CN116092170A - 一种基于大数据技术的专利价值分析*** - Google Patents
一种基于大数据技术的专利价值分析*** Download PDFInfo
- Publication number
- CN116092170A CN116092170A CN202310359040.4A CN202310359040A CN116092170A CN 116092170 A CN116092170 A CN 116092170A CN 202310359040 A CN202310359040 A CN 202310359040A CN 116092170 A CN116092170 A CN 116092170A
- Authority
- CN
- China
- Prior art keywords
- image
- value analysis
- big data
- intermediate image
- patent value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 86
- 238000005516 engineering process Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 71
- 238000005286 illumination Methods 0.000 claims abstract description 44
- 238000012795 verification Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000001815 facial effect Effects 0.000 claims abstract description 5
- 238000005192 partition Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 14
- 238000003709 image segmentation Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 description 11
- 238000005457 optimization Methods 0.000 description 6
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
Abstract
本发明属于分析领域,公开了一种基于大数据技术的专利价值分析***,包括身份验证模块;身份验证模块包括光照调节单元、特征提取单元和身份验证单元;图像预处理单元用于对用户的脸部图像进行自适应光照调节处理:将用户的脸部图像从RGB颜色空间转换到Lab颜色空间;获取用户的脸部图像对应的亮度分量图像;对亮度分量图像进行自适应分区处理,获得多个子区域;在RGB颜色空间中对子区域进行优化处理;使用预设的自适应调节算法分别对每个优化后的子区域进行光照调节处理,获得调节图像;特征提取单元用于获取调节图像中包含的特征数据;身份验证单元用于判断用户是否通过身份验证。本发明提高了身份验证时的人脸识别的成功率。
Description
技术领域
本发明涉及专利分析领域,尤其涉及一种基于大数据技术的专利价值分析***。
背景技术
为了对专利的价值进行分析,现在很多专利价值***都引入了大数据技术进行分析,将被标注为高价值的专利作为训练数据,训练出用于进行专利价值分析的模型,用户在进行专利价值分析时,只需要输入专利文档,即可获得分析结果。
现有的专利价值分析***很多都是收费的***,而在对用户的身份进行验证时,一般采用的是账号加密码的方式进行验证,但是,这种验证方式很容易使得用户共享自己的账号,导致专利价值分析***的运营方的利益受损。因此,越来越多的专利价值分析***开始使用人脸识别的方式来进行登录验证。
现有的基于大数据的专利价值分析***在对人脸进行识别时,对人脸图像进行预处理的阶段需要进行光照调节处理,一般是直接使用retinex算法进行光照调节处理,但是,现有的retinex算法一般是针对全局的像素点进行处理,当图像中的光照在局部范围之间差别比较大时,使用retine算法容易出现局部范围图像亮度过高或亮度过低的问题。从而导致人脸识别的结果不够准确,导致用户可能需要反复进行人脸识别,影响专利价值分析***的用户体验。
发明内容
本发明的目的在于公开一种基于大数据技术的专利价值分析***,解决现有的基于大数据的专利价值分析***在身份验证阶段进行光照调节处理时,容易出现的局部范围图像亮度过高或亮度过低的问题。
为了达到上述目的,本发明采用如下技术方案:
本发明提供了一种基于大数据技术的专利价值分析***,包括身份验证模块;
身份验证模块包括光照调节单元、特征提取单元和身份验证单元;
图像预处理单元用于对用户的脸部图像进行自适应光照调节处理,获得调节图像;
特征提取单元用于获取调节图像中包含的特征数据;
身份验证单元用于基于特征数据判断用户是否通过身份验证;
其中,对用户的脸部图像进行自适应光照调节处理,获得调节图像,包括:
