-
公开(公告)号：CN108537787A
公开(公告)日：2018-09-14
申请号：CN201810297174.7
申请日：2018-03-30
Applicant: 中国科学院半导体研究所 , 中国科学院大学
CPC classification number: G06T7/0002 , G06K9/00268 , G06T7/13 , G06T2207/10004 , G06T2207/30168 , G06T2207/30201
Abstract: 本发明提供了一种人脸图像的质量判定方法，包括以下步骤：S1、对输入的图像进行人脸检测，确定图像中人脸区域；S2：对检测到人脸的图像进行人脸关键点定位；S3：计算关键点定位之后的人脸图像区域的梯度，得到人脸梯度图像；S4：确定在梯度图像中关键点的坐标位置；S5：计算关键点邻域的梯度信息；S6：根据关键点邻域的梯度信息综合得到人脸图像的质量判定值。本发明不需要借助大量的训练数据进行样本化学习，仅针对待识别图像的关键点进行梯度邻域计算，有效地减轻了系统运行的负担，提升了图像质量判定的准确性和效率。
-
公开(公告)号：CN108492344A
公开(公告)日：2018-09-04
申请号：CN201810298808.0
申请日：2018-03-30
Applicant: 中国科学院半导体研究所 , 中国科学院大学
Abstract: 本发明提供了一种肖像漫画生成方法，包括以下步骤：S1、对输入图像进行人脸检测与特征点定位；S2、根据人脸检测与特征点定位的结果，对输入图像进行预处理，以与参考人脸图像对齐，获得与参考人脸图像对齐的输入人脸特征点集；S3、与参考人脸特征比较，计算输入人脸的个性特征；S4、在变形约束准则下，夸张个性特征，得到输入人脸的肖像漫画特征点集；S5、基于输入人脸与参考人脸图像对齐后的人脸特征点集与肖像漫画特征点集分别建立三角形坐标系，在两个对应的三角形坐标系之间实现图像变形，生成肖像漫画。本发明基于三角形坐标系，无需训练样本，仅需要一张参考人脸图像即可快速生成肖像漫画，可在准实时系统中实现应用。
-
公开(公告)号：CN109409179B
公开(公告)日：2021-10-12
申请号：CN201810295976.4
申请日：2018-03-30
Applicant: 中国科学院半导体研究所 , 中国科学院大学
Abstract: 本发明提供了一种基于邻域类编码学习的静脉识别方法，其特征在于，包括以下步骤：S1、获取训练集静脉图像特征；S2、对所有训练集特征，生成类别间二值模版；S3：以所有训练集特征和得到的类别间二值模版作为输入，二值模版中的每一位训练一个分类器；S4：获取测试静脉图像特征，并将测试特征循环输入每一个分类器，得到测试特征的二值编码；S5：对测试特征的二值编码和得到的类别间二值模版进行相似性度量与识别，得到静脉识别结果。本发明在输入静脉图像特征的基础上，考虑类别间的关系，采用类别编码的方式对原始特征进行二值化，既能提高静脉识别准确率，又能在很大程度上降低数据量。
-
公开(公告)号：CN108537787B
公开(公告)日：2020-12-15
申请号：CN201810297174.7
申请日：2018-03-30
Applicant: 中国科学院半导体研究所 , 中国科学院大学
Abstract: 本发明提供了一种人脸图像的质量判定方法，包括以下步骤：S1、对输入的图像进行人脸检测，确定图像中人脸区域；S2：对检测到人脸的图像进行人脸关键点定位；S3：计算关键点定位之后的人脸图像区域的梯度，得到人脸梯度图像；S4：确定在梯度图像中关键点的坐标位置；S5：计算关键点邻域的梯度信息；S6：根据关键点邻域的梯度信息综合得到人脸图像的质量判定值。本发明不需要借助大量的训练数据进行样本化学习，仅针对待识别图像的关键点进行梯度邻域计算，有效地减轻了系统运行的负担，提升了图像质量判定的准确性和效率。
-
公开(公告)号：CN109409179A
公开(公告)日：2019-03-01
申请号：CN201810295976.4
申请日：2018-03-30
Applicant: 中国科学院半导体研究所 , 中国科学院大学
Abstract: 本发明提供了一种基于邻域类编码学习的静脉识别方法，其特征在于，包括以下步骤：S1、获取训练集静脉图像特征；S2、对所有训练集特征，生成类别间二值模版；S3：以所有训练集特征和得到的类别间二值模版作为输入，二值模版中的每一位训练一个分类器；S4：获取测试静脉图像特征，并将测试特征循环输入每一个分类器，得到测试特征的二值编码；S5：对测试特征的二值编码和得到的类别间二值模版进行相似性度量与识别，得到静脉识别结果。本发明在输入静脉图像特征的基础上，考虑类别间的关系，采用类别编码的方式对原始特征进行二值化，既能提高静脉识别准确率，又能在很大程度上降低数据量。
