-
公开(公告)号：CN110364163A
公开(公告)日：2019-10-22
申请号：CN201910603999.1
申请日：2019-07-05
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
Abstract: 本发明公开了一种语音和唇语相融合的身份认证方法，涉及信息安全及模式认证领域。该语音和唇语相融合的身份认证方法包括以下步骤：1)提取待认证的语音倒频谱特征和唇语特征；2)采用并行策略融合所述语音倒频谱特征和所述唇语特征，得到复向量特征；3)利用复向量特征作为训练样本训练复数极限学习机的多输入多输出模型，根据输出的分布及其取值判断是否认证成功；若输出结果向量中的最大值与提示符一致且该值大于设定阈值，则认证成功；否则，认证失败。该语音和唇语相融合的身份认证方法，采用语音和唇语相结合的多模生物特征进行身份认证，提高了身份认证系统的强健性。
-
公开(公告)号：CN108629293A
公开(公告)日：2018-10-09
申请号：CN201810339955.8
申请日：2018-04-16
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
Abstract: 本发明公开了一种具有反馈机制的自适应近红外虹膜图像采集方法，利用手机将动态的人眼虹膜拍摄并存储成的虹膜图像，再通过图像定位、光照强度分析、取景虹膜眨眼分析、虹膜图像清晰度分析对采集的虹膜图像进行质量分析完成采集。本发明通过图像实时评估的方法，对图像采集进行反馈处理，提高虹膜识别精度，从而获得更清晰的近红外虹膜图像。
-
公开(公告)号：CN107273812A
公开(公告)日：2017-10-20
申请号：CN201710364364.1
申请日：2017-05-22
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
IPC: G06K9/00
CPC classification number: G06K9/00906 , G06K9/0061 , G06K9/00617
Abstract: 一种用于身份认证的活体虹膜防伪方法，包括：1)获取真伪虹膜图像并进行图像预处理；所述的图像预处理包括定位图像的内边界和外边界、通过归一化将虹膜图像扩充到统一的大小、对归一化后的虹膜图像进行增强；2)通过以下方面对虹膜图像的真伪进行判别；2.1)利用活体组织红外特征光谱进行虹膜活体检测；2.2)根据人眼动态变化特性进行虹膜活体检测；2.3)利用虹膜纹理特征进行虹膜活体检测；对虹膜图像进行多方向滤波，分别计算各个方向滤波后特征区域的虹膜外侧与内侧图像互信息之差作为纹理特征值，差值的和小于所设阈值为真虹膜，否则为伪虹膜。该方法检测结果准确可靠，鲁棒性强，适用范围广。
-
公开(公告)号：CN108960103B
公开(公告)日：2021-02-19
申请号：CN201810661218.X
申请日：2018-06-25
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
Abstract: 一种人脸和唇语相融合的身份认证方法及系统，认证方法包括：1)基于Adaboost算法进行人脸检测并基于线性保持投影变换进行人脸特征提取；2)利用面部特征位置关系进行唇部定位并采用局部投影时空特征描述符提取唇语特征；3)根据欧氏距离分别得到人脸和唇语的匹配分数，利用极速学习机在匹配层进行融合，将融合得到的融合分数与设定阈值进行比较，根据比较结果得到认证结果。系统包括人脸特征参数采集模块与唇语特征参数采集模块，人脸特征参数采集模块与唇语特征参数采集模块将采集到的图像信息同时输入极速学习机匹配层融合模块进行融合。本发明的认证结果准确可靠，鲁棒性强，适用范围广。
-
公开(公告)号：CN107256385A
公开(公告)日：2017-10-17
申请号：CN201710368673.6
申请日：2017-05-22
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
IPC: G06K9/00
CPC classification number: G06K9/00604 , G06K9/0061 , G06K9/00617
Abstract: 基于2D Log Gabor与复合编码法的红外虹膜认证系统及方法，认证系统包括：用于采集待识别虹膜图像的红外虹膜图像采集模块；用于通过2D Log Gabor滤波器提取虹膜二维纹理特征的虹膜特征提取模块；用于通过复合编码法对所提取特征向量进行编码的虹膜特征向量编码模块；用于采用投影极速学习机作为分类器进行特征分类与识别的虹膜特征码匹配模块。认证方法包括：采集待识别红外虹膜图像并进行图像预处理；提取虹膜纹理特征；对所提取虹膜纹理特征的特征向量进行编码；采用投影极速学习机作为分类器进行特征分类，再根据分类结果计算海明距离，根据海明距离判断虹膜是否来自同一个人。本发明认证精度较高。
