【摘 要】
：
生物识别技术是通过计算机与各种传感器和生物统计学原理等高科技手段密切结合,利用人体固有的生理特征和行为特征,来进行个人身份的鉴定的技术,是计算机视觉、模式识别、图像处理、计算机技术、嵌入式系统、人工智能、信息安全、数字信号处理、神经网络等前沿学科的交叉领域。文章对生物识别领域中的多特征融合识别专利技术进行分析,从专利文献的视角对基于虹膜和指纹融合、指纹和人脸融合、人脸和语音融合的多特征融合技术进行
论文部分内容阅读
生物识别技术是通过计算机与各种传感器和生物统计学原理等高科技手段密切结合,利用人体固有的生理特征和行为特征,来进行个人身份的鉴定的技术,是计算机视觉、模式识别、图像处理、计算机技术、嵌入式系统、人工智能、信息安全、数字信号处理、神经网络等前沿学科的交叉领域。文章对生物识别领域中的多特征融合识别专利技术进行分析,从专利文献的视角对基于虹膜和指纹融合、指纹和人脸融合、人脸和语音融合的多特征融合技术进行统计分析,总结了相关的申请趋势、主要申请人分布,并从中得出一定的规律。
其他文献
根据芯片表面缺陷检测过程的特点设计了一种芯片表面缺陷检测系统,该系统包含了放料,检测,标记和收料4个组成部分,在检测单元采用图像处理和图像识别技术准确检测芯片的缺陷;运用自动控制技术实现对缺陷芯片的标识;实现了对芯片表面缺陷检测和标记的智能化,将图像处理的高速性和机械控制系统的稳定性相结合,整个系统实现了芯片表面缺陷检测过程的自动化,解决了芯片表面检测效率低的问题。
We propose a compressed ghost imaging scheme based on differential speckle patterns,named CGI-DSP.In the scheme,a series of bucket detector signals are acquired when a series of random speckle pattern
人体动作识别(HAR)是智慧医疗、体育训练、视频监控等众多领域的技术基础,受到社会各界的广泛关注。本文概述了HAR的研究进展及意义,将其归纳为动作捕捉和基于深度学习的动作分类两个过程。首先,详细介绍了基于视频、基于深度相机以及基于惯性传感器的三种主流动作捕捉方式,列举了常用的动作数据集。其次,从特征自动提取及多模态特征融合两方面来描述基于深度学习的HAR,并介绍了正骨康复训练中如何通过HAR实现监
在深度学习方法下分析胸部X光影像能够有效提高准确识别率,与此同时缩短识别时间。深度学习方法相比起传统方法而言具有更大优势,本文将综述基于深度学习的胸部X光影像相关研究。
针对手指视频图像R分量饱和失真现象,本文提出了一种基于迭代的阈值分割算法,自适应生成R分量待检测区域,通过计算待检测区域灰度均值,从而提取出人体脉搏信号。原始脉搏信号存在基线漂移及高频噪声,结合脉搏信号特征,设计了零相位数字滤波器来滤除噪声干扰。在不同智能手机上采集了指尖视频图像,利用本文提出的算法提取出了待检测区域。考虑到每次测量时指尖压力会有所不同,本文对不同压力下提取的脉搏信号做了对比分析。
为了深入掌握土壤水的再分配规律及其与灌溉水量之间的关系,在腰坝绿洲布设了3个灌溉试验点,通过监测灌水后30 d里不同深度土壤含水量变化情况,并利用Hydrus-1D模型,对灌水后土壤水再分配规律进行了研究。结果表明:在现行灌溉制度下,灌溉水对地下水的补给有限,即灌溉水几乎没有形成深层渗漏损失,尤其是在壤土中,由于其良好的持水性,灌溉水除了供给作物耗水外,主要是通过土壤蒸发的方式消耗。
为了满足电力射频识别(RFID)芯片在-50～125℃的工作温区及高灵敏度的应用需求,定制化开发了芯片宽温区范围内高精度的MOSFET器件SPICE模型,该模型在RFID芯片关键模块中进行了验证。对器件尺寸设计、版图设计、电学性能测试、模型参数提取以及验证环节都进行了定制化开发。在器件模型参数提取环节采用了分块建模以及宏模型的建模方式同时提高了大尺寸和小尺寸器件的温度仿真精度。该模型在宽温度范围内
随着基于神经网络的算法在图像领域的不断发展,神经网络算法在行人再识别领域也逐渐成为主流的算法。目前,大多数神经网络算法常把网络的最后一层特征用于行人分类,而很少关注网络中间层输出的特征。另一方面,行人属性特征作为一个有效的局部特征,是神经网络提取特征的一个重要补充。基于Resnet50网络,结合网络中间层特征和行人属性特征,提出了一个新的行人再识别算法。在Market-1501和DukeMTMC-
采用高速工业相机捕获传送带上的工业元件瑕疵图像,利用开源机器视觉OpenCV对工业元件瑕疵提取多维特征向量并进行检测分类。在目标识别过程中,优化特征参数,组建多维特征向量用于所设计Real AdaBoost-SVM分类器进行训练学习,将元件瑕疵进行分类并将结果与用户可视化交互。最后结合FPGA和OpenCL,利用算法处理后的图像数据对硬件进行加速处理。测试数据表明,在满足92%瑕疵识别率的情况下,
Recently, learning-based models have enhanced the performance of single-image superresolution(SISR). However, applying SISR successively to each video frame leads to a lack of temporal coherency.Convo