专利标题 公开号/公告号 公开日期 摘要 专利状态
机器人避障装置、避障控制方法和机器人 CN202210413519.7 2022-07-22 本发明涉及机器人避障装置、避障控制方法和机器人，一方面提取时序特征和空间特征，融合目标位置数据和机器人速度数据，能够提高深度强化学习的特征表达能力，提高预设动作的价值的预测及时性和精准度；另一方面充分考虑机器人t‑T1至t时刻的场景数据，有效利用当前局部环境信息、历史信息和空间信息，对机器人预设动作价值做出准确评价，能保障机器人后续避障的可靠性，相较于现有技术，其避障效果的准确性和及时性都有显著提升，而且能够直接利用原始激光雷达测距数据，具有快速的反应能力，且便于网络的部署与应用。 专利权的授权
基于神经网络的多通道人脸活体检测方法及装置 CN202110146331.6 2021-05-11 本发明涉及基于神经网络的多通道人脸活体检测方法及装置，其人脸活体识别模型不仅同时输入X个人脸放大图和Y个人脸细节图至X+Y个通道，还通过叠加组合考虑二者的融合，得到X+Y+Z个人脸活体识别不确定度，并判定待检测人脸图像是否为活体。由于同时考虑了X个人脸放大图和Y个人脸细节图，以及二者内部特征的叠加组合，使得融合后的特征包含了全局和局部信息，更有利于后续分类判别；另外使得在人脸活体识别模型的训练学习中，梯度回传会促进并行的X+Y个通道的分类能力；相较于现有技术，人脸活体识别精度和准确性更高，能进一步预防照片、视频、3D等各种形式的非生物活体攻击，进一步保障人身财产安全。 专利权的授权
人脸图像的质量检测方法、系统和计算机设备 CN202011431524.8 2021-03-02 本发明涉及一种人脸图像的质量检测方法和基于该方法的质量检测系统及计算机设备，其核心在于基于深度神经网络模型和不确定估计反馈补偿，构建人脸识别深度神经网络模型以学习人脸特征和人脸识别不确定度、构建人脸质量深度神经网络模型以学习人脸身份不确定度、人脸关键点和人脸关键点不确定度，同时预测人脸身份不确定度和人脸关键点不确定度，并据此判定待检测人脸图像是否合格，使得后续人脸识别过程中可以仅对合格人脸图像进行人脸识别，让人脸识别技术更好更优的服务于需要人脸识别的各行各业。该方法模型单一、调试简单，且对输入图像的任何干扰噪音都有辨识功能，大大提高了人脸识别的效率和准确率，保障人脸识别的安全性和可靠性。   专利申请的更正
一种跨模态人头检测方法及装置 CN202010808291.2 2020-12-01 本发明实施例提供了一种跨模态人头检测方法、装置、终端设备及计算机可读介质，所述方法包括：获取固定场景在多个图像模态下的当前图像帧，以及所述固定场景在多个图像模态中的3D图像模态下的历史图像帧集合；根据所述固定场景在3D图像模态下的历史图像帧集合进行背景建模，并根据所述背景建模获取所述固定场景在3D图像模态下的当前图像帧的非背景掩码；利用所述非背景掩码提取所述多个模态下的当前图像帧的非背景区域，并将所述多个模态下的当前图像帧的非背景区域进行通道融合，得到多模态融合图像；将所述多模态融合图像输入至训练好的深度学习网络模型进行人头检测，从而可减少外部环境对图像检测的影响，大大降低人头误识别率。   专利权的授权
一种三维人手关键点定位方法及装置 CN202010034582.0 - 本发明实施例提供了一种三维人手关键点定位方法及装置，所述方法包括：获取实际场景的深度图像；通过第一神经网络对所述深度图像进行手掌区域分割，得到分割后的手掌区域；对所述手掌区域进行归一化处理及尺寸变换，得到归一化后的手掌区域的深度图；通过第二神经网络判断所述归一化后的手掌区域的深度图对应的实际场景中是否包含真人手掌；若包含，则通过第三神经网络预测所述归一化后的手掌区域的深度图的关键点坐标，并通过预测的所述归一化后的手掌区域的深度图的关键点坐标确定所述实际场景的深度图像中的手掌的关键点坐标，从而可提高人手关键点三维定位的实用性和可靠性。 实质审查
