一种深度数据的编码方法和解码方法

    公开(公告)号:CN110191341B

    公开(公告)日:2021-06-11

    申请号:CN201910456564.9

    申请日:2019-05-29

    发明人: 崔兆蕾 侯方超

    IPC分类号: H04N19/42 H04N13/161

    摘要: 本发明提供了一种深度数据的编码和解码方法,其中,编码方法包括以下步骤:选择深度数据中的一个像素;读取所述当前像素的深度数值和所述当前像素的相邻像素的深度数值;判断所述当前像素的深度数值和其相邻像素的深度数值的相似度;根据相似度将当前像素的深度数值定义为重复数据、差值数据及真实数据进行存储;按照上述步骤对当前像素的下一个像素进行深度数据存储,直至接收到停止指令或完成编码。借助于本发明的上述技术方案,能够实现深度视频数据的实时压缩。

    快速删除flash数据的方法、系统、计算机设备及存储介质

    公开(公告)号:CN112579004A

    公开(公告)日:2021-03-30

    申请号:CN202011513530.8

    申请日:2020-12-17

    IPC分类号: G06F3/06

    摘要: 本申请涉及一种快速删除flash数据的方法、装置、计算机设备和存储介质。其中,方法包括以下步骤:设定数据的有效标记值;将数据结合其有效标记值根据数据大小和标准扇区大小存入一个或多个连续的标准扇区内;若需要擦除该组数据时,直接修改其有效标记值的状态为无效数据。本申请技术方案在需要擦除这组数据时,直接将表征这组数据有效性的有效标记改写即可,不再需要实际擦除这组数据,运行中的时间损耗少,提高了运行效率,避免flash损坏的问题,并延长了flash的使用寿命。

    一种关于提高光源性能的电路设计方法

    公开(公告)号:CN110446312A

    公开(公告)日:2019-11-12

    申请号:CN201910555340.3

    申请日:2019-06-25

    IPC分类号: H05B37/02

    摘要: 本发明涉及光源驱动电路的印刷电路板,尤其是涉及一种关于提高光源性能的电路设计方法。在PCB板上设置储能电路CX、一级驱动器预放大电路、二级驱动电路和电光源LD,将用于连接外界第一电源V的第一电源接口依次连接电光源LD和二级驱动电路,还将第一电源接口连接储能电路CX,将二级驱动电路和储能电路CX近距离设置摆放。可有效提高光源光电转换效率,提升光源开关速度。可以实现窄脉宽,达到ns级别;该设计方法所形成的电路可以应用于电子产品的任何光源驱动电路上。

    一种基于深度图像的体积测量方法、系统及深度相机

    公开(公告)号:CN108537834A

    公开(公告)日:2018-09-14

    申请号:CN201810225912.7

    申请日:2018-03-19

    发明人: 侯方超

    IPC分类号: G06T7/50 G06T7/62 G01B11/00

    摘要: 本发明属于物流和体积测量技术领域,具体涉及一种基于深度图像的体积测量方法、系统及深度相机,包括以下步骤:S1,获取含有待测物的场景深度图,得到场景点云坐标;S2,对场景点云坐标进行变换,得到深度相机坐标系下的场景点云坐标;S3,对深度相机坐标系下的场景点云坐标进行处理,得到待测物的坐标集合;S4,根据待测物的坐标集合计算待测物的长度、宽度和高度,将长度、宽度和高度相乘得到待测物的体积。本发明相比于现有物流体积测量方案,在硬件方面,运用市面上普通的深度相机即可实现,成本较低;在相机倾斜状态下,仍能够实时准确测量待测物的体积。

    人脸训练样本图像的生成方法、系统、计算机设备及存储介质

    公开(公告)号:CN113705492A

    公开(公告)日:2021-11-26

    申请号:CN202111018337.1

    申请日:2021-08-31

    IPC分类号: G06K9/00 G06K9/62 G06N3/08

    摘要: 本申请涉及一种人脸训练样本图像的生成方法、系统、计算机设备及存储介质,获取真实图像和随机噪声特征图;将所述随机噪声特征图经过高斯同分布后得到同分布噪声特征图,将所述同分布噪声特征图送入生成模型得到虚拟图像;将所述真实图像和所述虚拟图像输入判别模型进行判别;依据判别结果对所述判别模型和所述生成模型进行训练优化,得到对抗生成网络模型;随机挑选一真实样本图像,送入所述对抗生成网络模型,输出若干训练样本图像。依据经高斯同分布后的同步噪声特征图得到虚拟图像,并根据该虚拟图像和真实图像进行判别结果优化网络模型,最后,通过优化后的网络模型生成大量的训练样本,解决现有人脸训练样本图像不足的问题。

