-
-
-
公开(公告)号：CN105379280A
公开(公告)日：2016-03-02
申请号：CN201380065578.9
申请日：2013-12-14
Applicant: 微软技术许可有限责任公司
IPC: H04N19/51 , H04N19/63 , H04N19/147
CPC classification number: H04N19/517 , H04N19/126 , H04N19/147 , H04N19/19 , H04N19/192 , H04N19/63
Abstract: 描述了压缩运动场。在一个示例中，视频压缩可以包括计算表示第一图像和第二图像之间的差异的运动场，运动场用于对第二图像进行预测。在编码视频数据的序列的各个示例中，第一图像、运动场和表示预测中的误差的残余可以被编码，而并非完整图像序列。在各个示例中，运动场可以以线性基(例如，小波基)通过其系数来表示，可以执行优化，以最小化编码运动场的成本，并最大化重建的图像的质量，而同时还最小化残余误差。在各个示例中，可以量化已优化的运动场，以允许编码。
-
公开(公告)号：CN105210085A
公开(公告)日：2015-12-30
申请号：CN201480020922.7
申请日：2014-04-08
Applicant: 微软技术许可有限责任公司
CPC classification number: G06K9/627 , G06K9/6215 , G06K9/6217 , G06K9/6219 , G06K9/6282 , G06K2209/051
Abstract: 描述了图像标记，例如，以识别医学图像中的身体器官、以标记游戏玩家的深度图像中的身体部分、以标记场景视频中的对象。在各种实施例中，自动化分类器使用图像的最短连线特征，以及可选地其它类型的特征，来按语义分割图像。例如，最短连线特征与图像元素间的距离相关，该距离将与图像元素间的图像内容有关的信息纳入考虑。在某些示例中，自动化分类器是纠缠的随机决策森林，其中在较早的树层次累积的数据被用于在较晚的树层次处作决策。在某些示例中，自动化分类器通过包括两个或更多个随机决策森林而具有自动上下文。在各种示例中，并行处理和查找过程被使用。
-
Patent Agency Ranking
公开(公告)号：CN107408115B
公开(公告)日：2020-10-09
申请号：CN201580072844.X
申请日：2015-12-28
Applicant: 微软技术许可有限责任公司
IPC: G06F16/955 , G06F21/62 , H04L29/06
Abstract: 描述了一种控制对内联网或互联网上的诸如web站点的内容的访问的方法。例如，该方法包括接收要访问的内容的地址，并且获取该地址与其他内容项的先前标记的地址的相似度。相似度基于来自很多同意用户的浏览会话的记录中的内容项的地址的共现。例如，浏览会话记录包括由用户在用户主动访问内容的时间段中访问的内容项的地址。内容项地址的共现是地址在相同浏览会话记录中的存在。然后基于相似度来控制对内容的访问。
-
公开(公告)号：CN102663722B
公开(公告)日：2018-04-24
申请号：CN201210021583.7
申请日：2012-01-31
Applicant: 微软技术许可有限责任公司
CPC classification number: G06T7/215 , G06T7/194 , G06T2207/10028 , G06T2207/30244
Abstract: 描述了使用深度图像的活动对象分割。在一示例中，活动对象被从接收自移动深度相机的场景的深度图像的背景中分割出来。检索该场景的先前深度图像，并使用迭代最接近点算法来将其与当前深度图像进行比较。迭代最接近点算法包括确定当前深度图像与先前深度图像之间相对应的一组点。在确定该组点期间，检测在这两个深度图像之间不相对应的一个或多个局外点，并且这些局外点处的图像元素被标记为属于活动对象。在各示例中，迭代最接近点算法是作为用于跟踪移动深度相机的算法的一部分来执行的，并且因此不增加大量附加计算复杂度。
-
公开(公告)号：CN102693007B
公开(公告)日：2016-12-07
申请号：CN201210052880.8
申请日：2012-03-02
Applicant: 微软技术许可有限责任公司
CPC classification number: G06F3/017 , G06K9/00342
Abstract: 本发明涉及姿势检测和识别。描述了一种姿势检测和识别技术。在一个示例中，接收与执行姿势的用户的运动有关的数据项的序列。对照预先学习的门限值测试从该序列中选出的数据项集合，以确定该序列表示某个姿势的概率。如果该概率大于预定值，则检测到该姿势，并执行动作。在示例中，这些测试是由经训练的决策树分类器执行的。在另一示例中，可将数据项的序列与预先学习的模板进行比较，并确定它们之间的相似度。如果模板的相似度超过门限，则更新与该模板相关联的姿势的未来时间相关联的可能性值。然后，当达到该未来时间时，如果该可能性值大于预定义值，则检测到该姿势。
-
公开(公告)号：CN105765609A
公开(公告)日：2016-07-13
申请号：CN201480062360.2
申请日：2014-11-12
Applicant: 微软技术许可有限责任公司
Abstract: 描述了使用有向无环图的存储器促进，例如，其中多个有向无环图被训练以用于从人类骨架数据中进行姿势识别，或者用于从深度图像中估计人体关节位置以用于姿势检测。在各个示例中，有向无环图在使用训练目标的训练期间增长，该训练目标将节点之间的连接模式与分割函数参数值两者考虑在内。例如，子节点层使用初始化策略增长并且与父节点层连接。在各示例中，各个局部搜索过程被用于寻找连接模式与分割函数参数的良好组合。
-
公开(公告)号：CN102609942B
公开(公告)日：2015-12-02
申请号：CN201210021582.2
申请日：2012-01-31
Applicant: 微软技术许可有限责任公司
IPC: G06T7/00
CPC classification number: G06T7/20 , G06T7/74 , G06T2207/10016 , G06T2207/10021 , G06T2207/10024 , G06T2207/10028 , G06T2207/30244
Abstract: 本发明涉及使用深度图进行移动相机定位。针对机器人、沉浸式游戏、增强现实和其他应用描述了使用深度图进行移动相机定位。在一实施例中，在一环境中跟踪移动深度相机，同时使用所感测的深度数据形成该环境的3D模型。在一实施例中，当相机跟踪失败时，通过使用先前收集的关键帧或以其他方式来检测相机跟踪的失败并重新定位相机。在一实施例中，通过实时地将当前深度图与该3D模型的特征进行比较，检测到移动相机重新访问一位置的环闭合(loop closure)。在一些实施例中，使用所检测到的环闭合来改善该环境的3D模型的一致性和精确度。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.031 seconds)
