[发明专利]基于AZNet算法的生态生物识别方法在审
| 申请号： | 202210203285.3 | 申请日： | 2022-03-03 |
| 公开（公告）号： | CN114550200A | 公开（公告）日： | 2022-05-27 |
| 发明（设计）人： | 杨志峰;沈永明;张远;蔡宴朋 | 申请（专利权）人： | 澜途集思（深圳）数字科技有限公司 |
| 主分类号： | G06V40/00 | 分类号： | G06V40/00;G06K9/62;G06T7/00;G06T7/11;G06V10/764 |
| 代理公司： | 北京市京师律师事务所 11665 | 代理人： | 黄熊 |
| 地址： | 518000 广东省深圳市前海深港合作*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于AZNet算法的生态生物识别方法，包括如下步骤：获取湖面生物检测采集点的待识别图像，将待识别图像数据进行存储；通过AZNet算法对待识别图像进行检测处理；检测后的生态环境的图像数据与图像信息匹配，则判定为识别成功。本发明能够便于快速的对待识别图像进行检测处理，便于待识别图像特征的提取，能够以较快的帧速率实现了接近最先进方法进识别检测，提高生态生物识别的准确性和安全性。 | ||
| 搜索关键词： | 基于 aznet 算法 生态 生物 识别 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于澜途集思（深圳）数字科技有限公司，未经澜途集思（深圳）数字科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202210203285.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种生物识别传感器-202320761424.4
- 李树凤 - 天津恒为通信设备有限公司
- 2023-04-10 - 2023-06-27 - G06V40/00
- 本实用新型公开了一种生物识别传感器，包括嵌入式生物传感器、通风槽和防护组件，所述嵌入式生物传感器一侧通过轴杆固定有防护组件，所述嵌入式生物传感器内顶部开设有通风槽，所述通风槽内部通过安装架安装有微型抽风扇，所述微型抽风扇底部通过螺栓固定有电加热丝。本实用新型通过主板和副板对嵌入式生物传感器采集端进行保护，防止外部接触到采集端，且可以通过热风防止采集端出现雾气，同时可以对采集端进行擦拭，防止指纹、污渍粘连在其表面。
- 一种远距离监控人员倒地识别方法-202211562670.3
- 黄自力;王欢;林伊菡 - 新大陆数字技术股份有限公司
- 2022-12-07 - 2023-03-03 - G06V40/00
- 本发明公开一种远距离监控人员倒地识别方法，其特征在于，具体包括如下步骤：获取帧图像；利用行人目标检测网络对帧图像目标框内是否为行人目标进行判断；将判断为行人目标的目标框输入第一阶段跌倒识别模型，判断是否跌倒；当判断行人目标跌倒，控制摄像头获取拉近帧图像；将拉近帧图像输入人体骨骼点检测模型，获取拉近帧图像的人体骨骼点的坐标信息和置信度；将人体骨骼点坐标信息输入第二阶段精准跌倒识别模型，判断行人是否处于跌倒状态。有效提升了人员跌倒预警的准确度，并在细阶段基于对跌倒的认知，有效提升模型判断的泛化性，能够适应高远距离的摄像头监控，满足低分辨率、小目标行人的跌倒事件预警。
- 基于AmoebaNet+NAS-FPN+AA算法的生态生物识别方法-202210729896.1
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思生态科技集团有限公司
- 2022-06-24 - 2022-10-18 - G06V40/00
- 本发明公开了基于AmoebaNet+NAS‑FPN+AA算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；对采集的生物图像数据进行处理，得到处理后的生物图像数据；通过AmoebaNet+NAS‑FPN+AA算法对处理后的生物图像进行目标检测；将检测成功结果进行发送，并将通过将检测成果进行展示。本发明通过设置AmoebaNet+NAS‑FPN+AA算法，可以结合不同检测模型在不同图片特征上的优异表现以综合提升检测准确率，便于提高生物的识别率。