将用户的脸部图像从RGB颜色空间转换到Lab颜色空间;
获取用户的脸部图像在Lab颜色空间中的亮度分量图像;
对亮度分量图像进行自适应分区处理,获得多个子区域;
在RGB颜色空间中对获得的子区域进行优化处理,获得优化后的子区域;
使用预设的自适应调节算法分别对每个优化后的子区域进行光照调节处理,获得调节图像。
优选地,基于大数据技术的专利价值分析***还包括输入模块;
输入模块用于通过身份验证的用户输入需要进行专利价值分析的专利的著录项信息。
优选地,基于大数据技术的专利价值分析***还包括大数据分析模块;
大数据分析模块用于基于相关信息对需要进行专利价值分析的专利进行价值分析,获得专利价值分析结果。
优选地,所述大数据分析模块包括模型训练单元、数据获取单元和分析单元;
模型训练单元用于通过大数据技术获取用于进行专利价值分析的分析模型;
数据获取单元用于基于著录项信息获取需要进行专利价值分析的专利的完整文本数据;
分析单元用于将完整文本数据输入到分析模型中进行计算,获得专利价值分析结果。
优选地,基于大数据技术的专利价值分析***还包括显示模块;
显示模块用于向用于显示所述专利价值分析结果。
优选地,所述获取调节图像中包含的特征数据,包括:
对调节图像进行灰度化处理,获得第一中间图像;
对第一中间图像进行降噪处理,获得第二中间图像;
对第二中间图像进行图像分割处理,获得第三中间图像;
获取第三中间图像中包含的特征数据。
优选地,所述对调节图像进行灰度化处理,获得第一中间图像,包括:
采用如下公式对调节图像进行灰度化处理:
式中,表示在第一中间图像中,坐标为的像素点的灰度值,表示三个预设的灰度化计算参数,和分别表示在红色分量图像R、绿色分量图像G和蓝色分量图像B中,坐标为的像素点的像素值,R、G、B分别为调节图像在RGB颜色空间中对应的红色分量、绿色分量、蓝色分量的图像。
优选地,所述对第一中间图像进行降噪处理,获得第二中间图像,包括:
使用小波降噪算法对第一中间图像进行降噪处理,获得第二中间图像。
优选地,所述对第二中间图像进行图像分割处理,获得第三中间图像,包括:
使用基于深度学习的图像分割算法对第二中间图像进行图像分割处理,获得第三中间图像。
优选地,所述获取第三中间图像中包含的特征数据,包括:
使用Oriented FAST and Rotated BRIEF算法获取第三中间图像中包含的特征数据。
本发明在对用户的脸部图像进行处理时,通过使用自适应光照调节处理的方式来对用户的脸部图像进行了光照调节处理,从而能有效够降低光照分布不均匀对后续的图像识别的准确率的影响。而在光照调节处理的过程中,本发明先是在Lab颜色空间中对亮度分量图像进行了分区处理,然后,在将分区处理的结果应用到RGB颜色空间中,在RGB颜色空间中对分区处理的结果进行优化,获得了更为准确的分区结果,接着便是分别对每个获得的子区域进行了光照调节处理,最后由所有进行了光照调节处理的子区域组成调节图像。
由于在分区处理时将近似度高的像素点进行了划分,因此,对每个子区域进行光照调节处理时并不会影响到其它的子区域,从而避免使用类似基于全局处理的retinex算法等算法对图像进行光照调节处理时,出现局部范围图像亮度过高或亮度过低的问题的发生。本发明能够提高图像预处理的结果的准确性,进而提高本发明的专利价值分析***在进行身份验证时的人脸识别的成功率,使得用户的体验得到有效提高。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明一种基于大数据技术的专利价值分析***的一种实施例图。
图2为本发明获取调节图像中包含的特征数据的一种实施例图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示的一种实施例,本发明提供了一种基于大数据技术的专利价值分析***,包括身份验证模块;
身份验证模块包括光照调节单元、特征提取单元和身份验证单元;
图像预处理单元用于对用户的脸部图像进行自适应光照调节处理,获得调节图像;
特征提取单元用于获取调节图像中包含的特征数据;
身份验证单元用于基于特征数据判断用户是否通过身份验证;
其中,对用户的脸部图像进行自适应光照调节处理,获得调节图像,包括:
将用户的脸部图像从RGB颜色空间转换到Lab颜色空间;
获取用户的脸部图像在Lab颜色空间中的亮度分量图像;
对亮度分量图像进行自适应分区处理,获得多个子区域;
在RGB颜色空间中对获得的子区域进行优化处理,获得优化后的子区域;
使用预设的自适应调节算法分别对每个优化后的子区域进行光照调节处理,获得调节图像。
本发明在对用户的脸部图像进行处理时,通过使用自适应光照调节处理的方式来对用户的脸部图像进行了光照调节处理,从而能有效够降低光照分布不均匀对后续的图像识别的准确率的影响。而在光照调节处理的过程中,本发明先是在Lab颜色空间中对亮度分量图像进行了分区处理,然后,在将分区处理的结果应用到RGB颜色空间中,在RGB颜色空间中对分区处理的结果进行优化,获得了更为准确的分区结果,接着便是分别对每个获得的子区域进行了光照调节处理,最后由所有进行了光照调节处理的子区域组成调节图像。
