一种基于多尺度特征切割与融合的行人重识别方法

    公开(公告)号:CN109784258A

    公开(公告)日:2019-05-21

    申请号:CN201910014322.4

    申请日:2019-01-08

    IPC分类号: G06K9/00 G06K9/62 G06N3/04

    摘要: 本发明提供了一种基于多尺度特征切割与融合的行人重识别方法,具体提供一种基于多尺度深度特征切割与融合的行人重识别网络训练及基于该网络的行人重识别方法,通过多尺度全局描述子提取和局部描述子提取,进行行人重识别。全局描述子的提取是对深度网络不同层的特征图进行平均池化和特征融合,局部描述子的提取是将深度网络最深层特征图水平分割成数块,分别提取各块特征图对应的局部描述子。训练中以最小化平滑交叉熵代价函数以及难样本采样三元组代价函数为目的训练网络参数。采用本发明技术方案,能够解决行人重识别中由于行人姿势变化、摄像头色偏等因素带来的特征不匹配问题,还能消除背景带来的影响,以提高行人重识别的鲁棒性和精度。

    一种抗遮挡的手部关键节点追踪方法

    公开(公告)号:CN108537156A

    公开(公告)日:2018-09-14

    申请号:CN201810287295.3

    申请日:2018-03-30

    摘要: 本发明公开了一种抗遮挡的手部关键节点追踪方法,其包括以下步骤,先搭建并标定全景摄像头,并获取大量手部姿态图像样本,然后将图像样本导入到卷积神经网络中进行图像池化卷积处理,使得卷积神经网络得到训练并迭代优化;然后通过普通摄像头捕获被遮挡状态下的手部关键节点的实时图像信息,然后通过已训练迭代优化的卷积神经网络进行实时图像识别,并输出手部关键节点及手部骨骼的点线图像。本发明利用普通摄像头实时捕获被遮挡的图像,然后通过经迭代优化后的卷积神经网络,识别并追踪被遮挡的手部关键节点,克服了现有技术中无法识别追踪被遮挡手部关键节点的缺陷,使得手部关键节点在被遮挡状态下也能实现识别跟踪的目的。

    一种基于手势的汉字笔画输入方法

    公开(公告)号:CN107132919A

    公开(公告)日:2017-09-05

    申请号:CN201710297115.5

    申请日:2017-04-28

    IPC分类号: G06F3/01 G06F3/023

    摘要: 本发明公开了一种基于手势的汉字笔画输入方法,把组成汉字的五种基本笔画(横、竖、撇、捺、折)按照从左到右的顺序依次分配到左手的五根手指上,把用于实现控制操作的功能“确认”、“光标左移”、“光标右移”、“空格键”、“删除”按照从左到右的顺序依次分配到右手的五根手指上,本发明设计合理,无需实体键盘、也无需虚拟出一个用于交互的键盘样式操作界面,只通过手势动作即可实现在虚拟现实环境中输入由笔画组成的文字,操作简单、易学,脱离了传统的鼠标和键盘操作。

    一种虚拟现实的控制系统和方法

    公开(公告)号:CN110609626B

    公开(公告)日:2023-01-17

    申请号:CN201910806003.7

    申请日:2019-08-29

    摘要: 本发明公开了一种虚拟现实的控制系统和方法,系统包括位置追踪器、触控笔和显示器,所述位置追踪器包括处理器、神经网络单元和录像单元,所述触控笔包括微控制器、压力传感器、惯性传感器和至少两个LED灯,所述处理器分别与神经网络单元、录像单元、微控制器和显示器连接,所述LED灯、压力传感器和惯性传感器均与微控制器连接,所述LED灯设置于所述触控笔的两端。本发明系统通过使用触控笔代替游戏手柄,降低操作装置的体积和重量,并通过神经网络单元计算空间位置信息,降低计算误差,以便于将虚拟技术推广到精细化操作应用上,同时也可以使用户可以在长时间操作触控笔的过程中,不容易产生疲劳感。本发明可应用于虚拟技术领域。

    一种人体关节的运动姿态值的计算方法和系统

    公开(公告)号:CN114863550A

    公开(公告)日:2022-08-05

    申请号:CN202210344334.5

    申请日:2022-03-31

    IPC分类号: G06V40/20

    摘要: 本发明实施例提供了一种人体关节的运动姿态值的计算方法和系统。所述方法包括:确定第一人体关节,获取第一人体关节的第一运动姿态值,判断是否存在与所述第一人体关节旋转轴向相同的第二人体关节,若是,则获取所述第二人体关节的第二运动姿态值,采用所述第二运动姿态值对所述第一运动姿态值进行调整,得到修正运动姿态值,采用本申请的技术方案,能够在人体关节缺少姿态参考坐标点的情况下,也能够精确地计算人体关节的旋转信息,实现效果更好的人体动作捕捉。