-
Patent Agency Ranking
公开(公告)号：CN108629293B
公开(公告)日：2020-10-27
申请号：CN201810339955.8
申请日：2018-04-16
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
Abstract: 本发明公开了一种具有反馈机制的自适应近红外虹膜图像采集方法，利用手机将动态的人眼虹膜拍摄并存储成的虹膜图像，再通过图像定位、光照强度分析、取景虹膜眨眼分析、虹膜图像清晰度分析对采集的虹膜图像进行质量分析完成采集。本发明通过图像实时评估的方法，对图像采集进行反馈处理，提高虹膜识别精度，从而获得更清晰的近红外虹膜图像。
-
公开(公告)号：CN109446948A
公开(公告)日：2019-03-08
申请号：CN201811198842.7
申请日：2018-10-15
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
Abstract: 本发明提供本一种基于Android平台的人脸和语音多生物特征融合认证方法，首先采集用户人脸图像，并对用户人脸图像进行预处理，并采用Adaboost算法检测用户人脸图像中的人脸，并提取人脸LBP特征得到用户人脸特征，根据用户人脸特征生成用户的人脸特征模型，所有用户的用户人脸特征模型组成图像样本库；本发明用于手机认证，特别是移动金融类私密性应用的终端安全认证，弥补单模式认证的缺点，具有更高的可靠性和安全性，进一步保障了手机用户的信息安全。
-
公开(公告)号：CN107273812B
公开(公告)日：2019-02-05
申请号：CN201710364364.1
申请日：2017-05-22
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
IPC: G06K9/00
Abstract: 一种用于身份认证的活体虹膜防伪方法，包括：1)获取真伪虹膜图像并进行图像预处理；所述的图像预处理包括定位图像的内边界和外边界、通过归一化将虹膜图像扩充到统一的大小、对归一化后的虹膜图像进行增强；2)通过以下方面对虹膜图像的真伪进行判别；2.1)利用活体组织红外特征光谱进行虹膜活体检测；2.2)根据人眼动态变化特性进行虹膜活体检测；2.3)利用虹膜纹理特征进行虹膜活体检测；对虹膜图像进行多方向滤波，分别计算各个方向滤波后特征区域的虹膜外侧与内侧图像互信息之差作为纹理特征值，差值的和小于所设阈值为真虹膜，否则为伪虹膜。该方法检测结果准确可靠，鲁棒性强，适用范围广。
-
公开(公告)号：CN108960103A
公开(公告)日：2018-12-07
申请号：CN201810661218.X
申请日：2018-06-25
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
Abstract: 一种人脸和唇语相融合的身份认证方法及系统，认证方法包括：1)基于Adaboost算法进行人脸检测并基于线性保持投影变换进行人脸特征提取；2)利用面部特征位置关系进行唇部定位并采用局部投影时空特征描述符提取唇语特征；3)根据欧氏距离分别得到人脸和唇语的匹配分数，利用极速学习机在匹配层进行融合，将融合得到的融合分数与设定阈值进行比较，根据比较结果得到认证结果。系统包括人脸特征参数采集模块与唇语特征参数采集模块，人脸特征参数采集模块与唇语特征参数采集模块将采集到的图像信息同时输入极速学习机匹配层融合模块进行融合。本发明的认证结果准确可靠，鲁棒性强，适用范围广。
-
公开(公告)号：CN112287816B
公开(公告)日：2023-05-23
申请号：CN202011170556.7
申请日：2020-10-28
Applicant: 西安交通大学
IPC: G06V20/40 , G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/049 , H04N7/18 , H04N19/503 , H04N19/593
Abstract: 一种基于深度学习的危险工作区事故自动检测报警方法，获取原始视频数据并进行预处理，将视频转换为深度学习网络可接受的输入训练集；通过卷积式时空自动编码器‑解码器学习训练视频中的特征模式，并利用所述训练集训练优化，得到车间事故检测模型；获取实时的待检测监控视频，采用所述车间事故检测模型检测每一帧监控视频图像的重建误差，若连续多张实时监控图像的局部最小重建误差大于阈值，则向车间管理员终端发送相应的报警信息以及对应的监控位置信息。本发明在大量视频分析基础上，又进行了正常场景的视频专项学习，得到了经过充分训练的检测模型，能够快速准确的检测出车间异常事故，可在任何车间场景下进行事故检测。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.043 seconds)
