专利标题 公开号/公告号 公开日期 摘要 专利状态
基于FPGA的人脸识别数据处理装置及处理方法 CN201811282273.4 2021-01-22 本发明公开了一种基于FPGA的人脸识别数据处理装置，包括第一存储器，用于存储人脸数据；第二存储器，用于存储卷积模板数据；FPGA芯片，用于从第一存储器和第二存储器中读取数据并进行深度学习从而提取人脸特征值；处理器，用于将提取出的人脸特征值与人脸数据库进行比对以完成人脸识别的处理器；FPGA芯片搭载有卷积神经网络模型，用于对读取的数据进行运算，并将运算后的中间计算结果存储至第一存储器中。本发明通过设计两路外部存储器，一路存储人脸数据，另一路存储卷积模板数据，提高了人脸数据和卷积模板读取的速度，缩短了卷积计算的时间，进一步提高了人脸识别的速率。本发明还提供一种基于FPGA的人脸识别数据处理方法。   专利权的变更
指静脉按压图的判别方法及装置、指静脉识别方法 CN201711468210.3 2020-04-21 本发明公开了一种指静脉按压图的判别方法及装置、指静脉识别方法，该方法包括：图像预处理；手指边界定位；有效区域获取；有效区域增强；SOBEL边缘增强，采用SOBEL算子与静脉分布图像作卷积，获得包含指纹信息区域的SOBEL增强图；计算图像判定系数，在SOBEL增强图上计算水平梯度能量和垂直梯度能量，并采用垂直梯度能量除以水平梯度能量的比值或者水平梯度能量除以垂直梯度能量的比值作为判定系数；含指纹静脉图的判定。本发明通过对采集的手指图像中的指纹信息含量进行量化后与阈值比较，通过预设的屏蔽机制，将不合理的图像阻断在当前处理阶段，维护系统中处理数据的合理性、真实性和有效性，为系统比对结果提供有效保障。 专利权的变更
人脸识别模型优化控制方法、装置、设备及存储介质 CN201711472112.7 2020-11-03 本发明公开了一种人脸识别模型优化控制方法、装置、设备及存储介质，该优化控制方法包括：利用triplet损失函数对归一化处理后的特征进行损失计算并生成第一回传梯度；利用softmax损失函数对多个特征值进行全连接后输出的特征进行损失计算并生成第二回传梯度；利用第一回传梯度及第二回传梯度对深度网络模型的参数进行优化。本发明通过利用triplet损失函数优化模型的时候引入softmax损失函数，由于softmax损失函数具有更快的收敛效果，通过该函数的辅助作用能够有效提升人脸识别模型的训练速度和识别准确率。   专利权的变更
活体检测方法、装置、设备及存储介质 CN201711468206.7 2020-11-10 本发明公开了一种活体检测方法、装置、设备及存储介质，该活体检测方法包括：生成用于提醒用户进行张嘴和/或眨眼动作的随机提示信息；对用户响应的动作进行智能判断，判断响应的动作是否准确；若否，则判定活体检测失败；若是，则执行深度学习活体检测判断；深度学习活体检测的步骤判断包括：从响应的动作中选取至少两帧图像；通过神经网络判断至少两帧图像是否为活体，仅当每帧图像均为活体时，判定活体检测成功，否则，判定活体检测失败。本发明使得交互检测技术与深度学习检测技术有机结合，有效增强了活体检测的准确性及抵御攻击的性能，且减少了硬件开销，活体检测的可靠性得到有效提高，具有广泛的推广应用价值。   专利权的变更
深度学习人脸识别网络优化方法、装置及存储介质 CN201711455889.2 2020-07-28 本发明公开了一种深度学习人脸识别网络优化方法、装置及存储介质，该方法包括以下步骤：图像数据由CPU内存传递至GPU显存，且仅传递unsigned char类型图像数据；对接收到的数据在GPU下由unsigned char类型图像数据转换为float类型图像数据；对GPU下float类型图像数据进行减均值操作；加载深度学习人脸识别模型文件和减均值操作后的图像数据，传入深度学习框架中，在GPU下进行并行计算；将计算结果由GPU显存回传至CPU内存中。本发明在GPU下并行计算，与现有对深度学习框架CPU下串行计算方式相比，本发明整体运算速度的得以很大提升，节约了运行时间，使得运行速度得到提升。   专利权的变更
