-
公开(公告)号：CN113033291A
公开(公告)日：2021-06-25
申请号：CN202110138649.X
申请日：2021-02-01
Applicant: 浙江大学
Abstract: 本发明公开了一种基于RFID的具有隐私保护且防伪造攻击的人脸识别方法和系统，人脸识别系统由RFID标签阵列、天线、混合特征提取模块，注册和识别模块组成。识别方法主要包括用户注册和用户认证两个部分。所采用的技术方案为：用户需要将其面部摆在RFID标签阵列的前面，以进行注册和身份验证。在注册阶段，收集人脸反射的射频信号的RSS和相位值，经过一个抗距离和偏转干扰的面部特征提取算法，计算RFID标签阵列上RFID之间的RSS和相位差来提取由人脸3D几何形状和内部生物材料组成的可靠混合特征。最后，将提取的混合特征组合成特征块，利用SVM中进行模型训练。用户在认证阶段只需要提供短时间的人脸反射的射频信号来提取面部特征，用于身份验证和防御伪造攻击。
-
公开(公告)号：CN113033288A
公开(公告)日：2021-06-25
申请号：CN202110125259.9
申请日：2021-01-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于生成对抗网络的侧脸图片生成正脸图片的方法，该方法将收集的侧脸图片和正脸图片用于生成对抗网络的训练，随后再次收集侧脸图片，输入到训练好的生成对抗网络中，输出正脸图片。本发明的生成正脸图片的方法本发明生成正脸图片的方法通过双路径生成器保证了脸部局部细节的存在，并通过预测感官和轮廓的位置，加速轮廓子生成器提取有效特征，通过拼接的方式保证了两种特征都能作用与结果，从而生成高质量、可用于人脸识别的图像。本发明的方法保留了局部特征和全局特征，生成正脸图片具有准确高效的特点。
-
公开(公告)号：CN112044047B
公开(公告)日：2021-06-22
申请号：CN202010887939.X
申请日：2020-08-28
Applicant: 浙江大学
IPC: A63B71/06
Abstract: 本发明涉及一种基于多目标跟踪的跳绳计数方法，属于智能健身运动技术领域。包括：1)获取跳绳动作的原始视频数据，从原始视频数据中提取出图像数据；2)对图像数据进行单帧处理，得到一组顺序排列的单帧图像；3)获取所有人脸目标的初始位置和尺寸信息；4)对每一帧图像中每一个人脸目标分别进行跟踪，同时在同一帧图像上显示所有人脸目标的跟踪结果；5)判断识别单帧图像中的跳绳人员与非跳绳人员；6)对单帧图像中的所有跳绳人员进行跳绳计数；7)结果输出与显示。通过识别并跟踪人脸所在的高度位置变化来达到识别跳绳与非跳绳人员，并判断多个跳绳人员的跳绳次数，不仅准确、不需要人工计数，而且视频可以回塑，具有很高的应用价值。
-
公开(公告)号：CN112867008A
公开(公告)日：2021-05-28
申请号：CN202110048103.5
申请日：2021-01-14
Applicant: 浙江大学
IPC: H04W12/69 , H04W12/122 , H04L9/06
Abstract: 本发明公开了一种基于帧的时隙ALOHA协议的射频识别系统防重放方法，主要包括电子产品码(EPC)序列提取和EPC序列搜索两个部分。所采用的技术方案为：在多标签的射频识别系统中，将一轮标签识别中所有标签的EPC读取顺序进行提取，得到的EPC序列被处理得到哈希EPC后存储在哈希树中。一旦在一次新的射频识别会话中提取的哈希EPC被发现已经存在于哈希树中，该次新的射频识别会话将被认为是重放攻击并拒绝该次新会话。与现有的射频系统的防重放方法相比，本发明无需特意设计随机噪音序列，直接使用基于帧的时隙ALOHA的协议自带的随机性来防御重放攻击，不会改变任何原始信号，不会因为外部环境变化对信号的扭曲而导致接收的反向散射信号无法解码，可以部署应用在任意多标签的射频识别系统中。
-
公开(公告)号：CN112044047A
公开(公告)日：2020-12-08
申请号：CN202010887939.X
申请日：2020-08-28
Applicant: 浙江大学
IPC: A63B71/06
Abstract: 本发明涉及一种基于多目标跟踪的跳绳计数方法，属于智能健身运动技术领域。包括：1)获取跳绳动作的原始视频数据，从原始视频数据中提取出图像数据；2)对图像数据进行单帧处理，得到一组顺序排列的单帧图像；3)获取所有人脸目标的初始位置和尺寸信息；4)对每一帧图像中每一个人脸目标分别进行跟踪，同时在同一帧图像上显示所有人脸目标的跟踪结果；5)判断识别单帧图像中的跳绳人员与非跳绳人员；6)对单帧图像中的所有跳绳人员进行跳绳计数；7)结果输出与显示。通过识别并跟踪人脸所在的高度位置变化来达到识别跳绳与非跳绳人员，并判断多个跳绳人员的跳绳次数，不仅准确、不需要人工计数，而且视频可以回塑，具有很高的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN111626190A
