一种基于特征解耦网络的静脉识别方法

    公开(公告)号:CN115457611B

    公开(公告)日:2023-04-21

    申请号:CN202211293367.8

    申请日:2022-10-21

    Abstract: 本发明公开了一种基于特征解耦网络的静脉识别方法,设计高鲁棒性静脉图像分割模型,获取高质量的静脉形状特征二值分割图,构建基于多尺度注意力残差模块的静脉形状纹理特征解耦网络,实现静脉图像纹理和形状特征的自适应解耦,提出权值引导的高判别深度特征学习模块,增强了静脉深度特征表示能力。本发明减少了纹理信息中光照信息对于静脉深度特征表示能力的影响,增强了静脉纹理特征和形状特征的融合效果,提高了静脉识别方法的性能。

    基于模态匹配的连续手语语句识别方法

    公开(公告)号:CN113609922B

    公开(公告)日:2022-05-13

    申请号:CN202110792080.9

    申请日:2021-07-13

    Abstract: 本发明公开了一种基于模态匹配的连续手语语句识别方法,将手语语句的彩色视频和光流图像序列的关键帧和目标词语片段序列作为输入,通过基于模态匹配的连续手语语句识别模型,将手语语句的彩色视频和光流图像序列的关键帧片段序列与语义匹配对齐,得到最终的语义序列。本发明公开了一种基于模态匹配的连续手语语句识别模型,用轻量的特征提取网络,减少其参数量,针对手语数据集进行任务特定性训练,在数据集中样本的标注较少的情况下对连续手语语句进行识别,减少了在传统手语识别方法中对人体姿势信息高度依赖的问题。

    一种基于多模态分层级信息融合的手语词识别方法

    公开(公告)号:CN113297955B

    公开(公告)日:2022-03-18

    申请号:CN202110559367.7

    申请日:2021-05-21

    Abstract: 本发明公开了一种基于多模态分层级信息融合的手语词识别方法,该方法包括:以彩色视频、深度视频和骨骼节点视频三种模态的关键帧序列作为网络输入,构建一个双流I3D网络提取彩色视频和深度视频特征,通过特征拼接融合双模态语义特征,再使用LSTM构建长期时空特征,使用SoftMax进行分类评分;同时使用DST‑GCN网络提取骨骼节点视频的时空特征,再使用SoftMax进行分类评分;最终通过决策级融合方式将两个SoftMax层的预测分数进行融合,得到手语词识别结果。本发明所提出的基于多模态分层级信息融合的手语词识别方法,通过构建分层级融合策略,充分利用了多模态数据互补信息;通过构建DST‑GCN网络,增强了时空图卷积网络时间特征提取能力,进而提高了手语词识别的准确率。

    一种基于IMU的激光雷达三维点云实时运动补偿方法

    公开(公告)号:CN113391300B

    公开(公告)日:2022-02-01

    申请号:CN202110559368.1

    申请日:2021-05-21

    Abstract: 本发明公开了一种基于IMU的激光雷达三维点云实时运动补偿方法,首先,对用于本发明方法实现的激光雷达及IMU进行时间轴同步与空间坐标系统一,并按照时间戳顺序对激光雷达三维点云数据及IMU数据分别进行排序;其次,提出一种基于数据块划分的激光雷达三维点云旋转补偿方法,根据IMU输出激光雷达三维点云数据时序对每帧激光雷达三维点云数据进行数据块划分,根据以上数据块划分思想求得每个数据点相对于帧尾的三轴旋转变换矩阵R,并对激光雷达三维点云数据进行三轴旋转补偿;最后,根据旋转补偿后的点云数据帧估计出点云帧间运动量T,并对点云数据进行平移补偿。与传统方法相比,本方法具有更高的实时性与鲁棒性。