- 基于DAFS算法的生态生物识别方法-202210691193.4
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思生态科技集团有限公司
- 2022-06-17 - 2022-09-06 - G06V40/00
- 本发明公开了基于DAFS算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中通过采集器采集生物图像；对待识别的生物图像进行处理，然后将处理后待识别的生物图像送入神经网络；神经网络对生物图像进行处理，在训练过程中输出待识别生物图像对应每一个类别的概率数值；利用DAFS算法生成一系列作为样本的候选框，利用不同尺寸的候选框选定图中的某一部分作为候选区域；选取处理后的生物图像，并通过DAFS算法进行图像分割处理得到图像。本发明操作简单，运算速度快，运算精度高，通过设置DAFS算法的设置，进一步提高了生物识别率。
- 基于Cascade-RetinaNet算法的生态生物识别方法-202210656289.7
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思生态科技集团有限公司
- 2022-06-10 - 2022-08-30 - G06V40/00
- 本发明公开了基于Cascade‑RetinaNet算法的生态生物识别方法，包括如下步骤：收集生态生物特征，将收集的生态特征进行分类，并建立生态特征数据库；发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；对采集的生物图像数据进行数据处理，得到处理后的生物图像数据；通过Cascade‑RetinaNet算法对处理后的生物图像进行目标检测；将生物图像数据特征与生态特征数据库中的特征数据进行对比识别。本发明通过设置Cascade‑RetinaNet算法，增加的IoU阈值训练的连续阶段以改善相关性，以及用于减轻特征不一致性的新颖特征一致性模块，在不同的模型和输入范围内实现了稳定的性能提升，提高了生物识别率。
- 基于RefineDet算法的生态生物识别方法-202210392165.2
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思生态科技集团有限公司
- 2022-04-14 - 2022-08-12 - G06V40/00
- 本发明公开了基于RefineDet算法的生态生物识别方法，包括如下步骤：收集生态生物特征，将收集的生态特征进行分类，并建立生态特征数据库；发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；对采集的生物图像数据进行处理，得到处理后的生物图像数据；通过RefineDet算法对处理后的生物图像数据进行目标检测；将生物图像特征与生态特征数据库中的特征数据进行对比识别。本发明通过设置RefineDet算法，采用启发式采样的两阶段结构来处理类不平衡，使用两步的级联回归，对于不同位置尺寸的目标进行准确回归，能够缓解不平衡样本问题，提高检测精度。
- 一种茭白种类的检测方法及系统-202210190432.8
- 杨桂凌 - 深圳市优优视界科技有限公司
- 2022-02-28 - 2022-08-05 - G06V40/00
- 本申请公开了一种茭白种类的检测方法及系统，用于减少排查茭白雄株的时间，提高排查效率，减少人工成本。本申请包括：获取茭白种植区的图像集，所述图像集包含每一个茭白种植区的至少一张图像；根据所述图像集确定所述每一个茭白种植区中茭白的植株高度，得到至少一个植株高度；根据所述植株高度计算所述每一个茭白种植区的茭白平均高度，得到至少一个茭白平均高度；根据所述至少一个茭白平均高度以及所述至少一个植株高度确定雄株区域；根据所述雄株区域生成通知信息，并将所述通知信息发送给农户，所述通知信息用于通知农户对所述雄株区域上的雄株进行拔除。
- 基于AmoebaNet+NAS-FPN算法的生态生物识别方法-202210656683.0
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思生态科技集团有限公司
- 2022-06-10 - 2022-08-05 - G06V40/00
