-
Patent Agency Ranking
公开(公告)号：CN102663769A
公开(公告)日：2012-09-12
申请号：CN201210065810.6
申请日：2012-03-13
Applicant: 上海交通大学
Abstract: 一种基于主梯度方向特征的目标检测及姿态估计方法，步骤包括：在模板训练阶段，通过对多角度模板图片进行旋转和尺度变换，进而对得到的模板图片集求取二进制的主梯度方向描述集，然后通过模板聚类加快检测阶段的搜索速度；在目标检测阶段，使用得到的模板主梯度方向描述集，扫描测试图片，进而在复杂环境下检测出目标物体并且对检测到的目标物体进行姿态估计。本发明方法对于遮挡，光照变化，复杂背景等干扰具有很好的鲁棒性，可以对以各种角度出现在测试图片中的物体进行检测，而且可以进一步估计被检测目标物体的姿态，克服了以往技术难以克服的难点，为现代化工业生产中刚性目标物体的鲁棒性快速检测及姿态估计提供一种可靠的方法。
-
公开(公告)号：CN103942829A
公开(公告)日：2014-07-23
申请号：CN201410134422.8
申请日：2014-04-02
Applicant: 上海交通大学 , 北京三星通信技术研究有限公司
IPC: G06T17/00
Abstract: 本发明公开了一种单幅图像的人体三维姿态重构方法，其包括以下步骤：步骤一，建立人体的标准三维骨架模型；步骤二，在人体图像中生成人体关节点及肢体端点的位置；步骤三，估计弱透视投影的比例参数；步骤四，将标准三维骨架中的所有节点与图像中的相应标记初步对齐；步骤五，采用优化算法进行优化。本发明提高了三维姿态重构的效率。
-
公开(公告)号：CN102663674B
公开(公告)日：2014-06-25
申请号：CN201210129429.1
申请日：2012-04-27
Applicant: 上海交通大学
IPC: G06T3/20
Abstract: 本发明涉及一种并行化实时无标记人体运动跟踪方法，包括以下步骤：S1：在主处理器上根据初始人体姿态产生初始粒子并读取已经得到的边缘和前景数据；S2：将Nview个边缘和前景数据传输到附属处理器上；S3：将Np个粒子数据传输到附属处理器上；S4：在附属处理器上快速并行计算每个粒子的边缘和前景似然函数；S5：在主处理器上计算粒子权重；S6：在主处理器上进行粒子扩散；S7：在附属处理器上并行快速地进行粒子选择；S8：判断粒子数目是否达到设定值，若为是，执行S9，否则，返回S6；S9：判断退火层数是否大于0，若为是，返回S3，否则，由结果粒子计算跟踪结果。与现有技术相比，本发明具有实时准确的进行三维人体运动跟踪等优点。
-
公开(公告)号：CN103049928A
公开(公告)日：2013-04-17
申请号：CN201210383085.7
申请日：2012-10-10
Applicant: 上海交通大学
Abstract: 本发明涉及一种并行化实时稠密体素重建方法，包括以下步骤：步骤S1：在附属处理器上计算空间点坐标，前景概率图和空间点概率；步骤S2：在附属处理器上平滑空间点并生成体素；步骤S3：在主处理器上删除内部体素，更新重建范围；步骤S4：在附属处理器上计算体素颜色，体素投影，得到前景数据。与现有技术相比，本发明具有实时准确地进行稠密体素重建等优点。
-
公开(公告)号：CN102663674A
公开(公告)日：2012-09-12
申请号：CN201210129429.1
申请日：2012-04-27
Applicant: 上海交通大学
IPC: G06T3/20
Abstract: 本发明涉及一种并行化实时无标记人体运动跟踪方法，包括以下步骤：S1：在主处理器上根据初始人体姿态产生初始粒子并读取已经得到的边缘和前景数据；S2：将Nview个边缘和前景数据传输到附属处理器上；S3：将Np个粒子数据传输到附属处理器上；S4：在附属处理器上快速并行计算每个粒子的边缘和前景似然函数；S5：在主处理器上计算粒子权重；S6：在主处理器上进行粒子扩散；S7：在附属处理器上并行快速地进行粒子选择；S8：判断粒子数目是否达到设定值，若为是，执行S9，否则，返回S6；S9：判断退火层数是否大于0，若为是，返回S3，否则，由结果粒子计算跟踪结果。与现有技术相比，本发明具有实时准确的进行三维人体运动跟踪等优点。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
