基于跨尺度嵌入及小波变换的暗光图像增强方法

    公开(公告)号:CN118781036A

    公开(公告)日:2024-10-15

    申请号:CN202411239964.1

    申请日:2024-09-05

    Abstract: 本发明公开了一种基于跨尺度嵌入及小波变换的暗光图像增强方法,使用深度学习模型增强图像数据,模型包括编码器及解码器,编码器包括跨尺度嵌入模块、变换器模块及下采样模块,解码器包括变换器模块及上采样模块,变换器模块包含显示高低频信息的分离和融合模块及带小波变换的注意力机制。带有噪声的暗光图像依次经过编码器和解码器,编码器首先利用跨尺度嵌入模块提取不同尺度的信息;随后,通过变换器模块和下采样模块来逐步降低图像的空间维度,同时保留关键的特征信息;解码器的任务是从编码器提供的压缩特征表示中重建图像,利用变换器模块和上采样模块来逐步增加图像的空间维度,同时细化图像的细节和质量,最终得到清晰的输出图像。

    结合掩码卷积和负样本特征序列的活体检测方法

    公开(公告)号:CN118587779B

    公开(公告)日:2024-10-11

    申请号:CN202411060218.6

    申请日:2024-08-05

    Abstract: 本发明公开了一种结合掩码卷积和负样本特征序列的活体检测方法,利用深度神经网络结构,通过编码器、可学习的掩码卷积模块和带负样本特征序列的分类器三个模块相互配合,实现对图像中的真假人脸进行准确区分。编码器模块用于提取输入图像的特征表示;可学习的掩码卷积模块利用卷积、池化、全连接层等操作及高斯函数获得可优化的掩码,该掩码与卷积相乘后能够对不同位置的像素赋予不同的权重,自适应地捕捉图像中的细节信息并抑制图像中的噪声和干扰使得纹理特征更加明显,增强所学纹理特征的辨别性,从而提高特征的表达能力、判别性以及抗干扰能力。此外,带负样本特征序列的分类器的使用使得算法能够学习到更加鲁棒的特征空间。

    一种基于Transformer的人脸活体检测方法、装置以及设备

    公开(公告)号:CN118675216A

    公开(公告)日:2024-09-20

    申请号:CN202411171785.9

    申请日:2024-08-26

    Abstract: 本发明公开了一种基于Transformer的人脸活体检测方法,其包括:获取原始人脸图片,并对所述原始人脸图片进行人脸检测和特征点定位,得到人脸特征点信息,并根据所述特征点信息构造对应不同人脸目标位置的多张训练图像;将所述训练图像输入包括Transformer主干网络、多任务分支模块以及FC,所述训练图像包括人脸图像、人眼位置图像、鼻子位置图像、嘴巴位置图像以及耳朵位置图像分类模块所构建的模型中并基于预设损失函数进行训练,得到活体检测模型;通过单目摄像头采集待检测人脸图像并输入至所述活体检测模型中,得到识别结果,根据识别结果判断所述待检测人脸图像是否是活体。能够有效区分真实人脸与各种高仿真度的假体攻击,提升活体检测的准确性。

    一种基于手部关键点和transformer的动态手势识别方法和系统

    公开(公告)号:CN114898457B

    公开(公告)日:2024-06-28

    申请号:CN202210374769.4

    申请日:2022-04-11

    Abstract: 本发明提供了一种基于手部关键点和transformer的动态手势识别方法,先获取T时间段内的手部图像序列,并获取各手部图像中的手部关键点;将T时间段内手部图像序列各手部图像中的手部关键点坐标拼接为三维矩阵,拼接后的关键点输入矩阵维度为3*T*K;将拼接得到的三维矩阵输入预训练好的神经网络模型,依次进行近距关节局部运动特征提取、特征转置、远距关节全局运动特征提取、transformer注意力分配、softmax函数激活;经神经网络模型预测后,输出T时间段上的动态手势的识别结果;本发明提供的方法,使用transformer模块,使网络在预测手势时能够聚焦特征性更强的关键点运动信息,使模型的预测结果更加准确,且拥有较少的网络参数和更快的运行速度,从而达到实时动态手势识别的效果。

    基于多波长特征融合的活体检测方法、装置、介质及设备

    公开(公告)号:CN116778588A

    公开(公告)日:2023-09-19

    申请号:CN202310798606.3

    申请日:2023-06-30

    Abstract: 本申请的实施例提供了一种基于多波长特征融合的活体检测方法、装置、介质及设备。该方法包括:获取目标人脸对应的可见光人脸图像、红外人脸图像以及静脉人脸图像,静脉人脸图像包含目标人脸的静脉信息;根据可见光人脸图像、红外人脸图像、静脉人脸图像提取对应的可见光人脸活体语义特征、红外人脸活体语义特征、静脉人脸活体语义特征以及多波长人脸纹理特征;将可见光人脸活体语义特征、红外人脸活体语义特征、静脉人脸活体语义特征以及多波长人脸纹理特征进行融合,得到人脸活体融合特征;根据人脸活体融合特征进行识别,以确定活体识别结果。本申请实施例的技术方案可以适应攻击方式的多样性,减少出现活体判断错误的情况,提高了活体检测的准确性。

    基于多模态无感身份认证的毫米波安检方法及装置

    公开(公告)号:CN115131881A

    公开(公告)日:2022-09-30

    申请号:CN202210646144.9

    申请日:2022-06-09

    Abstract: 本发明公开了一种基于多模态无感身份认证的毫米波安检方法及装置,在毫米波安检过程中同时获取人员的毫米波图像和至少两种无感身份认证模态图像,并分别计算出多个单模态质量分数,根据毫米波图像和至少两种无感身份认证模态图像分别提取多个单模态特征,输入经训练的特征融合模型进行特征融合,得到多模态融合特征,根据多个单模态质量分数计算得到多模态质量分数,基于毫米波图像得到安检结果;通过多个单模态特征或多模态融合特征进行身份认证,将该人员的安检结果与身份信息建立对应关系并存储或更新在数据库中。该方法不仅能将安检结果与身份认证结果绑定管理,还能保证具有较高的身份认证准确率。

Patent Agency Ranking