-
公开(公告)号：CN212064141U
公开(公告)日：2020-12-01
申请号：CN202020840812.8
申请日：2020-05-19
Applicant: 华南理工大学 , 扬州盛世云信息科技有限公司
Abstract: 本实用新型公开了一种基于ZigBee的锂电池电量监测悬浮摄像头，包括摄像头本体部分及底座部分，所述摄像头本体部分，包括摄像头、ZigBee无线通讯模块、锂电池、电量监测模块及无线充电接收端，所述底座部分包括底座、ZigBee无线通讯模块、wifi模块、主控板、数字显示器及无线充电发射端，本实用新型可以有效的对电池性能进行监控，从而最大化的提高锂电池的寿命，达到节约能源的目的。
-
公开(公告)号：CN112507357A
公开(公告)日：2021-03-16
申请号：CN202011433473.2
申请日：2020-12-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于密钥生成器的多级接口设计方法，包括以下步骤：S1、使用非线性逻辑函数构成多密钥生成器，每个密钥输出排序作为私钥对应一个序列号；S2、访问端在服务器注册账号密码通过公钥对称加密生成认证密文；S3、访问端每次访问前先从后台随机字符串，将随机字符串通过MD5算法散列得到私钥序列号，将请求参数根据对应的私钥加密得到请求密文；S4、访问端将认证密文和请求密文传送到后台一级接口url，一级接口对认证密文解密，认证成功后再将请求密文解密通过Bloom过滤器定位到二级接口url上。
-
公开(公告)号：CN112507930B
公开(公告)日：2023-06-20
申请号：CN202011489672.5
申请日：2020-12-16
Applicant: 华南理工大学
Abstract: 本发明涉及一种利用光照均衡法改善人脸视频心率检测的方法，包括以下步骤：S1、利用可见光的摄像头获取人脸视频图像；S2、利用多任务卷积神经网络完成人脸的检测及定位；S3、选取人脸视频感兴趣区域；S4、利用快速引导滤波算法提取场景光照分量，构造改进的二维伽马函数，均衡人脸视频图像的光照分量；S5、利用FastICA算法，从混合信号中分离出独立源信号；S6、利用独立源信号做快速傅里叶变换，并计算心率值。本发明通过快速引导滤波算法提取光照分量，利用改进的二维伽马函数的自适应校正光照不均的光均衡法，改善人脸图像过亮与过暗区域的亮度，减少心率测量值的平均误差和标准差，提高测量精度。
-
公开(公告)号：CN110210321B
公开(公告)日：2020-11-24
申请号：CN201910378708.3
申请日：2019-05-08
Applicant: 华南理工大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于多维尺度变换网络与分块加权法的欠样本人脸识别方法，步骤如下：首先，对由单张人脸图像构成的样本集中每一张图像进行分块处理，获得新的样本数据集；然后，利用新的样本数据集学习多维尺度变换网络的滤波器参数，并利用滤波器参数提取样本图像的特征表达，并构建对应的特征库；接着，通过调用滤波器参数，对分块后的测试图像数据集进行特征提取，并利用加权的方式对所提取的特征进行合成后，再与特征库中的特征进行匹配处理；最后，利用匹配结果，获得最终测试人脸图像的分类识别信息。该发明用非监督特征提取网络框架准确提取人脸图像特征，进而提高人脸识别的准确率，为公共安全的建设打下坚实基础。
-
公开(公告)号：CN110210321A
公开(公告)日：2019-09-06
申请号：CN201910378708.3
申请日：2019-05-08
Applicant: 华南理工大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于多维尺度变换网络与分块加权法的欠样本人脸识别方法，步骤如下：首先，对由单张人脸图像构成的样本集中每一张图像进行分块处理，获得新的样本数据集；然后，利用新的样本数据集学习多维尺度变换网络的滤波器参数，并利用滤波器参数提取样本图像的特征表达，并构建对应的特征库；接着，通过调用滤波器参数，对分块后的测试图像数据集进行特征提取，并利用加权的方式对所提取的特征进行合成后，再与特征库中的特征进行匹配处理；最后，利用匹配结果，获得最终测试人脸图像的分类识别信息。该发明用非监督特征提取网络框架准确提取人脸图像特征，进而提高人脸识别的准确率，为公共安全的建设打下坚实基础。
-
Patent Agency Ranking
公开(公告)号：CN110197128A
公开(公告)日：2019-09-03
申请号：CN201910378707.9
申请日：2019-05-08
Applicant: 华南理工大学
