-
公开(公告)号:CN107909687A
公开(公告)日:2018-04-13
申请号:CN201711083263.3
申请日:2017-11-07
Applicant: 惠州市瑞时智控科技有限公司
Inventor: 谢群斐
CPC classification number: G07C9/00563 , G06K9/00355 , G06K9/6201
Abstract: 本发明公开的一种基于机器学习的智能门控系统,包括图像获取模块、处理单元和门锁控制模块,所述图像获取模块用于获取设定开门图像信息和开门图像信息,并将所述信息传输到处理单元;所述处理单元用于接收和预处理设定开门图像信息和开门图像信息;对所述预处理后的设定开门图像信息进行机器学习训练得到模型库;把预处理后的开门图像信息进行机器学习后输入模型库分析识别,根据分析识别结果发出控制指令控制门锁控制模块;所述门锁控制模块用于控制门锁装置打开智能门。采用机器学习方法对开门的图像进行学习,对图像的识别率高,使用方便,准确率高,提高了智能门的安全性。
-
公开(公告)号:CN107844759A
公开(公告)日:2018-03-27
申请号:CN201711003742.X
申请日:2017-10-24
Applicant: 努比亚技术有限公司
Inventor: 谭凯
IPC: G06K9/00
CPC classification number: G06K9/00355
Abstract: 本发明公开了一种手势识别方法,该方法包括:当检测到第一应用中的预设手势识别开关打开时,启动系统底层的预设守护进程;根据预设守护进程,调用摄像头的硬件层接口,获取当前手势数据;调用系统底层的预设手势识别算法;根据预设手势识别算法对当前手势数据进行处理,识别当前手势数据对应的当前手势。本发明还提出了一种终端和一种计算机可读存储介质,通过实施上述方案,整体上提高了终端实现手势识别的执行效率。
-
公开(公告)号:CN107704190A
公开(公告)日:2018-02-16
申请号:CN201711076834.0
申请日:2017-11-06
Applicant: 广东欧珀移动通信有限公司
Inventor: 陈岩
IPC: G06F3/0488 , G06K9/00
CPC classification number: G06F3/04883 , G06K9/00355
Abstract: 本申请公开了一种手势识别方法、装置、终端及存储介质,属于终端技术领域。该方法包括:当在屏幕的指定区域上检测到通过多个触摸点触发的滑动操作时,根据滑动轨迹获取触摸信号,基于该触摸信号,通过指定逻辑回归模型确定第一手势概率和第二手势概率,该第一手势概率是指当前的手势为掀开手势的概率,该第二手势概率是指当前的手势为上划手势的概率,基于该第一手势概率和该第二手势概率,对当前的手势进行识别。也即是,本申请通过获取多个触摸点在滑动过程中的触摸信号,并基于该触摸信号,通过指定逻辑回归模型实现了对上划手势和掀开手势的区分和识别,以保证能够正确响应用户的手势操作。
-
公开(公告)号:CN107688791A
公开(公告)日:2018-02-13
申请号:CN201710785976.8
申请日:2017-09-04
Applicant: 北京京东金融科技控股有限公司
Inventor: 张尧
CPC classification number: G06K9/00355 , G06F3/017 , G06K9/00335
Abstract: 本发明公开了一种显示内容控制方法及装置、系统、存储介质和电子设备,涉及显示控制技术领域。该显示内容控制方法包括:接收体感摄像机捕捉的人体骨骼点坐标;根据人体骨骼点坐标确定人体运动轨迹;基于人体运动轨迹确定目标姿势操作;以及根据与目标姿势操作对应的指令控制显示内容。本公开可以实现人体姿势操作对显示内容的控制。
-
公开(公告)号:CN107678550A
公开(公告)日:2018-02-09
申请号:CN201710967482.1
申请日:2017-10-17
Applicant: 哈尔滨理工大学
CPC classification number: G06F3/014 , G06F3/017 , G06K9/00355
Abstract: 本发明公开了一种基于数据手套的手语手势识别系统,包括数据手套、微处理器、电源和上位机,所述数据手套连接微处理器,微处理器还分别连接上位机和电源,所述电源还连接数据手套。本发明基于数据手套的手语手势识别系统能够对手语手势实现精准的识别效果,帮助聋哑人完成和正常人之间的信息沟通,并且其使用方便,精确度高。
-
公开(公告)号:CN104871116B
公开(公告)日:2018-02-06
申请号:CN201380067325.5
申请日:2013-11-27
Applicant: 索尼公司
IPC: G06F3/01 , G06F3/0481
CPC classification number: G06F3/0486 , G06F3/011 , G06F3/017 , G06F3/04817 , G06F3/04842 , G06K9/00355
