-
公开(公告)号：CN104750397B
公开(公告)日：2018-06-15
申请号：CN201510166323.2
申请日：2015-04-09
Applicant: 重庆邮电大学
IPC: G06F3/0487 , G06K9/00
Abstract: 本发明请求保护一种基于体感的虚拟矿井自然交互方法，该方法包括：运用Kinect体感器获取用户的手势信号、深度信息以及骨骼点信息；通过图像预处理对手势信号里的图像、深度信息及骨骼信息进行平滑滤波；利用深度直方图分割出手势图像，再运用八邻域轮廓跟踪算法找出手势轮廓，识别静态手势；根据骨骼信息，用改进动态时间规划进行动态手势的特征匹配识别；利用手势识别结果触发相应的Win32指令消息，并将消息发送给虚拟现实引擎，把指令消息分别映射到虚拟矿井交互系统原本的键盘鼠标操作，实现对虚拟矿井的体感交互控制。本发明方法提高了人机交互的自然高效性，增加了虚拟矿井表现的沉浸感、自然感。能有效的普及虚拟现实与体感交互技术在煤矿及其他领域的应用。
-
公开(公告)号：CN104750397A
公开(公告)日：2015-07-01
申请号：CN201510166323.2
申请日：2015-04-09
Applicant: 重庆邮电大学
IPC: G06F3/0487 , G06K9/00
Abstract: 本发明请求保护一种基于体感的虚拟矿井自然交互方法，该方法包括：运用Kinect体感器获取用户的手势信号、深度信息以及骨骼点信息；通过图像预处理对手势信号里的图像、深度信息及骨骼信息进行平滑滤波；利用深度直方图分割出手势图像，再运用八邻域轮廓跟踪算法找出手势轮廓，识别静态手势；根据骨骼信息，用改进动态时间规划进行动态手势的特征匹配识别；利用手势识别结果触发相应的Win32指令消息，并将消息发送给虚拟现实引擎，把指令消息分别映射到虚拟矿井交互系统原本的键盘鼠标操作，实现对虚拟矿井的体感交互控制。本发明方法提高了人机交互的自然高效性，增加了虚拟矿井表现的沉浸感、自然感。能有效的普及虚拟现实与体感交互技术在煤矿及其他领域的应用。
-
公开(公告)号：CN103810741A
公开(公告)日：2014-05-21
申请号：CN201410056652.7
申请日：2014-02-19
Applicant: 重庆邮电大学
Abstract: 本发明提供了一种基于多智能体的井下应急撤离虚拟人群仿真方法。该方法基于多智能体技术，构建了一种虚拟矿井紧急撤离人群仿真框架，仿真框架主要由人群仿真引擎、几何场景仿真引擎、场景数据库、事件记录器、人机交互界面5部分组成。考虑到在矿难发生时生理、心理等健康因素对矿工的影响，以及不同角色的矿工在矿难发生时对矿井知识的认识不同，做出的行为决策不同，该方法面向角色理论，构建了班组长、有经验的矿工、普通矿工、救援者等不同角色的多智能体矿工人群应急撤离模型与算法。本发明提出的仿真方法能很好的模拟矿井真实情况，具有很好的通用性与逼真性，能为井下安全事故分析与预防、矿井安全培训、救援演练提供有效技术支撑。
-
公开(公告)号：CN101840202B
公开(公告)日：2012-04-18
申请号：CN201010181794.8
申请日：2010-05-25
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明公开一种适用于复杂工业控制系统建模中的功能块智能布线方法，涉及智能布线技术。本发明根据工业控制系统建模过程中复杂控制关系、多功能块、多控制回路的特点，以及高效率、高灵活性的建模需求，设计出了一种智能布线方法，通过对连线折点个数的判断、连线的走向选取、连线索引确定、连线折点坐标以及布线版图区域中状态空间的转移过程，通过映射、逆映射方法，有效解决了工业控制网络结构复杂、设备繁多、组态关系复杂、组态界面凌乱的问题，并实现了不同功能块之间的互连问题，有较高的灵活性和适用性。本发明布线速度快，连线质量高，功能块达到一定规模时，时间复杂度及空间复杂度都很高，其优越性尤其显著，有一定的推广价值。
-
公开(公告)号：CN119850799A
公开(公告)日：2025-04-18
申请号：CN202411838480.9
申请日：2024-12-13
Applicant: 重庆邮电大学
IPC: G06T13/40 , G10L15/25 , G06T13/20 , G06V40/16 , G06T5/70 , G06T5/77 , G06T17/00 , G06T15/02 , G06V10/82 , G06V10/26 , G06V40/20 , G06Q50/20
Abstract: 本发明涉及一种教育元宇宙中虚拟教师实时生成方法与系统，属于人工智能、智慧教育领域。本发明通过预训练的虚拟教师头部肖像实时生成模型实现高质量的头部渲染，通过人脸复原模块提升头部生成质量，通过头部姿态稳定模块确保准确姿态追踪。在生成头部肖像后，通过人脸恢复模型进行高清晰恢复，再由具有自适应姿势编码的躯干生成神经辐射场网络(NeRF)渲染躯干部分，并通过实时语义分割网络合成完整虚拟教师形象。虚拟教师由音频或文本信号驱动，利用多重唇部平滑模块解决唇部运动不自然问题，提高视频真实感。该技术不仅保持了生成虚拟教师的完整性，还实现了多姿态的教师运动行为，为教育元宇宙领域提供了高度逼真的虚拟教师形象解决方案。
