-
公开(公告)号：CN112329571B
公开(公告)日：2022-12-16
申请号：CN202011161979.2
申请日：2020-10-27
Applicant: 同济大学
IPC: G06V40/20 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种基于姿态质量评估的自适应人体姿态优化方法，包括以下步骤：S1：获取人体姿态优化训练数据和已有姿态质量评估训练数据；S2：利用姿态质量评估训练数据训练人体姿态质量评估网络，得到用于衡量已有人体姿态质量评估模型；S3：利用人体姿态优化训练数据训练人体姿态优化网络，得到人体姿态优化模型；S4：获取已有人体姿态，根据人体姿态质量评估模型的评估结果，利用人体姿态优化模型对质量不达标的已有人体姿态通过迭代进行姿态优化，直至优化后的人体姿态质量达标，输出该优化的人体姿态，与现有技术相比，本发明具有有效克服所获取的人体姿态质量差异性问题等优点。
-
公开(公告)号：CN111797704A
公开(公告)日：2020-10-20
申请号：CN202010531050.8
申请日：2020-06-11
Applicant: 同济大学
Abstract: 本发明涉及一种基于相关物体感知的动作识别方法，用于融合动作相关物体特征识别人物动作，其特征在于，包括以下步骤：1)通过卷积神经网络提取待识别图像的特征图；2)获取待识别图像中的物体，并计算各物体与动作的相关性大小；3)根据相关性大小筛选最相关物体，提取得到最相关物体特征；4)获取待识别图像中的人物，提取人体特征；5)融合人体特征与最相关物体特征，计算各动作的发生概率，完成图像中人物动作的识别，与现有技术相比，本发明具有识别精度高等优点。
-
Patent Agency Ranking
公开(公告)号：CN113435293A
公开(公告)日：2021-09-24
申请号：CN202110694968.9
申请日：2021-06-23
Applicant: 同济大学
Abstract: 本发明涉及一种基于关节关系的人体姿态估计方法，包括以下步骤：S1：构建关节关系模块，包含基于通道的特征关系模块和邻接关节空间关系模块两个子模块；S2：构建基于关节关系的人体姿态估计模型；S3：利用标注的人体姿态数据训练基于关节关系的人体姿态估计模型；S4：利用训练完成的添加关节关系模块的人体姿态估计模型进行基于单张图像的人体姿态估计任务，获取预测的人体姿态。与现有技术相比，本发明有效克服图像中自由度较高的四肢关节如腕关节、踝关节及被遮挡的不可见关节位置难以检测的问题，人体姿态估计准确性高。
-
公开(公告)号：CN112329571A
公开(公告)日：2021-02-05
申请号：CN202011161979.2
申请日：2020-10-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于姿态质量评估的自适应人体姿态优化方法，包括以下步骤：S1：获取人体姿态优化训练数据和已有姿态质量评估训练数据；S2：利用姿态质量评估训练数据训练人体姿态质量评估网络，得到用于衡量已有人体姿态质量评估模型；S3：利用人体姿态优化训练数据训练人体姿态优化网络，得到人体姿态优化模型；S4：获取已有人体姿态，根据人体姿态质量评估模型的评估结果，利用人体姿态优化模型对质量不达标的已有人体姿态通过迭代进行姿态优化，直至优化后的人体姿态质量达标，输出该优化的人体姿态，与现有技术相比，本发明具有有效克服所获取的人体姿态质量差异性问题等优点。
-
公开(公告)号：CN111797704B
公开(公告)日：2023-05-02
申请号：CN202010531050.8
申请日：2020-06-11
Applicant: 同济大学
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/74 , G06V10/80 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种基于相关物体感知的动作识别方法，用于融合动作相关物体特征识别人物动作，其特征在于，包括以下步骤：1)通过卷积神经网络提取待识别图像的特征图；2)获取待识别图像中的物体，并计算各物体与动作的相关性大小；3)根据相关性大小筛选最相关物体，提取得到最相关物体特征；4)获取待识别图像中的人物，提取人体特征；5)融合人体特征与最相关物体特征，计算各动作的发生概率，完成图像中人物动作的识别，与现有技术相比，本发明具有识别精度高等优点。
-
公开(公告)号：CN113435293B
公开(公告)日：2022-04-05
申请号：CN202110694968.9
申请日：2021-06-23
Applicant: 同济大学
IPC: G06V40/10 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于关节关系的人体姿态估计方法，包括以下步骤：S1：构建关节关系模块，包含基于通道的特征关系模块和邻接关节空间关系模块两个子模块；S2：构建基于关节关系的人体姿态估计模型；S3：利用标注的人体姿态数据训练基于关节关系的人体姿态估计模型；S4：利用训练完成的添加关节关系模块的人体姿态估计模型进行基于单张图像的人体姿态估计任务，获取预测的人体姿态。与现有技术相比，本发明有效克服图像中自由度较高的四肢关节如腕关节、踝关节及被遮挡的不可见关节位置难以检测的问题，人体姿态估计准确性高。
-
公开(公告)号：CN111797705A
公开(公告)日：2020-10-20
申请号：CN202010531062.0
申请日：2020-06-11
Applicant: 同济大学
Abstract: 本发明涉及一种基于人物关系建模的动作识别方法，包括以下步骤：1)利用卷积神经网络检测待识别图像中所有的人体包围盒 和物体包围盒 并提取人体特征向量 和物体特征向量 2)根据人体和物体的空间位置、人体特征向量和物体特征向量，分别计算人-物关系特征fho(m)和物-人关系特征foh(n)；3)利用人-物关系特征fho(m)和物-人关系特征foh(n)对人体特征向量 和物体特征向量 增强；4)融合增强后的人体特征向量 和物体特征向量 计算得到各类别动作的概率，完成动作识别，与现有技术相比，本发明具有动作识别精度高等优点。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
