公司已形成可獨立運作的三大專業(yè)研究中心機構(gòu)，擁有國際級專業(yè)的科研技術(shù)人員團隊，產(chǎn)品已申報并部分通過獲得近50多項自主知識產(chǎn)權(quán)的國際PCT、國家發(fā)明專利和軟件著作權(quán)，在3D生物智能識別技術(shù)的科技領(lǐng)域方面占據(jù)領(lǐng)先地位
（1）唯特視科技對于基于表觀流形的人臉變換方法
與經(jīng)典流形學習中流形到低維歐氏空間的嵌入方法不同，本項目分別對近紅外和可見光人臉局部表觀進行流形建模，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“局部坐標變換”（唯特視科技現(xiàn)有算法實現(xiàn)）。在變換和識別的實驗中，顯示了優(yōu)于經(jīng)典算法的性能。
（2）對于基于不變特征的人臉識別方法（已經(jīng)實現(xiàn)了1250張人臉特征庫）
根據(jù)對人臉表面光譜成像模型的分析，總結(jié)了近紅外和可見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”的流程來獲得近紅外和可見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光人臉交叉識別的實驗中顯示了算法的有效性。如下圖所示：
（3）基于可見光圖像模板匹配的目標識別算法，計算量小、易于并行實現(xiàn)，在VTS-8217 DSP系統(tǒng)上處理一幀實時圖像僅耗時10ms。
基于可見光圖像模板匹配的相關(guān)匹配算法分為二步，首先，利用可見光圖像制備目標的參考模板，將制備的參考模板進行一值化生成一值化參考圖像;然后對實時圖進行降分辨率、同質(zhì)變換、OSTI聚類等預處理;然后利用結(jié)構(gòu)模板在處理后的實時圖中遍歷搜索，尋找參考圖像與實時圖像的相關(guān)性，取相關(guān)性最強的地方作為日標區(qū)進行定位。具體的流程如下圖所示。
（4）改進了基于特征的彈性圖匹配人臉識別算法，證明該改進算法識別率高、實時性好針對傳統(tǒng)人臉識別彈性圖匹配算法空間復雜度高、實時性較差的問題，提出一種彈性圖匹配改進算法，將人臉圖片特征點經(jīng)Gabor小波預處理后，結(jié)合主成分分析(PCA)和Fisher線性判別方法((PLD)對生成的特征矢量進行處理，降低維數(shù)，減少計算量，同時在不降低識別率的前提下，提高識別速度。與傳統(tǒng)的PCa算法、FLD算法、EGM算法進行仿真比較，證明該改進算法識別率高、實時性好。
提出了基于PERCLOS的駕駛員疲勞檢測方法（肌肉表情算法），通過測量在一定的時間內(nèi)眼睛閉合時所占的時間比例檢測駕駛員的疲勞情況。設(shè)計的系統(tǒng)由紅外光源、人眼圖像傳感、圖像處理及眼睛而積補償算法等組成。在提取人眼圖像過程中，利用人眼對850nm/940nm這兩種波長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)疲勞駕駛時段的檢測。在眼睛面積的計算過程中，通過面積補償算法，修正駕駛員眼睛與檢測設(shè)備距離相對變化引起的誤差，提高了檢測系統(tǒng)的準確率。體現(xiàn)了唯特視科技核心算法的精準度。
（5）改進3D人臉形變模型的建模方程，提高認別精度
在人臉識別技術(shù)中，由于單一的2D圖像不能提供識別所需要的完整信息，所以識別精度難以提高、在人臉識別過程中，特征提取是影響識別效果的一個重要環(huán)節(jié)，本項目在傳統(tǒng)的主成分分析法和由此改進的2DPCA方法的基礎(chǔ)上提出了3D人臉識別方法，該方法將人臉圖象分為幾個部分分別進行特征提取，充分考慮每個部分所包含的特征信息量的多少，在分類時賦予它們不同的權(quán)值因此將人臉用立體圖像來表示進行識別，在國內(nèi)居于領(lǐng)先水平。后續(xù)智能攝像機特征值開發(fā)算法會超過以色列算法全球領(lǐng)先，雙攝像頭采集算法可以實現(xiàn)128個特征值。
| 
上一條：
核心算法
