-
公开(公告)号：CN111680536B
公开(公告)日：2023-06-30
申请号：CN201911044979.1
申请日：2019-10-30
申请人： 高新兴科技集团股份有限公司
摘要： 本发明属于人脸识别技术领域，具体涉及一种基于案管场景下的轻量化人脸识别方法，其通过对轻量化网络MobilenetV2、Mobilefacenet的网络结构进行分析，在Mobilefacenet的主干结构基础上对其网络结构进行部分调整，并增加网络深度及宽度；采用softmax及其变体损失函数对调整后的网络加以监督，提取出人脸特征向量。本发明可实现算法轻量化，识别速度更快，用户体验更佳。
-
公开(公告)号：CN109146923B
公开(公告)日：2021-08-24
申请号：CN201810767930.8
申请日：2018-07-13
申请人： 高新兴科技集团股份有限公司
摘要： 一种目标跟踪丢/断帧的处理方法，包括步骤A，依次获取待跟踪视频图像的帧信息，调用SSD检测模型，检测跟踪目标，并获取跟踪目标的质心及检测框；步骤B，跟踪检测所述跟踪目标的检测框帧信息，判断并获取丢/断帧；步骤C，调用丢/断帧前一帧信息，获取并筛选跟踪目标的临近检测框，选择符合条件的检测框作为丢/断帧的跟踪目标检测框，完成所述丢/断帧的接续。采用本发明技术方案，针对跟踪目标短帧中出现的丢/断帧情况，利用跟踪目标的回归置信度值判断丢/断帧，并利用SSD检测模型获取丢/断帧的跟踪目标信息，将传统的KCF跟踪算法结合SSD检测框架通过逻辑结构进行联结，在尽可能减少硬件成本的基础上满足跟踪的稳定性和时效性的需求。
-
公开(公告)号：CN109241910B
公开(公告)日：2021-01-01
申请号：CN201811040656.0
申请日：2018-09-07
申请人： 高新兴科技集团股份有限公司
摘要： 本发明属于人脸识别技术领域，具体涉及一种基于深度多特征融合级联回归的人脸关键点定位方法，首先将深度网络的多层特征进行融合通过回归的方式来进行人脸关键点的初步定位，其次根据定位结果将其对应的人脸图像进行校正，同时计算初步定位结果的热力图，然后将校正后的图像和计算出的热力图再次输入到深度网络中进行人脸关键点修正，最后根据实际预测精度决定是否再次进行人脸关键点修正。本方法在复杂性及可操作性没有明显增加的情况下，相比单个深度网络进一步降低关键点定位误差。
-
公开(公告)号：CN111967289A
公开(公告)日：2020-11-20
申请号：CN201910420108.9
申请日：2019-05-20
申请人： 高新兴科技集团股份有限公司 , 中科视拓(北京)科技有限公司
摘要： 本发明提供一种非配合式人脸活体检测方法及计算机存储介质，所述方法包括以下步骤：S1、获取模型训练用活体检测图像集合，并对所述图像集合进行处理；S2、设计Inception Net分类网络；S3、设计SSD检测网络；S4、通过所述Inception Net分类网络和所述SSD检测网络对所述图像集合进行模型训练；S5、获取实时图像，根据模型训练的结果预测所述实时图像是否为人脸活体。根据本发明实施例的非配合式人脸活体检测方法，不需要增添摄像头以外的硬件设备，且不需要待测人员配合，能够达到超实时的人脸活体检测速度，成本低廉，使用方便。
-
公开(公告)号：CN106789198B
公开(公告)日：2020-10-02
申请号：CN201611116226.3
申请日：2016-12-07
申请人： 高新兴科技集团股份有限公司
摘要： 本发明涉及云计算领域，更具体地涉及一种计算节点管理方法及系统。方法包括：S1.中心服务端接收来自web管理界面发送的计算节点信息；S2.中心服务端根据接收到的计算节点信息查询计算节点是否真实存在并可用，若可用则在中心数据库中查询是否有与该计算节点所在主机相关的记录信息，若有则通过livirt的接口获取和更新计算节点的物理信息，如果无则执行步骤S3；S3.中心服务端将存储的目录挂载到新的计算节点上，并初始化计算节点的配置，调用livirt的接口获取和更新计算节点的物理信息。本发明屏蔽了虚拟化层hypervisor的差异，可同时对计算节点进行统一管理，简单快捷，极大降低了管理成本，提高了工作效率。
-
公开(公告)号：CN111079519A
公开(公告)日：2020-04-28
申请号：CN201911056495.9
申请日：2019-10-31
申请人： 高新兴科技集团股份有限公司
