-
公开(公告)号：CN102982315B
公开(公告)日：2016-06-15
申请号：CN201210436545.8
申请日：2012-11-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种自动检测非手势模式的手势分割识别方法及系统，该方法包括：步骤1，基于摄像头和传感器采集的异构数据训练手势动作识别模型，利用所述手势动作识别模型构建阈值模型，手势动作识别模型和阈值模型构成手势分割模型；步骤2，利用所述手势分割模型从输入的连续动作序列中自动检测非手势模式；步骤3，利用所述非手势模式训练非手势动作识别模型；步骤4，基于非手势动作识别模型扩展手势分割模型，对输入的连续动作序列进行分割识别。本发明，使得手势分割识别系统能够更好的表征非手势模式，减少了将非手势模式误判为手势模式的概率，提高了手势分割算法的准确性。
-
Patent Agency Ranking
公开(公告)号：CN102999901B
公开(公告)日：2016-06-29
申请号：CN201210395366.4
申请日：2012-10-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于深度传感器的在线视频分割后的处理方法及系统，该方法包括：步骤1，深度传感器基于视频帧和其对应的深度图像提取特征，对所述特征进行视频帧前景、背景分割，得到二值图像；步骤2，对该二值分割图像中的前景孔洞进行检测和填充，得到前景孔洞填充后的二值图像；步骤3，对该前景孔洞填充后的二值图像进行边界优化，获取优化后的二值图像；步骤4，将该优化后的二值图像融合虚拟背景和所述视频帧，生成虚实融合图像。本发明解决了基于深度传感器的在线视频分割在深度非连续处容易出错和现有技术在准确度和实时性上存在顾此失彼的问题，提供了一种满足实时性要求的高质量的基于深度传感器的在线视频分割后处理方法和虚实融合系统。
-
公开(公告)号：CN102999901A
公开(公告)日：2013-03-27
申请号：CN201210395366.4
申请日：2012-10-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于深度传感器的在线视频分割后的处理方法及系统，该方法包括：步骤1，深度传感器基于视频帧和其对应的深度图像提取特征，对所述特征进行视频帧前景、背景分割，得到二值图像；步骤2，对该二值分割图像中的前景孔洞进行检测和填充，得到前景孔洞填充后的二值图像；步骤3，对该前景孔洞填充后的二值图像进行边界优化，获取优化后的二值图像；步骤4，将该优化后的二值图像融合虚拟背景和所述视频帧，生成虚实融合图像。本发明解决了基于深度传感器的在线视频分割在深度非连续处容易出错和现有技术在准确度和实时性上存在顾此失彼的问题，提供了一种满足实时性要求的高质量的基于深度传感器的在线视频分割后处理方法和虚实融合系统。
-
公开(公告)号：CN102945362A
公开(公告)日：2013-02-27
申请号：CN201210397255.7
申请日：2012-10-18
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于异构数据融合的传感器协同手势识别方法及系统，该方法包括：步骤1，基于摄像头和传感器采集的异构数据训练手势动作识别模型；步骤2，利用所述手势动作识别模型构建阈值模型；步骤3，基于所述手势动作识别模型和阈值模型对输入的连续动作序列进行分割识别。本发明克服了基于视觉的技术普遍对周围环境和位置有强烈依赖性和对翻转动作不敏感的问题，同时解决了基于传感器的手势识别中手势识别精度和效率不高，经常会出现错判和漏判的问题，提供了一种识别准确率高、鲁棒性强，手势动作识别可靠的手势识别方法及系统。
-
公开(公告)号：CN102945362B
公开(公告)日：2016-01-27
申请号：CN201210397255.7
申请日：2012-10-18
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于异构数据融合的传感器协同手势识别方法及系统，该方法包括：步骤1，基于摄像头和传感器采集的异构数据训练手势动作识别模型；步骤2，利用所述手势动作识别模型构建阈值模型；步骤3，基于所述手势动作识别模型和阈值模型对输入的连续动作序列进行分割识别。本发明克服了基于视觉的技术普遍对周围环境和位置有强烈依赖性和对翻转动作不敏感的问题，同时解决了基于传感器的手势识别中手势识别精度和效率不高，经常会出现错判和漏判的问题，提供了一种识别准确率高、鲁棒性强，手势动作识别可靠的手势识别方法及系统。
-
公开(公告)号：CN102982315A
公开(公告)日：2013-03-20
申请号：CN201210436545.8
申请日：2012-11-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种自动检测非手势模式的手势分割识别方法及系统，该方法包括：步骤1，基于摄像头和传感器采集的异构数据训练手势动作识别模型，利用所述手势动作识别模型构建阈值模型，手势动作识别模型和阈值模型构成手势分割模型；步骤2，利用所述手势分割模型从输入的连续动作序列中自动检测非手势模式；步骤3，利用所述非手势模式训练非手势动作识别模型；步骤4，基于非手势动作识别模型扩展手势分割模型，对输入的连续动作序列进行分割识别。本发明，使得手势分割识别系统能够更好的表征非手势模式，减少了将非手势模式误判为手势模式的概率，提高了手势分割算法的准确性。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
