-
公开(公告)号：CN115964446A
公开(公告)日：2023-04-14
申请号：CN202211628850.7
申请日：2022-12-18
Applicant: 北京工业大学
IPC: G06F16/28 , G06F16/26 , G06F16/215 , G06F9/451 , G01S17/931 , H04L69/164 , H04L12/40
Abstract: 一种基于移动端的雷达数据交互处理方法属于自动驾驶领域。本发明在计算生成端对原始点云数据进行快捷准确的处理，并将雷达数据通过计算生成端处理发送到移动端进行显示，解决显示设备占用空间、难以移动的问题，具有灵活性高的优点，可以同时让更多的测试人员参与到调试工作中；除此之外，在移动端将雷达数据进行处理并通过简单的模型表示障碍物信息，让更多的乘车者理解雷达数据，在乘坐无人驾驶车辆时可以充分的信任无人驾驶车辆所做的每一个决策。本发明解决计算生成端难以移动和普通用户对雷达数据不理解的问题。
-
公开(公告)号：CN115830707A
公开(公告)日：2023-03-21
申请号：CN202211440742.7
申请日：2022-11-17
Applicant: 北京工业大学
IPC: G06V40/20 , G06V20/40 , G06V10/82 , G06V10/774 , G06V10/34 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于超图学习的多视角人体行为识别方法，包括从P个视角获取视频数据，还包括以下步骤：对所述视频数据进行预处理；根据关节点信息构建空间超图；根据关节点信息构建时间超图；使用超图神经网络对所述空间超图和所述时间超图进行特征学习；提取超图所表示的高阶信息，进行人体动作的行为识别。本发明通过对相同时刻不同视角下的人体骨骼点构建空间超图，以捕获多个身体骨骼点之间的空间依赖关系；通过对相同视角不同帧下的人体骨骼点构建时间超图，更好地获取特定关节点不同视角下特征之间的时间相关性，从而根据空间超图和时间超图构建的特征进行时空超图神经网络进行学习，最终实现基于超图学习的多视角人体行为识别。
-
公开(公告)号：CN115964446B
公开(公告)日：2024-07-02
申请号：CN202211628850.7
申请日：2022-12-18
Applicant: 北京工业大学
IPC: G06F16/28 , G06F16/26 , G06F16/215 , G06F9/451 , G01S17/931 , H04L69/164 , H04L12/40
Abstract: 一种基于移动端的雷达数据交互处理方法属于自动驾驶领域。本发明在计算生成端对原始点云数据进行快捷准确的处理，并将雷达数据通过计算生成端处理发送到移动端进行显示，解决显示设备占用空间、难以移动的问题，具有灵活性高的优点，可以同时让更多的测试人员参与到调试工作中；除此之外，在移动端将雷达数据进行处理并通过简单的模型表示障碍物信息，让更多的乘车者理解雷达数据，在乘坐无人驾驶车辆时可以充分的信任无人驾驶车辆所做的每一个决策。本发明解决计算生成端难以移动和普通用户对雷达数据不理解的问题。
-
公开(公告)号：CN117115911A
公开(公告)日：2023-11-24
申请号：CN202311090556.X
申请日：2023-08-28
Applicant: 北京工业大学
IPC: G06V40/20 , G06V20/40 , G06V10/25 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/042 , G06N3/047 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制的超图学习动作识别系统，实现对人体动作进行识别的功能，其中包括如下步骤：首先通过可学习阈值构建时间注意力模块，将不同视角视频动作帧输入到时间注意力模块中，从而提取动作的关键帧，为后续网络学习降低计算成本；然后将动作的关键帧输入到基于动态时空注意力机制的超图卷积模块中，获取动作的显著性区域，通过多尺度时空残差模块学习时空高阶语义特征；再进行数据划分、训练模型和保存模型等操作。在调用模型检测过程中，通过加载模型，由网络的识别部分输出动作识别结果。本发明解决了视频序列中行为动作的时空特征存在网络计算参数量大的问题，获取人体关节点信息完备性，提高动作识别准确率。
-
-
-
Search Results
4
records
(took 0.026 seconds)
