-
公开(公告)号：CN113255759A
公开(公告)日：2021-08-13
申请号：CN202110554342.8
申请日：2021-05-20
申请人： 广州广电运通金融电子股份有限公司
摘要： 本发明提供了一种基于注意力机制的目标内特征检测系统、方法和存储介质，智能安防领域，系统包括语义抽取模块、注意力图模块、和检测模块组成，分类子模块负责对目标进行全局属性分类并监督注意力子模块的训练；注意力子模块负责构建注意力图；检测模块包括锚框过滤层、目标检测层和解析层，锚框过滤层将接收的所述注意力图模块的结果进行数据过滤并发送给目标检测层和解析层进行检测分析，输出检测结果。本发明采用基于深度卷积网络的多任务学习方法，并引入注意力学习，以及单尺度检测的机制，对目标内特征进行检测定位，对目标全局属性进行分类识别，解决了传统方案训练阶段样本分布不均衡、多锚框和多尺度导致算力需求高的问题，提高了检测效率和精度。
-
公开(公告)号：CN107808148B
公开(公告)日：2020-06-02
申请号：CN201711145131.9
申请日：2017-11-17
申请人： 广州广电运通金融电子股份有限公司
IPC分类号： G06K9/00
摘要： 本发明公开了一种采集指静脉图像的设备、装置和方法，包括：主体、检测模块、近红外光源、可见光光源、图像采集模块和控制模块；主体上设置透光孔；检测模块设置在主体上，用于检测透光孔处是否放置有待识别物；图像采集模块设置在主体中，用于从透光孔第二侧接收待识别物被可见光照射后的第一图像，以及被近红外光照射后的第二图像；控制模块还用于比对第一图像和第二图像是否一致，若不一致，则判断第二图像为真手指静脉图像并将第二图像作为最终采集到的指静脉图像。解决了现有的指静脉图像采集方法会造成不法分子把指静脉图像打印或者复印在白纸上，以冒充真手指静脉图像被采集到并通过身份验证的技术问题。
-
公开(公告)号：CN110059683A
公开(公告)日：2019-07-26
申请号：CN201910299244.7
申请日：2019-04-15
摘要： 本发明属于车牌智能识别领域，为基于端到端神经网络的大角度车牌倾斜矫正方法，包括以下步骤：利用车牌检测技术得到大致的车牌区域，并对车牌区域进行扩展，得到扩展后的车牌区域，作为输入区域；利用全卷积深度神经网络，对输入区域提取高维特征，获得特征图；解析特征图，得到候选车牌区域四个顶点的绝对坐标；根据候选车牌区域四个顶点的绝对坐标对车牌倾斜矫正。本发明利用全卷积深度神经网络提取高维特征，确定车牌候选区域，回归车牌的仿射变换系数，分别利用仿射变换原理逆向计算四个顶点位置，最后通过仿射变换得到校正后的车牌图像；整个矫正过程不依赖其他硬件设备或算法，具有较高的鲁棒性。
-
公开(公告)号：CN109522855A
公开(公告)日：2019-03-26
申请号：CN201811403739.1
申请日：2018-11-23
申请人： 广州广电银通金融电子科技有限公司 , 广州广电运通金融电子股份有限公司
摘要： 本发明涉及图像处理技术，具体为低分辨率行人检测方法、系统及存储介质。本发明方法包括训练过程和测试过程，训练过程首先确定训练集、训练过程的参数；然后按批处理大小依次输入图片，提取训练图片的多尺度特征，并对浅层特征进行重构和增强，形成新的多尺度检测框架；最后进行框的分类和位置的回归，计算训练损失并反向传播，更新权重参数。测试过程首先是确定测试集，将训练过程得到的模型作为算法的测试模型，依次小批量输入测试图片、提取多尺度特征、对浅层特征进行重构和增强，然后进行框的分类和位置的回归。本发明采用深度学习网络，对浅层特征进行重构，同时提高浅层特征的有效性，以增强对低分辨率行人的检测能力。
-
公开(公告)号：CN108549874A
公开(公告)日：2018-09-18
申请号：CN201810355700.0
申请日：2018-04-19
申请人： 广州广电运通金融电子股份有限公司
摘要： 本发明公开了一种目标检测方法、设备及计算机可读存储介质，通过基于红外光和可见光图像的融合，并将形态模板与待检测物的轮廓信息进行比对和匹配，确定满足匹配相似度条件的所述轮廓信息为目标信息集合，解决了在实际场景中由于经常会出现类似待检测目标形态但却并不是待检测目标的物体，例如当待检测图像为某一交通道路图像，待检测目标为行人时，交通道路图像上可能存在类似于行人的路灯、树木等，所导致的目标检测结果出现不精确的情况的技术问题。
-
公开(公告)号：CN107577987A
公开(公告)日：2018-01-12
申请号：CN201710647019.9
申请日：2017-08-01
申请人： 广州广电卓识智能科技有限公司 , 广州广电运通金融电子股份有限公司
摘要： 本发明涉及一种身份认证的方法，其方法包括以下步骤：获取待认证人员的身份证图像、人脸可见光图像和人脸近红外光图像；将身份证图像、人脸可见光图像和人脸近红外光图像输入至预先完成训练的Triplets CNN模型中，提取身份证图像、人脸可见光图像和人脸近红外光图像的卷积特征，得到对应的特征向量；根据特征向量分别计算身份证图像、人脸可见光图像和人脸近红外光图像中任意两个图像的相似度；根据相似度对身份证图像、人脸可见光图像和人脸近红外光图像的一致性进行判断，并输出身份认证结果。本发明中将Triplets和深度卷积神经网络CNN模型有效结合起来，能有效提高身份认证的鲁棒性，进而体改身份认证的准确率。