    基于Actor-Critic模型的低曝光静脉图像增强方法

    公开(公告)号:CN113269698B

    公开(公告)日:2022-01-04

    申请号:CN202110560691.0

    申请日:2021-05-21

    Abstract: 本发明公开了一种基于Actor‑Critic模型的低曝光静脉图像增强方法,设计对比度,饱和度,白平衡,曝光和色调曲线函数滤波器,通过Actor‑Critic模型选取最优的一组图像滤波顺序和参数,并利用其对低曝光静脉图像进行滤波操作,输出每个滤波操作对应图像并提取细节信息,叠加到最后一层滤波器处理后的图像中,最终输出增强的静脉图像。本发明公开的基于Actor‑Critic的低曝光静脉图像增强模型,可以自动选择图像编辑滤波顺序和参数,实现低曝光静脉图像光照信息的恢复和对比度的增强,并且通过提取滤波处理过程中各滤波器输出图像的互补静脉细节信息,解决了全局图像处理造成的静脉细节丢失的问题,达到低曝光静脉图像增强的效果。

    基于注意力的连续手语语句识别方法

    公开(公告)号:CN113609923A

    公开(公告)日:2021-11-05

    申请号:CN202110800098.9

    申请日:2021-07-13

    Abstract: 本发明公开了一种基于注意力的连续手语语句识别方法,首先,分别提取彩色视频和光流视频模态的关键帧手语视频的关键帧序列的时空特征,将提取到的时空特征输入构建的基于注意力的连续手语语句识别模型,该模型本质上是一个序列到序列模型:通过基于注意力的双模态编码网络得到两个模态的融合特征序列,并输入基于连接时序分类的解码网络,得到最终的语义序列。本发明通过利用序列到序列模型将手语序列转换到另一个语言序列,解决输出长度不确定的问题,改善输入与输出序列的不规则对齐问题。同时,在完成具有冗余信息的复杂任务时,使用注意力模型将注意力聚焦于视频特征的重要区域,对连续手语语句识别效果有显著的提升。

    一种基于IMU的激光雷达三维点云实时运动补偿方法

    公开(公告)号:CN113391300A

    公开(公告)日:2021-09-14

    申请号:CN202110559368.1

    申请日:2021-05-21

    Abstract: 本发明公开了一种基于IMU的激光雷达三维点云实时运动补偿方法,首先,对用于本发明方法实现的激光雷达及IMU进行时间轴同步与空间坐标系统一,并按照时间戳顺序对激光雷达三维点云数据及IMU数据分别进行排序;其次,提出一种基于数据块划分的激光雷达三维点云旋转补偿方法,根据IMU输出激光雷达三维点云数据时序对每帧激光雷达三维点云数据进行数据块划分,根据以上数据块划分思想求得每个数据点相对于帧尾的三轴旋转变换矩阵R,并对激光雷达三维点云数据进行三轴旋转补偿;最后,根据旋转补偿后的点云数据帧估计出点云帧间运动量T,并对点云数据进行平移补偿。与传统方法相比,本方法具有更高的实时性与鲁棒性。

    基于多模态静脉图像性别信息异构分离的身份识别方法

    公开(公告)号:CN112214746B

    公开(公告)日:2021-07-13

    申请号:CN202010962618.1

    申请日:2020-09-14

    Abstract: 本发明公开了一种基于多模态静脉图像性别信息异构分离的身份识别方法,依赖于双层无监督稀疏特征学习模型和改进的最大类间方差二进制特征编码模型。本发明涉及计算机视觉领域,包括自行构建静脉图像库,无监督稀疏特征学习对人体手背静脉图像进行性别信息异构分离,在性别属性判断的基础上进行特征提取,分别计算图像二进制特征编码值和编码权值,再进行特征向量相似度判断,身份识别等步骤。本发明公开的基于多模态静脉图像性别信息异构分离的身份认证方法,通过对静脉图像进行性别信息分离,用性别标签引导不同特征提取策略来进行身份认证,提高了身份识别的准确性,能很好地满足准确性要求较高的各类身份识别应用需求。

Patent Agency Ranking