摘要： 本发明提供了一种执法办案区场景下的多姿态人体检测方法、计算机存储介质及电子设备，所述方法，包括以下步骤：S1、在RefineDet的ARM分支中加入FSAF模块，构成FSAF-RefineDet网络结构；S2、采集执法办案区场景下的人体图像数据，进行人体信息标注，并将人体信息标注后的所述人体图像数据划分为训练集和测试集；S3、对训练集进行旋转扩增；S4、对旋转扩增后的训练数据尺度归一化后进行随机增强和随机添加噪声；S5、对FSAF-RefineDet网络进行训练，得到训练模型；S6、将训练模型在测试集上进行测试，选择识别精度最高的训练模型作为最终检测模型。根据本发明实施例的方法，有效减少算法在执法办案区场景下的误检率和漏检率，提高识别精度，且不增加模型的计算代价。
-
公开(公告)号：CN110781770A
公开(公告)日：2020-02-11
申请号：CN201910947729.2
申请日：2019-10-08
申请人： 高新兴科技集团股份有限公司
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于人脸识别的活体检测方法，包括：获取待检测用户的原始图片；利用金字塔场景解析网络对所述原始图片进行分割，得到与所述原始图片对应的初步特征图；利用预设的人脸检测框对所述初步特征图进行裁剪，以裁剪出包含人脸特征的区域特征图；计算融合所述初步特征图和所述区域特征图后得到的置信度；根据所述置信度与预设置信度阈值之间的大小关系确定活体检测的结果。本发明还公开了一种基于人脸识别的活体检测装置和一种基于人脸识别的活体检测设备。采用本发明实施例，能充分利用的时空信息，减少了单张图片的噪声影响，对实际情况拟合能力高且识别准确率高。
-
公开(公告)号：CN110728283A
公开(公告)日：2020-01-24
申请号：CN201910962858.9
申请日：2019-10-11
申请人： 高新兴科技集团股份有限公司
摘要： 本发明提供了一种车牌类型识别方法及设备，通过预先建立的车牌区域检测模型，对车牌图像中的车牌进行定位分割；对分割出的车牌进行校正处理；根据校正后的车牌，通过预先建立的车牌类型识别模型，获取车牌所属的车牌类型；其中，车牌类型包括：预设的第一类别车牌和预设的第二类别车牌；当车牌属于第一类别车牌时，将车牌类型识别模型输出的车牌类型作为车牌图像的车牌类型识别结果；当车牌属于第二类别车牌时，对车牌进行字符分割，获取车牌中位于预设位置上的字符，作为待识别字符；根据待识别字符，通过预设的字符识别模型，获得字符识别结果；根据字符识别结果，获得车牌图像的车牌类型识别结果；本发明能提高对各种车牌类型识别的准确率。
-
公开(公告)号：CN110569887A
公开(公告)日：2019-12-13
申请号：CN201910770649.4
申请日：2019-08-20
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
摘要： 本发明提供一种基于预测层特征增强的目标检测方法、存储介质及设备，所述方法包括以下步骤：S1、获取需要进行检测的目标图像；S2、通过主干网络提取所述目标图像的特征，得到多个不同尺度的第一预测特征层；S3、将多个不同尺度的所述第一预测特征层进行融合，得到第二预测特征层；S4、构建不同尺寸的锚点框，并将所述第二预测特征层进行第一步锚点框粗略筛选和回归；S5、将所述第二预测特征层进行第二步锚点框精细筛选和回归；S6、输出所述目标图像的检测结果。根据本发明实施例的方法，能够在不增加网络参数的条件下充分发挥网络各特征层的作用的效果，实现对已有网络特征的充分利用。
-
公开(公告)号：CN110569763A
公开(公告)日：2019-12-13
申请号：CN201910798249.4
申请日：2019-08-27
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
摘要： 本发明属于人脸识别技术领域，具体涉及一种用于细粒度人脸识别的眼镜去除方法，包括步骤：将初始的戴眼镜人脸图像被切分为三个图像块，分别以Part1，Part2和Part3标识，其中Part2包含完整的眼镜部分；建立眼镜去除深度卷积神经网络ERCNN网络模型，将Part2作为ERCNN网络模型卷积层的输入，通过网络中MFM单元进行特征选择和最大元素操作，再利用反卷积、平均池化和逐个元素加权求和的操作，对Part2实现重构，进而得到去除眼镜后的新图像块Part2_new；将输出的Part2_new与原始的Part1和Part3进行合并，得到完整的去除眼镜的人脸图像。
-
-
-
-
-
-
-
-
-
搜索结果
96 条记录 (耗时 0.044 秒)