实现指静脉生物特征测试图片自动生成的方法、系统、装置、处理器及其存储介质

    公开(公告)号:CN112800852A

    公开(公告)日:2021-05-14

    申请号:CN202011638350.2

    申请日:2020-12-31

    Abstract: 本发明涉及一种基于深度卷积生成对抗网络实现指静脉生物特征测试图片自动生成的方法,包括以下步骤:对训练用指静脉图片数据集进行预处理;确定输入噪声向量;以深度卷积生成对抗网络构建训练网络模型;向训练网络模型输入训练用指静脉图像以及对应的输入噪声向量进行训练,直至结果收敛;根据经过训练后得到的网络模型,自动生成大小为2N×2N-1的指静脉图片。本发明还涉及相应的系统、装置、处理器及其计算机可读存储介质。采用了本发明的技术方案,核心就在于搭建的深度卷积生成对抗网络结构简单,训练速度快、指静脉生成效率高,最终由生成网络生成的指静脉测试图片真实感强、满足测试数据集要求,在指静脉数据集构建以及指静脉隐私安全领域都有广阔的应用前景。

    基于StarGAN的不同量化光照及角度条件下人脸测试图像生成方法、应用及存储介质

    公开(公告)号:CN112395971A

    公开(公告)日:2021-02-23

    申请号:CN202011276111.7

    申请日:2020-11-16

    Abstract: 本发明涉及一种基于StarGAN网络模型实现不同量化光照以及角度条件下人脸测试图像生成的方法,包括制作不同量化光照以及角度条件下不同身份人脸训练数据生成标签;对训练用不同光照及角度条件下真实人脸图片数据集预处理;基于StarGAN网络模型构建光照及角度迁移网络及基础损失;利用人脸身份特征提取网络构建身份一致性损失;利用人脸图像与真实目标人脸图像进行差异分析构建L1损失;将预处理后的训练用人脸图像输入光照及角度迁移网络进行训练;形成最终不同量化光照及角度条件下人脸测试图像生成模型。本发明还涉及相应的系统、装置、处理器及其存储介质。采用了本发明的技术方案,利用配对人脸损以及提取预训练网络来构建身份一致性损失,生成的不同量化光照以及角度条件下人脸图像具有更高的清晰度以及身份一致性。

    船载X波段测波雷达回波图像的预处理方法

    公开(公告)号:CN106772285A

    公开(公告)日:2017-05-31

    申请号:CN201611069813.1

    申请日:2016-11-29

    CPC classification number: G01S7/40 G01S13/89

    Abstract: 本发明涉及一种船载X波段测波雷达回波图像的预处理方法,包括以下步骤:(1)对船舶运动形式进行研究,将船舶在海上的运动状态定义为六个自由度的运动;(2)根据船舶运动状态建立海上运动模型,评估X波段测波雷达回波图像的影响大小;(3)忽略船舶艏摇和横荡的影响;(4)计算接收到的信号电平损失;(5)实时获得实际距离分辨单元与参考距离分辨单元之间的偏移量,并对测波雷达回波图像序列进行校正以满足后续海态参数反演要求。采用该方法,计算方法简单,占用资源少;还适用于红外及可见光海面成像雷达,具有广泛的应用范围。

    实现针对三维人脸识别设备性能测试的方法、系统、装置、处理器及其存储介质

    公开(公告)号:CN112668510B

    公开(公告)日:2024-05-24

    申请号:CN202011635084.8

    申请日:2020-12-31

    Abstract: 本发明涉及一种实现针对三维人脸识别设备性能测试的方法,包括根据摄像头形态对三维人脸识别设备进行分类;针对不同类别对图像采集数据进行性能测试;制作满足质量要求的注册人脸图像,并进行人脸库注册;进行人脸辨识性能测试,得到人脸辨识性能测评结果;制作不同类型的假体攻击样本,确认活体检测性能要求分级;进行活体检测性能测试,得到活体检测性能测评结果。本发明还涉及相应的系统、装置、处理器及其计算机可读存储介质。采用了本发明的该方法、系统、装置、处理器及其计算机可读存储介质,流程简单清晰,测试场景适应性更强、安全性评估要求更高,在三维人脸识别设备测评以及人脸识别安全领域都有广阔的应用前景。

    基于StarGAN网络模型实现行人重识别图片自动生成的方法

    公开(公告)号:CN111597978B

    公开(公告)日:2023-04-07

    申请号:CN202010408231.1

    申请日:2020-05-14

    Abstract: 本发明涉及一种基于StarGAN网络模型实现行人重识别图片自动生成的方法,包括对训练用的行人图片数据集进行预处理;将预处理后的图片数据集输入姿态特征提取网络以及外观特征提取网络分别进行姿态特征提取以及外观特征提取;基于StarGAN网络模型构建行人重识别图片,自动生成风格迁移网络;将训练用行人图片以及对应的姿态特征和外观特征输入风格迁移网络,并进行训练;形成最终的行人生成网络。采用了本发明的基于StarGAN网络模型实现行人重识别图片自动生成的方法,可以使用在任意数据集上训练得到的任意特征提取预训练网络以及姿态提取预训练网络来对进行行人特征提取,生成的行人重识别图片清晰、真实。

    一种前端视频图像智能分析内容防伪方法

    公开(公告)号:CN115810162A

    公开(公告)日:2023-03-17

    申请号:CN202211418303.6

    申请日:2022-11-14

    Abstract: 本发明公开了一种前端视频图像智能分析内容防伪方法,其包括:步骤1:基于同态加密算法对将输入密文深度卷积神经网络鉴定模型的训练数据,进行同态加密;步骤2:构建密文深度卷积神经网络鉴定模型;步骤3:利用密文深度卷积神经网络鉴定模型对密文数据进行有监督训练;步骤4:提取出前端视频图像真实和深度伪造内容特征分布向量;步骤5:将前端视频图像内容数据同态加密,输入密文深度神经网络鉴定模型,提取出内容特征分布向量,并输入到SVM分类网络,对密文前端视频内容进行分类。本发明提供的方案具有较强的鲁棒性和对前端视频图像内容鉴定的泛化能力,可以更有效的对前端视频图像内容深度伪造进行鉴定。

    基于特征一致性实现黑盒人脸对抗攻击样本生成的方法、装置及其存储介质

    公开(公告)号:CN111881436A

    公开(公告)日:2020-11-03

    申请号:CN202010772620.2

    申请日:2020-08-04

    Abstract: 本发明涉及一种基于特征一致性实现黑盒人脸对抗攻击样本生成的方法,包括对训练用的人脸图片数据集进行预处理;构建人脸特征码提取网络,并提取训练用人脸图片对应的特征码;构建人脸对抗攻击样本生成对抗网络;将预处理后的训练图片数据集和对应的特征码输入人脸对抗攻击样本生成对抗网络进行训练;提取其对应的人脸特征码;生成对应的人脸对抗攻击样本。本发明还涉及一种基于特征一致性实现黑盒人脸对抗攻击样本生成的装置及其计算机可读存储介质。采用了本发明的基于特征一致性实现黑盒人脸对抗攻击样本生成的方法、装置及其计算机可读存储介质,核心在于利用黑盒的方式自动生成真实人脸的对应对抗攻击样本,网络结构简单,执行效率高,生成的人脸对抗攻击样本真实、清晰,在人脸对抗攻击样本数据集构建以及人脸识别安全领域都有广阔的应用前景。

Patent Agency Ranking