-
公开(公告)号：CN113077402B
公开(公告)日：2022-09-06
申请号：CN202110387868.1
申请日：2021-04-12
Applicant: 南京邮电大学
Abstract: 本发明是一种基于正交三角分解的人脸图像光照复原方法，该方法包括如下步骤：步骤1：采集人脸彩色图像并转化为人脸灰度图像；步骤2：求取步骤1中得到人脸灰度图像的光照归一化图像；步骤3：求取人脸灰度图像的光照复原图像。本发明充分考虑了人脸灰度图像的光照特性，通过正交三角分解算法，对上三角矩阵行向量进行归一化处理，产生人脸灰度图像的光照归一化图像，然后利用梯度下降法，使人脸灰度图像逼近其光照归一化图像，产生人脸灰度图像的光照复原图像，在恢复光照的同时，最大限度的保持人脸图像的固有鉴别特征。
-
公开(公告)号：CN113077402A
公开(公告)日：2021-07-06
申请号：CN202110387868.1
申请日：2021-04-12
Applicant: 南京邮电大学
Abstract: 本发明是一种基于正交三角分解的人脸图像光照复原方法，该方法包括如下步骤：步骤1：采集人脸彩色图像并转化为人脸灰度图像；步骤2：求取步骤1中得到人脸灰度图像的光照归一化图像；步骤3：求取人脸灰度图像的光照复原图像。本发明充分考虑了人脸灰度图像的光照特性，通过正交三角分解算法，对上三角矩阵行向量进行归一化处理，产生人脸灰度图像的光照归一化图像，然后利用梯度下降法，使人脸灰度图像逼近其光照归一化图像，产生人脸灰度图像的光照复原图像，在恢复光照的同时，最大限度的保持人脸图像的固有鉴别特征。
-
公开(公告)号：CN111476145A
公开(公告)日：2020-07-31
申请号：CN202010258239.4
申请日：2020-04-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于卷积神经网络的1：N人脸识别方法，包括以下步骤：(1)构造数据集并基于所构造的数据集将图片裁剪为统一的尺寸大小，(2)采用Facenet和InsightFace两种不同的卷积神经网络对所构造的数据集中的人脸特征进行提取，提取后的特征以统一的一维结构的方式输出；(3)对Facenet所提取的特征人脸构建归一化字典，基于所构建的归一化字典，采用基追踪降噪的同伦算法迭代，确定索引；(4)采用最近邻分析，对不同卷积神经网络所提取的人脸特征进行对比，确定各自对应的索引；(5)采用集成法对出现次数最多的索引作为最终索引，获得识别结果。本发明能克服其他因素对识别效果的影响，提高了识别精度和识别效果。
-
公开(公告)号：CN110084149A
公开(公告)日：2019-08-02
申请号：CN201910279694.X
申请日：2019-04-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于难样本四元组动态边界损失函数的人脸验证方法，包括如下步骤：（1）构建人脸样本图像数据库并进行预处理。（2）对数据库中的人脸图像进行分组，设定有效的选取机制来选取难样本四元组。（3）设置模型损失函数为包含动态阈值边界的四元组损失函数，投入难样本进行训练，得到收敛好的网络模型。（4）利用训练好的网络对待验证的人脸图像进行特征提取，计算特征向量间的距离，根据距离大小判断验证结果。本发明的方法具有如下优点：1）模型收敛速度快；2）对人工设置的边界阈值依赖程度低；3）更有效地提取人脸特征并提高人脸验证的准确度。
-
公开(公告)号：CN111222463A
公开(公告)日：2020-06-02
申请号：CN202010013452.9
申请日：2020-01-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于级联式卷积网络的机动车人脸检测方法，所述方法包括：获取机动车的拍摄图片；将所述拍摄图片输入至人脸检测方法模型得到拍摄图片中人脸图像的位置；所述人脸检测方法模型采用级联式卷积神经网络。本发明针对机动车人脸检测设计了级联式卷积神经网络并充分考虑了在机动车人脸检测领域中公开数据缺乏的问题，通过预训练、再训练的方式提高网络对机动车人脸图片的鲁棒性，在新的DRIVER FACE数据集上取得了不错的人脸检测效果。
-
Patent Agency Ranking
公开(公告)号：CN110956090B
公开(公告)日：2022-08-30
申请号：CN201911064788.1
申请日：2019-11-04
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于正负光照不变单元融合的人脸特征提取方法，该方法包括如下步骤：采集人脸彩色图像，并转化为人脸灰度图像；对灰度人脸图像的每个灰度值，构造以该灰度值为中心的5个局部邻域；通过以每个灰度值为中心的5个局部邻域，构造人脸灰度图像的正负光照不变单元模型；通过正负光照不变单元模型，构建基于正负光照不变单元融合的人脸特征。本发明充分考虑了灰度人脸图像的局部邻域中灰度值之间的关系，通过构造灰度人脸图像灰度值的5个局部邻域，构建人脸灰度图像的正负光照不变单元模型，产生基于正负光照不变单元融合的人脸特征，该人脸特征同时控制5个局部邻域中正负光照不变单元之间平衡，不受不同局部邻域之间关系的影响。
-
公开(公告)号：CN110084149B
公开(公告)日：2022-07-26
申请号：CN201910279694.X
申请日：2019-04-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于难样本四元组动态边界损失函数的人脸验证方法，包括如下步骤：（1）构建人脸样本图像数据库并进行预处理。（2）对数据库中的人脸图像进行分组，设定有效的选取机制来选取难样本四元组。（3）设置模型损失函数为包含动态阈值边界的四元组损失函数，投入难样本进行训练，得到收敛好的网络模型。（4）利用训练好的网络对待验证的人脸图像进行特征提取，计算特征向量间的距离，根据距离大小判断验证结果。本发明的方法具有如下优点：1）模型收敛速度快；2）对人工设置的边界阈值依赖程度低；3）更有效地提取人脸特征并提高人脸验证的准确度。
-
-
-
公开(公告)号：CN110956090A
公开(公告)日：2020-04-03
申请号：CN201911064788.1
申请日：2019-11-04
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于正负光照不变单元融合的人脸特征提取方法，该方法包括如下步骤：采集人脸彩色图像，并转化为人脸灰度图像；对灰度人脸图像的每个灰度值，构造以该灰度值为中心的5个局部邻域；通过以每个灰度值为中心的5个局部邻域，构造人脸灰度图像的正负光照不变单元模型；通过正负光照不变单元模型，构建基于正负光照不变单元融合的人脸特征。本发明充分考虑了灰度人脸图像的局部邻域中灰度值之间的关系，通过构造灰度人脸图像灰度值的5个局部邻域，构建人脸灰度图像的正负光照不变单元模型，产生基于正负光照不变单元融合的人脸特征，该人脸特征同时控制5个局部邻域中正负光照不变单元之间平衡，不受不同局部邻域之间关系的影响。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
