，同时采用传统的二进制哈希编码方法获取具有视觉信息的二进制哈希编码，并建立本地特征库；将待检索图像输入深度神经网络，获取相应的具有语义信息的二进制哈希编码，并采用传统的二进制哈希编码方法获取该待检索图像的具有视觉信息的二进制哈希编码，将其与本地特征库进行比对，通过计算相似度获得检索结果。本发明能够尽可能地保留图像的重要信息，能够实现海量图像数据的快速、精准的图像检索。
-
公开(公告)号：CN103414062A
公开(公告)日：2013-11-27
申请号：CN201310369691.8
申请日：2013-08-22
Applicant: 北方工业大学
IPC: H01R13/66 , H01R13/70 , H01R13/713
Abstract: 本发明公开了一种智能遥控插座，包括红外接收单元、火线连接单元，主控制器、电池单元；红外接收单元的信号输出端与主控制器的控制信号输入端相连接，主控制器的控制信号输出端与火线连接单元的控制端相连接，市电的火线输出端通过火线连接单元与插座火线输出端相连接；电池单元的输出端与主控制器的电源输入端相连接，主控制器控制火线连接单元切断市电火线与插座火线的连接时，电池单元为主控制器供电。本发明能物理性断开或接通接插于插座中的电器电源，且能物理性断开或接通插座系统与市电的连接，实现了插座接口与市电的完全分离，降低了功耗，且更具安全性。
-
Patent Agency Ranking
-
公开(公告)号：CN108921191B
公开(公告)日：2021-10-26
申请号：CN201810512935.6
申请日：2018-05-25
Applicant: 北方工业大学
IPC: G06K9/62
Abstract: 本发明是一种基于图像质量评估的多生物特征融合识别方法，首先通过图像采集子系统采集用户的人脸和虹膜图像并对其进行相应预处理，其次对经过预处理的图像分别送入相应的识别认证子系统进行质量评估、特征提取和模板匹配等步骤，输出各自匹配分数以及相应匹配质量置信度分数，最后将这些分数归一化后送入识别融合子系统，采用动态加权融合算法得到识别认证结果。本发明的有益效果之处在于：所述方法较单一人脸或虹膜识别算法具有更高的识别准确率，能实现高精度的个人身份识别；同时，所述方法在现有主流融合识别算法基础上，提取出图像质量有用信息应用于融合识别认证过程，进一步提升系统识别性能。
-
公开(公告)号：CN110110120A
公开(公告)日：2019-08-09
申请号：CN201810597022.9
申请日：2018-06-11
Applicant: 北方工业大学
IPC: G06F16/583
Abstract: 本发明涉及一种基于深度学习的图像检索方法和装置。该方法包括：搭建深度神经网络；将训练集图像输入深度神经网络进行训练；载入训练好的深度神经网络模型，将训练集的所有图像输入深度神经网络中，获取具有语义信息的二进制哈希编码，同时采用传统的二进制哈希编码方法获取具有视觉信息的二进制哈希编码，并建立本地特征库；将待检索图像输入深度神经网络，获取相应的具有语义信息的二进制哈希编码，并采用传统的二进制哈希编码方法获取该待检索图像的具有视觉信息的二进制哈希编码，将其与本地特征库进行比对，通过计算相似度获得检索结果。本发明能够尽可能地保留图像的重要信息，能够实现海量图像数据的快速、精准的图像检索。
-
公开(公告)号：CN1072776A
公开(公告)日：1993-06-02
申请号：CN91110877.7
申请日：1991-11-22
Applicant: 北方工业大学
Abstract: 本发明涉及一种工业热成像系统用的便携式图像处理装置，它由便携机扩展槽和计算机两部分组成。扩展槽部分包括小型的接口板，它可放在计算机内与计算机接口，所说的接口板包括程控放大器，A/D、D/A转换，单片机控制器和译码器。所说的装置具有整机体积小，可以便携地在工业上对温度进行检测和故障诊断，可广泛地用于冶金、电力、石化、航空和交通等技术领域。
-
公开(公告)号：CN108875907B
公开(公告)日：2022-02-18
申请号：CN201810366587.6
申请日：2018-04-23
Applicant: 北方工业大学
Abstract: 本发明涉及一种基于深度学习的指纹识别方法和装置。首先搭建深度神经网络，将用户注册的指纹图像集输入深度神经网络，采用交叉熵损失函数和对比损失函数进行训练。训练完成之后，再次将用于训练的注册用户图像输入深度神经网络，获取对比损失函数的输入特征向量，并采用聚类算法对每个注册用户的指纹图像进行聚类，获取其特定数目的聚类中心作为本地特征库。在指纹验证阶段，将需要识别的指纹图像输入训练好的深度神经网络中，获取其交叉熵损失值和对比损失函数直接训练节点的输出向量，根据预设的阈值，采用判定函数进行相似指纹判定，完成指纹验证过程。本发明在保证高识别率的前提下能够获得更低的误识率，具有更高的安全性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
