-
公开(公告)号：CN112331305A
公开(公告)日：2021-02-05
申请号：CN202011189221.X
申请日：2020-10-30
Applicant: 中国科学院软件研究所
Abstract: 本发明公开了一种计算机辅助的自闭症儿童情感社交康复训练系统，其特征在于，包括身份认知训练模块，用于基于设定的身份认知训练题目对自闭症儿童进行训练并采集身份认知反馈信息，确定视线训练模块的训练内容、训练难度以及训练频次；视线训练模块，用于基于设定的视线训练题目对自闭症儿童进行训练并采集视线反馈信息，确定表情训练模块的训练内容、难度以及频次；表情训练模块，用于基于设定的表情训练题目对自闭症儿童进行训练并采集表情反馈信息，确定社交场景情感训练模块的训练内容、难度以及频次；社交场景情感训练模块，用于基于设定的社交场景情感训练题目对自闭症儿童进行训练并采集反馈信息，确定综合训练内容以及训练频次。
-
公开(公告)号：CN112329525A
公开(公告)日：2021-02-05
申请号：CN202011031929.2
申请日：2020-09-27
Applicant: 中国科学院软件研究所
Abstract: 本发明公开了一种基于时空图卷积神经网络的手势识别方法和装置。所述方法包括：获取人手关节序列；基于人手关节序列建立人手骨架时空图；构建人手骨架时空图上的时间注意力和空间注意力机制；构建时间金字塔池化层，提取多尺度的时间特征；使用人手关节和人手运动两种类型的输入数据设计双分支网络，获取人手关节之间的关联性，可以提取人手关节序列具有强鉴别力的特征，进行特征融合和手势识别。本发明具有精度高和实时性的优点，可满足专业的或者大众化的应用需求。
-
公开(公告)号：CN111709270A
公开(公告)日：2020-09-25
申请号：CN202010332318.5
申请日：2020-04-24
Applicant: 中国科学院软件研究所
Abstract: 本发明提出一种基于深度图像的三维外形恢复和姿态估计方法和装置，采用基于点云的级联深度学习网络，实时高精度地恢复三维外形以及三维关节点坐标。本发明提出参数化模型层，基于预定义的参数化模型，通过神经网络恢复模型参数恢复三维外形和对应关节点坐标。本发明提出关节自适应调整子网络，解绑三维外形与关节点之间的内在关系，自适应学习三维外形和不同骨架标注的关节点坐标的关系。同时现有数据集缺乏三维外形标注，因此本发明提出Chamfer损失提供三维外形的弱监督。经过实际使用验证，本发明具有自动化程度高、精度高和实时性的优点，可满足专业的或者大众化的应用需求。
-
公开(公告)号：CN111709269A
公开(公告)日：2020-09-25
申请号：CN202010332317.0
申请日：2020-04-24
Applicant: 中国科学院软件研究所
Abstract: 本发明涉及一种深度图像中基于二维关节信息的人手分割方法和装置。该方法包括：利用二维关节点检测网络获得深度图像中人手的二维关节点的位置；利用二维关节点并结合深度图像获取人手的三维关键点；利用三维关键点计算人手的三维有向包围盒；利用三维有向包围盒过滤深度图像，获取分割好的人手区域。本发明提出了基于深度神经网络的人手二维关节点检测方法，然后提出了二维关节点到三维关键点的转化方法，最后提出了三维包围盒和深度值过滤的方式。经过实际使用验证，本发明具有自动化程度高、精度高和速度快的优点，可满足专业的或者大众化的应用需求。
-
公开(公告)号：CN106599133B
公开(公告)日：2020-04-17
申请号：CN201611095165.7
申请日：2016-12-02
Applicant: 中国科学院软件研究所
Abstract: 本发明公开了一种基于草图交互的监控视频可视分析方法。本方法为：1)对监控视频进行标注，为目标案件中的设定目标添加特征属性描述信息；然后根据标注信息对视频进行关键帧提取，并建立关键帧索引；2)绘制该目标案件的关联草图；并在该关联草图的节点连接线上进行关联标注、在该关联草图的节点周围进行节点信息标注；3)识别该关联草图的结构，计算该关联草图的有向有权图；4)对该有向有权图进行关联分析，求取该关联草图中的关键路径，获得目标案件的关联紧密事件集合；5)计算目标案件的关联草图子图、关联草图子图结构与其他案件关联草图的相似度，得到与目标案件的关联草图子图的相似子图。本发明可有效描述用户意图、增强视频语义。
-
Patent Agency Ranking
公开(公告)号：CN110222580A
公开(公告)日：2019-09-10
申请号：CN201910384210.8
