公开(公告)号：CN117612748A

公开(公告)日：2024-02-27

申请号：CN202311596669.7

申请日：2023-11-27

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 曾少宁 ,  周健航 ,  饶云波

IPC: G16H80/00 ,  G16H50/30 ,  G06T7/00 ,  G06V10/764 ,  G06F18/24 ,  G06F18/214 ,  G06V40/16

Abstract: 本发明公开了一种基于线性判别诱导下稀疏表征技术的健康状态监测方法，包括以下步骤：(1)健康状态数据采集；(2)图像样本归一化；(3)训练线性判别分类器并计算监测类别分数；(4)计算稀疏表征残差；(5)融合基于线性判别分类器的分数与表征残差；(6)基于融合分数输出待测试样本的健康状态预测。本发明技术是一种基于线性判别分析分类器和基于稀疏表示的分类器融合的新型分类技术(L‑SRC)，可以用于对医学数据集进行检测，且该技术可以取得健康检查的高平均准确率。

公开(公告)号：CN117612719A

公开(公告)日：2024-02-27

申请号：CN202311592137.6

申请日：2023-11-27

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 曾少宁 ,  周健航 ,  饶云波

IPC: G16H50/30 ,  G16H80/00 ,  G06V10/774 ,  G06V40/16 ,  G06V40/14

Abstract: 本发明公开了一种基于联合式深度区域特征表示的健康状态预测方法，包括以下步骤：(1)采集不同类别疾病病患者与健康状态者图像样本；(2)训练视图分类器与深度区域提取器；(3)采集待测试者的图像样本；(4)对于待测试者图像集进行特征提取；(5)健康状态预测。本发明将通过分析一组来自面部、舌头和舌下静脉的多视图图像，可以进行个人健康状态预测；本发明方法基于深度区域的特征，可准确高效地进行预测。

公开(公告)号：CN115690848A

公开(公告)日：2023-02-03

申请号：CN202211396059.8

申请日：2022-11-09

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 曾少宁 ,  周健航

IPC: G06V40/10 ,  G06V40/14 ,  G06V10/422 ,  G06V10/44 ,  G06V10/46 ,  G06V10/54 ,  G06V10/56 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明提供了一种基于舌下区域图像的身份识别方法，包括模型训练阶段和实施判别阶段；其中，模型训练阶段包括以下步骤：训练舌下关键区域提取模型使用舌下关键区域提取模型提取舌下图像中的舌下关键区域；基于舌下关键区域进行多特征表示；使用多特征表示训练数据训练判别模型其中，实施判别阶段包括以下步骤：使用视觉采集设备采集待判别的舌下图像使用舌下关键区域提取模型从获取舌下关键区域对舌下关键区域进行多特征表示；使用判别模型进行预测判断。本发明以舌下图像为主体对象，结合人工智能与特征提取，可用于较高精度的个人身份信息识别领域。

公开(公告)号：CN115798010A

公开(公告)日：2023-03-14

申请号：CN202211537199.2

申请日：2022-12-02

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 曾少宁 ,  周健航

IPC: G06V40/16 ,  G06V10/774

Abstract: 本发明提供了一种基于非负表征样本的协同表示人脸识别方法和C个类别N个人脸图像样本的训练人脸样本集；对训练人脸样本集中的人脸图像样本进行归一化处理；通过协同测试表示测试人脸图像，获取测试人脸图像对应的协同表示系数；使用ReLU函数对测试人脸图像对应的协同表示系数进行映射；对映射后的测试人脸图像对应的协同表示系数进行二阶协同表示，获取二阶协同表示后的测试人脸图像；根据二阶协同表示后的测试人脸图像、训练人脸样本集，基于最近邻子空间分类函数进行人脸识别，识别出测试人脸图像对应的类别。相比于现有技术，本发明的人脸识别算法具备高效率、高识别能力、高稀疏性、高可解释性。