-
公开(公告)号：CN112150608B
公开(公告)日：2024-07-23
申请号：CN202010929831.2
申请日：2020-09-07
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
IPC: G06T17/00 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种基于图卷积神经网络的三维人脸重建方法，所述方法包括获取待重建的人脸图像，确定所述人脸图像对应的若干人脸子区域；对于每个人脸子区域，获取该人脸子区域对应的人脸特征向量；基于经过训练的图卷积神经网络，确定该人脸特征向量对应的三维人脸结构信息；根据获取到所有三维人脸结构信息，确定所述人脸图像对应的三维人脸图像。本申请通过图卷积神经网络确定人脸图像对应的三维人脸结构信息，使得获取到的三维人脸结构信息中的每个点云数据均包括位置信息以及颜色信息，进而可以提高三维人脸图像的真实性。
-
公开(公告)号：CN113784026B
公开(公告)日：2023-04-18
申请号：CN202111003368.X
申请日：2021-08-30
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本发明涉及图像处理技术领域，具体是涉及基于图像的计算位置信息的方法、装置、设备及存储介质。获取可见光图像和红外图像，所述可见光图像和所述红外图像均为通过图像采集装置在同一时刻获取；提取所述可见光图像的可见特征点以及所述红外图像中与所述可见特征点所对应的红外特征点；依据所述可见特征点和所述红外特征点，得到所述图像采集装置的位置信息。本发明综合利用了可见光图像和红外图像的优点，使得本发明的图像采集装置即使工作在光照不足的黑暗环境中，也能够通过对图像采集装置获取的可见光图像和红外图像进行分析，以获取两个图像中特征点，进而通过特征点获取图像采集装置的位置信息。
-
公开(公告)号：CN113784026A
公开(公告)日：2021-12-10
申请号：CN202111003368.X
申请日：2021-08-30
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本发明涉及图像处理技术领域，具体是涉及基于图像的计算位置信息的方法、装置、设备及存储介质。获取可见光图像和红外图像，所述可见光图像和所述红外图像均为通过图像采集装置在同一时刻获取；提取所述可见光图像的可见特征点以及所述红外图像中与所述可见特征点所对应的红外特征点；依据所述可见特征点和所述红外特征点，得到所述图像采集装置的位置信息。本发明综合利用了可见光图像和红外图像的优点，使得本发明的图像采集装置即使工作在光照不足的黑暗环境中，也能够通过对图像采集装置获取的可见光图像和红外图像进行分析，以获取两个图像中特征点，进而通过特征点获取图像采集装置的位置信息。
-
公开(公告)号：CN112446431A
公开(公告)日：2021-03-05
申请号：CN202011368267.8
申请日：2020-11-27
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种特征点提取与匹配方法，该方法包括：将图像输入特征及其权重参数进行二值化处理，并对二值化后的数据进行计算以提取特征点；通过卷积网络获取输入图像的多个层次的、分辨率依次降低的特征图像，将所述多个层次的、分辨率依次降低的特征图像进行多尺度融合，以对特征点进行定位；将进行定位后在空间中相邻的特征点的数据进行哈希运算，建立二进制化的哈希表；当进行匹配时，计算查询数据与所述哈希表中数据的匹配度，返回所述哈希表中匹配度最高的数据。解决了特征点提取方法存储匹配速度慢、精度不高等问题。使得特征点提取、匹配速度以及特征点定位精度都达到了很大的提升。
-
公开(公告)号：CN112150608A
公开(公告)日：2020-12-29
申请号：CN202010929831.2
申请日：2020-09-07
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本申请公开了一种基于图卷积神经网络的三维人脸重建方法，所述方法包括获取待重建的人脸图像，确定所述人脸图像对应的若干人脸子区域；对于每个人脸子区域，获取该人脸子区域对应的人脸特征向量；基于经过训练的图卷积神经网络，确定该人脸特征向量对应的三维人脸结构信息；根据获取到所有三维人脸结构信息，确定所述人脸图像对应的三维人脸图像。本申请通过图卷积神经网络确定人脸图像对应的三维人脸结构信息，使得获取到的三维人脸结构信息中的每个点云数据均包括位置信息以及颜色信息，进而可以提高三维人脸图像的真实性。
-
Patent Agency Ranking
公开(公告)号：CN119107679A
公开(公告)日：2024-12-10
申请号：CN202411092744.0