    一种基于深度图像的体积测量方法、系统及深度相机

    公开(公告)号:CN108537834B

    公开(公告)日:2020-05-01

    申请号:CN201810225912.7

    申请日:2018-03-19

    发明人: 侯方超

    IPC分类号: G06T7/50 G06T7/62 G01B11/00

    摘要: 本发明属于物流和体积测量技术领域,具体涉及一种基于深度图像的体积测量方法、系统及深度相机,包括以下步骤:S1,获取含有待测物的场景深度图,得到场景点云坐标;S2,对场景点云坐标进行变换,得到深度相机坐标系下的场景点云坐标;S3,对深度相机坐标系下的场景点云坐标进行处理,得到待测物的坐标集合;S4,根据待测物的坐标集合计算待测物的长度、宽度和高度,将长度、宽度和高度相乘得到待测物的体积。本发明相比于现有物流体积测量方案,在硬件方面,运用市面上普通的深度相机即可实现,成本较低;在相机倾斜状态下,仍能够实时准确测量待测物的体积。

    基于深度信息的人脸活体检测方法、装置

    公开(公告)号:CN110688950A

    公开(公告)日:2020-01-14

    申请号:CN201910919092.6

    申请日:2019-09-26

    摘要: 本申请涉及一种基于深度信息的人脸活体检测方法、装置、计算机设备和存储介质。所述方法包括:从包含人脸的深度图像中获取人脸所在区域的面部深度图像;对获取到的面部深度图像进行归一化处理,得到灰度图像;建立三维坐标系,将灰度图像还原成三维空间中的三维曲面;提取三维曲面中的三维信息,并将提取到的三维信息压缩到二维空间,生成特征图像;将特征图像送入训练好的深度卷积神经网络进行二分类检测,得到活体检测结果。采用本方法能够有效防范照片、电子视频回放等二维假体攻击,提升检测准确率和运行效率,降低训练成本。

    活体检测方法、装置、计算机设备和存储介质

    公开(公告)号:CN110659617A

    公开(公告)日:2020-01-07

    申请号:CN201910918231.3

    申请日:2019-09-26

    IPC分类号: G06K9/00 G06K9/46 G06K9/62

    摘要: 本申请涉及一种活体检测方法、装置、计算机设备和存储介质。方法包括:获取包含人脸对象的深度图像;统计深度图像的深度直方图,并由近及远累加所统计的直方图中的像素个数,当像素个数达到预设阈值时,记录此时的深度距离值;根据深度距离值,调整红外激光光源的发射次数,获取调整后曝光的包含人脸对象的红外图像;获取红外人脸图像及其对应的深度人脸图像;对红外人脸图像和深度人脸图像分别进行归一化处理;将归一化处理后的红外人脸图像和深度人脸图像,分别送入对应的深度卷积神经网络进行二分类检测,如果两个深度卷积神经网络的检测结果均为活体,则判断人脸对象为活体。采用本方法避免了环境中可见光对检测结果的干扰,扩充了使用场景。

    一种深度数据的编码方法和解码方法

    公开(公告)号:CN110191341A

    公开(公告)日:2019-08-30

    申请号:CN201910456564.9

    申请日:2019-05-29

    发明人: 崔兆蕾 侯方超

    IPC分类号: H04N19/42 H04N13/161

    摘要: 本发明提供了一种深度数据的编码和解码方法,其中,编码方法包括以下步骤:选择深度数据中的一个像素;读取所述当前像素的深度数值和所述当前像素的相邻像素的深度数值;判断所述当前像素的深度数值和其相邻像素的深度数值的相似度;根据相似度将当前像素的深度数值定义为重复数据、差值数据及真实数据进行存储;按照上述步骤对当前像素的下一个像素进行深度数据存储,直至接收到停止指令或完成编码。借助于本发明的上述技术方案,能够实现深度视频数据的实时压缩。

    一种多台TOF相机相互避免干扰的方法及系统

    公开(公告)号:CN109459738A

    公开(公告)日:2019-03-12

    申请号:CN201810573457.X

    申请日:2018-06-06

    发明人: 侯方超

    IPC分类号: G01S7/48

    摘要: 本发明属于TOF相机测距技术领域,具体涉及一种多台TOF相机相互避免干扰的方法及系统,包括以下步骤:包括以下步骤:根据相机的帧率,计算不同相机的发光间隔时间和能相互避免干扰的最大相机数量;根据发光间隔时间,依次控制小于等于最大相机数量的多台相机工作,从而避免多台相机工作时的相互干扰。通过对同一场景中的多台TOF相机进行分时控制,避免一台相机接收到来自其他相机发出的光,从而避免多台相机工作时的相互干扰,实现相机的准确测距。