公开(公告)日：2020-09-04
申请号：CN202010454858.0
申请日：2020-05-26
Applicant: 浙江大学
Abstract: 本发明涉及一种基于聚类分区进行刻度识别的水位监测方法，属于水位监测技术领域。包括：1)从实时监控视频中获取t时刻的原始图像；2)截取原始图像中的水尺区域，以水尺末端作为水位线的位置；3)对水尺区域图像进行二值化处理，根据“E”的三条边，采用聚类方法将处理后的水尺区域图像划分成若干子区域；4)对每个子区域的内容进行识别，得到水位线所在区域的上一个包含数字的区域的数值；5)根据子区域的高度和识别的步骤4)得到的数值计算水位并显示。本发明避免了传统识别算法中复杂的特征提取和数据重建过程，能快速高效识别水尺水位，并将误差控制在一定的范围内。
-
公开(公告)号：CN109145830B
公开(公告)日：2020-08-25
申请号：CN201810974283.8
申请日：2018-08-24
Applicant: 浙江大学
Abstract: 本发明公开了一种智能水尺识别方法，属于水位监测技术领域，包括：1)采集水尺图像，并将所有水尺图像分为训练集和验证集；筛选出训练集中的水尺图像进行提取，得到水尺的目标区域；2)设水尺的宽度为a，采用长为2a，宽为2a的矩形以一定步长截取目标区域，截取的过程中保证截取下的部分不超过水尺的左右边缘；3)将截取的水面以上的图像作为正样本，水面以下的图像作为负样本，存入对应的水尺刻度值的数据集中；4)利用所有水尺刻度值对应的数据集训练神经网络模型；5)截取待识别水尺图像的目标区域，经过步骤2)处理后使用训练好的神经网络模型判断水位，并将图像存入对应的水尺刻度值的数据集中。能对水位线不清晰的图片进行高效识别。
-
公开(公告)号：CN109876416B
公开(公告)日：2020-06-19
申请号：CN201910232646.5
申请日：2019-03-26
Applicant: 浙江大学
Abstract: 本发明公开了一种基于图像信息的跳绳计数方法，属于智能健身运动技术领域，包括：1)从原始视频数据中提取出图像数据，并对图像数据进行单帧处理得到一组顺序排列的单帧图像；2)确定所有单帧图像的共同参考区域，该参考区域每次跳绳都要经过，截取该参考区域得到一组参考图像；3)对各参考图像进行二值化处理，并过滤掉干扰数据；4)对经处理后的各参考图像进行边缘跟踪，将目标分离出来；5)提取出目标的判断数据，并根据该判断数据判断目标是否为跳绳；6)判断目标为跳绳的相邻参考图像之间的时间间隔是否小于10个相邻帧的时间，若是，则作为重复计数，不增加计数，否则增加一次计数；7)输出并显示计数结果。
-
公开(公告)号：CN110102040A
公开(公告)日：2019-08-09
申请号：CN201910443779.7
申请日：2019-05-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于互相关系数法的音频跳绳计数方法，属于智能健身运动技术领域，包括：1)获取跳绳动作的视频数据，从视频数据中提取出音频数据；2)提取音频的采样频率，绘制以时间为横坐标的音频波形图；3)选定样本声音，采用互相关系数法计算跳绳次数；4)输出并显示计数结果。可利用高清摄录设备(如：智能手机等)，从一定的角度、合适的距离，对包括跳绳人在内的整个跳绳过程进行录制。获得相对稳定的视频图像后，对其中的音频信息进行分析处理。该方法通过识别绳子接触地面的声音来达到判断跳绳的次数，不仅准确，而且视频可以回塑，具有很好的应用价值。
-
公开(公告)号：CN109939432A
公开(公告)日：2019-06-28
申请号：CN201910233226.9
申请日：2019-03-26
Applicant: 浙江大学
Inventor： 林峰
Abstract: 本发明公开了一种智能跳绳计数方法，属于智能健身运动设备技术领域，包括：1)获取跳绳动作的视频数据，从视频数据中提取出音频数据和图像数据；2)从音频数据中提取出音频的采样频率，绘制以时间为横坐标的音频波形图，根据音频波形图确定一次跳绳动作的周期T1；3)对图像数据进行单帧处理，得到一组顺序排列的单帧图像；4)确定单帧图像的参考区域，并截取该参考区域得到参考图像；5)对参考图像进行二值化处理和边缘跟踪，分离出目标，并判断目标是否为跳绳；6)判断目标为跳绳的相邻参考图像之间的时间间隔是否小于T1，若是，则为重复计数，不增加计数，否则增加一次计数；7)输出并显示计数结果。
-
-
-
-
-
-
-
-
-
Search Results
164
records
(took 0.075 seconds)