由于在分区处理时将近似度高的像素点进行了划分,因此,对每个子区域进行光照调节处理时并不会影响到其它的子区域,从而避免使用类似基于全局处理的retinex算法等算法对图像进行光照调节处理时,出现局部范围图像亮度过高或亮度过低的问题的发生。由于本发明的光照调节结果更为准确,因此,本发明能够提高图像预处理的结果的准确性,进而提高本发明的专利价值分析***在进行身份验证时的人脸识别的成功率,使得用户的体验得到有效提高。
在亮度分量中进行处理,能够提高获获得子区域的速度,从而提高本发明的图像数据的处理速度。而如果在RGB颜色空间中,则需要基于3种颜色分量进行子区域的获取,影响子区域的获取速度。
在一种实施例中,对亮度分量图像进行自适应分区处理,获得多个子区域,包括:
S131,将亮度分量图像中的包含的所有像素点存入集合;
S132,从集合中随机选出一个像素点作为基准像素点;
S133,基于基准像素点进行相似像素点分类处理,获得子区域的像素点的集合;
S134,将子区域的集合中的像素点从集合中删除;
S135,判断中剩余像素点的数量是否大于0,若是,则进入S132,如否,则结束对亮度分量图像进行自适应分区处理。
在上述实施例中,本发明采用的是随机选取基准像素点的方式来进行相似像素点分类处理,从而使得本发明获取子区域的方法能够适用于不同的情况下获得的用户的脸部图像。与直接分成面积相等的子区域的方法相比,本发明获得的子区域中,像素点之间的差异更小,从而有效地提高了后续的光照调节处理的准确率。而与采用聚类进行划分的方法相比,本发明无需提前指定分类的数量,适应性更高。
在一种实施例中,基于基准像素点进行相似像素点分类处理,获得子区域的像素点的集合,包括:
S1331,获取基准像素点的比较像素点的集合;
S1332,获取中与基准像素点之间近似度最高的像素点;
S1333,若与之间的近似度大于设定的近似度门槛值,则将存入子区域的像素点的集合,将作为新的基准像素点,进入S1331;若与之间的近似度小于等于设定的近似度门槛值,则进入S134。
在上述实施例中,集合中的元素的获取过程具有自动延伸的特性,使得获得的子图像的边缘能够与两个不同的光照区域的边缘相适应,从而能够进一步有效地保证获得的子区域中的像素点之间的差异足够小,保证光照调节处理的准确率。
在一种实施例中,所述S1331包括:
将基准像素点的8邻域中属于集合但不属于集合的像素点作为比较像素点,存入集合。
在上述实施例中,通过设置不属于集合,能够避免基准像素点往已经延伸过区域进行延伸,陷入局部循环。
在一种实施例中,对于集合中的像素点,与之间的近似度采用如下公式计算:
其中,表示与之间的近似度,、表示权重,和分别表示和在亮度分量图像中的像素值,表示以像素点为中心的,半径为R的范围内的像素点的集合,表示中的元素的个数,表示中的像素点i的噪声估计值,以像素点为中心的,半径为R的范围内的像素点的集合,表示中的元素的个数,表示中的像素点j的噪声估计值,表示像素值的差值的参考值,表示噪声估计值的差值的参考值。
本发明在计算近似度的过程中,除了从自身的像素值方面进行考虑之外,还从半径为R的范围内的其它像素点的噪声估计值的差异这方面进行考虑,能够提高获得的近似度的准确性。由于在光照调节时还没进行降噪处理,因此,若碰到噪声像素点,则很容易获得错误的近似度结果,因此,本发明还加入了邻近的其它像素点的噪声估计值的方差,方差从另一方面体现了像素点之间的差异,进一步提高了近似度的准确性。
在一种实施例中,在RGB颜色空间中对获得的子区域进行优化处理,获得优化后的子区域,包括;
S141,获取用户的脸部图像中包含的边缘像素点,将所有边缘像素点存入集合;
S412,将边缘像素点从每个子区域中删除,获得每个优化后的子区域。
由于边缘像素点包括了比较多的细节信息,因此,通过先将边缘像素点抽离出来,后面再组合回去的方式,本发明在光照调节处理的同时也有效地提高了获得的调节图像中的细节信息的含量。
在一种实施例中,使用预设的自适应调节算法分别对每个优化后的子区域进行光照调节处理,获得调节图像,包括:
S151,对于优化后的子区域,采用如下公式分别对中的每个像素点进行光照调节处理:
其中,表示进行光照调节处理后,获得的子区域中,坐标为 的像素点的像素值,表示中坐标为的像素点的像素值,表示的优化系数,表示控制系数;
的取值采用如下方式迭代获得:
第1次迭代,采用如下公式计算的迭代值:
其中,D表示的初始化值;表示精确度参数;表示中像素点v的像素值;
第k次迭代,k大于等于2,采用如下公式计算的迭代值:
第k+1次迭代,采用如下公式计算的迭代值:
计算相邻两次迭代值之间的误差值:
若小于设定的误差值阈值,则将作为的值;
S152,将集合和所有优化后的子区域组成调节图像。
本发明在对同一个子区域中的像素点进行光照调节处理时,先通过迭代的方式获得优化系数,然后在同一个子区域中的所有像素点均基于该优化系数进行光照调节处理,从而能够提高光照调节处理的速度。优化系数通过迭代计算得到,能够反映子区域中的像素点的光照分布情况,因此,本发明无需分别计算每个像素点的优化系数,提高了处理速度。
在一种实施例中,基于大数据技术的专利价值分析***还包括输入模块;