- 本发明公开了基于AmoebaNet+NAS‑FPN算法的生态生物识别方法，包括如下步骤：收集生态生物特征，将收集的生态特征进行分类，并建立生态特征数据库；发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；对采集的生物图像数据进行除杂处理，得到处理后的生物图像数据；通过AmoebaNet+NAS‑FPN算法对处理后的生物图像进行目标检测；从新的输出特征层中选取生物特征，并与生态特征数据库中的特征数据进行对比识别。本发明解决了网络架构参数无法通过验证集精度的梯度传播来更新的问题，能够优化目标函数，同时，能够对提取的特征图进行组合和更新，以获得更好的检测精度，提高生物识别率。
- 基于STDN算法的生态生物识别方法-202210392149.3
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思生态科技集团有限公司
- 2022-04-14 - 2022-08-05 - G06V40/00
- 本发明公开了基于STDN算法的生态生物识别方法，包括如下步骤：收集生态生物特征，将收集的生态特征进行分类，并建立生态特征数据库；发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；通过RefineDet算法对采集的待识别生物图像数据进行目标检测；将生物图像特征与生态特征数据库中的特征数据进行对比识别。本发明通过设置STDN算法，能够对于小尺度特征，平均池化，对于大尺度的特征，将多个通道的特征点排列组合成一个通道，放大特征图，能够解决物体检测中不同目标检测时的尺度问题，在取得较高准确率的同时又兼顾了检测速度。
- 一种用于牛脸识别的智能装置及系统-202210471365.7
- 李玉峰;代龙刚;陈鸿铭;孔才华;张宸 - 沈阳航空航天大学
- 2022-04-28 - 2022-07-29 - G06V40/00
- 本发明公开了一种用于牛脸识别的智能装置及系统，包括翻转板、调节丝杠、调节电机、升降气缸、缓冲弹簧、透明防护板、清洁电机和清洁刷，所述翻转板的两侧对称设置有调节架，且调节架通过轴承配合连接有调节丝杠，本发明，通过牛脸识别系统对牛的个体进行识别，无需在牛的身上种下识别标记，避免对牛造成身体创伤，利用调节电机和升降气缸共同作用调节识别相机的位置，避免出现拍摄死角导致识别失败，从而提高了装置的实用性，通过清洁电机带动清洁刷对透明防护板进行自动清洁，无需人工参与清洁过程，从而减轻了工作人员的劳动负担，利用设置的缓冲弹簧提高了装置的抗冲击性能，防止冲击造成设备损坏，从而延长了装置的使用寿命。
- 物体定位方法和装置-201810161862.0
- 马星辰;王旭;张彦刚 - 北京猎户星空科技有限公司
- 2018-02-27 - 2022-07-26 - G06V40/00
- 本发明提出一种物体定位方法和装置，其中，方法包括：获取物体的目标图像，确定目标图像对应的各概率密度函数的目标参数值，根据各概率密度函数的目标参数值，生成混合概率密度函数，根据混合概率密度函数，确定目标图像中物体的目标位置。通过将模型学习各图像特征与各概率密度函数的参数值之间的映射关系，与概率密度函数确定物体位置相结合，解决了相关技术中仅能够对图像中符合固定个数的物体进行准确定位的技术问题，同时扩展了应用场景，提高了定位的效率。
- 设备控制方法及系统、存储介质、电子装置-202011467452.2
- 刘若鹏;栾琳;邓培 - 深圳光启空间技术有限公司
- 2020-12-14 - 2022-07-01 - G06V40/00
- 本发明公开了一种设备控制方法及系统、存储介质、电子装置，其中，上述设备控制方法包括：接收可穿戴设备发送的第一姿态识别结果，其中，所述第一姿态识别结果为所述可穿戴设备的图像采集装置对目标对象的目标部位的姿态进行识别所得到的姿态识别结果；在所述第一姿态识别结果与头戴设备上的目标功能匹配的情况下，控制所述头戴设备，即通过判断可穿戴设备对目标部位的姿态的第一姿态识别结果与头戴设备上的目标功能是否匹配，确定是否执行目标功能，采用上述技术方案，解决了相关技术中，头戴设备接收准确率较低且复杂等问题。
- 基于DeepID-Net算法的生态生物识别方法-202210264471.8
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思（深圳）数字科技有限公司
- 2022-03-17 - 2022-06-03 - G06V40/00