-
Patent Agency Ranking
公开(公告)号：CN115587205A
公开(公告)日：2023-01-10
申请号：CN202110755960.9
申请日：2021-07-05
Applicant: 中国科学院半导体研究所
IPC: G06F16/483 , G06F16/48
Abstract: 本发明提供一种基于智能相册管家系统的MV生成方法及装置，所述方法包括：每隔预设时间段，自动提取智能相册管家系统中位于预设时间段内的部分或全部多媒体资源；根据提取的多媒体资源，生成智能相册管家系统的MV。本发明每隔预设时间段，自动提取智能相册管家系统中位于预设时间段内的部分或全部多媒体资源，并根据提取的多媒体资源生成智能相册管家系统的MV，实现自动且快速在智能相册管家系统中生成MV，不需要依赖于用户手动选择多媒体资源并手动生成MV，不仅效率较高，而且便于用户操作。
-
公开(公告)号：CN115062286A
公开(公告)日：2022-09-16
申请号：CN202210607031.8
申请日：2022-05-31
Applicant: 中国科学院半导体研究所
Abstract: 本发明提供一种特征信息的智能监督方法、装置及电子设备，该特征信息的智能监督方法包括：获取基于目标特征信息和目标特征信息对应的目标监督策略对目标儿童进行监督的监督结果，目标特征信息和目标特征信息对应的目标监督策略基于在儿童监督策略配置界面上的配置操作生成，儿童监督策略配置界面中包括配置特征信息的第一配置控件和配置特征信息对应的监督策略的第二配置控件；根据监督结果生成监督效果报表，监督效果报表用于辅助调整目标特征信息和目标监督策略；输出监督效果报表。本发明实施例提供的技术方案可以辅助家长根据目标儿童的个性化特征设置有效的监督方案并及时作出监督方案的调整，能够实现对目标儿童的特征信息的智能监督。
-
公开(公告)号：CN115050359A
公开(公告)日：2022-09-13
申请号：CN202210508084.4
申请日：2022-05-10
Applicant: 中国科学院半导体研究所
Abstract: 本发明提供一种辅助背诵方法、装置、电子设备及存储介质，其中方法包括：获取指令信息；根据所述指令信息执行辅助背诵任务；其中，所述指令信息包括背诵指令，根据所述背诵指令执行辅助背诵任务，包括：根据所述背诵指令获得背诵题目；采集背诵语音信息；将所述背诵语音信息与所述背诵题目的标准语音进行实时比对；根据所述实时比对的结果播放所述背诵题目的标准语音，其中，所述实时比对的结果包括不一致和背诵语音信息缺失。本发明通过语音识别实时获取学生背诵内容，在背诵有误时提供语音纠正、在忘记时提供简短的语音提示，达到及时核对背诵正误并给出有效反馈的辅助背诵效果。
-
公开(公告)号：CN114782684A
公开(公告)日：2022-07-22
申请号：CN202210220298.1
申请日：2022-03-08
Applicant: 中国科学院半导体研究所
Abstract: 本发明提供一种点云语义分割方法、装置、电子设备与存储介质，方法包括：对目标对象的点云进行采样与特征提取，得到多个采样点的高阶特征信息；其中，所述采样点的高阶特征信息是基于所述采样点与其周围邻域点之间的相对特征信息、相对位置信息以及所述邻域点的密度信息得到的；根据所述多个采样点的高阶特征信息，得到所述目标对象的点云中各个点的高阶特征信息；根据所述目标对象的点云中各个点的高阶特征信息，对所述目标对象的点云做语义分割。由于高阶特征信息能够反映点云的深层语义信息，因此采用本发明的点云语义分割方法得到的点云语义分割结果准确率更高。
-
公开(公告)号：CN109002763B
公开(公告)日：2021-09-24
申请号：CN201810619267.7
申请日：2018-06-15
Applicant: 中国科学院半导体研究所
Abstract: 本发明公开了一种基于同源连续性的模拟人脸老化的方法及装置，方法包括：获取人脸图像的特征点；根据特征点构建形状特征向量并计算度量标准，将度量标准与预设度量标准匹配计算，获取各年龄段对应的与预设数量相等的相匹配人脸图像；获取各年龄段对应的纹理增强人脸原型；确定人脸图像所处的源目标年龄段；根据人脸原型对应的形状特征向量、年龄相关和目标形状特征向量获取模拟人脸形状老化的第一模拟图像；根据人脸原型对应的像素点构建出的纹理特征向量获取模拟人脸纹理老化的第二模拟图像。装置包括：由处理器、存储器和总线完成通信的电子设备；非暂态计算机可读存储介质。所述装置执行上述方法。该方法及装置，能够真实自然的模拟人脸老化。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.071 seconds)
