-
公开(公告)号:CN110188700B
公开(公告)日:2022-11-29
申请号:CN201910470515.0
申请日:2019-05-31
Applicant: 安徽大学
IPC: G06V40/20 , G06V10/80 , G06V10/766 , G06V10/82
Abstract: 本发明公开一种基于分组回归模型的人体三维关节点预测方法,包括以下步骤:采集人体2d关节点检测数据;将2d关节点坐标输入到相同结构的回归网络中并得到不同组的3d关节位置并将所得的关键三维位置合并为整体关节向量;通过BiLSTM构建关节点自约束网络和关节组自约束网络,然后将两个自约束网络输出的3d关节点进行累加得到微调后的3d预测关节;通过损失函数计算3d预测关节与3d关节之间的欧氏距离。本发明结合人体四肢关节运动独立性的特点采用分组回归的结构,将四肢和躯干划分入不同关节组中,分别预测各组内关节点的3d位置,同时为使预测结果更贴近真实人体姿态,利用BiLSTM设计人体关节自约束网络用于调整预测结果,提升准确度。
-
公开(公告)号:CN110188700A
公开(公告)日:2019-08-30
申请号:CN201910470515.0
申请日:2019-05-31
Applicant: 安徽大学
Abstract: 本发明公开一种基于分组回归模型的人体三维关节点预测方法,包括以下步骤:采集人体2d关节点检测数据;将2d关节点坐标输入到相同结构的回归网络中并得到不同组的3d关节位置并将所得的关键三维位置合并为整体关节向量;通过BiLSTM构建关节点自约束网络和关节组自约束网络,然后将两个自约束网络输出的3d关节点进行累加得到微调后的3d预测关节;通过损失函数计算3d预测关节与3d关节之间的欧氏距离。本发明结合人体四肢关节运动独立性的特点采用分组回归的结构,将四肢和躯干划分入不同关节组中,分别预测各组内关节点的3d位置,同时为使预测结果更贴近真实人体姿态,利用BiLSTM设计人体关节自约束网络用于调整预测结果,提升准确度。
-
公开(公告)号:CN108491802A
公开(公告)日:2018-09-04
申请号:CN201810251845.6
申请日:2018-03-26
Applicant: 安徽大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于联合加权差分激励和双Gabor方向的掌纹交叉匹配识别方法。本申请根据掌纹图像纹线丰富的特点,首先,计算中心像素和邻域像素的灰度差分,提取图像的灰度变化特性,并通过各邻域的方向角对差分值进行加权。然后,利用Gabor滤波器提取图像中纹线的方向信息。最后,构建联合加权差分激励和双Gabor方向的掌纹特征。此外,为了能够更好地衡量特征间的相似度,进一步使用交叉匹配算法,提高系统的识别性能。在PolyU,PolyU M_B和CASIA掌纹库上进行实验,识别率均达到100%。实验结果表明,与其它基于局部描述子的掌纹识别方法相比,本申请所述方法具有更高的识别率和更低的等错误率。
-
-