输入模块用于通过身份验证的用户输入需要进行专利价值分析的专利的著录项信息。
具体的,著录项信息包括申请号、公开号、专利名称等。
在一种实施例中,基于大数据技术的专利价值分析***还包括大数据分析模块;
大数据分析模块用于基于相关信息对需要进行专利价值分析的专利进行价值分析,获得专利价值分析结果。
在一种实施例中,所述大数据分析模块包括模型训练单元、数据获取单元和分析单元;
模型训练单元用于通过大数据技术获取用于进行专利价值分析的分析模型;
数据获取单元用于基于著录项信息获取需要进行专利价值分析的专利的完整文本数据;
分析单元用于将完整文本数据输入到分析模型中进行计算,获得专利价值分析结果。
具体的,通过大数据技术获取用于进行专利价值分析的分析模型,包括:
通过大数据技术获取网络上公开的被认为是高价值的专利的完整信息;
建立用于进行专利价值分析的分析模型;
将所有获得的高价值的专利分成训练集和测试集;
使用训练集对分析模型进行训练获得中间模型;
将测试集输入到中间模型中进行专利机制分析,并评估输出的专利价值分析结果的准确率;
若准确率低于设定的准确率阈值,则调整中间模型中的计算参数,重新评估输出的专利价值分析结果的准确率,直到输入测试集后,中间模型输出的专利价值分析结果的准确率大于等于设定的准确率阈值,并将此时的中间模型作为获得的用于进行专利价值分析的分析模型。
在一种实施例中,分析模型可以是基于主成分线性加权综合评分的分析模型,专利价值分析结果包括最终的专利价值总体评分和各个评分项目的评分。总体评分由各个评分项目的评分加权求和得到。
此时,中间模型的计算参数则是各个评分项目的权重值。
在一种实施例中,基于大数据技术的专利价值分析***还包括显示模块;
显示模块用于向用于显示所述专利价值分析结果。
在一种实施例中,如图2所示,所述获取调节图像中包含的特征数据,包括:
对调节图像进行灰度化处理,获得第一中间图像;
对第一中间图像进行降噪处理,获得第二中间图像;
对第二中间图像进行图像分割处理,获得第三中间图像;
获取第三中间图像中包含的特征数据。
在一种实施例中,所述对调节图像进行灰度化处理,获得第一中间图像,包括:
采用如下公式对调节图像进行灰度化处理:
式中,表示在第一中间图像中,坐标为的像素点的灰度值,表示三个预设的灰度化计算参数,和分别表示在红色分量图像R、绿色分量图像G和蓝色分量图像B中,坐标为的像素点的像素值,R、G、B分别为调节图像在RGB颜色空间中对应的红色分量、绿色分量、蓝色分量的图像。
在一种实施例中,所述对第一中间图像进行降噪处理,获得第二中间图像,包括:
使用小波降噪算法对第一中间图像进行降噪处理,获得第二中间图像。
在一种实施例中,所述对第二中间图像进行图像分割处理,获得第三中间图像,包括:
使用基于深度学习的图像分割算法对第二中间图像进行图像分割处理,获得第三中间图像。
在一种实施例中,所述获取第三中间图像中包含的特征数据,包括:
使用Oriented FAST and Rotated BRIEF算法获取第三中间图像中包含的特征数据。
尽管已经示出和描述了本发明的实施例,本领域技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由权利要求及其等同物限定。
需要说明的是,在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中,也可以是各个单元/模块单独物理存在,也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现,也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解应当理解,可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。
实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
Claims (10)
1.一种基于大数据技术的专利价值分析***,其特征在于,包括身份验证模块;
身份验证模块包括光照调节单元、特征提取单元和身份验证单元;
图像预处理单元用于对用户的脸部图像进行自适应光照调节处理,获得调节图像;
特征提取单元用于获取调节图像中包含的特征数据;
身份验证单元用于基于特征数据判断用户是否通过身份验证;
其中,对用户的脸部图像进行自适应光照调节处理,获得调节图像,包括:
将用户的脸部图像从RGB颜色空间转换到Lab颜色空间;
获取用户的脸部图像在Lab颜色空间中的亮度分量图像;
对亮度分量图像进行自适应分区处理,获得多个子区域;
在RGB颜色空间中对获得的子区域进行优化处理,获得优化后的子区域;
使用预设的自适应调节算法分别对每个优化后的子区域进行光照调节处理,获得调节图像。
2.根据权利要求1所述的一种基于大数据技术的专利价值分析***,其特征在于,还包括输入模块;
输入模块用于通过身份验证的用户输入需要进行专利价值分析的专利的著录项信息。
3.根据权利要求2所述的一种基于大数据技术的专利价值分析***,其特征在于,还包括大数据分析模块;
大数据分析模块用于基于相关信息对需要进行专利价值分析的专利进行价值分析,获得专利价值分析结果。
