“指纹模型”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果846111个，建议您升级VIP下载更多相关专利

[发明专利]基于多元线性回归联想记忆模型的身份耦合识别方法-CN201710175033.3有效
发明人：韩琦;翁腾飞;刘晋;刘洋;吴政阳;谯自强;黄军建 -专利权人：重庆科技学院;重庆第二师范学院
申请日： 2017-03-22 - 公布日： 2020-12-04 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多元线性回归联想记忆模型的指纹和人脸耦合识别方法，包括以下步骤：S1：采集指纹图片和人脸图片；S2：分别得到指纹图片和人脸图片的联想记忆输入矩阵和输出矩阵；S3：构建带回归参数的多元线性回归指纹图片识别模型和多元线性回归人脸图片识别模型；S4：计算回归参数，得到多元线性回归指纹图片识别模型、多元线性回归人脸图片识别模型；S5：对指纹图片和人脸图片进行识别。有益效果：身份信息实现多重识别，可靠性高，将联想记忆和多元线性回归模型相结合，将图片转化成参数，安全系数高，识别效果好，对身份信息保护效果好，隐秘性高。
基于多元线性回归联想记忆模型身份耦合识别方法

[发明专利]指纹识别防伪方法、装置和电子设备-CN202210986060.X在审
发明人：冯继雄;王长海;田志民;李保梁;刘奇;郑逢德 -专利权人：北京集创北方科技股份有限公司
申请日： 2022-08-16 - 公布日： 2022-11-04 - 主分类号： G06V40/12 文献下载
摘要：本发明提供了一种指纹识别防伪方法、装置和电子设备，包括：连续采集待识别手指的多帧指纹图像，其中，每帧指纹图像内包含多个指纹像素；检测每个指纹像素在相邻两帧指纹图像内位置的偏移向量，并根据偏移向量构成偏移矩阵；归一化偏移矩阵，得到速度矩阵；采用指纹识别模型对速度矩阵进行识别，并根据识别结果确定待识别手指的真假，其中，指纹识别模型为预先训练得到的。该方法通过采集待识别手指的多帧指纹图像，利用算法检测指纹像素在相邻两帧指纹图像内位置的偏移矩阵，并根据偏移矩阵计算指纹像素在相邻两帧指纹图像内位置偏移的速度矩阵，进而通过预先训练的指纹识别模型对速度矩阵的识别
指纹识别防伪方法装置电子设备

[发明专利]一种基于信号传播模型的FM室内指纹库在线构建方法-CN202210338288.8在审
发明人：丛丽;秦红磊;李婷 -专利权人：北京航空航天大学
申请日： 2022-04-01 - 公布日： 2022-07-12 - 主分类号： H04W4/02 文献下载
摘要：本发明公开了一种基于信号传播模型的FM室内指纹库在线构建方法，首先基于室内地图数据构建FM室内信号传播模型，利用PDR定位技术辅助采集FM指纹数据并对模型参数进行实时解算和更新，最终实现FM室内指纹库的在线构建与更新本发明为基于FM广播信号的指纹定位技术提供了一种室内指纹库的在线构建方法，不需要离线阶段大量的现场勘测和指纹采集工作，可以极大的减少建库工作量，提高指纹定位方法在实际工程中的应用价值。
一种基于信号传播模型 fm 室内指纹在线构建方法

[发明专利]基于全局方向信息的指纹检索方法-CN201710538778.1有效
发明人：杨霄;司轩斌;郭振华;冯建江;夏树涛 -专利权人：清华大学深圳研究生院
申请日： 2017-07-04 - 公布日： 2021-02-12 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于全局方向信息的指纹检索方法，包括：A、建立指纹全局方向信息特征表示模型；B、提取指纹数据库的以及输入的指纹图像的全局方向信息，利用所述全局方向信息特征表示模型构造特征向量，然后进行检索本发明可提高指纹信息的利用率，提升指纹检索效率。
基于全局方向信息指纹检索方法