Abstract: 一种信息处理系统,包括处理电路,该处理电路被配置为响应于对用户启动的操作对象的识别,来控制显示屏幕上的UI对象从识别前位置向识别后位置的移动,其中,识别后位置在空间上与预定显示特征的显示位置有关,该预定显示特征是从摄像机捕获图像得到的图像,其中,靠近模式对于该UI对象和其他UI对象是不统一的,使得不同UI对象的相应靠近速度或相应识别后位置是不同的,其中,第一检测姿势触发该UI对象的移动,并且与第一检测姿势不同的第二检测姿势触发另一UI对象的移动。
-
公开(公告)号:CN104656895B
公开(公告)日:2018-02-02
申请号:CN201510069927.5
申请日:2015-02-10
Applicant: 北京智谷睿拓技术服务有限公司
IPC: G06F3/01 , A61B5/0265
CPC classification number: G06F3/011 , A61B5/0261 , A61B5/6826 , A61B8/06 , A61B8/488 , A61B8/5223 , A61B2503/12 , G06F1/163 , G06F3/017 , G06K9/00355 , G06K9/0053 , G06K9/00543
Abstract: 本申请提供了一种确定输入信息的方法和设备,涉及可穿戴式设备领域。所述方法包括:响应于用户身体上一第一部位执行一动作,获取所述第一部位或者与所述第一部位相对应的一第二部位的目标血流信息;根据所述目标血流信息和一参考信息,确定一输入信息。所述方法和设备,以用户身体作为输入界面,增加了交互面积,有利于提高输入效率,提升用户体验。
-
公开(公告)号:CN107533639A
公开(公告)日:2018-01-02
申请号:CN201680024492.5
申请日:2016-02-17
Applicant: 大众汽车有限公司
CPC classification number: G06K9/00355 , G06K9/00832 , G06K9/6293
Abstract: 描述了一种用于检测针对车辆(10)的姿势的方法。在此,一方面利用二维传感器(1)来检测对象(5)的运动,根据所检测到的运动来激活测距传感器(1)并且借助于被激活的测距传感器(1)来检测所述姿势。另一方面,检测车辆(10)的周围环境的如下状态,在所述状态下,车辆(10)的传感器(1)只检测所述车辆(10)所处的机动车道,所述传感器(1)在所述状态期间被校准而所述姿势利用经校准的传感器(1)来检测。
-
公开(公告)号:CN107527060A
公开(公告)日:2017-12-29
申请号:CN201610442232.1
申请日:2016-06-20
Applicant: 青岛海尔智能技术研发有限公司
Inventor: 于海洋
CPC classification number: G06K9/6269 , G06K9/00355 , G06K9/6256 , G06K9/6288 , G06Q10/087 , G06T2207/10004 , G06T2207/10016 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明提供一种冷藏装置存储物管理系统和冷藏装置,包括:基于卷积神经网络的训练模块,用于学习检测目标存储物;基于卷积神经网络的识别模块,用于识别是否有目标存储物以及目标存储物的种类;基于卷积神经网络的检测模块,用于捕捉检测是否有目标存储物、以及是否有目标存储物存入冷藏装置或从冷藏装置中取出。本发明所提出的冷藏装置存储物管理系统可以通过训练、验证和测试等步骤建立卷积神经网络以实现根据采样视频自动学习、交互、识别、统计冷藏装置中的目标存储物、目标存储物的种类和每一种目标存储物数量的变化,无需改变传统的冷藏装置的使用习惯,实现了智能自动统计和交互功能,具有管理精度高、统计数据准确,使用灵活性好的优点。
-
公开(公告)号:CN107451552A
公开(公告)日:2017-12-08
申请号:CN201710609463.1
申请日:2017-07-25
Applicant: 北京联合大学
CPC classification number: G06K9/00355 , G06N3/0454 , G06N3/08
Abstract: 本发明公开一种基于3D-CNN和卷积LSTM的手势识别方法,首先,通过时间抖动策略对输入3D-CNN的视频长度进行归一化;归一化后的视频作为输入,被馈送至3D-CNN用来学习手势的短期时空特征;基于3D-CNN提取的短期时空特征,通过两层卷积LSTM网络学习手势的长期时空特征,用以消除复杂背景对手势识别的影响;之后,所提取的长期时空特征经过空间金字塔池化层(SPP-Layer)降低特征维度,同时提取得到的多尺度特征被馈送入网络的全连接层;最后,经过后期多模态融合的方法,平均融合不用网络的预测结果,从而得到最终的预测分数。本发明通过同时学习手势的时间和空间特征,进而通过不同的网络将短期时空特征和长期时空特征结合起来,并用批量归一化的方法训练网络,提高了手势识别的效率和精确度。
-
-
-
-
-
-
-
-
-