基于深度残差网络的去网格方法、装置、设备及存储介质 CN201711458971.0 2021-02-09 本发明公开了一种基于深度残差网络的去网格方法、装置、设备及存储介质，该去网格方法采用基于深度残差的全卷积网络作为基础网络，其包括：采用训练图像集训练基础网络，得到训练好的基础网络；利用训练好的基础网络对待去除网格的图像进行去网格处理，得到去网格的图像。通过采用基于深度残差的全卷积网络作为基础网络，扩大了卷积的感受野，从而在去网格方法中引入多尺度信息(图像更多的高频及低频信息)来有效改善深度学习去网格算法的效果，避免了现有的去网格算法计算量大导致处理效率低或者信息尺度受限导致去网格效果有待改善的矛盾，增强了深度学习算法在图像去网格领域中的应用，具有广泛推广应用价值。   专利权的变更
指静脉图像互通识别的方法、装置及存储介质 CN201711441308.X - 本发明公开了一种指静脉图像互通识别的方法、装置和存储介质，该方法包括：对不同指静脉设备分别采集到的指静脉图像进行计算分析得到不同指静脉设备之间图像对应图像的等比例关系；根据等比例关系，对不同指静脉设备采集到的指静脉图像进行相应的缩放变换；对缩放变换后的图像按照原图像的尺寸进行修正。本发明通过先找到相应的等比例关系，再根据该等比例关系对图像进行相应的缩放变换，并对缩放变换后的图像进行修正，最终获得的图像可用于不同指静脉设备识别，运算量小，保证识别率不受影响的情况下，解决了不同设备类型指静脉图像之间的互通识别，方便不同产品之间的互通应用，减少设备升级带来的风险。 专利申请的驳回
指静脉特征比对方法、装置、存储介质和处理器 CN201711443496.X 2020-04-21 本发明公开了一种指静脉特征比对方法、装置、存储介质和处理器，该方法包括：对输入的指静脉图像进行预处理；采用Gabor函数对预处理后的图像进行处理获得Gabor矢量特征；对获得的Gabor矢量特征进行降维处理；对降维后的Gabor矢量特征进行二值化Gabor梯度特征提取：通过计算不同频率参数下对应方向处Gabor系数的梯度，并依据梯度值的正负符号将梯度值二值化为“0”、“1”值，然后将对应的值置于由区块坐标、频率、方向参数索引的分量位置对应的全新矢量中，生成二进制表达的全新矢量特征；对二进制表达的全新矢量特征进行特征比对并输出比对结果。本发明获得稳定的表述特征，提高指静脉识别算法的性能。 专利权的变更
指静脉图像质量评判方法及装置 CN201711378084.2 - 本发明公开了一种指静脉图像质量评判方法及装置，该方法包括：获取手指静脉图像感兴趣区域；对手指静脉图像感兴趣区域作最大曲率变换获得手指静脉轮廓结构；对最大曲率变换后的图像进行中值滤波处理；对中值滤波处理后的图像做二值化变换处理；计算二值化处理后的图像中手指静脉轮廓联通区域的面积，并计算手指静脉轮廓联通区域面积的比重；根据比重判断图像质量，当比重小于设定阈值时，判断图像质量不合格，否则判断图像质量合格。本发明通过一系列图像处理，获得指手指静脉轮廓联通区域的比重信息作为质量依据来判断用户在采集过程中是否有不合规则操作，从而控制图像质量过差造成对指静脉识别的影响。 专利申请的驳回
基于深度学习的人脸识别方法、装置和电子设备 CN201710651972.0 2020-06-19 本发明公开了一种基于深度学习的人脸识别方法、装置和电子设备，该方法包括：构建卷积神经网络模型，卷积神经网络模型包括依序连接的第一卷积单元、第一池化层、多个卷积组合、第二池化层和全连接层，其中，第一卷积单元包括第一卷积层、批归一化层和激励函数层，激励函数层同时采用ReLU函数和NReLU函数作为激励函数，相邻的卷积组合之间采用残差网络的短路层进行连接；训练卷积神经网络模型，将训练数据输入卷积神经网络模型，并采用随机梯度下降法进行训练，训练后的卷积神经网络模型去除掉最后的全连接层后只做前向传播即可作为人脸识别时需要的人脸特征数据。本发明使用ReLU+NReLU作为激励函数，能降低运算量，保证精度、减小模型大小和提升运行速度。   专利权的变更