[发明专利]一种基于深度学习和特征融合的指纹活体检测方法-CN202310147726.7在审
发明人：孟凡清;李宗军 -专利权人：吉林化工学院
申请日： 2023-02-22 - 公布日： 2023-05-09 - 主分类号： G06V40/12 文献下载
摘要：一种基于深度学习和特征融合的指纹活体检测方法，包括以下步骤：1)建立基本数据集：建立大量的指纹图像数据集，其中包括活体指纹图像和虚假指纹图像。2)构建深度神经网络模型：以MobileNetV2模型为基础网络，对其结构进行微调，设计一个适用于指纹活体检测的轻量化深度神经网络模型。3)特征提取：分别准备指纹的灰度值图、方向场图和局部二值模式(LBP)图，将三种图输入到深度神经网络模型，利用深度神经网络模型分别进行特征提取。5)完成深度神经网络模型训练：利用步骤1)中基本数据集的训练集对深度神经网络模型进行训练，使其性能达到最优。6)对真假指纹进行分类：利用步骤1)中基本数据集的测试集，使用步骤5)中训练最优的深度神经网络模型进行分类，最终获得指纹活体检测的精确结果。
一种基于深度学习特征融合指纹活体检测方法

[发明专利]数据处理方法和装置-CN202210009358.5在审
发明人：滕东晖;袁珊娜;李婧;岳长琴 -专利权人：青岛海尔智能技术研发有限公司;海尔智家股份有限公司
申请日： 2022-01-05 - 公布日： 2022-05-13 - 主分类号： G06V40/12 文献下载
摘要：本申请涉及指纹识别技术领域，公开一种数据处理方法，包括：服务端获得至少一个客户端各自提交的未收敛的训练模型，训练模型由至少一个客户端采用各自的本地指纹图像，对用于指纹识别的预设模型进行模型训练而得到；以预设模型为基础模型，以训练模型为目标模型，对基础模型和目标模型进行融合，得到融合模型；将融合模型发送至训练模型对应的客户端，以便训练模型对应的客户端继续采用本地指纹图像，对融合模型进行模型训练。这样，可以在保证用户的隐私安全的同时，保证模型训练的进度。本申请还公开一种数据处理装置。
数据处理方法装置

[发明专利]一种基于模仿学习的智能自适应CSI指纹地图更新方法-CN202310775481.2在审
发明人：朱晓强;刘吉强;张大林;李令昆 -专利权人：北京交通大学
申请日： 2023-06-28 - 公布日： 2023-08-22 - 主分类号： G06F16/23 文献下载
摘要：本发明提供了一种基于模仿学习的智能自适应CSI指纹地图更新方法。该方法包括：采集一定数量的初始真实CSI指纹数据，拟合多元高斯回归模型来预测其它采样点的CSI指纹数据，构建初始CSI指纹库并搜寻最优采集路径；使用状态空间模型获取真实数值的变化范围作为误差波段，使其对初始指纹库进行校正；通过模仿学习对样本CSI指纹数据进行分割和分段训练，提取CSI数据分布的回归精度；利用回归精度对状态空间模型校正后的初始的CSI指纹库中指纹数据的分布进行调整，构建细粒度CSI指纹库。本发明将人工智能与物联网技术相结合，提升定位指纹库精度和降低人工构建指纹库的工作量。
一种基于模仿学习智能自适应 csi 指纹地图更新方法

[发明专利]一种构建指纹引力模板的指纹二分类训练方法-CN202310514447.X在审
发明人：刘中秋;李佳明;张伟;祝江威;陈高曙 -专利权人：浙江中正智能科技有限公司
申请日： 2023-05-09 - 公布日： 2023-08-04 - 主分类号： G06V40/12 文献下载
摘要：本发明公开了一种构建指纹引力模板的指纹二分类训练方法，属于指纹识别、深度学习、图像处理、计算机视觉技术领域。通过制作指纹引力模板，并构建损失函数，将指纹引力模板作为指纹二分类模型训练的输入，得到指纹特征图来判断该图是否存在指纹信息，以此来判断该图像是否是指纹，可以有效提升指纹二分类模型的判别精度，从而实现对于非指纹图像攻击的有效拦截，以此保证现有指纹识别系统的安全性。
一种构建指纹引力模板分类训练方法

