-
公开(公告)号:CN117710634A
公开(公告)日:2024-03-15
申请号:CN202311599393.8
申请日:2023-11-28
申请人: 深圳市光鉴科技有限公司 , 重庆光鉴傲深科技有限公司 , 珠海横琴光鉴科技有限公司
IPC分类号: G06V10/143 , G06V10/25 , G06V10/60 , G06V10/62 , G06V10/764 , G06V10/82 , G06V40/40 , G06T7/246 , G06T7/514 , G06N3/0464 , G06N3/084
摘要: 一种视频散斑活体深度相机及电子设备,其特征在于,包括:散斑投射器,用于以不同功率或波长投射出散斑;散斑接收器,用于接收所述散斑的反射信号,生成散斑图;处理器,用于对所述散斑图进行检测,获得感兴趣区域,对所述感兴趣区域内相邻的多个像素点组成散斑组,对多个图像帧中的感兴趣区域构建N个散斑组的亮度变化向量,将所述亮度变化向量作为活体检测分类器的输入,判断所述特征向量表征的M个图像帧中的目标对象是否为活体;其中,所述亮度变化向量还包括每一图像帧对应的所述功率或波长。本发明具有抗干扰能力强、对各类假体都有很好的识别效果的优点。
-
公开(公告)号:CN117710633A
公开(公告)日:2024-03-15
申请号:CN202311599229.7
申请日:2023-11-28
申请人: 深圳市光鉴科技有限公司 , 重庆光鉴傲深科技有限公司 , 珠海横琴光鉴科技有限公司
IPC分类号: G06V10/143 , G06V10/25 , G06V10/60 , G06V10/62 , G06V10/764 , G06V10/82 , G06V40/40 , G06N3/0464 , G06N3/084 , G06T7/246 , G06T7/514
摘要: 本发明提供了一种散斑活体检测深度相机,包括:散斑投射器,用于以不同功率或波长投射出散斑;散斑接收器,用于接收所述散斑的反射信号,生成散斑图;处理器,用于对所述散斑图进行检测,获得感兴趣区域,并通过对多个图像帧中的感兴趣区域构建N个像素点的亮度变化向量,将所述亮度变化向量作为活体检测分类器的输入,判断所述特征向量表征的M个图像帧中的目标对象是否为活体;其中,所述亮度变化向量还包括每一图像帧对应的所述功率或波长。本发明具有抗干扰能力强、对各类假体都有很好的识别效果的优点。
-
公开(公告)号:CN117710632A
公开(公告)日:2024-03-15
申请号:CN202311598961.2
申请日:2023-11-28
申请人: 深圳市光鉴科技有限公司 , 重庆光鉴傲深科技有限公司 , 珠海横琴光鉴科技有限公司
IPC分类号: G06V10/143 , G06V40/40 , G06V10/22 , G06V10/34 , G06V10/60 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06T7/514
摘要: 一种散斑活体识别深度相机,包括:散斑投射器,用于投射散斑;散斑接收器,用于接收目标对象的反射信号,并生成散斑图;处理器,用于对所述散斑图进行检测,识别出多个散斑及散斑亮度,计算每个散斑与相邻散斑的亮度关系,根据多个散斑的所述亮度关系、所述散斑亮度与形状的关系、所述深度值与所述亮度关系中的至少一个判断目标对象是否为活体。本发明在散斑图上检测目标区域,获得多个散斑与相邻散斑的亮度关系,进而利用多个散斑的特征判断目标对象是否为活体,具有识别速度快、适应性强、生物信息活体识别效果好、算力要求低的优点。
-
公开(公告)号:CN117218231A
公开(公告)日:2023-12-12
申请号:CN202311189850.6
申请日:2023-09-15
申请人: 深圳市光鉴科技有限公司 , 重庆光鉴傲深科技有限公司 , 珠海横琴光鉴科技有限公司
IPC分类号: G06T11/00 , G06V40/16 , G06N3/0475 , G06N3/09 , G06N3/094
摘要: 一种区块式生成人脸IR图模型的训练方法,包括:S1:获取人脸的训练样本图像,所述训练样本图像包括样本RGB图和所述样本RGB图对应的样本IR图;S2:根据左眼、右眼、鼻子和嘴巴将人脸分为四个区域;S3:所述生成人脸IR图模型利用所述样本RGB图的四个所述区域及所述人脸关键点进行监督学习并输出目标样本IR图;S4:根据所述样本RGB图对所述目标样本IR图和所述样本IR图进行判别,得到所述目标样本IR图的真实性判定结果;S5:对所述样本IR图和所述目标样本IR图进行损失计算,得到第一损失值;S6:对所述IR图判别模型进行训练,并基于第二损失函数进行损失计算,得到第二损失值。本发明可以根据人脸RGB图生成人脸IR图。
-
公开(公告)号:CN118806232A
公开(公告)日:2024-10-22
申请号:CN202410797688.4
申请日:2024-06-20
申请人: 深圳市光鉴科技有限公司 , 重庆光鉴傲深科技有限公司
摘要: 一种连接显示屏的皮肤检测装置,包括:UV光源,用于发射UV光线;第一偏振片,位于所述UV光源的出射光路上;显示屏,用于显示交互并提供可见光;宽光谱接收器,用于接收所述UV光线的反射信号生成UV图像,接收所述可见光的反射信号生成第一RGB图像;第二偏振片,位于所述宽光谱接收器的入射光路上;RGB接收器,用于接收所述可见光的反射信号,并生成第二RGB图像;处理器,用于交替采集所述UV图像和所述第一RGB图像,并在采集所述第一RGB图像的同时,采集所述第二RGB图像,根据所述UV图像、所述第一RGB图像和所述第二RGB图像检测人体皮肤状况,根据所述第一RGB图像和所述第二RGB图像进行深度计算与身份识别。