4.根据权利要求3所述的一种基于大数据技术的专利价值分析***,其特征在于,所述大数据分析模块包括模型训练单元、数据获取单元和分析单元;
模型训练单元用于通过大数据技术获取用于进行专利价值分析的分析模型;
数据获取单元用于基于著录项信息获取需要进行专利价值分析的专利的完整文本数据;
分析单元用于将完整文本数据输入到分析模型中进行计算,获得专利价值分析结果。
5.根据权利要求3所述的一种基于大数据技术的专利价值分析***,其特征在于,还包括显示模块;
显示模块用于向用于显示所述专利价值分析结果。
6.根据权利要求1所述的一种基于大数据技术的专利价值分析***,其特征在于,所述获取调节图像中包含的特征数据,包括:
对调节图像进行灰度化处理,获得第一中间图像;
对第一中间图像进行降噪处理,获得第二中间图像;
对第二中间图像进行图像分割处理,获得第三中间图像;
获取第三中间图像中包含的特征数据。
7.根据权利要求6所述的一种基于大数据技术的专利价值分析***,其特征在于,所述对调节图像进行灰度化处理,获得第一中间图像,包括:
采用如下公式对调节图像进行灰度化处理:
式中,表示在第一中间图像中,坐标为的像素点的灰度值,表示三个预设的灰度化计算参数,和分别表示在红色分量图像R、绿色分量图像G和蓝色分量图像B中,坐标为的像素点的像素值,R、G、B分别为调节图像在RGB颜色空间中对应的红色分量、绿色分量、蓝色分量的图像。
8.根据权利要求6所述的一种基于大数据技术的专利价值分析***,其特征在于,所述对第一中间图像进行降噪处理,获得第二中间图像,包括:
使用小波降噪算法对第一中间图像进行降噪处理,获得第二中间图像。
9.根据权利要求6所述的一种基于大数据技术的专利价值分析***,其特征在于,所述对第二中间图像进行图像分割处理,获得第三中间图像,包括:
使用基于深度学习的图像分割算法对第二中间图像进行图像分割处理,获得第三中间图像。
10.根据权利要求6所述的一种基于大数据技术的专利价值分析***,其特征在于,所述获取第三中间图像中包含的特征数据,包括:
使用Oriented FAST and Rotated BRIEF算法获取第三中间图像中包含的特征数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310359040.4A CN116092170A (zh) | 2023-04-06 | 2023-04-06 | 一种基于大数据技术的专利价值分析*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310359040.4A CN116092170A (zh) | 2023-04-06 | 2023-04-06 | 一种基于大数据技术的专利价值分析*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116092170A true CN116092170A (zh) | 2023-05-09 |
Family
ID=86199510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310359040.4A Pending CN116092170A (zh) | 2023-04-06 | 2023-04-06 | 一种基于大数据技术的专利价值分析*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116092170A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993133A (zh) * | 2023-09-27 | 2023-11-03 | 尚云(广州)信息科技有限公司 | 一种基于人脸识别的智能工单*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489056A (zh) * | 2020-03-17 | 2020-08-04 | 上海瀚正信息科技股份有限公司 | 一种执法监督*** |
CN111861046A (zh) * | 2019-04-02 | 2020-10-30 | 南京大学 | 基于大数据和深度学习的专利价值智能评估*** |
CN113436206A (zh) * | 2021-06-17 | 2021-09-24 | 易普森智慧健康科技(深圳)有限公司 | 一种基于聚类分割的病理组织切片扫描区域定位方法 |
CN114444940A (zh) * | 2022-01-27 | 2022-05-06 | 黑龙江邮政易通信息网络有限责任公司 | 一种基于大数据的企业数据采集分析*** |
CN114838972A (zh) * | 2022-07-04 | 2022-08-02 | 江苏名欧精密机械有限公司 | 基于工业大数据与油液分析的机械故障预警方法及*** |
-
2023