申请日：2019-05-09
Applicant: 中国科学院软件研究所
Abstract: 本发明涉及一种基于三维点云的人手三维姿态估计方法和装置。本发明主要解决的问题是如何从单张深度图得到的人手点云中恢复人手三维姿态，其主要技术难点在于点云排列无序并且存在较高的噪声问题，人手丰富的手势变化以及由于拍摄角度导致的人手自遮挡等。本发明提出了基于深度神经网络的人手姿态估计算法，能够从丰富的训练数据中自适应提取特征。并且本发明在实时回归人手关节点的三维位置的同时，能够预测点云的局部以及全局特征，利用关节标注的内在联系，帮助网络提高泛化能力，缓解单任务网络提取的特征泛化能力差的问题。经过实际使用验证，本发明具有自动化程度高、精度高和实时性的优点，可满足专业的或者大众化的应用需求。
-
公开(公告)号：CN110175676A
公开(公告)日：2019-08-27
申请号：CN201910347564.5
申请日：2019-04-28
Applicant: 中国科学院软件研究所
IPC: G06N5/04
Abstract: 本发明公开了一种面向内存受限环境的高性能规则匹配方法。其步骤为：1)将目标领域的规则集解析生成RETE网络；2)对于一待处理的事实数据F，将该事实数据F依次与该RETE网络中各个节点的约束进行匹配，直至叶子节点或没有满足约束的节点，获取与该事实数据F匹配的推理结果。该方法可在内存资源受限的嵌入式环境下完成规则与大量实时数据的匹配，使得在具有高速的规则匹配的同时，有效降低了所需要的内存资源。该方法适用于各种实时嵌入式系统，从而扩大了规则推理系统的应用范围。
-
公开(公告)号：CN106073706B
公开(公告)日：2019-08-20
申请号：CN201610382274.0
申请日：2016-06-01
Applicant: 中国科学院软件研究所
IPC: A61B5/00
Abstract: 本发明公开了一种面向简易精神状态量表的个性化信息和音频数据分析方法及系统。通过采集被试者的个人信息，让被试者完成MMSE量表规定题目同时录制发音音频，针对病理特性提取语音音频的声学特征，并利用高阶统计量表征；然后利用特征选择的方法降低特征的冗余性；将降维后的声学特征与被试者的个人信息融合得到个性化特征；最后利用获取数据构建被试者的发音情况与简易精神量表认知关系的病理模型，并利用交叉验证的方法进行分析。本发明不需要任何侵入性治疗，仅仅需要分析获取数据与病理模型之间的关系即可预测被试者的身体状态，节省检查时间和金钱，减少被试者在检查过程中经受的痛苦同时避免了医生主观性判断对结果的影响。
-
公开(公告)号：CN108572747A
公开(公告)日：2018-09-25
申请号：CN201710130942.5
申请日：2017-03-07
Applicant: 中国科学院软件研究所
IPC: G06F3/0354 , G06F3/038
Abstract: 本发明涉及一种用于触控设备的数字通用笔，其包括控制系统和与所述控制系统连接的供电与信号发射系统、笔状态识别系统、信号调制系统；所述控制系统包含处理器，用于提供逻辑运算与控制指令收发；所述供电与信号发射系统包括供电模块与信号发射模块，所述信号发射模块将所述供电模块提供的电压信号转换成载波信号；所述笔状态识别系统识别笔在使用过程中的状态信息；所述信号调制系统对所述笔在使用过程中的状态信息进行编码并调制到所述载波信号中。本发明的数字通用笔，不需要与设备之间进行“匹配”、“连接”等绑定操作就可以直接在触控设备上完成数据传输与交互功能。
-
公开(公告)号：CN108549939A
公开(公告)日：2018-09-18
申请号：CN201810192439.7
申请日：2018-03-09
Applicant: 中国科学院软件研究所
Abstract: 本发明涉及一种面向海量流式数据的分布式实时规则推理方法和装置。该方法包括：建立规则集对应的规则图；将规则图转化成数据操作图；根据数据操作图生成推理作业；根据截止期设置推理作业的优先级，将推理作业按照优先级递减顺序放入推理作业就绪队列；选择优先级最高的推理作业，创建推理任务，分配并执行推理任务；推理作业执行结束时将其从推理作业就绪队列中删除，并判断推理作业就绪队列是否为空队列：若不是空队列则继续执行；若是空队列则表示已完成输入事实与所有规则的匹配。本发明可在分布式环境下完成海量实时数据与规则的匹配，并使规则尽量在其截止期前完成，可用于具有时间约束的物联网应用，从而提高了实时物联网应用的智能化。
-
-
-
-
-
-
-
-
-
Search Results
338
records
(took 0.072 seconds)
