“重庆西部笔迹大数据研究院”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]基于图像局部边缘的目标分割方法、设备及介质-CN202310831057.5在审
发明人：覃勋辉;申发海;刘科;张岩 -专利权人： 重庆西部笔迹大数据研究院
申请日： 2023-07-07 - 公布日： 2023-09-29 - 主分类号： G06V30/148 文献下载
摘要：本发明公开一种基于图像局部边缘的目标分割方法，获取原始图像和初始分割图像，将原始图像中的多个通道图像转化为单通道图像，将初始分割图像膨胀扩大，得到候选分割区域；在候选分割区域内对单通道图像做梯度计算；基于梯度的邻域像素迭代标记获取新像素，作为梯度局部极大值像素；基于该极大值像素梯度方向计算对应的邻域保留像素和邻域删除像素，获得梯度极大值像素集合、保留像素集合、删除像素集合，从候选分割区域中去掉删除像素集合，经过形态学后处理，得到优化分割目标。
基于图像局部边缘目标分割方法设备介质

[发明专利]基于提示学习的签名笔迹鉴别方法、系统及存储介质-CN202310635178.2在审
发明人：石芳;覃勋辉;刘科 -专利权人： 重庆西部笔迹大数据研究院
申请日： 2023-05-31 - 公布日： 2023-08-25 - 主分类号： G06V30/32 文献下载
摘要：本发明提出基于提示学习的签名笔迹鉴别方法，采集不同签名图像、数据序列，将不同类型签名转换为格式和大小固定的签名图像；确认签名图像属性对应的标签，获取不同属性的分类训练数据，预训练数据及微调数据；训练多个属性特征提取器，设置签署人身份为目标值，分别提取签名图像对应各属性的提示特征向量；基于签名图像数据及其对应的属性提示向量序列，训练多模态签名对比学习预训练模型，自适应调整属性提示向量序列，多模态签名对比学习预训练模型适配签名笔迹真伪鉴别任务；微调数据输入图像特征提取器中提取签名特征向量，基于提取的签名特征向量对比学习训练，获得签名真伪鉴别器。更准确地描述签名笔迹的特征，提高笔迹鉴别的准确率。
基于提示学习签名笔迹鉴别方法系统存储介质

[发明专利]基于人体运动模块的签名笔迹演示方法、设备及介质-CN202211410699.X在审
发明人：沈中皓;覃勋辉;申发海;刘科 -专利权人： 重庆西部笔迹大数据研究院;重庆傲雄在线信息技术有限公司
申请日： 2022-11-11 - 公布日： 2023-04-18 - 主分类号： G06V40/30 文献下载
摘要：本申请提供基于手臂肌肉运动的签名笔迹获取方法，采集获取签名数据并预处理，获得原始签名轨迹及回显签名静态轨迹，估计书写过程中的肌肉模块数及运动参数；重构签名轨迹，回显签名动态轨迹，对手写签名时人体肌肉运动轨迹进行分解，重构肌肉运动轨迹，根据速度函数确定的角度函数分解得到轨迹函数，重构出连续签名轨迹，进行对数速度分解，模拟对数速度曲线，回显静态轨迹及动态重构轨迹，采用箭头模拟签名书写时手部肌肉运动，根据手部肌肉运动和速度曲线进行活跃度排序及颜色匹配，结合回显的静态轨迹和动态轨迹绘制签名轨迹动画。为笔迹鉴定过程还原动态签名过程，为准确高效的签名认证和鉴定提供帮助和支持。
基于人体运动模块签名笔迹演示方法设备介质

[发明专利]基于笔迹特征的签署意愿识别方法、系统、设备及介质-CN202211410547.X在审
发明人：覃勋辉;羊东武;申发海;刘科 -专利权人： 重庆西部笔迹大数据研究院;重庆傲雄在线信息技术有限公司
申请日： 2022-11-11 - 公布日： 2023-03-24 - 主分类号： G06V40/30 文献下载
摘要：本申请公开一种基于笔迹特征识别签署意愿的方法，主动留样库与被动留样库中签名互斥；在线获取用户手写电子签名，与主动意愿留样库中对应签名进行比对校验，如校验一致执行主动意愿设置，如校验不一致，进一步与被动意愿留样库中签名进行比对校验，如校验一致执行被动意愿设置，启动设置预警，如校验不一致次数超过预定次数，锁定签署。两种意愿留样在静态特征如写法上尽量一致，但动态特征有差异，通过笔迹验证算法验证是互斥的。难以被模仿，是一种隐私、安全的被动留样方法。有利于保护受胁迫签署人人身安全及财产安全等。
基于笔迹特征签署意愿识别方法系统设备介质

[发明专利]基于双流网络的多模态签名笔迹鉴别系统及方法-CN202211291918.7在审
发明人：覃勋辉;石芳;刘科 -专利权人： 重庆西部笔迹大数据研究院;重庆傲雄在线信息技术有限公司
申请日： 2022-10-20 - 公布日： 2023-01-13 - 主分类号： G06V40/30 文献下载
摘要：本发明公开基于双流网络的多模态签名笔迹鉴别系统，涉及签名笔迹识别技术，采集不同签署人的纸质签名和电子签名数据，得到离线纸质签名图像和在线签名图像数据，构建对应纸质签名和电子签名序列的正写及仿写样本；利用循环的对抗生成网络将签字图像从一个域迁移到另一个域，将同模态数据组合拼接转换为相同尺度的图像；经过拼接的两类同模态签名图像数据分别输入双流网络基于特征提取网络获得的签名特征向量及损失函数进行签名真伪二分类训练，输出签名图像对相似度的概率得分，通过跨模态正写及仿写样本签名笔迹对及损失函数训练优化双流网络得到多模态签名笔迹鉴别模型。
基于双流网络多模态签名笔迹鉴别系统方法