Abstract: 发明公开了一种基于边缘计算与云端统筹的人脸识别架构设计方法，包括：边缘节点的模型训练步骤，根据边缘计算的概念，在不同的区域点设计相应的轻量级深度学习网络，并进行局部模型训练；数据与模型传输步骤，针对多级边缘节点的计算结果，上传相应的模型结果；云端模型训练步骤，利用云端统筹的形式，将上传的数据与模型进行训练学习，获得一个全局人脸识别模型；以及任务最终反馈步骤。本发明将边缘计算技术与云端统筹形式应用到大数据下的人脸识别任务中，用来构建一个响应时间快、准确率高的人脸识别架构，通过将基本任务放在数据前端进行处理，减少数据传输造成的响应延迟；整合各个边缘节点的局部模型，提高整体的人脸识别准确率。
-
公开(公告)号：CN112396011B
公开(公告)日：2023-07-18
申请号：CN202011335221.6
申请日：2020-11-24
Applicant: 华南理工大学
IPC: G06V40/40 , G06V40/16 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , A61B5/024 , A61B5/0205 , A61B5/01
Abstract: 本发明公开了一种基于视频图像心率检测及活体检测的人脸识别系统，该系统主要包括图像采集及预处理模块、人脸认证主机、后端数据服务器及身份信息与热成像图显示模块；本发明通过红外热成像摄像头和可见光摄像头分别获取人脸视频图像和人脸热成像，计算热成像图片中人脸温度平均值和根据光电容积脉搏波原理从人脸视频图像所检测出的心率值作为判断是否为活体的依据，将采集的人脸特征数据与后端数据服务器中人脸图像数据比对得出人脸识别结果；通过显示模块显示识别结果，并且能够实时显示当前人脸温度和心率值。本发明的心率检测进一步的减少了红外热像活体检测出现的误判现象，提高了人脸识别的安全系数和可靠性。
-
公开(公告)号：CN111241975B
公开(公告)日：2023-03-31
申请号：CN202010012499.3
申请日：2020-01-07
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于移动端边缘计算的人脸识别检测方法及系统，该方法的步骤包括：提取移动端监控设备拍摄视频中的图片；采用NCNN框架对图片的尺寸进行整合得到图片金字塔，通过神经网络输出两个特征谱进行前后景分类和边界框回归标识人脸框；采用MTCNN网络模型提取第一人脸信息特征向量；将第一人脸信息特征向量添加标签后保存为匹对数据；后端监控设备采集实时图片并提取图片的第二人脸信息特征向量，计算第一人脸信息特征向量和第二人脸信息特征向量的欧几里得距离，欧几里得距离与设定距离阈值对比，识别出实时图片中的人脸信息以及对应的标签。本发明能够筛选有效人脸，为后端减少了计算压力，从而保证高识别成功率的前提下有较快的识别速度。
-
公开(公告)号：CN112861602A
公开(公告)日：2021-05-28
申请号：CN202011435882.6
申请日：2020-12-10
Applicant: 华南理工大学
Abstract: 本发明涉及一种基于深度可分离卷积的人脸活体识别模型压缩和移植方法，包括如下步骤：S1、通过数据增强的方式获得一个训练数据集；S2、利用改进的卷积神经网络对图像进行训练，并保存训练后得到的卷积神经网络模型；S3、基于深度可分离卷积对模型进行压缩，削减模型大小，使得模型参数削减为原始模型的20％左右，使得其尺寸更适合于移动端。S4、通过对模型权重进行半精度Float16量化进一步地压缩模型，加快模型推理速度，使得模型大小压缩为S3步骤的50％，移动端识别速度缩短为400ms，完成模型在移动端软件的移植。本发明基于深度可分离卷积对模型进行压缩且Float16半精度量化。
-
公开(公告)号：CN112507963A
公开(公告)日：2021-03-16
申请号：CN202011530655.1
申请日：2020-12-22
Applicant: 华南理工大学
IPC: G06K9/00 , G06K9/62 , G06F16/583
Abstract: 本发明涉及一种批量口罩人脸样本自动生成以及口罩人脸识别方法，包括以下步骤：S1、定位人脸库中的无佩戴口罩人脸的关键点；S2、分别找到无口罩人脸的下巴以及鼻梁定位点；S3、将口罩图片与人脸的下巴以及鼻梁定位点进行对齐，自动生成口罩人脸图片，并将图片入库；S4、识别人脸时，通过检查关键点是否被遮挡来判断是否戴口罩；S5、根据步骤S4的判断，选取相似度高于阈值且相似度最高的人脸所对应的人员，完成人脸识别。本发明通过人脸关键点定位找出口罩区域并自动生成口罩人脸图片入库，通过与口罩人脸进行比对，不需要单独拍摄戴口罩人脸图片入库，也可以实现对戴口罩的人脸识别的目的。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.039 seconds)
