龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西北工业大学
申请日：2024-02-01
公开（公告）日：2024-06-25
公开（公告）号：CN118247818A
主分类号：G06V40/16
分类号：G06V40/16;G06V40/70;G06V10/774;G06V10/80;G06V10/82;G06V10/764;G06T5/70
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明提供了基于深度学习的多模态特征信息融合的人员身份识别方法及识别平台，创新性地将人脸识别和声纹识别两种模态的生物特征识别技术进行结合构建了基于深度学习的多模态生物特征信息融合的人员身份识别模型，降低了人脸识别受光照、遮挡、姿态等因素的影响，以及声纹识别受噪声、情绪、伪装等因素的影响；同时搭建基于该人员身份识别方法的平台，为后续开发结合更多模态、融合不同模态信息的生物识别系统提供了思路，并为后续将平台软件用于智能设备上进行用户身份识别奠定了基础。
主权项：1.基于深度学习的多模态生物特征融合人员身份识别方法，其特征在于，包括以下步骤：步骤1：获取用户生物特征融合特征向量数据库；所述数据库中包括每个用户的生物特征融合特征向量；所述生物特征融合特征向量由用户的人脸特征向量和声纹特征向量进行特征拼接后得到；步骤2：获取待识别的生物特征融合特征向量；步骤3：计算待识别的生物特征融合特征向量与所述数据库中每个用户的生物特征融合特征向量的欧氏距离，若得到的最小欧式距离小于设定阈值，则判定待识别的生物特征融合特征向量对应用户为该最小欧式距离对应的用户。
全文数据：
权利要求：
百度查询： 西北工业大学 基于深度学习的多模态生物特征融合人员身份识别方法及识别平台
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号