-
公开(公告)号:CN115485683A
公开(公告)日:2022-12-16
申请号:CN202080100444.6
申请日:2020-05-13
Applicant: 富士通株式会社
IPC: G06F21/32
Abstract: 本发明提供一种认证方法、认证程序以及信息处理装置。认证方法由计算机执行如下处理:获取由相机拍摄的拍摄图像;基于获取到的上述拍摄图像所包含的多个面部图像中的每个面部图像在上述拍摄图像上的位置,从上述多个面部图像中选择任意一个面部图像;参照存储与多个面部图像分别建立有对应关系的生物体信息的存储部,确定和与所选择出的上述面部图像的相似度满足基准的面部图像建立有对应关系的生物体信息;若接受由传感器检测出的生物体信息,则进行基于接受到的上述生物体信息与确定出的上述生物体信息的对照的认证。
-
-
公开(公告)号:CN114503152A
公开(公告)日:2022-05-13
申请号:CN201980101031.7
申请日:2019-10-01
Applicant: 富士通株式会社
Inventor: 内田秀继
IPC: G06T7/00
Abstract: 具有属性判定装置和拍摄图像的多个拍摄装置的属性判定系统的属性判定装置具有:图像获取部,获取上述多个拍摄装置拍摄到的图像;图像解析部,提取映有作为属性判定对象的第一对象的图像,对在提取出的上述图像中映有的上述第一对象进行图像解析,并且对拍摄到映有上述第一对象的图像的每个第一拍摄装置计算上述第一对象为第一属性的第一概率;以及属性判定部,基于第二概率和上述第一概率,判定上述第一对象是否为上述第一属性,上述第二概率是上述多个拍摄装置分别具有的概率且表示在拍摄到的图像中映有上述第一属性的对象的概率。
-
公开(公告)号:CN117751380A
公开(公告)日:2024-03-22
申请号:CN202180100743.4
申请日:2021-08-05
Applicant: 富士通株式会社
Abstract: 本发明削减判定的计算成本。信息处理装置(10)通过使用了分别包含人的生物体图像的多个图像数据的机器学习,计算神经网络(13)所包含的多个层各自的参数。信息处理装置(10)通过对包含层(15)且不包含层(16)的神经网络(14)中的层(15)设定对神经网络(13)的层(15)计算出的参数(18),来生成判定受理的图像数据所包含的人的生物体图像的真实性的判定模型。
-
公开(公告)号:CN112771522A
公开(公告)日:2021-05-07
申请号:CN201880098122.5
申请日:2018-10-03
Applicant: 富士通株式会社
Abstract: 本发明提供生物体认证装置、生物体认证方法以及生物体认证程序。生物体认证装置特征在于,具有:图像获取部(41),获取包含一个以上的人的面部的图像(53);提取部(42),从获取的图像(53)中确定拍摄有一个以上的人排列的队列的带头者(12a)的面部的区域,并提取确定出的区域所包含的带头者的面部的特征信息(14);筛选部(43),通过将提取出的特征信息(14)与存储部(5)中存储的特征信息(14)进行匹配,从多个人(12)中筛选与带头者(12a)类似的人的组(G),其中,上述存储部(5)存储有表示多个人(12)的面部特征的特征信息(14)和每个人(12)的生物体信息(13);生物体信息获取部(51),获取带头者(12a)的生物体信息(13);以及认证部(52),通过对存储部(5)中存储的生物体信息(13)中组(G)所包含的每个人的生物体信息(13)与获取的带头者(12a)的生物体信息(13)进行匹配,来认证带头者(12a)。
-
-
公开(公告)号:CN113039534A
公开(公告)日:2021-06-25
申请号:CN201880099489.9
申请日:2018-11-16
Applicant: 富士通株式会社
Inventor: 内田秀继
IPC: G06F16/2458 , G06F16/25 , G06K9/62
Abstract: 相似度计算装置(200)参照存储部,该存储部分别存储与多个第一媒体数据对应的二值化的第一代码。相似度计算装置(200)基于对与第二媒体数据对应的特征向量进行二值化而得到的第二代码被转换为第一代码的概率,分别计算第二媒体数据与各第一媒体数据之间的相似度。
-
公开(公告)号:CN110532845A
公开(公告)日:2019-12-03
申请号:CN201910412157.8
申请日:2019-05-17
Applicant: 富士通株式会社
Inventor: 内田秀继
IPC: G06K9/00
Abstract: 公开了生物认证装置和生物认证方法。生物认证装置包括存储器和处理器,该处理器被配置成获得用于认证的对象的第一生物图像,识别包括第一生物图像的第一像素特征量和第一生物图像的第一坐标特征量的第一特征量集合,根据第一特征量集合、模板的像素特征量和模板的坐标特征量来执行对第一生物图像的第一人因子矢量与模板的第二人因子矢量之间的相似度的计算,并且根据计算的相似度来执行对第一生物图像的认证处理。
-
-
-
-
-
-
-