-
公开(公告)号：CN104952458A
公开(公告)日：2015-09-30
申请号：CN201510312269.8
申请日：2015-06-09
申请人： 广州广电运通金融电子股份有限公司
IPC分类号： G10L21/0208
CPC分类号： G10L21/0232 , G10K11/17821 , G10K2210/3038 , G10L21/0208 , G10L21/0216 , G10L25/21 , G10L25/30 , H04M9/082 , H04R3/00
摘要： 本发明实施例公开了一种噪声抑制方法、装置及系统，解决了目前由于参考麦克风和主麦克风的声场环境较大的差异，而导致的采用ANC方法将性能差的技术问题。本发明实施例的噪声抑制方法包括：S1：当语音信号输入时，噪声抑制装置接收到参考语音采集机构采集的内部噪声和主语音采集机构采集的包含有外部噪声的语音信号；S2：提取内部噪声对应的内部信号特征；S3：根据内部信号特征，并结合预置的映射公式获取与外部噪声相对应的外部近似特征；S4：通过傅里叶逆变换将外部近似特征转换为对应的噪声信号估计值；S5：将噪声信号估计与采集的包含有内部噪声的语音信号进行预置噪声对消方式处理，获取噪声抑制后的去噪语音信号。
-
公开(公告)号：CN104297260A
公开(公告)日：2015-01-21
申请号：CN201410617820.5
申请日：2014-11-04
申请人： 广州广电运通金融电子股份有限公司
IPC分类号： G01N21/95
CPC分类号： G01N21/892 , G01B11/14 , G01N21/8806 , G01N21/94 , G07D7/12 , G07D7/164 , G07D7/189
摘要： 本发明实施例公开了一种薄介质的无接触式检测方法及装置，解决了现有机械测厚装置、红外检测装置和超声波检测装置进行薄介质表面异物检测，而导致的精度较低和测量波长长的技术问题。本实施例方法包括：获取由光源的发射光线经薄介质反射回的目标光线到达线列光电探测器的时间和获取光源经参考平面反射回的参考光线到达线列光电探测器的时间；根据获取到的目标光线和参考光线到达线列光电探测器的时间，计算目标光线和参考光线对应的第一光程和第二光程，通过信号处理模块按照预置计算方式获取干涉条纹亮暗条纹数；将干涉条纹亮暗条纹数与标准干涉条纹亮暗条纹数按照预置方式进行差值法比对，若比对结果大于预置阈值，则薄介质表面存在异物。
-
公开(公告)号：CN113255759B
公开(公告)日：2023-08-22
申请号：CN202110554342.8
申请日：2021-05-20
申请人： 广州广电运通金融电子股份有限公司
IPC分类号： G06V10/764 , G06V10/82 , G06V10/774 , G06V10/94 , G06N3/0464 , G06N3/08 , G06V20/70
摘要： 本发明提供了一种基于注意力机制的目标内特征检测系统、方法和存储介质，智能安防领域，系统包括语义抽取模块、注意力图模块、和检测模块组成，分类子模块负责对目标进行全局属性分类并监督注意力子模块的训练；注意力子模块负责构建注意力图；检测模块包括锚框过滤层、目标检测层和解析层，锚框过滤层将接收的所述注意力图模块的结果进行数据过滤并发送给目标检测层和解析层进行检测分析，输出检测结果。本发明采用基于深度卷积网络的多任务学习方法，并引入注意力学习，以及单尺度检测的机制，对目标内特征进行检测定位，对目标全局属性进行分类识别，解决了传统方案训练阶段样本分布不均衡、多锚框和多尺度导致算力需求高的问题，提高了检测效率和精度。
-
公开(公告)号：CN115810234A
公开(公告)日：2023-03-17
申请号：CN202211456757.2
申请日：2022-11-21
申请人： 广州广电运通金融电子股份有限公司
IPC分类号： G07C9/27 , G07C9/38 , H04L9/40 , H04L12/66 , G06F18/23213
摘要： 本申请公开了一种基于K‑Means算法的门禁授权处理方法，用于服务器，包括：响应于接收到的多个门禁授权请求，根据门禁设备的网络分布状态，确定代理网关，所述代理网关由所述门禁设备充当或由预设于多个网络区域内的预设网关设备充当；经由所述代理网关，向级联设备下发门禁授权请求明细数据，所述级联设备为与所述代理网关处于同一网络区域的所述门禁设备；接收所述代理网关根据所述门禁授权请求明细数据反馈的门禁授权请求处理结果，以完成对门禁授权的处理。服务器利用K‑Means算法在网络区域内确定代理网关，并通过控制这些代理网关对门禁设备进行数据下发、监测以及数据接收，利用分布式网络处理大批量申请，有效提高了面对高并发状态下门禁处理的效率。
-
-
-
-
-
-
-
-
-
搜索结果
70 条记录 (耗时 0.073 秒)
