-
公开(公告)号：CN119418409B
公开(公告)日：2025-05-23
申请号：CN202411607112.3
申请日：2024-11-12
Applicant: 中国矿业大学
IPC: G06V40/20 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 一种基于双聚合网络增强的手部位姿估计方法，从手部深度图像生成手部点云，将手部深度图像和点云输入到局部编码融合模块生成融合的图像特征和点云特征；将融合的3D点云特征输入初始状态生成器，以初始化隐藏状态；将隐藏状态输入回归模块获得关节点的初始估计；初始估计与融合的图像特征和点云特征，输入点云图像一致性聚合模块，生成增强点云特征；增强点云特征与初始估计输入重采样模块输出高维手部关节点特征；增强点云特征与高维手部关节点特征和隐藏状态共同输入动态图增强聚合模块得到增强的高维关节点特征；将增强的高维关节点特征输入回归模块中，获得最终手部关节点坐标位置。本发明能够改善遮挡情况下的手势姿态估计，增强手关节输出。
-
公开(公告)号：CN119851315A
公开(公告)日：2025-04-18
申请号：CN202510058930.0
申请日：2025-01-15
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V20/52 , G06V10/42 , G06V10/40 , G06V10/80 , G06N3/0464 , G06V10/77 , G06N3/047 , G06V10/74 , G06V10/34
Abstract: 多角度智能监控场景下多模态融合换衣行人重识别方法，通过提取原始行人图像的骨骼特征和全局图像特征，在不引入额外的人脸模型的情况下，使用骨骼特征对图像头部特征进行强化，从而得到骨骼头部特征#imgabs0#和全局图像特征Fa之间的mask，然后将mask与全局图像特征相乘以生成加权特征，实现对全局图像特征Fa的加权平均，使得全局图像特征Fa在保持图像特征的同时能够更加关注头部区域，最终再将加权特征和全局图像特征Fa融合，得到骨骼头部引导的增强全局图像特征#imgabs1#对增强全局图像特征#imgabs2#和对骨骼特征Fk经过自注意力编码后的特征fs做对齐重建，有效的提取了外观和身体结构信息，本发明能够提取出每个行人和其所穿衣服无关的特征，然后快匹配出要搜索的行人目标对象。
-
公开(公告)号：CN119672811A
公开(公告)日：2025-03-21
申请号：CN202411810500.1
申请日：2024-12-10
Applicant: 中国矿业大学
Abstract: 一种基于骨骼点的剧烈动作异常检测方法，利用图卷积网络对视频帧间的时空关系进行建模。为了让网络更好的区分正常和异常动作，将图卷积的输入嵌入速度特征，由于传统的图卷积网络忽略了骨骼点的长度和方向这两个信息以及非相邻骨骼点空间上的关系，使用自适应图卷积网络，把自定义的代表骨骼点节点之间关系的邻接矩阵替换成可学习的参数矩阵，并对非相邻骨骼点之间的欧氏距离进行建模。采用归一化流模型对GCN的输出进行高维分布建模，将复杂分布的数据映射到一个简单的、易于处理的分布，并通过最小化负对数似然来使模型收敛。能够有效捕捉视频中正常行为的复杂分布，从而在检测异常行为时表现出更高的灵敏度。
-
公开(公告)号：CN119418409A
公开(公告)日：2025-02-11
申请号：CN202411607112.3
申请日：2024-11-12
Applicant: 中国矿业大学
IPC: G06V40/20 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 一种基于双聚合网络增强的手部位姿估计方法，从手部深度图像生成手部点云，将手部深度图像和点云输入到局部编码融合模块生成融合的图像特征和点云特征；将融合的3D点云特征输入初始状态生成器，以初始化隐藏状态；将隐藏状态输入回归模块获得关节点的初始估计；初始估计与融合的图像特征和点云特征，输入点云图像一致性聚合模块，生成增强点云特征；增强点云特征与初始估计输入重采样模块输出高维手部关节点特征；增强点云特征与高维手部关节点特征和隐藏状态共同输入动态图增强聚合模块得到增强的高维关节点特征；将增强的高维关节点特征输入回归模块中，获得最终手部关节点坐标位置。本发明能够改善遮挡情况下的手势姿态估计，增强手关节输出。
-
-
-
Search Results
4
records
(took 0.015 seconds)
