-
公开(公告)号：CN101819628B
公开(公告)日：2011-12-28
申请号：CN201010140798.1
申请日：2010-04-02
Applicant: 清华大学
Abstract: 本发明涉及结合形状特征的稀疏表示人脸识别方法，属于图像处理领域，该方法包括：对训练集中所有人脸图像基于约束采样进行纹理特征提取和进行形状特征提取，得到纹理特征矩阵和形状特征矩阵，将纹理特征矩阵和形状特征的一个类别分别对应训练集的一个人的多幅人脸图像；对待识别人的人脸图像基于约束采样进行纹理特征提取和进行形状特征提取，得到待识别图像的纹理特征向量；对于训练集中的每一类别计算对应于该训练类别的纹理残差和形状残差；将待识别图像的形状特征向量用训练集的形状特征向量线性的系数表示；将得到的待识别的人脸对应于该类的综合相似度最大值对应的训练集的类别作为待识别人的识别结果；该方法具有更高的人脸识别率。
-
公开(公告)号：CN102968775B
公开(公告)日：2015-04-15
申请号：CN201210435373.2
申请日：2012-11-02
Applicant: 清华大学
Abstract: 本发明涉及基于超分辨率重建技术的低分辨率人脸图像的重建方法，属于图像处理领域，本发明包括：对原始图像进行基于人脸三点定位的归一化，得到待重建的归一化人脸图像；再通过生成训练集，对待重建的低分辨率图像进行去噪并通过模糊度估计确定学习样本，通过LLE学习得到最终重建出的高分辨率图像。本发明采用的人脸图像的归一化方法不仅准确，而且和训练集的归一化方法一致，提升了低分辨率人脸图像的准确性。再采用基于低频分量的超分辨率人脸图像的重建方法，制作出低分辨率人脸图像的大尺寸重建像，较好地解决了低分辨率人脸图像的重建难题。
-
公开(公告)号：CN101739676A
公开(公告)日：2010-06-16
申请号：CN200910241746.0
申请日：2009-12-04
Applicant: 清华大学
Abstract: 本发明涉及一种制作超低分辨率人脸模拟像的方法，属于图像处理、模式识别技术领域；该方法包括：对含有超低分辨率人脸图像进行放大，对放大后的图像进行裁减，再进行模糊图像复原处理后，人工标出人脸形状特征点；采用三维模型成像的方法，形成该超低分辨率人脸的三维模型正面像和人脸形状特征点；在人脸识别系统进行查询识别，得到一张与超低分辨率人脸图像最相象的三维模型正面像的识别像；提取出人脸形状特征点；再进行仿射变换，得到超低分辨率人脸的模拟像。本方法较好地解决了视频监控的超低分辨率人脸图像的恢复难题。
-
公开(公告)号：CN118037528A
公开(公告)日：2024-05-14
申请号：CN202410095458.3
申请日：2024-01-23
Applicant: 清华大学 , 北京诚志重科海图科技有限公司
IPC: G06T1/20 , G06N3/0464
Abstract: 本发明提供一种基于邻域图像帧存储体的大核卷积计算方法和装置，包括：从预先构建的第一邻域图像帧存储体中逐行读取目标行的目标数量个图像数据；其中，所述第一邻域图像帧存储体存储有待处理图像的图像数据；将所述图像数据输入至预先构建的行移位寄存器阵列，得到所述目标数量个目标邻域数据；将所述目标邻域数据输入至预先构建的目标卷积模块，根据卷积流水线处理逻辑对所述目标邻域数据进行系列周期处理，得到目标卷积计算结果，将所述目标卷积计算结果存入预先构建的第二邻域图像帧存储体。本发明使用卷积流水线处理更充分的利用存储器与FPGA之间的带宽，高速实现大核卷积运算，本发明提供的运算方法具有更高的处理速度与更低的功耗。
-
公开(公告)号：CN102968775A
公开(公告)日：2013-03-13
申请号：CN201210435373.2
申请日：2012-11-02
Applicant: 清华大学
Abstract: 本发明涉及基于超分辨率重建技术的低分辨率人脸图像的重建方法，属于图像处理领域，本发明包括：对原始图像进行基于人脸三点定位的归一化，得到待重建的归一化人脸图像；再通过生成训练集，对待重建的低分辨率图像进行去噪并通过模糊度估计确定学习样本，通过LLE学习得到最终重建出的高分辨率图像。本发明采用的人脸图像的归一化方法不仅准确，而且和训练集的归一化方法一致，提升了低分辨率人脸图像的准确性。再采用基于低频分量的超分辨率人脸图像的重建方法，制作出低分辨率人脸图像的大尺寸重建像，较好地解决了低分辨率人脸图像的重建难题。
