凝视位置估计方法、计算机设备及存储介质

    公开(公告)号:CN109684969A

    公开(公告)日:2019-04-26

    申请号:CN201811545705.6

    申请日:2018-12-18

    IPC分类号: G06K9/00 G06N3/04

    摘要: 本发明提供凝视位置估计方法、计算机设备及存储介质,根据人脸RGBD图像中目标人物的双眼图像提取双眼的眼球姿态特征;根据人脸RGBD图像获取头部姿态特征及头部深度特征;将人脸RGBD图像中眼部所在位置的图像坐标同所述头部深度特征中的对应位置的深度信息合成以得到眼部的空间位置特征;合成所述眼球姿态特征、头部姿态特征、及眼部的空间位置特征为综合特征,并输入一凝视位置估计模型以估计凝视位置;本发明利用多种与凝视位置相关的带有深度信息的姿态因素进行特征提取并组合,并通过消除原始深度信息中的噪声干扰,有效提升预测凝视位置的精准度,解决现有技术的问题。

    基于点云数据自动识别大直径盾构隧道中隔墙的方法

    公开(公告)号:CN109359591A

    公开(公告)日:2019-02-19

    申请号:CN201811203022.2

    申请日:2018-10-16

    IPC分类号: G06K9/00 G06F17/16

    CPC分类号: G06K9/00201 G06F17/16

    摘要: 本发明提供一种基于点云数据自动识别大直径盾构隧道中隔墙的方法,包括步骤:S1:通过一三维激光扫描装置获取一大直径盾构隧道每一通道的各断面的点云数据;S2:计算各所述扫描点与对应所述断面竖直方向所呈的夹角θ;S3:根据所述夹角θ自所述点云数据中提取获得不同种类的一第一点云集和一第二点云集;所述种类包括隧道管片端点云集和中隔墙端点云集;S4:识别并确定所述第一点云集和所述第二点云集的种类。本发明的一种基于点云数据自动识别大直径盾构隧道中隔墙的方法,可根据点云数据自动识别大直径盾构隧道中隔墙,可减少人工操作时间。

    融合面部表情及肢体动作三维特征的情绪识别方法

    公开(公告)号:CN109145754A

    公开(公告)日:2019-01-04

    申请号:CN201810816740.0

    申请日:2018-07-23

    发明人: 邵洁 汪伟鸣

    IPC分类号: G06K9/00

    摘要: 一种融合面部表情及肢体动作三维特征的情绪识别方法,涉及人工智能技术领域,所解决的是提高人的情绪识别准确性的技术问题。该方法利用融合了面部表情及肢体动作的特征向量输入到SVM模型进行训练,得到SVM情绪识别模型;对目标视频进行情绪识别时,从目标视频中提取融合了面部表情及肢体动作的特征向量后输入到训练得到的SVM情绪识别模型中,利用SVM分类器对提取的特征向量实施情绪识别。本发明提供的方法,情绪识别特征融合了面部表情及肢体动作,其识别准确性较高。

    目标的三维映射的方法及装置、身份识别装置与电子设备

    公开(公告)号:CN108701232A

    公开(公告)日:2018-10-23

    申请号:CN201880000788.2

    申请日:2018-05-09

    发明人: 王小明

    IPC分类号: G06K9/00

    CPC分类号: G06K9/00201

    摘要: 本申请公开了一种用于目标的3D映射的方法及装置、身份识别装置与电子设备,其中,该用于目标的3D映射的方法包括:使用光源投射装置投射点阵图案至目标,其中,所述点阵图案呈网格排布;捕获所述目标上的点阵图案的图像;和处理捕获的点阵图案的图像,从而导出所述目标的3D图图像传感装置。实施本申请有利于减少3D图像映射的计算量,从而有利于降低3D图像映射的成本。

    应用于移动终端上的人脸识别方法

    公开(公告)号:CN108615001A

    公开(公告)日:2018-10-02

    申请号:CN201810355205.X

    申请日:2018-04-19

    发明人: 黄雅琴

    IPC分类号: G06K9/00 G06F21/32 G06Q20/40

    摘要: 本发明涉及应用于移动终端上的人脸识别方法,包括当人脸图像与第一人脸模板的匹配度大于第一预设阈值,且虹膜图像与第一虹膜模板的匹配度大于第一预设阈值,且建立的三维模型与预设的三维模型匹配时,对所述移动终端执行解锁操作;若所述人脸图像与所述第二人脸模板的匹配度大于所述第二预设阈值和/或所述虹膜图像与所述第二虹膜模板的匹配度大于所述第二预设阈值,确定通过支付验证。本发明需多重匹配识别确认方可解锁移动终端并进行支付,安全系数极高。