- 本发明公开了基于DeepID‑Net算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；采用图像归一法和图像增强法对采集的生物图像数据进行预处理，得到预处理后的生物图像数据；通过DeepID‑Net算法对预处理后的生物图像数据进行目标检测；将检测后的生物图像数据进行生态生物识别。本发明通过设置DeepID‑Net算法，使得检测分类会更加准确，不会因为局部纹理而被误导，能够有效的提高生物识别的精度。
- 基于R-FCN算法的生态生物识别方法-202210264517.6
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思（深圳）数字科技有限公司
- 2022-03-17 - 2022-06-03 - G06V40/00
- 本发明公开了基于R‑FCN算法的生态生物识别方法，包括如下步骤：收集生态生物特征，将收集的生态特征进行收集分类，并建立分布式生态特征数据库；发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；对采集的生物图像数据进行处理，得到处理后的生物图像数据；通过R‑FCN算法对处理后的生物图像数据进行目标检测；将检测后的生物图像数据与分布式生态特征数据库中的特征数据进行对比识别。本发明使用了全卷积的网络，实现了完全的计算共享，速度比Faster R‑CNN快了2.5‑20倍，达到了0.17s/img，准确率相比faster R‑CNN在速度优势的情况下，稍有提高，分析了分类与检测的位移敏感性，并提出了解决方案。
- 基于DSSD算法的生态生物识别方法-202210271550.1
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思（深圳）数字科技有限公司
- 2022-03-18 - 2022-06-03 - G06V40/00
- 本发明公开了基于DSSD算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；对采集的生物图像数据进行处理，得到处理后的生物图像数据；通过DSSD算法对处理后的生物图像数据进行目标检测；将检测后的生物图像数据进行生态生物识别。本发明DSSD将SSD的VGG网络用Resnet‑101进行了替换，在分类回归之前引入了残差模块，在SSD添加的辅助卷积层后又添加了反卷积层形成“宽‑窄‑宽”的“沙漏”结构，DSSD相比SSD对小目标的检测速度上DSSD有了很大的提升，能够通过生物识别的速度。
- 基于TDM算法的生态生物识别方法-202210271942.8
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思（深圳）数字科技有限公司
- 2022-03-18 - 2022-06-03 - G06V40/00
- 本发明公开了基于TDM算法的生态生物识别方法，包括如下步骤：收集生态生物特征，将收集的生态特征进行收集分类，并建立分布式生态特征数据库；发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；通过TDM算法对采集的生物图像数据进行检索，得到所需识别的生物图像数据；将得到的所需识别的生物图像数据与分布式生态特征数据库中的特征数据进行对比识别。本发明通过设置TDM算法，能够通过树模型检索，可以大大减少检索时间，避免了从海量生物图像中全量检索的低效率情况，有效的提高了单个生物识别效率。
- 基于HyperNet算法的生态生物识别方法-202210210686.1
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思（深圳）数字科技有限公司
- 2022-03-04 - 2022-05-31 - G06V40/00
- 本发明公开了基于HyperNet算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；对采集的生物图像数据进行预处理，得到预处理后的生物图像数据；通过HyperNet算法对预处理后的生物图像数据进行目标检测；将检测后的生物图像与图像信息匹配，进行生态生物识别。本发明通过HyperNet算法进行多级抽象，将不同高低的层的CNN特征结合，既能获取高层语义，又可以得到低层高分辨率的位置信息，提高小目标检测效果，提高了小目标的识别精度。