-
Patent Agency Ranking
公开(公告)号：CN114201592B
公开(公告)日：2024-07-23
申请号：CN202111461563.7
申请日：2021-12-02
Applicant: 重庆邮电大学
IPC: G06F16/332 , G16H50/20 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82 , G06N5/04
Abstract: 本发明请求保护一种面向医学图像诊断的视觉问答方法，属于及医学图像处理、自然语言处理、多模态融合领域，其包括以下步骤：获取医学影像和对应相关医学问题；对图像病灶目标和医学问题文本分别进行特征提取，捕捉问题词之间的依赖关系进行文本表示学习，得到每个图像区域和问题的相关性；通过与影像特征和位置特征交互，对同一病灶目标进行处理，实现关系关联建模，获得不同目标的相对位置关系，用于多模态特征的匹配；引入交叉引导的多模态特征融合堆叠方式，捕捉多模态之间的复杂交互关系；设计选取融合方式和分类器，运用到医学问答中，实现面向医学图像诊断的视觉问答研究。
-
公开(公告)号：CN118297154A
公开(公告)日：2024-07-05
申请号：CN202410534551.X
申请日：2024-06-07
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种融合学习场景的可解释学习路径推荐方法，属于教育信息化领域。该方法包括：使用K‑prototype算法挖掘与学习者知识水平相关的个性化特征，对相同学习偏好的学习者进行聚类，形成个性化表征；使用邻域标定的图注意力网络建模知识图谱中实体以及实体间的语义关系，表征知识图谱语义信息，并采用深度优先搜索算法对知识图谱进行遍历，获得候选学习路径集；使用多约束算法，从学习场景驱动出发，将候选学习路径集与学习者进行匹配，通过聚合学习者特征信息与知识图谱的语义信息，完成可解释的学习路径推荐。
-
公开(公告)号：CN110175596A
公开(公告)日：2019-08-27
申请号：CN201910481703.3
申请日：2019-06-04
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于双流卷积神经网络的虚拟学习环境微表情识别与交互方法，包括以下步骤：S1：微表情数据的预处理：对微表情视频进行欧拉视频放大并抽取图像序列，对图像序列进行人脸定位并裁剪，得到微表情的RGB数据；将欧拉视频放大后的数据提取光流信息，得到微表情的光流图像；S2：将预处理后的数据分为训练集和测试集两部分并使用迁移学习的方法构建双流卷积神经网络，以学习到微表情的空间与时域信息；S3：将双流卷积神经网络的输出进行最大值融合，以增强识别准确率，得到最终的微表情识别模型；S4：使用微表情识别模型创建虚拟学习环境交互系统，并通过Kinect获取用户面部图像序列进行微表情识别任务。
-
公开(公告)号：CN109614899A
公开(公告)日：2019-04-12
申请号：CN201811446456.5
申请日：2018-11-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于李群特征和卷积神经网络的人体动作识别方法，属于计算机模式识别领域。该方法包括：S1：数据获取，利用微软体感设备Kinect提取人体骨骼信息，获取实验者的运动信息；S2：提取李群特征，采取一种利用刚性肢体变换来模拟人体各肢体间的相对三维几何关系的李群骨骼表示方法，将人体动作建模为李群上一系列曲线，进而结合李群和李代数间的对应关系，利用对数映射将基于李群空间的曲线映射为基于李代数空间的曲线；S3：特征分类，融合李群特征和卷积神经网络，利用李群特征训练卷积神经网络，让卷积神经网络对李群特征进行学习、分类，从而实现人体动作识别。本发明能够取得很好的识别效果。
-
公开(公告)号：CN108804654A
公开(公告)日：2018-11-13
申请号：CN201810581196.6
申请日：2018-06-07
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于智能问答的虚拟学习环境构建方法，属于人机交互技术领域，包括1.采集并构建特定领域教学问答数据集，对采集的问答对进行预处理；2.构建BI‑LSTM‑CRF模型对问答对进行语义分析和特征提取，实现语句的分词与序列标注；3.构建基于LSTM网络的答案置信度计算模型，输入问答对特征向量，通过模型衡量问答对的匹配程度，将得分最高的答案特征向量转换输出；4.利用基于Unity3D的虚拟现实技术搭建虚拟学习环境，构建智能问答引擎，引入训练好的深度学习问答模型，实现基于智能问答的虚拟学习环境构建。本发明利用深度学习实现了特定领域语义理解层面的智能问答，并将其应用于面向教学的虚拟学习环境之中，为虚拟课堂与人机交互研究拓展了思路和方法。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.028 seconds)
