公司已形成可獨(dú)立運(yùn)作的三大專業(yè)研究中心機(jī)構(gòu)，擁有國(guó)際級(jí)專業(yè)的科研技術(shù)人員團(tuán)隊(duì)，產(chǎn)品已申報(bào)并部分通過(guò)獲得近50多項(xiàng)自主知識(shí)產(chǎn)權(quán)的國(guó)際PCT、國(guó)家發(fā)明專利和軟件著作權(quán)，在3D生物智能識(shí)別技術(shù)的科技領(lǐng)域方面占據(jù)領(lǐng)先地位
（1）唯特視科技對(duì)于基于表觀流形的人臉變換方法
與經(jīng)典流形學(xué)習(xí)中流形到低維歐氏空間的嵌入方法不同，本項(xiàng)目分別對(duì)近紅外和可見(jiàn)光人臉局部表觀進(jìn)行流形建模，提出流形映射的連續(xù)性假設(shè)，在此假設(shè)的基礎(chǔ)上，提出了隱式和顯式兩種流形映射解決的方法，分別稱為“近鄰關(guān)系傳遞”和“局部坐標(biāo)變換”（唯特視科技現(xiàn)有算法實(shí)現(xiàn)）。在變換和識(shí)別的實(shí)驗(yàn)中，顯示了優(yōu)于經(jīng)典算法的性能。
（2）對(duì)于基于不變特征的人臉識(shí)別方法（已經(jīng)實(shí)現(xiàn)了1250張人臉特征庫(kù)）
根據(jù)對(duì)人臉表面光譜成像模型的分析，總結(jié)了近紅外和可見(jiàn)光人臉局部差異的類型。以此為基礎(chǔ)，提出了“濾波一局部模式編碼一特征提取一特征選擇”的流程來(lái)獲得近紅外和可見(jiàn)光人臉不變的且有判別能力的特征。其中，提出了兩種圖像局部模式，分別為邊緣模式和局部隱含邊緣模式。最后在近紅外和可見(jiàn)光人臉交叉識(shí)別的實(shí)驗(yàn)中顯示了算法的有效性。如下圖所示：
（3）基于可見(jiàn)光圖像模板匹配的目標(biāo)識(shí)別算法，計(jì)算量小、易于并行實(shí)現(xiàn)，在VTS-8217 DSP系統(tǒng)上處理一幀實(shí)時(shí)圖像僅耗時(shí)10ms。
基于可見(jiàn)光圖像模板匹配的相關(guān)匹配算法分為二步，首先，利用可見(jiàn)光圖像制備目標(biāo)的參考模板，將制備的參考模板進(jìn)行一值化生成一值化參考圖像;然后對(duì)實(shí)時(shí)圖進(jìn)行降分辨率、同質(zhì)變換、OSTI聚類等預(yù)處理;然后利用結(jié)構(gòu)模板在處理后的實(shí)時(shí)圖中遍歷搜索，尋找參考圖像與實(shí)時(shí)圖像的相關(guān)性，取相關(guān)性最強(qiáng)的地方作為日標(biāo)區(qū)進(jìn)行定位。具體的流程如下圖所示。
（4）改進(jìn)了基于特征的彈性圖匹配人臉識(shí)別算法，證明該改進(jìn)算法識(shí)別率高、實(shí)時(shí)性好針對(duì)傳統(tǒng)人臉識(shí)別彈性圖匹配算法空間復(fù)雜度高、實(shí)時(shí)性較差的問(wèn)題，提出一種彈性圖匹配改進(jìn)算法，將人臉圖片特征點(diǎn)經(jīng)Gabor小波預(yù)處理后，結(jié)合主成分分析(PCA)和Fisher線性判別方法((PLD)對(duì)生成的特征矢量進(jìn)行處理，降低維數(shù)，減少計(jì)算量，同時(shí)在不降低識(shí)別率的前提下，提高識(shí)別速度。與傳統(tǒng)的PCa算法、FLD算法、EGM算法進(jìn)行仿真比較，證明該改進(jìn)算法識(shí)別率高、實(shí)時(shí)性好。
提出了基于PERCLOS的駕駛員疲勞檢測(cè)方法（肌肉表情算法），通過(guò)測(cè)量在一定的時(shí)間內(nèi)眼睛閉合時(shí)所占的時(shí)間比例檢測(cè)駕駛員的疲勞情況。設(shè)計(jì)的系統(tǒng)由紅外光源、人眼圖像傳感、圖像處理及眼睛而積補(bǔ)償算法等組成。在提取人眼圖像過(guò)程中，利用人眼對(duì)850nm/940nm這兩種波長(zhǎng)的紅外光線的吸收率的明顯差異，得到差分圖像后可將眼睛與其余部分分離，同時(shí)也避免了背景光線的干擾，特別適合于夜間容易出現(xiàn)疲勞駕駛時(shí)段的檢測(cè)。在眼睛面積的計(jì)算過(guò)程中，通過(guò)面積補(bǔ)償算法，修正駕駛員眼睛與檢測(cè)設(shè)備距離相對(duì)變化引起的誤差，提高了檢測(cè)系統(tǒng)的準(zhǔn)確率。體現(xiàn)了唯特視科技核心算法的精準(zhǔn)度。
（5）改進(jìn)3D人臉形變模型的建模方程，提高認(rèn)別精度
在人臉識(shí)別技術(shù)中，由于單一的2D圖像不能提供識(shí)別所需要的完整信息，所以識(shí)別精度難以提高、在人臉識(shí)別過(guò)程中，特征提取是影響識(shí)別效果的一個(gè)重要環(huán)節(jié)，本項(xiàng)目在傳統(tǒng)的主成分分析法和由此改進(jìn)的2DPCA方法的基礎(chǔ)上提出了3D人臉識(shí)別方法，該方法將人臉圖象分為幾個(gè)部分分別進(jìn)行特征提取，充分考慮每個(gè)部分所包含的特征信息量的多少，在分類時(shí)賦予它們不同的權(quán)值因此將人臉用立體圖像來(lái)表示進(jìn)行識(shí)別，在國(guó)內(nèi)居于領(lǐng)先水平。后續(xù)智能攝像機(jī)特征值開(kāi)發(fā)算法會(huì)超過(guò)以色列算法全球領(lǐng)先，雙攝像頭采集算法可以實(shí)現(xiàn)128個(gè)特征值。
| 
上一條：
核心算法
