-
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。
-
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：CN108509998A
公开(公告)日：2018-09-07
申请号：CN201810291322.4
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
IPC: G06K9/62
Abstract: 本发明提供了一种用于目标的在不同设备上鉴别的迁移学习方法，包括以下步骤：S1、样品建立序号，依次在不同设备上采集光谱数据；S2、对不同设备上的光谱数据采用相同的数据集划分；S3、分别对不同设备上经过步骤S2处理的光谱数据建模，选出最好的模型；S4、基于步骤S3得到的数据进行求解空间迁移矩阵；S5、利用步骤S4中的空间迁移矩阵将性能较差设备的数据进行空间变换，重新训练，保存相关参数。本发明通过结合空间迁移的方法将某一台设备上较高模型的特征空间迁移到另外一台设备上，从而提升另外一台设备上浅层神经网络模型的性能。
-
Patent Agency Ranking
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：CN115050067B
公开(公告)日：2024-07-02
申请号：CN202210583342.5
申请日：2022-05-25
Applicant: 中国科学院半导体研究所
IPC: G06V40/16 , G06N3/0464 , G06N3/08 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种人脸表情构建方法、装置、电子设备、存储介质及产品，本发明通过建立人脸表情构建模型，能够提取采集到人脸信息的特征参数，依据特征参数中的人脸表情控制点特征参数、人脸表情特征参数和人脸形状特征参数构建三维人脸，使得通过少量的参数即可表达丰富的人脸形状和细腻的人脸表情，更贴合实际人脸信息的三维目标人脸。本发明提供的方案，不仅考虑人脸的形状，还考虑了人脸的表情和表情控制，提高了构建出的三维目标人脸的自然度和准确性。
-
公开(公告)号：CN115587350A
公开(公告)日：2023-01-10
申请号：CN202110756217.5
申请日：2021-07-05
Applicant: 中国科学院半导体研究所
Abstract: 本发明提供一种授权方法、装置、电子设备和存储介质，所述方法包括：将采集的当前用户身份特征数据与第一数据库中存储的身份特征数据进行匹配，若匹配成功，则将与身份特征数据对应的智能设备和智能相册管家系统进行自动绑定，建立第一绑定关系，从而智能相册管家系统可以基于第一绑定关系访问并读取智能设备中的多媒体增量数据，避免非信任系统读取智能设备中的数据造成数据泄漏的风险。同时，在智能设备与智能相册管家系统建立连接后，智能相册管家系统能够自动从智能设备中读取相应的数据，相较于传统电子相册手动拷贝数据，更加方便快捷。
-
公开(公告)号：CN115100728A
公开(公告)日：2022-09-23
申请号：CN202210592920.1
申请日：2022-05-27
Applicant: 中国科学院半导体研究所
Abstract: 本发明提供一种视力状态的检测方法、装置、存储介质和程序产品，该方法包括：对采集的目标视频中的多张图像进行图像检测，得到用户的检测信息，所述检测信息包括：所述用户的眼部关键点和/或所述用户的行为信息；根据所述检测信息，确定所述用户的异常用眼行为；根据所述异常用眼行为，确定所述用户的视力状态，所述视力状态包括正常状态和异常状态；在确定所述用户的视力状态为异常状态的情况下，输出提示信息，所述提示信息用于提醒所述用户视力存在异常。本发明实施例提供的视力状态的检测方法、装置、存储介质和程序产品，可以提前进行近视或斜视等视力问题的预防。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.048 seconds)