- 基于SSD算法的生态生物识别方法-202210230914.1
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思（深圳）数字科技有限公司
- 2022-03-10 - 2022-05-31 - G06V40/00
- 本发明公开了基于SSD算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；对采集的生物图像数据进行处理，得到处理后的生物图像数据；通过SSD算法对处理后的生物图像数据进行目标检测；将检测后的生物图像数据进行生态生物识别。本发明通过设置SDD算法，SSD生成的default box是多尺度的，SSD对于小目标的检测效果更好，SSD生成的多尺度default box一定有更高概率找到更加贴近于Ground Truth的候选框，因此模型的稳定性强，生物识别的效果更好。
- 基于OHEM算法的生态生物识别方法-202210230915.6
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思（深圳）数字科技有限公司
- 2022-03-10 - 2022-05-31 - G06V40/00
- 本发明公开了基于OHEM算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；采用图像归一法和图像增强法对采集的生物图像数据进行处理，得到处理后的生物图像数据；通过OHEM算法对预处理后的生物图像数据进行目标检测；将检测后的生物图像数据进行生态生物识别。本发明通过设置OHEM算法，对于数据的类别不平衡问题不需要采用设置正负样本比例的方式来解决，这种在线选择方式针对性更强，随着数据集的增大，算法的提升更加明显，有效的提高了生物识别效果。
- 基于CPF算法的生态生物识别方法-202210237366.5
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思（深圳）数字科技有限公司
- 2022-03-11 - 2022-05-31 - G06V40/00
- 本发明公开了基于CPF算法的生态生物识别方法，包括如下步骤：构建历史的被观察物的图像信息，并将图像信息进行分布式存储；发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；解析待识别的生物图像，得到经反射后的环境物体的图像数据；获取解析后的生物图像信息，将生物图像信息传输至生物识别模块中进行识别；通过CPF算法将生物识别模块进行改进，提高生物识别模块定位的精确性；将生物图像信息通过改进后的生物识别模块进行识别，若图像数据与所述图像信息匹配，则判定为识别成功。本发明通过CPF算法的设置，能够提高生物识别模块定位的精确性，同时，保障生物识别技术的安全性能。
- 基于AZNet算法的生态生物识别方法-202210203285.3
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思（深圳）数字科技有限公司
- 2022-03-03 - 2022-05-27 - G06V40/00
- 本发明公开了基于AZNet算法的生态生物识别方法，包括如下步骤：获取湖面生物检测采集点的待识别图像，将待识别图像数据进行存储；通过AZNet算法对待识别图像进行检测处理；检测后的生态环境的图像数据与图像信息匹配，则判定为识别成功。本发明能够便于快速的对待识别图像进行检测处理，便于待识别图像特征的提取，能够以较快的帧速率实现了接近最先进方法进识别检测，提高生态生物识别的准确性和安全性。
- 基于YOLO v1算法的生态生物识别方法-202210194363.8
- 杨志峰;沈永明;张远;蔡宴朋 - 澜途集思（深圳）数字科技有限公司
- 2022-03-01 - 2022-05-27 - G06V40/00
- 本发明公开了基于YOLO v1算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；采用图像归一法和图像增强法对采集的生物图像数据进行预处理，得到预处理后的生物图像数据；通过YOLO v1算法对预处理后的生物图像数据进行目标检测；将检测后的生物图像与图像信息匹配，进行生态生物识别。本发明通过设置YOLO v1算法对生态生物识别，速度快，能够达到实时的要求，在Titan X的GPU上能够达到45帧每秒，使用全图作为Context信息，把背景错认为物体比较少，泛化能力强。
