-
公开(公告)号：CN115054272A
公开(公告)日：2022-09-16
申请号：CN202210893898.4
申请日：2022-07-27
Applicant: 安徽大学
Abstract: 本发明涉及一种面向运动障碍功能重塑的脑电信号识别方法及系统。识别方法包括以下步骤：S1：设置采样周期，获取多个脑电信号；S2：对脑电信号预处理并提取训练集；S3：将训练集中的脑电信号分为不重叠的时间窗口，计算每个时间窗口的皮尔逊系数，获取时域脑功能连接；S4：根据时域脑功能连接和空间域信息建立脑部生物拓扑模型；S5：提取特定频段范围内的初始特征，校准后训练集上的特征作为输入特征；S6：根据输入特征和脑部生物拓扑模型构造可学习图卷积神经网络模型，输出预测标签。本发明通过充分融合时‑频‑空域的脑电信息，学习更具有鉴别性的运动想象特征，使得模型在训练过程中合理优化电极关系，提高了脑电信号识别的准确率。
-
公开(公告)号：CN115051812A
公开(公告)日：2022-09-13
申请号：CN202210810650.7
申请日：2022-07-11
Applicant: 安徽大学
Abstract: 本发明属于信息科学领域，具体涉及一种基于二维码和生物特征的用户身份双重识别方法，以及采用该识别方法工作的用户身份双重验证系统。该识别方法包括如下注册阶段和认证阶段两个主要过程。其中，在注册阶段，管理方请求用户上传账户资料、用户信息和用户的生物特征识别信息，并向用户发送密钥对。其中，生物特征识别信息包括人脸图像。在认证阶段，管理方首先获取用户人脸，在人脸匹配成功后，管理方和用户通过二维码来实现数字签名验证。数字签名验证成功后完成用户身份认证。基于该方法的身份认证逻辑，本发明还设计了一个专用于身份识别的验证系统。本发明的技术方案解决了现有数字账号身份认证方式的保密性和安全性不足的问题。
-
公开(公告)号：CN114999629A
公开(公告)日：2022-09-02
申请号：CN202210471036.2
申请日：2022-04-28
Applicant: 安徽大学
IPC: G16H50/20 , G16H50/30 , G06V10/764 , G06T7/00 , G06N3/04 , G06V10/774 , G06V10/82 , G06V10/80 , A61B5/00 , A61B6/00
Abstract: 本发明属于医学影像处理领域，具体涉及一种基于多特征融合的AD早期预测方法、系统、装置。本发明针对基于Brain 18F‑FDG PET切片图像的预测AD的复杂问题，重新设计了一个新的包含双卷积的骨干网络和分类网络的神经影像预测模型；并在网络模型中引入多注意力模块。在数据集采集过程中，以滤波、裁剪等方式代替传统扩增方法扩增PET切片，提高网络模型的泛化特性。在网络模型的训练阶段，将模糊标签并运用到监督对比学习损失中，在预测阶段还结合分类结果和临床精神心理评估结果进行联合分析，得到最可靠的预测结论。本发明解决了现有图像处理方法在针对Brain 18F‑FDG PET影像进行AD预测时，存在的鲁棒性低、差裕度差和识别率低等问题。
-
公开(公告)号：CN110516594B
公开(公告)日：2022-03-18
申请号：CN201910796837.4
申请日：2019-08-27
Applicant: 安徽大学
IPC: G06V40/40 , G06V10/74 , G06V10/80 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种指静脉可取消特征模板的保护方法及其保护装置，该方法包括以下步骤：将指静脉图像中各邻域差分进行映射，获取差分激励图；判断指静脉方向，并计算弯曲度，获取几何特征图；差分激励图与几何特征图联合，获取二维特征图，获取两个方向的特征矩阵；对特征矩阵降维，获取特征向量；生成随机数向量，获取随机矩阵；将特征向量联合成特征矩阵，再将特征向量与随机矩阵内积运算，获取可取消模板；将可取消模板投影至同一个子空间，建立目标函数，生成指静脉可取消模板；将指静脉可取消模板匹配，计算测试样本与训练样本的相似度，对测试样本分类。本发明提高识别性能和撤销/可重用性，增加不可逆性、多样性以及安全性。
-
公开(公告)号：CN110490158B
公开(公告)日：2021-12-24
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。
-
Patent Agency Ranking
公开(公告)号：CN111340103A
