-
公开(公告)号：CN103955881B
公开(公告)日：2017-06-16
申请号：CN201410158736.1
申请日：2014-04-18
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于滤波技术的图像生物特征保护方法，包括：将身份信息转化为二进制编码；根据二进制编码的长度和生物特征图像的大小对二进制编码进行拆分得到多个拆分编码；将多个拆分编码分别对应到生物特征图像的具体位置；将拆分编码的位置响应对应到滤波输出的强峰值，完成对理想滤波输出的设置；将生物特征图像进行预处理，得到去噪生物特征图像；将去噪生物特征图像与理想滤波输出结合进行训练，得到保护模板。本发明可以防止模板丢失时的原生物特征及数字信息的泄露，实现了生物特征模板和数字信息的联合保护，在信息恢复时，由于信息的认证与另一信息的提取是在同一步骤中完成的，实现了生物特征在数据库存储端与系统交互端的双重保护。
-
公开(公告)号：CN104850832A
公开(公告)日：2015-08-19
申请号：CN201510226393.2
申请日：2015-05-06
Applicant: 中国科学院信息工程研究所
IPC: G06K9/00
CPC classification number: G06K9/00718
Abstract: 本发明涉及一种基于分级迭代的大规模图像样本标注方法及系统，所述方法包括：利用半自动软件工具标注原始数据集中的目标；对已标注的原始数据集进行粗采集，得到正样本集和负样本集；利用正样本集和负样本集进行训练，得到目标检测器；利用目标检测器对原始数据集进行精采集，更新正样本集和负样本集；判断正样本集中的样本数量是否达到预设数量或检测器性能是否达到预设标准，如果未达到，利用更新的正样本集和负样本集重新训练目标检测器，迭代精采集过程，否则结束迭代。本发明利用软件工具使得标注工作更快速更高效，整个过程不但提高了标注和采集的速度，节省了人力成本，通过粗采集和精采集的结合提高了样本的精确性。
-
Patent Agency Ranking
公开(公告)号：CN104123732A
公开(公告)日：2014-10-29
申请号：CN201410332199.8
申请日：2014-07-14
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于多摄像头的在线目标跟踪方法及系统，本发明结合预设定的校准同步方案与自学习的跟踪方法来解决多摄像头之间的协同性问题和实时性问题，提出相应的方法。本发明提出的校准同步方案采用特征点匹配的目标投影矩阵计算方式，对重叠区域的多个摄像头共有信息进行同步；本发明提出的自学习跟踪方法记录监控目标的表现模型，并通过中心服务器同步到近邻摄像头进行检测跟踪，达到传导性的信息同步效果。
-
公开(公告)号：CN104123732B
公开(公告)日：2017-06-16
申请号：CN201410332199.8
申请日：2014-07-14
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于多摄像头的在线目标跟踪方法及系统，本发明结合预设定的校准同步方案与自学习的跟踪方法来解决多摄像头之间的协同性问题和实时性问题，提出相应的方法。本发明提出的校准同步方案采用特征点匹配的目标投影矩阵计算方式，对重叠区域的多个摄像头共有信息进行同步；本发明提出的自学习跟踪方法记录监控目标的表现模型，并通过中心服务器同步到近邻摄像头进行检测跟踪，达到传导性的信息同步效果。
-
公开(公告)号：CN103955881A
公开(公告)日：2014-07-30
申请号：CN201410158736.1
申请日：2014-04-18
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于滤波技术的图像生物特征保护方法，包括：将身份信息转化为二进制编码；根据二进制编码的长度和生物特征图像的大小对二进制编码进行拆分得到多个拆分编码；将多个拆分编码分别对应到生物特征图像的具体位置；将拆分编码的位置响应对应到滤波输出的强峰值，完成对理想滤波输出的设置；将生物特征图像进行预处理，得到去噪生物特征图像；将去噪生物特征图像与理想滤波输出结合进行训练，得到保护模板。本发明可以防止模板丢失时的原生物特征及数字信息的泄露，实现了生物特征模板和数字信息的联合保护，在信息恢复时，由于信息的认证与另一信息的提取是在同一步骤中完成的，实现了生物特征在数据库存储端与系统交互端的双重保护。
-
公开(公告)号：CN104850832B
公开(公告)日：2018-10-30
申请号：CN201510226393.2
申请日：2015-05-06
Applicant: 中国科学院信息工程研究所
IPC: G06K9/00
Abstract: 本发明涉及一种基于分级迭代的大规模图像样本标注方法及系统，所述方法包括：利用半自动软件工具标注原始数据集中的目标；对已标注的原始数据集进行粗采集，得到正样本集和负样本集；利用正样本集和负样本集进行训练，得到目标检测器；利用目标检测器对原始数据集进行精采集，更新正样本集和负样本集；判断正样本集中的样本数量是否达到预设数量或检测器性能是否达到预设标准，如果未达到，利用更新的正样本集和负样本集重新训练目标检测器，迭代精采集过程，否则结束迭代。本发明利用软件工具使得标注工作更快速更高效，整个过程不但提高了标注和采集的速度，节省了人力成本，通过粗采集和精采集的结合提高了样本的精确性。
-
公开(公告)号：CN103955719A
公开(公告)日：2014-07-30
申请号：CN201410213582.1
申请日：2014-05-20
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及滤波器组训练方法，包括步骤1：将已有目标位置标注的训练图像进行预处理，得到去噪训练图像；步骤2：对去噪训练图像集进行初始聚类，分解成K个训练集合；步骤3：根据训练图像中的目标位置标注设计出理想滤波输出模型；步骤4：根据理想滤波输出模型训练得到K个总滤波器模型构成滤波器组；步骤5：判断图像样本集是否收敛，如果是，执行步骤7；否则，执行步骤6；步骤6：当前判断收敛的次数是否达到预设阈值，如果是，执行步骤7；否则，重新分类，得到K个新训练集合，K个新训练集合替代K个训练集合，返回步骤4；步骤7：存储滤波器组，完成滤波器组训练过程。对目标有更好的区分性，使定位在准确率和精度上都有一定程度的提升。
-
-
-
-
-
-
Search Results
7
records
(took 0.037 seconds)