-
公开(公告)号:CN118642124A
公开(公告)日:2024-09-13
申请号:CN202410660985.4
申请日:2024-05-27
申请人: 深圳市光鉴科技有限公司 , 重庆光鉴傲深科技有限公司 , 珠海横琴光鉴科技有限公司
IPC分类号: G01S17/894 , G01S17/08 , G01S7/497 , G06T7/593 , G06T7/514
摘要: 一种TOF与线结构光融合深度模组及电子设备,包括:投射器,用于向目标对象同时投射多个条纹与泛光;TOF传感器,用于接收所述线和所述泛光的反射信号生成深度图像;处理器,用于根据时间飞行算法得到TOF深度,根据所述TOF深度对所述线进行解码,以确定所述线的编号,从而可以根据视差计算结构光深度。本发明仅需一次投射就可以获得结构光深度,具有测量速度快、重建精度高、测量范围广、资源消耗少、鲁棒性高的优点。
-
公开(公告)号:CN118537677A
公开(公告)日:2024-08-23
申请号:CN202410660733.1
申请日:2024-05-27
申请人: 深圳市光鉴科技有限公司 , 重庆光鉴傲深科技有限公司 , 珠海横琴光鉴科技有限公司
IPC分类号: G06V10/774 , G06V10/82 , G06V40/10 , G06V10/764 , G06N3/08
摘要: 一种近距离非同源困难样本对学习方法、系统、设备及存储介质,包括:步骤S1:获取训练样本对;步骤S2:对所述训练样本对进行识别,获得初始模型;步骤S3:计算每个所述训练图像的误差及每个所述训练样本对的综合误差,并根据所述综合误差计算每个所述训练样本对的第一权重,根据所述误差计算每个所述训练图像的第二权重;步骤S4:根据所述第一权重和所述第二权重对所述训练样本对进行训练,得到第二模型;步骤S5:重复步骤S3‑S4,直至所述第二模型收敛。本发明能够实现模型对于人体特征的困难样本对的重点学习,加快收敛速度,尤其对于训练样本对种类丰富的训练集具有更好的均衡性,具有学习效果好、适用范围广、识别度高的优点。
-
公开(公告)号:CN118501896A
公开(公告)日:2024-08-16
申请号:CN202410661025.X
申请日:2024-05-27
申请人: 深圳市光鉴科技有限公司 , 重庆光鉴傲深科技有限公司 , 珠海横琴光鉴科技有限公司
IPC分类号: G01S17/894 , G01S17/93 , G01S17/08 , G01S7/497 , G01B11/25 , G06T7/557 , G06T5/90 , G06T5/73 , G06T5/80 , G06T5/60 , G06T5/50
摘要: 一种TOF与线结构光融合方法、系统、设备及存储介质,其特征在于,包括:步骤S1:获取深度图像,并确定TOF深度的有效范围;其中,所述深度图像由同时接收的多条线与泛光信号生成;步骤S2:计算TOF深度,并根据TOF深度对线进行解码,确定所述线的编号;步骤S3:根据所述编号,使用结构光技术计算所述线对应的结构光深度。本发明仅需一次投射就可以获得结构光深度,具有测量速度快、重建精度高、测量范围广、资源消耗少、鲁棒性高的优点。
-
公开(公告)号:CN118485891A
公开(公告)日:2024-08-13
申请号:CN202410660778.9
申请日:2024-05-27
申请人: 深圳市光鉴科技有限公司 , 重庆光鉴傲深科技有限公司 , 珠海横琴光鉴科技有限公司
IPC分类号: G06V10/774 , G06V10/82 , G06V40/10 , G06V10/764 , G06N3/08
摘要: 一种远距离非同源困难样本对学习方法、系统、设备及存储介质,包括:步骤S1:获取训练样本对;步骤S2:对所述训练样本对进行识别,获得初始模型;步骤S3:计算每个所述训练样本对的综合误差,并根据所述综合误差计算每个所述训练样本对的权重;其中,所述综合误差是所述训练样本对中不同训练图像的误差的最小值;步骤S4:根据所述权重对所述训练样本对进行训练,得到第二模型;步骤S5:重复步骤S3‑S4,直至所述第二模型收敛。本发明能够实现模型对于人体特征的困难样本对的重点学习,加快收敛速度,尤其对于训练样本对种类丰富的训练集具有更好的均衡性,具有学习效果好、适用范围广、识别度高的优点。
-
公开(公告)号:CN118365910A
公开(公告)日:2024-07-19
申请号:CN202410452837.3
申请日:2024-04-16
申请人: 深圳市光鉴科技有限公司 , 重庆光鉴傲深科技有限公司
摘要: 一种图像模板匹配优化方法、系统、设备及存储介质,其方法包括:步骤S1:得到目标图像I,对所述目标图像I做均值滤波计算,得到均值目标图像I_mean;步骤S2:在计算窗口内,根据所述目标图像I的像素值和所述均值目标图像I_mean的值计算矩阵T’中每个坐标的矩阵值,得到每一行的行均值,进而计算得到计算窗口对应的最终值;步骤S3:向上/下移动所述计算窗口的位置,获得新增行m1和减少行m2;步骤S4:计算所述新增行m1的均值,并对所述减少行m1对应的均值进行替换,计算得到所述计算窗口对应的最终值。本发明通过纯软件的方式,大大提高了数据复用率,减少了计算量,提高了计算效率。
-
-
-
-
-
-
-
-
-