- 基于深度学习的全景片人工牙体识别的方法和装置-201910185942.4
- 徐子能;白海龙;丁鹏;汪子晨 - 北京羽医甘蓝信息技术有限公司
- 2019-03-12 - 2022-05-27 - G06V40/00
- 本发明提供一种基于深度学习的全景片人工牙体识别方法及装置。该方法包括：将原始全景片输入基于深度学习的牙槽骨线分割模型，以得到牙槽骨线分割结果；根据牙槽骨分割结果生成贴合矩形框，然后根据贴合矩形框生成扩展矩形框，然后根据扩展矩形框从原始全景片中剪裁出牙周区域图像块；将牙周区域图像块输入基于深度学习的人工牙体分割模型，以得到人工牙体分割结果，人工牙体分割结果包括人工修复牙体分割结果和人工种植牙体分割结果。
- 豢养物身份识别方法、装置、计算设备、可读存储介质-201911168378.1
- 高生兵 - 蚂蚁胜信（上海）信息技术有限公司
- 2019-11-25 - 2022-04-12 - G06V40/00
- 本说明书实施例提供豢养物身份识别方法以及装置，其中所述豢养物身份识别方法包括：获取待识别豢养物的第一生物特征图像以及第二生物特征图像，将第一生物特征图像与数据库中多个豢养物的基准生物特征图像进行相似度计算，将计算结果中满足预设条件的基准生物特征图像作为目标图像并在数据库中读取包含生物特征编码段的身份编码序列，其中，所述生物特征编码段与目标图像对应；提取第二生物特征图像的待识别生物特征信息，将所述待识别生物特征信息与身份编码序列中类别编码段映射的基准生物特征信息进行比对；根据比对结果以及所述相似度计算结果查询目标身份编码序列以确定待识别豢养物的身份识别码。
- 基于特征注意力和子上采样的实例分割方法和装置-201910815017.5
- 雷蕾;田佳豪;王敏杰;徐颖;周昊宇;肖江剑 - 中国科学院宁波材料技术与工程研究所
- 2019-08-30 - 2022-03-08 - G06V40/00
- 本发明揭示了一种基于特征注意力和子上采样的实例分割方法，该方法包括：获取待分割的原始图像；通过特征全局网络在原始图像中进行特征图提取，并在特征图中确定兴趣区域，特征全局网络包括注意力模块；从特征图中对齐提取兴趣区域；对提取的兴趣区域进行分类，并利用子像素上采样对提取的兴趣区域生成分割掩码，以实现对原始图像的实例分割。本发明的优点包括通过在特征图提取时加入注意力模块，可以在最大池化和平均池化操作后，应用通道变换删除冗余信息和融合信息，提高图像特征向量的有效性，同时，联合子像素上采样的方式，在不损失速度的情况下提高了实例分割中分割和检测的准确性，且占用内存并不增加。
- 情绪识别能力的训练方法、装置及电子设备-202210115571.4
- 徐凌子 - 北京无疆脑智科技有限公司
- 2022-02-07 - 2022-03-04 - G06V40/00
- 本公开提供一种情绪识别能力的训练方法、装置、电子设备和存储介质。该方法包括：根据用户执行第一节点对应的训练任务的结果，更新第一节点对应的训练正确率；根据第一节点对应的训练正确率，更新第一节点对应的概率权重，其中，概率权重与训练正确率负相关；基于更新后的概率权重，在情绪图谱中进行随机抽取以得到目标节点，并将目标节点对应的训练任务提供给用户。该方法有利于提高情绪识别能力训练的效率、趣味性和依从性。
- 基于镜面反射和漫反射的欺骗检测-202180004134.9
- 约翰·哈默斯贝格;埃里克·塞特贝里;马蒂亚斯·卡伦 - 指纹卡安娜卡敦知识产权有限公司
- 2021-03-29 - 2022-02-01 - G06V40/00
- 本发明涉及使用光学生物特征装置进行生物特征认证，该光学生物特征装置包括图像传感器，该图像传感器包括光电检测器像素阵列，该光电检测器像素阵列被配置成捕获对象的图像，该图像传感器布置在包括光源单元的颜色可控光源下方，该方法包括：提供包括用于照射对象的具有不同光强度的部分的光图案；获取对象的图像，该图像包括与照射对象的光图案的具有不同光强度的部分相对应的图像部分、由布置于在图像获取期间有效的光源正下方的光电检测器像素阵列中的像素捕获的至少一个图像部分、以及布置在颜色可控光源的在图像获取期间至少部分无效的照射区域下方的光电检测器像素阵列中的像素捕获的至少一个图像部分；以及至少部分地基于从图像部分提取的度量来执行生物特征认证。
- 专利分类