一种视差估计方法、装置、存储介质及终端 CN202010035690.X 2020-04-28 本发明公开了一种视差估计方法、装置、存储介质及终端，所述方法包括：在视差信号集合中获取合法视差信号生成视差值掩码图；将视差信号引导模块插入预设双目视差估计模型中生成插入后的双目视差估计模型；将扩展后的合法视差值掩码图输入所述插入后的双目视差估计模型中生成合法视差值；基于高维高斯函数模型和预设权重计算公式生成合法视差值对应的加权后的函数值；基于加权后的函数值生成加权后的视差匹配损失值；将所述加权后的视差匹配损失值输入所述插入后的双目视差估计模型中生成视差信号引导的视差估计图。因此，采用本发明实施例，由于提出稀疏、高可信视差信号引导的双目视差估计方案，所以能够有效解决双目视差估计方法的场景适应性。 专利权的授权
三维人脸识别方法、装置、终端设备及计算机可读介质 CN202010034574.6 2021-02-09 本发明实施例提供了一种三维人脸识别方法、装置、终端设备及计算机可读介质，所述方法包括：获取实际场景的近红外图像和深度图像；对近红外图像和深度图像进行归一化处理，并提取实际场景中的人脸的第一多维度特征向量；根据近红外图像中的人脸的关键点，计算人脸的偏转角度，将预先录入的人脸三维模型按照所述偏转角度进行旋转，并将旋转后的人脸三维模型进行平面投影，得到录入的人脸的近红外图像以及深度图像；归一化处理，并提取第二多维度特征向量；计算第一多维度特征向量与第二多维度特征向量的相似度，并根据相似度进行人脸识别，从而可有效识别不同偏转角度的人脸，并提升三维识别效率，且降低背景对人脸识别精度的影响。   专利权的授权
一种基于社区发现聚类的视频人脸标注方法和系统 CN201811331597.2 - 本发明提供了一种基于社区发现聚类的视频人脸标注方法和系统，用于训练数据集生成，包括：视频预处理；基于深度网络的人脸检测和关键点回归；正脸检测；人脸模糊检测；人脸特征提取；人脸特征相似度矩阵；基于社区发现聚类；人工合并。本发明的优点在于：通过社区发现聚类，自动确定聚类中心个数，然后人工对自动聚类结果进行合并，实现最大程度的自动化和尽量少的人工参与，使得高效地从视频中提取高质量人脸，构造数据集。 实质审查
一种人脸识别深度网络训练方法和系统 CN201811330712.4 2020-07-17 本发明提供了一种人脸识别深度网络训练方法和系统，基于类别中心点排序学习，包括：收集人脸图片并进行标注，构建人脸识别数据集；检测人脸和关键点，并用关键点进行人脸对齐；构造深度神经网络；构造类别中心点更新策略和基于类别中心点的排序损失，结合分类损失进行深度网络的训练；利用训练好的深度神经网络模型进行人脸特征提取，利用人脸特征之间的相似度进行人脸识别。本发明通过排序学习来进行深度网络的训练，使得样本不仅能够靠近自己的中心点，还能尽可能的远离其他中心点，从而得到更有区分性的特征表示；本发明利用多个类别的中心点信息，具有较快收敛速度。同时着重优化与样本相似的难以区分的类别中心，能够有效的增强人脸识别的精度。 专利权的授权
一种基于深度学习的静态三维人脸活体检测方法 CN201811296335.7 2021-02-09 本发明公开了一种基于深度学习的静态三维人脸活体检测方法，该方法包括：通过彩色摄像头拍摄彩色图像，通过深度摄像头拍摄深度图像；当在所述彩色图像中检测到人脸时，根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量；根据所述人脸对应的特征向量，通过预先训练的活体检测分类器判断所述人脸是否为活体。本发明仅采用两个摄像头，结合彩色图像和深度图像的特点，结合深度学习及机器学习等技术，大大提高了人脸活体检测的速度、通过率及防伪率，且成本低，精度高。   专利权的授权