-
公开(公告)号：CN103927524A
公开(公告)日：2014-07-16
申请号：CN201410172289.5
申请日：2014-04-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种多角度的步态周期检测方法，其特征在于：步骤1：从步态视频流中得到二值化的步态序列，对序列进行正面步态和非正面步态分类；步骤2：若序列为正面步态，则前臂、小腿和脚部区域的图像像素变化，求取极值点，得到步态周期；步骤3：若序列为非正面步态，则检测腿部区域的能量变化，求取极值点，得到步态周期。
-
公开(公告)号：CN102393905A
公开(公告)日：2012-03-28
申请号：CN201110195542.5
申请日：2011-07-13
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供手背静脉模式纹理提取方法，采用Gabor滤波器组进行提取，包括以下步骤：设计Gabor滤波器组参数，在方向空间对滤波响应进行统计，得到方向空间最优滤波响应；计算方向空间最优滤波响应在尺度空间的静脉混合矩，可得到最后的手背静脉模式纹理。本发明能够解决对比度低、灰度值窄、灰度值分布不均匀、纹理模糊、纹理边缘较弱、交叉纹理粘连等问题。
-
公开(公告)号：CN101564300A
公开(公告)日：2009-10-28
申请号：CN200910072171.4
申请日：2009-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于区域特征分析的步态周期检测方法。包括行人目标轮廓的获取和步态周期检测；所述的行人目标轮廓的获取的方法为，首先从视频中提取单帧图像进行灰度变换，然后计算各像素点在逐帧中的中值，作为整个序列的背景图像，最后采用背景减除法提取人体目标，用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影，使人体居中，将图像的大小统一为64＊64像素；所述的步态周期检测是将步态周期分析问题转化为单帧的图形区域特征分析问题，即根据每帧中图形区域的特征变化情况来分析步态的周期。本发明不但计算量小，而且已经达到人主观判断步态周期的精度，为实时的步态识别提供了可能。
-
公开(公告)号：CN101002682A
公开(公告)日：2007-07-25
申请号：CN200710071660.9
申请日：2007-01-19
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及用于外部数据处理的计算机程序，是使用生物特征进行身份识别的技术。通过静脉采集专用装置获得清晰的静脉图像，然后对图像进行预处理，包括静脉图像的尺寸和灰度的归一化、静脉图像的增强、基于阈值的图像分割、图像的去噪、图像的细化处理，最终得到满足要求的静脉血管纹路。在此基础上，分别提出基于静脉几何结构、特征矩及K－L压缩变换的特征提取方法。最后分别针对这三种提取得到的特征设计了分类器并采用基于决策级融合的匹配方法来进行身份识别。
-
公开(公告)号：CN103927524B
公开(公告)日：2017-04-12
申请号：CN201410172289.5
申请日：2014-04-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种多角度的步态周期检测方法，其特征在于：步骤1：从步态视频流中得到二值化的步态序列，对序列进行正面步态和非正面步态分类；步骤2：若序列为正面步态，则前臂、小腿和脚部区域的图像像素变化，求取极值点，得到步态周期；步骤3：若序列为非正面步态，则检测腿部区域的能量变化，求取极值点，得到步态周期。
-
Patent Agency Ranking
公开(公告)号：CN103226699B
公开(公告)日：2016-06-29
申请号：CN201310131912.8
申请日：2013-04-16
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的是一种生物特征身份识别领域，特别涉及一种基于分离度差有监督局部保持投影的人脸识别方法。本发明包括以下步骤：从人脸库中读取人脸图像；对人脸图像进行特征提取，形成人脸特征；对人脸区域图像进行特征提取，从而获得特征提取所需变换矩阵和训练人脸图像的特征；针对测试人脸图像进行特征提取，并通过基于欧氏距离的最近邻分类器进行分类识别。本发明避免了人脸识别中的小样本问题，同时也使得有监督局部保持投影方法不再受限于PCA过程保留特征维数。避免了由于小样本导致的类内分离度矩阵奇异的问题和难以选取PCA与SLPP最优匹配维数的问题。
-
公开(公告)号：CN102622587B
公开(公告)日：2013-08-28
申请号：CN201210059350.6
申请日：2012-03-08
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明提供的是基于多尺度二阶微分结构模型及改进分水岭算法的手背静脉识别方法。利用基于手背目标外部轮廓分析的方法从原始样本中提取出静脉样本的ROI区域；基于多尺度VLSDM模型对ROI区域的静脉图像进行多尺度分析，得到静脉纹理的形态响应、方向响应及尺度响应；利用改进分水岭算法从第二步所得形态响应中提取出静脉纹理骨架特征；利用链码及方向空间采样编码描述静脉纹理骨架的结构特征及方向特征，并利用改进的模板匹配方法对特征进行匹配。本发明解决样本旋转和平移对识别影响、加快算法匹配速度等问题，且该方法的效率符合模式识别系统的要求。
-
公开(公告)号：CN102222220A
公开(公告)日：2011-10-19
申请号：CN201110167448.9
申请日：2011-06-21
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供手背静脉模式纹理提取方法，其特征是：建立静脉纹理局部二阶微分结构模型-VLSDM模型，采用基于多尺度分析的噪声滤去方法对多尺度VLSDM模型滤波响应进行处理，从而得到最后的手背静脉模式纹理。本发明不但能够区分静脉纹理与背景区域，而且提取的静脉纹理保持了其局部曲面原有的形态，同时能够得到静脉纹理的方向和尺度信息。
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.021 seconds)