申请日：2024-08-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于局部结构和全局语义的人脸特征提取方法、系统及存储介质，人脸特征提取方法包括人脸特征提取步骤：在训练过程中，热红外图像作为人脸特征提取模块的输入，在多个尺度上进行特征提取，得到局部结构信息和全局语义信息；对比学习步骤：将提取到的人脸特征信息与正负样本进行对比学习，以此拉近相同身份人脸特征的相似度，推远不同信息人脸特征的距离。本发明的有益效果是：本发明具有更好的鲁棒性和泛化能力，能够更准确更快速的实现对人脸特征的提取。
-
公开(公告)号：CN115272140B
公开(公告)日：2023-01-17
申请号：CN202211195534.5
申请日：2022-09-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T5/00 , G06T5/50 , G06V10/28 , G06V10/30 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明提供一种红外图像量化和增强方法、系统及存储介质，该方法包括数据准备步骤：将14bits红外图像数据生成8bits红外图像数据，生成的8bits红外图像数据作为标签图像；训练步骤：将14bits红外图像数据归一化为[0,1]范围内的浮点数，归一化的数据输入到基于多尺度特征融合的主网络中，主网络提取不同尺度的图像特征，对不同尺度的图像特征进行融合，生成8bits红外图像；将主网络生成的8bits红外图像和标签图像输入判别器模块，促使主网络生成质量更高的红外图像。本发明的有益效果是：本发明能够将14bits红外图像映射为高质量的8bits红外图像数据，生成图像速度更快，占用的CPU资源更少。
-
公开(公告)号：CN119181123A
公开(公告)日：2024-12-24
申请号：CN202411261684.0
申请日：2024-09-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V40/16 , G06V10/80 , G06V10/25 , G06V10/30 , G06N3/0464
Abstract: 本发明提供了一种基于双光融合的高精度人脸定位方法、系统及存储介质，包括：训练数据获取步骤：使用红外与可见光双光摄像头采集数据，对采集到的双光数据集进行手动配准对齐，对红外图像使用中值滤波去噪；训练步骤：将获得的图像对作为训练数据，一同送入双光融合人脸定位网络，使用所提Mamba‑YOLO网络结构训练，将获得的特征向量经DANet特征融合网络融合后送入PAFPN像素注意力特征金字塔网络结构进行特征映射，映射出的图像特征送入一层卷积获得最后的定位结果；预测步骤：用训练后的双光人脸定位网络，获得人脸定位结果。本发明的有益效果是：能够从输入的双光图像中提取特征，并在特征融合之后，从中获取人脸位置信息。
-
公开(公告)号：CN115294176B
公开(公告)日：2023-04-07
申请号：CN202211177765.3
申请日：2022-09-27
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T7/246 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06V10/764
Abstract: 本发明提供了一种双光多模型长时间目标跟踪方法、系统及存储介质，该双光多模型长时间目标跟踪方法包括预训练步骤、训练步骤、重参数化步骤和推理步骤。本发明的有益效果是：本发明使得可见光‑热红外双光目标跟踪器具有更好的鲁棒性和泛化能力，能够更准确更快速的实现对目标的长时间跟踪。
-
公开(公告)号：CN115797477A
公开(公告)日：2023-03-14
申请号：CN202310044359.8
申请日：2023-01-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T9/00 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明涉及用于轻量化部署的剪枝式图像压缩感知方法及系统。其中的方法包括：获取预览图像和与预览图像关联的采样值，将预览图像输入到基于投影梯度算法和深度神经网络的图像压缩感知模型中以计算输出重建图像，其中，深度神经网络包括:用于特征提取的提取层组、用于图像重建的重建层组和设置有两者之间的第三卷积层，进行模型迭代训练时对图像压缩感知模型进行剪枝操作以获得理想压缩比例。本发明使用模型剪枝的方法对深度展开式网络进行模型规模的压缩，使其在计算复杂度和模型规模上达到轻量化部署需求同时保持良好的图像重建质量，并将其部署到移动端设备上，实现了图像的快速采样、信号传递以及节约存储。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.042 seconds)
