-
公开(公告)号：CN116560496A
公开(公告)日：2023-08-08
申请号：CN202310217658.7
申请日：2023-03-08
Applicant: 华南理工大学
IPC: G06F3/01 , G06V40/10 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开的一种基于手势识别操控无人机的方法，其中，所述无人机系统至少包括机架，动力模块，开源飞控pixhwak，通信模块，图传模块，图像模块，其特征在于，包括以下步骤：利用模拟图传发射机将视频图像转成模拟信号发送；图传接收机接收模拟信号转换成数字信号通过USB线传输到计算机；个人计算机执行视觉检测模型识别人和手势；个人计算机根据识别结果执行控制命令；控制命令通过数传电台传到无人机；无人机执行命令。本发明方法绕开了机载电脑，选择个人计算机作为实现计算机视觉算法的平台，能达到节约成本，减少无人机载荷的效果，同时也能有效使用手势作为人机交互的方式。
-
公开(公告)号：CN115328319B
公开(公告)日：2023-03-24
申请号：CN202211250478.0
申请日：2022-10-13
Applicant: 华南理工大学
IPC: G06F3/01 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82 , G06V40/10 , G06V40/20
Abstract: 本发明公开了一种基于轻量型手势识别的智能控制方法及装置。所述方法包括：S1、获取手势数据集；S2、构建轻量型手势识别网络，所述网络包括基础网络结构，多尺度结构与轻量型注意力结构；S3、引入预训练权重作为轻量型手势识别网络的初始权重，并将训练数据输入所述网络进行重新训练；S4、计算损失值并基于损失值反馈至轻量型手势识别网络中并对网络进行不断参数修正，得到训练后的网络；S5、利用网络来对手势图像进行预测，以控制家电的工作状态。智能控制装置包括：树莓派控制器，图像采集器，红外发射器。本发明具有轻量化、精度高、易于部署等优点，在人机交互、虚拟现实、手语识别与智能家居等领域具有巨大的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN115328319A
公开(公告)日：2022-11-11
申请号：CN202211250478.0
申请日：2022-10-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于轻量型手势识别的智能控制方法及装置。所述方法包括：S1、获取手势数据集；S2、构建轻量型手势识别网络，所述网络包括基础网络结构，多尺度结构与轻量型注意力结构；S3、引入预训练权重作为轻量型手势识别网络的初始权重，并将训练数据输入所述网络进行重新训练；S4、计算损失值并基于损失值反馈至轻量型手势识别网络中并对网络进行不断参数修正，得到训练后的网络；S5、利用网络来对手势图像进行预测，以控制家电的工作状态。智能控制装置包括：树莓派控制器，图像采集器，红外发射器。本发明具有轻量化、精度高、易于部署等优点，在人机交互、虚拟现实、手语识别与智能家居等领域具有巨大的应用价值。
-
公开(公告)号：CN113673313B
公开(公告)日：2024-04-09
申请号：CN202110769676.7
申请日：2021-07-07
Applicant: 华南理工大学
IPC: G06V10/46 , G06V10/774 , G06V40/20 , G06V10/82 , G06N3/0464 , G06T5/50 , G06T7/11
Abstract: 本发明公开了一种基于分层卷积神经网络的手势姿态识别方法，包括如下步骤：S1、训练数据集与模型预测数据准备；S2、手势姿态估计网络构建；主要包含：手势掩码分割网络、手势初步姿态估计网络和手势分层结构网络；S3、将训练数据输入所述手势姿态估计网络进行学习，输出预测姿态结果；S4、将手势姿态估计网络预测的结果与训练数据集中的对应标签数据进行不断对比，计算对应的损失值；将所述损失值反馈至手势姿态估计网络中并对网络进行不断参数修正；根据视频帧对应的预测手势姿态，确定目标所对应的手势姿态识别结果。本发明具有精度高的优点，在人机交互、虚拟现实与手语识别等领域具有巨大的应用价值。
-
公开(公告)号：CN112381046B
公开(公告)日：2023-02-14
申请号：CN202011376722.9
申请日：2020-11-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种多任务姿态不变的人脸识别方法、系统、装置及存储介质，其中方法包括以下步骤：获取待识别的人脸图像；将所述人脸图像输入训练好的人脸识别模型进行人脸识别，输出人脸识别结果；其中，所述人脸识别模型包括三个神经网络，所述三个神经网络用于分割人脸区域并进行三种人脸姿势识别，所述三种人脸姿势包括左脸姿势、正脸姿势以及右脸姿势。本发明通过使用三个神经网络针对不同的人脸姿势，进行人脸识别，能够有效地消除姿势变化带来性能下降的问题，可广泛应用于计算机视觉领域。
-
公开(公告)号：CN112381046A
公开(公告)日：2021-02-19
申请号：CN202011376722.9
申请日：2020-11-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种多任务姿态不变的人脸识别方法、系统、装置及存储介质，其中方法包括以下步骤：获取待识别的人脸图像；将所述人脸图像输入训练好的人脸识别模型进行人脸识别，输出人脸识别结果；其中，所述人脸识别模型包括三个神经网络，所述三个神经网络用于分割人脸区域并进行三种人脸姿势识别，所述三种人脸姿势包括左脸姿势、正脸姿势以及右脸姿势。本发明通过使用三个神经网络针对不同的人脸姿势，进行人脸识别，能够有效地消除姿势变化带来性能下降的问题，可广泛应用于计算机视觉领域。
-
公开(公告)号：CN113673313A
公开(公告)日：2021-11-19
申请号：CN202110769676.7
申请日：2021-07-07
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于分层卷积神经网络的手势姿态识别方法，包括如下步骤：S1、训练数据集与模型预测数据准备；S2、手势姿态估计网络构建；主要包含：手势掩码分割网络、手势初步姿态估计网络和手势分层结构网络；S3、将训练数据输入所述手势姿态估计网络进行学习，输出预测姿态结果；S4、将手势姿态估计网络预测的结果与训练数据集中的对应标签数据进行不断对比，计算对应的损失值；将所述损失值反馈至手势姿态估计网络中并对网络进行不断参数修正；根据视频帧对应的预测手势姿态，确定目标所对应的手势姿态识别结果。本发明具有精度高的优点，在人机交互、虚拟现实与手语识别等领域具有巨大的应用价值。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