- 2023-04-06 CN CN202310359040.4A patent/CN116092170A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861046A (zh) * | 2019-04-02 | 2020-10-30 | 南京大学 | 基于大数据和深度学习的专利价值智能评估*** |
CN111489056A (zh) * | 2020-03-17 | 2020-08-04 | 上海瀚正信息科技股份有限公司 | 一种执法监督*** |
CN113436206A (zh) * | 2021-06-17 | 2021-09-24 | 易普森智慧健康科技(深圳)有限公司 | 一种基于聚类分割的病理组织切片扫描区域定位方法 |
CN114444940A (zh) * | 2022-01-27 | 2022-05-06 | 黑龙江邮政易通信息网络有限责任公司 | 一种基于大数据的企业数据采集分析*** |
CN114838972A (zh) * | 2022-07-04 | 2022-08-02 | 江苏名欧精密机械有限公司 | 基于工业大数据与油液分析的机械故障预警方法及*** |
Non-Patent Citations (1)
Title |
---|
张明恒 等: "基于改进K-Means算法的车辆识别方法", 计算机技术与发展, vol. 22, no. 5, pages 131 - 56 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993133A (zh) * | 2023-09-27 | 2023-11-03 | 尚云(广州)信息科技有限公司 | 一种基于人脸识别的智能工单*** |
CN116993133B (zh) * | 2023-09-27 | 2024-01-26 | 尚云(广州)信息科技有限公司 | 一种基于人脸识别的智能工单*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596258B (zh) | 一种基于卷积神经网络随机池化的图像分类方法 | |
CN107610087B (zh) | 一种基于深度学习的舌苔自动分割方法 | |
CN109345508B (zh) | 一种基于两阶段神经网络的骨龄评价方法 | |
WO2022033150A1 (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN109978848B (zh) | 基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法 | |
US20080285856A1 (en) | Method for Automatic Detection and Classification of Objects and Patterns in Low Resolution Environments | |
CN109740721B (zh) | 麦穗计数方法及装置 | |
CN110866872B (zh) | 一种路面裂缝图片预处理智能选择方法、装置及电子设备 | |
CN110245620B (zh) | 一种基于注意力的非最大化抑制方法 | |
CN111524144A (zh) | 一种基于GAN和Unet网络的肺结节智能诊断方法 | |
WO2019184851A1 (zh) | 图像处理方法和装置及神经网络模型的训练方法 | |
CN110880177A (zh) | 一种图像识别方法及装置 | |
CN111935479A (zh) | 一种目标图像确定方法、装置、计算机设备及存储介质 | |
CN112883824A (zh) | 一种用于智能采血的手指静脉特征识别装置及其识别方法 | |
CN111815563B (zh) | 一种U-Net与区域增长PCNN相结合的视网膜视盘分割方法 | |
CN116092170A (zh) | 一种基于大数据技术的专利价值分析*** | |
WO2011055164A1 (en) | Method for illumination normalization on a digital image for performing face recognition | |
CN114648806A (zh) | 一种多机制自适应的眼底图像分割方法 | |
CN115424093A (zh) | 一种识别眼底图像中细胞的方法及装置 | |
CN114897782B (zh) | 基于生成式对抗网络的胃癌病理切片图像分割预测方法 | |
CN111931817A (zh) | 一种球团矿矿相识别方法和装置 | |
CN117593540A (zh) | 一种基于智能化图像识别技术的压力性损伤分期识别方法 | |
CN112001920B (zh) | 眼底图像识别方法及装置和设备 | |
CN114080644A (zh) | 用于诊断小肠清洁度的***和方法 | |
CN112270404A (zh) | 一种基于ResNet64网络的紧固件产品鼓包缺陷的检测结构及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230509 |