[发明专利]指纹活体检测方法、装置和电子设备-CN202211091777.4在审
发明人：贾瑜;王贤良;孟凡军;贺银苹;李洪涛 -专利权人：北京海鑫智圣技术有限公司
申请日： 2022-09-07 - 公布日： 2023-06-09 - 主分类号： G06V40/40 文献下载
摘要：本发明提供一种指纹活体检测方法、装置和电子设备，在训练阶段，将待测指纹图像训练样本输入初始特征提取模块进行语义特征提取，实现将图像表示为丰富的特征信息；将语义特征分别输入初始分类模块和初始频谱模块，根据输出结果分别计算交叉熵损失和均方差损失，将交叉熵损失作为分类模块的损失函数，使用均方差损失作为频谱模块的损失函数辅助模型训练，结合交叉熵损失和均方差损失利用梯度下降法优化初始指纹活体检测模型，使得模型在指纹活体检测方面具有更高的准确性。应用阶段，通过特征提取模块和分类模块对目标待测指纹图像进行指纹活体检测，得到活体检测结果，实现神经网络模型的指纹活体检测方法，准确判断输入指纹图像是否为活体指纹。
指纹活体检测方法装置电子设备

[发明专利]指纹识别方法、装置、电子设备及存储介质-CN202010167785.7在审
发明人：吴昌桥;王春杰 -专利权人：北京迈格威科技有限公司
申请日： 2020-03-11 - 公布日： 2020-08-04 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例提供了一种指纹识别方法、装置、电子设备及存储介质，所述方法包括：获得待识别指纹图像；将所述待识别指纹图像与目标指纹图像组合而成的指纹图像对输入指纹识别模型；当所述指纹识别模型输出的匹配概率满足预设条件时，确定所述待识别指纹图像与所述目标指纹图像匹配。采用本发明技术方案，可以提高指纹识别的泛化性和准确度，同时无需人工设计特征样式，降低了时间成本。
指纹识别方法装置电子设备存储介质

[发明专利]指纹方向场的提取方法和提取装置-CN202211385284.1在审
发明人：郭俊龙;李丹洪;邸皓轩;罗曼 -专利权人：荣耀终端有限公司
申请日： 2022-11-07 - 公布日： 2023-07-04 - 主分类号： G06T7/73 文献下载
摘要：本申请提供了一种指纹方向场的提取方法和提取装置，该提取方法包括：获取待识别指纹图像；将待识别指纹图像输入第一模型，得到第一模型输出的三角函数值，第一模型用于基于输入的指纹图像输出指纹图像的关联角度的三角函数值，指纹图像的关联角度为指纹图像的指纹方向场的角度值的2倍；基于三角函数值的反三角函数值确定待识别指纹图像的指纹方向场，其中，待识别指纹图像的指纹方向场的角度值与三角函数值之间满足下列关系：待识别指纹图像的指纹方向场的角度值为三角函数值的反三角函数值的二分之一本申请提供的方法，有利于提高指纹方向场的提取精度。
指纹方向提取方法装置

