-
公开(公告)号：CN108537137B
公开(公告)日：2021-08-20
申请号：CN201810225339.X
申请日：2018-03-19
Applicant: 安徽大学
Abstract: 本发明公开了一种基于标签鉴别相关分析的多模态生物特征层融合识别方法。首先将特征集与类别标签信息进行融合，为其建立准则函数，利用拉格朗日函数得出最优的投影向量，获取带有类别信息的特征集；其次针对带有类别信息的特征集，最小化其类内散度矩阵的同时，最大化两个模态特征集间协方差矩阵的相关性，抽取出具有更高鉴别能力的特征向量；最后，将所提出的融合方法应用到多模态特征中进行融合，实验结果验证了本申请所提出方法的有效性以及两种算法结合的合理性。
-
公开(公告)号：CN105426843B
公开(公告)日：2019-02-22
申请号：CN201510801840.2
申请日：2015-11-19
Applicant: 安徽大学
Abstract: 本发明公开了一种能够同时采集手掌静脉和掌纹图像的装置，并采用上述装置获得手掌静脉和掌纹图像进行增强和分割方法。装置包括：壳体、镜头、近红外LED光源组、可见白光LED光源组、环状均光材料、可见光CCD传感器、近红外CCD传感器、第一半透半反镜片和第二半透半反镜片。本发明使用一个镜头同时采集掌静脉和掌纹图片，保障了掌静脉图片和掌纹图片的区域一致性；使用半透半反镜片，对同一个镜头下不同波长的光线进行分离，再利用近红外CCD传感器和可见光CCD传感器分别采集到掌静脉和掌纹的图片，保障了掌静脉和掌纹图片的清晰度；并且采集的掌静脉和掌纹图像进行增强和分割能够克服手掌区域的灰度值不均现象，准确的区分出掌静脉，掌纹以及皮肤区域。
-
公开(公告)号：CN106548176B
公开(公告)日：2020-01-24
申请号：CN201611014348.1
申请日：2016-11-18
Applicant: 安徽大学
IPC: G06K9/40
Abstract: 本发明公开了一种基于自适应引导滤波的指静脉图像增强方法，本申请针对原始的引导滤波器的不足，在不改变引导滤波的线性复杂度的情况下，基于边缘检测算子，提出了新的局部自适应的加权引导滤波方法。在对比度，清晰度和局部结构相似度这三个客观图像质量指标上，本申请的方法增强后的图像质量要优于基于引导滤波的增强算法，识别实验表明，本方法在识别率上也占优，充分说明了基于自适应引导滤波指静脉增强方法的有效性。
-
公开(公告)号：CN110490158A
公开(公告)日：2019-11-22
申请号：CN201910784678.6
申请日：2019-08-23
Applicant: 安徽大学
Abstract: 本发明公开一种基于多级模型的鲁棒人脸对齐方法，首先利用基于对抗学习的STNs(ASTN)来解决由面部检测器引起的初始化问题，例如旋转和尺度变化，以便获得更好的人脸边界框用于人脸对齐；然后使用沙漏网络来获得人脸特征的初始位置以及它们的相应分数；此外，还提供一种基于样例的形状字典，旨在根据具有高分的的特征点找出那些低分的特征点，通过结合脸部形状约束，由遮挡或背景混乱而导致的人脸特征错位可以得到显著改善。
-
公开(公告)号：CN110188700A
公开(公告)日：2019-08-30
申请号：CN201910470515.0
申请日：2019-05-31
Applicant: 安徽大学
Abstract: 本发明公开一种基于分组回归模型的人体三维关节点预测方法，包括以下步骤：采集人体2d关节点检测数据；将2d关节点坐标输入到相同结构的回归网络中并得到不同组的3d关节位置并将所得的关键三维位置合并为整体关节向量；通过BiLSTM构建关节点自约束网络和关节组自约束网络，然后将两个自约束网络输出的3d关节点进行累加得到微调后的3d预测关节；通过损失函数计算3d预测关节与3d关节之间的欧氏距离。本发明结合人体四肢关节运动独立性的特点采用分组回归的结构，将四肢和躯干划分入不同关节组中，分别预测各组内关节点的3d位置，同时为使预测结果更贴近真实人体姿态，利用BiLSTM设计人体关节自约束网络用于调整预测结果，提升准确度。
-
Patent Agency Ranking
公开(公告)号：CN108537137A
公开(公告)日：2018-09-14
申请号：CN201810225339.X
申请日：2018-03-19
Applicant: 安徽大学
Abstract: 本发明公开了一种基于标签鉴别相关分析的多模态生物特征层融合识别方法。首先将特征集与类别标签信息进行融合，为其建立准则函数，利用拉格朗日函数得出最优的投影向量，获取带有类别信息的特征集；其次针对带有类别信息的特征集，最小化其类内散度矩阵的同时，最大化两个模态特征集间协方差矩阵的相关性，抽取出具有更高鉴别能力的特征向量；最后，将所提出的融合方法应用到多模态特征中进行融合，实验结果验证了本申请所提出方法的有效性以及两种算法结合的合理性。
-
公开(公告)号：CN110188700B
公开(公告)日：2022-11-29
申请号：CN201910470515.0
申请日：2019-05-31
Applicant: 安徽大学
IPC: G06V40/20 , G06V10/80 , G06V10/766 , G06V10/82
Abstract: 本发明公开一种基于分组回归模型的人体三维关节点预测方法，包括以下步骤：采集人体2d关节点检测数据；将2d关节点坐标输入到相同结构的回归网络中并得到不同组的3d关节位置并将所得的关键三维位置合并为整体关节向量；通过BiLSTM构建关节点自约束网络和关节组自约束网络，然后将两个自约束网络输出的3d关节点进行累加得到微调后的3d预测关节；通过损失函数计算3d预测关节与3d关节之间的欧氏距离。本发明结合人体四肢关节运动独立性的特点采用分组回归的结构，将四肢和躯干划分入不同关节组中，分别预测各组内关节点的3d位置，同时为使预测结果更贴近真实人体姿态，利用BiLSTM设计人体关节自约束网络用于调整预测结果，提升准确度。
-
-
公开(公告)号：CN108197577A
公开(公告)日：2018-06-22
申请号：CN201810015212.5
申请日：2018-01-08
Applicant: 安徽大学
Abstract: 本发明公开了一种联合Sobel和MFRAT的指静脉图像特征提取方法。首先采用Sobel算子结合韦伯定律计算指静脉样本的差分激励特征；然后采用MFRAT提取样本的方向特征；最后采用构造二维联合分布直方图的方式将两者结合得到SMWLD。将所提出的特征提取方法应用在指静脉图像识别中，在国内外两个公开指静脉图像库中进行对比实验，采用欧氏距离进行匹配，实验结果显示，相比其他同类方法，本申请的方法具有更高的识别率和更低的等误率且最高识别率分别达到了100％和99.729％。
-
公开(公告)号：CN106548176A
公开(公告)日：2017-03-29
申请号：CN201611014348.1
申请日：2016-11-18
Applicant: 安徽大学
IPC: G06K9/40
Abstract: 本发明公开了一种基于自适应引导滤波的指静脉图像增强方法，本申请针对原始的引导滤波器的不足，在不改变引导滤波的线性复杂度的情况下，基于边缘检测算子，提出了新的局部自适应的加权引导滤波方法。在对比度，清晰度和局部结构相似度这三个客观图像质量指标上，本申请的方法增强后的图像质量要优于基于引导滤波的增强算法，识别实验表明，本方法在识别率上也占优，充分说明了基于自适应引导滤波指静脉增强方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.021 seconds)