公开(公告)日：2020-06-26
申请号：CN202010113414.0
申请日：2020-02-24
Applicant: 安徽大学
Abstract: 本发明公开了一种基于图嵌入典型相关分析的特征层融合方法及其装置。该特征层融合方法包括：将所有模态中样本映射到同一分类结果的空间的投影矩阵，并对所述投影矩阵施加L21范数正则化，以实现同时在多个单模态特征空间中选择出独立互补特征；构造数据相似图矩阵，以表示所述单模态特征空间中样本点的相近关系；通过所述正则化目标函数为每个模态学习相应的投影矩阵，将多个模态数据投影到具备最大辨别力、最大相关性及最小冗余性的投影子空间中，实现多模态数据融合。本发明实现多模态数据融合，消除了原特征空间中冗余信息的干扰，提高单模态特征鉴别力，增强多模态样本集间的相关性，提升识别性能和稳定性，特征融合效果好，识别效果佳。
-
公开(公告)号：CN110210277A
公开(公告)日：2019-09-06
申请号：CN201810498271.2
申请日：2018-05-22
Applicant: 安徽大学
Abstract: 由于运动目标和场景的复杂性与多变性，当前主流的运动目标检测算法检测结果中都难以完全避免检测出的运动目标不出现空洞现象，本发明提供一种运动目标空洞填充算法，针对空洞区域和附近被检测为前景的区域的性质，提出了基于超像素分割与显著性检测相结合的运动目标空洞填充算法，该方法通过给出的相似度函数能够找到精确的需要填充的区域，将这些区域与VIBE算法检测结果相加，得到比较理想的结果。实验结果表明，本发明方法可以将空洞区域很好地填充上。
-
公开(公告)号：CN109993137A
公开(公告)日：2019-07-09
申请号：CN201910279481.7
申请日：2019-04-09
Applicant: 安徽大学
Abstract: 本发明公开一种基于卷积神经网络的快速人脸矫正算法，包括如下步骤：读取图像和图像中人脸位置信息；通过图像中人脸的位置信息裁剪出人脸区域，并对裁剪的图像进行预处理；将预处理好的人脸区域图像输入给卷积神经网络进行训练，得到最优的仿射变换参数预测模型；将待测试人脸图像输入仿射变换参数预测模型中，获得对应的预测仿射变换参数；利用预测的仿射变换参数对待测试人脸图像进行仿射变换，返回矫正后的人脸图像。本发明通过新的损失函数让卷积神经网络自动对仿射变换每一个系数的重要性进行建模。本发明公开的方法有效地提升了人脸矫正的速度，对遮挡等难题更加鲁棒。
-
公开(公告)号：CN109697692A
公开(公告)日：2019-04-30
申请号：CN201811634213.4
申请日：2018-12-29
Applicant: 安徽大学
Abstract: 本发明提供一种基于局部结构相似的特征匹配方法，用来解决图像配准过程中出现的由于噪声干扰而造成匹配结果不理想的问题。步骤包括：步骤1，对两张待匹配图像进行特征提取与初始匹配；步骤2，建立特征点的邻域仿射系数矩阵；步骤3，对初始匹配集中的每一个匹配，计算与之相关联的特征点的邻域仿射系数矩阵的差异；步骤4，对邻域仿射系数矩阵进行优化，获取局部结构差异程度；步骤5，根据每个匹配相关联的特征点的局部结构差异值，设定比较阈值，确定最终的特征匹配对作为待匹配图像的匹配关系结果。本发明在技术上克服了现有技术优化过程复杂并收敛慢的问题，有效提高匹配的效率。
-
公开(公告)号：CN106911921B
公开(公告)日：2019-01-22
申请号：CN201710331722.9
申请日：2017-05-12
Applicant: 安徽大学
IPC: H04N9/31
Abstract: 本发明公开了一种基于单个摄像机的投影仪红外触控和自动对焦方法，摄像机对准投影画面，能够同时捕获红外光线和可见光线，并具有曝光可调功能。如果进行红外触控，则把摄像机曝光值调至最低，红外笔接触到幕布时发出红外光线，摄像机拍摄到投影画面，计算红外笔尖的位置，并进行坐标校正，从而获取红外笔尖坐标，并向投影仪系统发出控制指令；如果进行自动对焦，则把摄像机曝光值调至正常，驱动调焦马达运转，同时计算投影画面清晰度值，当清晰度值达到最大时，自动对焦完成。基于单个摄像机同时实现了投影仪的红外触控和自动对焦功能，其中红外触控功能不需要使用专用的红外摄像机，实现了红外笔尖坐标值计算和坐标校正；自动对焦时，设置摄像机为正常曝光，抓拍投影画面并计算其清晰度值，实现快速对焦功能。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.026 seconds)