-
Patent Agency Ranking
公开(公告)号：CN101833672B
公开(公告)日：2012-02-29
申请号：CN201010140799.6
申请日：2010-04-02
Applicant: 清华大学
IPC: G06K9/66
Abstract: 本发明涉及基于约束采样与形状特征的稀疏表示人脸识别方法，属于图像处理领域；该方法包括：对训练集中所有人脸图像进行纹理特征提取和形状特征提取，得到纹理特征矩阵和形状特征矩阵，纹理特征矩阵和形状特征矩阵的一个类别分别对应训练集的一个人的多幅人脸图像；将得到待识别人脸图像的纹理特征向量和形状特征向量与训练集的每一类进行比较，将综合相似度最大值对应的训练集的类别作为待识别人的识别结果；该方法具有更高的人脸识别率。
-
公开(公告)号：CN101833672A
公开(公告)日：2010-09-15
申请号：CN201010140799.6
申请日：2010-04-02
Applicant: 清华大学
IPC: G06K9/66
Abstract: 本发明涉及基于约束采样与形状特征的稀疏表示人脸识别方法，属于图像处理领域；该方法包括：对训练集中所有人脸图像进行纹理特征提取和形状特征提取，得到纹理特征矩阵和形状特征矩阵，纹理特征矩阵和形状特征矩阵的一个类别分别对应训练集的一个人的多幅人脸图像；将得到待识别人脸图像的纹理特征向量和形状特征向量与训练集的每一类进行比较，将综合相似度最大值对应的训练集的类别作为待识别人的识别结果；该方法具有更高的人脸识别率。
-
公开(公告)号：CN101819628A
公开(公告)日：2010-09-01
申请号：CN201010140798.1
申请日：2010-04-02
Applicant: 清华大学
Abstract: 本发明涉及结合形状特征的稀疏表示人脸识别方法，属于图像处理领域，该方法包括：对训练集中所有人脸图像基于约束采样进行纹理特征提取和进行形状特征提取，得到纹理特征矩阵和形状特征矩阵，将纹理特征矩阵和形状特征的一个类别分别对应训练集的一个人的多幅人脸图像；对待识别人的人脸图像基于约束采样进行纹理特征提取和进行形状特征提取，得到待识别图像的纹理特征向量；对于训练集中的每一类别计算对应于该训练类别的纹理残差和形状残差；将待识别图像的形状特征向量用训练集的形状特征向量线性的系数表示；将得到的待识别的人脸对应于该类的综合相似度最大值对应的训练集的类别作为待识别人的识别结果；该方法具有更高的人脸识别率。
-
公开(公告)号：CN103065289B
公开(公告)日：2016-04-06
申请号：CN201310024137.6
申请日：2013-01-22
Applicant: 清华大学
Abstract: 本发明涉及基于双目立体视觉的正面人脸重建方法，属于图像处理技术领域。本方法包括：确定双目摄像机的参数；拍摄人脸图像；根据得到的畸变参数R1，R2，将图像进行校正；人脸定位以及双眼定位；对人脸矩形区域进行匹配，求出深度图；根据得到的投影矩阵M1，M2，求出人脸三维坐标；根据人眼的三维坐标，求出人脸的偏转角度θ；根据偏转角度θ，对人脸进行旋转；将旋转后的人脸三维坐标投影到摄像机成像平面，得到正面人脸图像1；对另一个双目摄像机进行重复操作，生成正面人脸图像2；将两幅正面人脸图像进行融合，得到最终正面人脸图像。该方法可增强人脸识别对姿态的鲁棒性，提高不同姿态人脸识别的准确性。
-
公开(公告)号：CN103065289A
公开(公告)日：2013-04-24
申请号：CN201310024137.6
申请日：2013-01-22
Applicant: 清华大学
Abstract: 本发明涉及基于双目立体视觉的正面人脸重建方法，属于图像处理技术领域。本方法包括：确定双目摄像机的参数；拍摄人脸图像；根据得到的畸变参数R1，R2，将图像进行校正；人脸定位以及双眼定位；对人脸矩形区域进行匹配，求出深度图；根据得到的投影矩阵M1，M2，求出人脸三维坐标；根据人眼的三维坐标，求出人脸的偏转角度θ；根据偏转角度θ，对人脸进行旋转；将旋转后的人脸三维坐标投影到摄像机成像平面，得到正面人脸图像1；对另一个双目摄像机进行重复操作，生成正面人脸图像2；将两幅正面人脸图像进行融合，得到最终正面人脸图像。该方法可增强人脸识别对姿态的鲁棒性，提高不同姿态人脸识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