[发明专利]基于边缘计算的物联网弱电磁干扰攻击检测方法及系统-CN202110275796.1有效
发明人：方凯;王丽娜;周小龙;杨明霞 -专利权人：衢州学院
申请日： 2021-03-15 - 公布日： 2022-05-24 - 主分类号： H04L9/40 文献下载
摘要：所述方法包括：从感知模块传输至MCU的感测数据中提取智能设备噪声指纹作为样本，在无弱电磁干扰攻击和有弱电磁干扰攻击两种状态下，分别提取M份长度为T的噪声指纹以建立噪声指纹样本库，其中M≥5000；建立FEU‑LSTM融合模型，FEU‑LSTM融合模型包括基于卷积神经网络的FEU模型和时间循环神经网络LSTM模型；从噪声指纹样本库中随机抽取P份噪声指纹输入到FEU‑LSTM融合模型进行Q次Epoch迭代，完成模型训练，其中P≥125,Q≥30；在执行攻击检测过程中，将从感测数据中实时读取的长度为T的设备噪声指纹输入至训练后的FEU‑LSTM融合模型，并根据模型的输出结果判断智能设备是否受到弱电磁干扰攻击。
基于边缘计算联网电磁干扰攻击检测方法系统

[发明专利]指纹分割模型训练、指纹分割方法、装置、设备及介质-CN202111318551.9在审
发明人：李哲 -专利权人：百果园技术（新加坡）有限公司
申请日： 2021-11-09 - 公布日： 2022-02-15 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了指纹分割模型训练、指纹分割方法、装置、设备及介质，所述方法包括：将训练集中的样本图像输入指纹分割模型，对样本图像进行卷积处理，得到第一特征图；基于通道注意力子模块对第一特征图进行特征提取，得到第二特征图；基于空间注意力子模块对第一特征图进行特征提取，得到第三特征图；对第二特征图和第三特征图进行合并，得到第四特征图；根据第四特征图确定样本图像中的训练指纹位置信息，根据训练指纹位置信息和样本图像中真实指纹位置信息确定损失值，基于损失值对指纹分割模型进行训练。结合了空间注意力以及通道注意力对于语义分割的相互影响关系，基于指纹分割模型能够得到更准确的指纹的位置信息。提高了指纹分割的准确性。
指纹分割模型训练方法装置设备介质

[发明专利]指纹图像修复方法、系统、设备及存储介质-CN202011418497.0在审
发明人：刘丽莹;王绪涛 -专利权人：上海耕岩智能科技有限公司
申请日： 2020-12-07 - 公布日： 2022-06-07 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种指纹图像修复方法、系统、设备及存储介质，该方法包括：对待修复的指纹图像进行边缘检测，得到边缘检测图像；将所述边缘检测图像输入深度学习模型，所述深度学习模型用于对所述边缘检测图像进行补全，以获取已修复的指纹图像。本发明采用深度学习模型对指纹图像进行补全修复，不仅可以实现信息缺失区域较小的指纹图像的修复，也可以应用于信息缺失区域较大的指纹图像的修复，并且提高了指纹图像的修复精度和修复后图像的清晰度。
指纹图像修复方法系统设备存储介质

[发明专利]一种基于CNN-RNN的Wi-Fi室内定位方法-CN202111637172.6有效
发明人：单志龙;曾衍华 -专利权人：华南师范大学
申请日： 2021-12-29 - 公布日： 2023-06-27 - 主分类号： H04W4/029 文献下载
摘要：该方法包括：模型训练阶段在定位区域中选定坐标原点，建立坐标系，并以特定间距绘制网格；在每个网格点上收集Wi‑Fi指纹并转换为差分矩阵，建立基于网格点的指纹库；使用数据增强扩充指纹库后，利用轨迹生成方法生成基于行人轨迹的指纹库，并作为训练数据，训练基于CNN和RNN的定位模型；在定位阶段实时收集Wi‑Fi信息，并转换为差分矩阵指纹，将其与模型上一时刻定位的结果相结合，输入到定位模型中；定位模型输出的坐标即为估计位置。本发明将原始Wi‑Fi指纹转换为差分矩阵以缓解设备异质性问题，同时充分利用历史状态的指纹信息和模型上一时刻定位结果，有效提升在基于CNN‑RNN的Wi‑Fi上的定位精度。
一种基于 cnn rnn wi fi 室内定位方法