-
公开(公告)号：CN106341676B
公开(公告)日：2017-06-16
申请号：CN201610865067.0
申请日：2016-09-29
Applicant: 济南大学
IPC: H04N13/00 , H04N19/597
Abstract: 本发明公开了基于超像素的深度图像预处理和深度空洞填充方法，包括以下步骤：步骤一：待处理的深度图像的超像素分割：对于该待处理的深度图像对应的彩色图像进行超像素分割，然后利用彩色图像的分割结果对该待处理的深度图像进行分割；步骤二：基于超像素的深度图像预处理；步骤三：虚拟视点深度图像超像素分割：利用待处理的深度图像对应的彩色图像和预处理后的深度图像进行三维变换，生成虚拟视点初始彩色图像和虚拟视点初始深度图像，对虚拟视点初始深度图像进行超像素分割；步骤四：虚拟视点深度图像填充。本发明采用基于超像素的深度图像预处理和基于超像素的深度空洞处理，空洞填充准确性较高，计算量较小，有利于视点合成的实时实现。
-
公开(公告)号：CN106529475A
公开(公告)日：2017-03-22
申请号：CN201610991203.0
申请日：2016-11-09
Applicant: 济南大学
Inventor： 冯志全
CPC classification number: G06K9/00355 , G06K9/00389 , G06K2009/00395 , G06N3/084
Abstract: 本发明提供了一种基于优化手势库分布的DNN群手势识别方法，属于计算机领域。该方法包括：(1)采集手势，形成手势数据集；(2)利用优化手势库分布把所述手势数据集重新分类成多个子数据库；(3)在每个子数据库上，对DNN模型进行学习训练，得到DNN结构；(4)输入待识别手势。用Kinect设备采集待识别手势，利用减背景方法芳实现手势分割，把人手从背景中分离出来；(5)把待识别手势分别送往每个DNN结构进行识别，并用下式计算各个DNN识别结果的输出误差E：E＝希望输出-网络响应；(6)返回输出误差E最小者所对应的输出结果，即为识别出的手势。
-
公开(公告)号：CN106295464A
公开(公告)日：2017-01-04
申请号：CN201510249468.9
申请日：2015-05-15
Applicant: 济南大学
Inventor： 冯志全
IPC: G06K9/00
CPC classification number: G06K9/00355
Abstract: 本发明的一种基于形状上下文的手势识别方法，首先构建手势数据库，选取m种手势，每种手势选取n幅手势图像，找出每幅手势图像中的手势点和手势特征点，在手势特征点和手势点的基础上提取形状上下文特征，最后将形状上下文特征写入文本文件存储在手势数据库；然后在视频流中连续选取F帧待识别手势图像，采用相同的方法实时计算出每帧待识别图像的形状上下文特征进行比对。本发明的有益效果是：该发明对于手势的缩放、平移和旋转可以有效识别，识别率高，尤其对于远距离条件下(摄像头距离手势3米～4米)的低分辨率(30像素)手势图像的识别率可以达到97％以上。目前一般手势识别方法很难达到这种效果。
-
公开(公告)号：CN104850232B
公开(公告)日：2016-10-19
申请号：CN201510279370.8
申请日：2015-05-27
Applicant: 济南大学
Abstract: 本发明提供了一种摄像头条件下获取远程手势轨迹的方法，属于计算机人机交互界面领域。该方法包括：(1).通过摄像头获得n帧bmp图像，以及图像的宽度、高度、存放数据的指针；(2).依次对n帧图像进行处理，获得手势图像的质心坐标；(3).输出步骤(2)得到的n帧手势图像的n帧质心坐标，然后将n帧质心坐标经过三次B样条拟合得到三次B样条拟合函数；(4).通过三次B样条拟合函数，画出n帧图像的轨迹曲线。
-
公开(公告)号：CN105975906A
公开(公告)日：2016-09-28
申请号：CN201610268717.3
申请日：2016-04-27
Applicant: 济南大学
IPC: G06K9/00
CPC classification number: G06K9/00389 , G06K9/00355
Abstract: 本发明提供了一种基于面积特征的PCA静态手势识别方法，属于人机交互领域。该方法包括：第一步，对于通过摄像头捕捉到的图像进行处理，获得标准的手势图像；第二步，对第一步得到的手势图像进行包围盒处理，并将其投影到标准图像；第三步，获取第二步得到的标准图像中的手势区域形心、最远点和主方向；第四步，获取标准图像12区域最远点特征信息；第五步，获取标准图像的面积特征信息；第六步，采用PCA算法进行静态手势识别。
-
Patent Agency Ranking
公开(公告)号：CN105929947A
公开(公告)日：2016-09-07
申请号：CN201610237410.7
申请日：2016-04-15
Applicant: 济南大学
CPC classification number: G06F3/017 , G06K9/00355
Abstract: 本发明提供了一种基于场景态势感知的人机交互方法，属于人机交互领域。该基于场景态势感知的人机交互方法利用最小二乘法拟合平行线束，判断在平行线束内的物体距离直线的距离，根据该物体与虚拟手的距离来判断用户的操作意图,并且采用包围盒大小实现控制Z变量在合适的范围内变化，最终实现相向互动。本发明提出的基于包围盒大小来控制Z变量变化，得到很好的效果；在用户有目的的移动的情况下，拟合直线束预测用户想要操作的物体的正确率达87％以上。
-
公开(公告)号：CN105929946A
公开(公告)日：2016-09-07
申请号：CN201610236789.X
申请日：2016-04-15
Applicant: 济南大学
IPC: G06F3/01 , G06F3/0481
Abstract: 本发明提供了一种基于虚拟界面的自然交互方法，属于智能计算机领域。该方法包括：S1，构建虚拟界面：通过静态和动态两种方式构建虚拟界面；S2，对虚拟界面进行分区：将虚拟界面平均分成多个区域，每个区域具有不同的功能；S3，虚拟界面的实时刷新移动：在交互过程中，如果用户需要更换位置进行操作，则虚拟界面会根据用户移动的距离情况进行相应的同方向的移动。本发明方法通过静态和动态两种方式构建虚拟界面，将虚拟界面进行分区，然后将虚拟界面作为输入界面与应用系统进行交互，有效解决了“Midas Touch Problem”，而且减少了用户的操作负荷，具有良好的用户体验。
-
公开(公告)号：CN105204627B
公开(公告)日：2016-07-13
申请号：CN201510551014.7
申请日：2015-09-01
Applicant: 济南大学
Inventor： 冯志全
IPC: G06F3/01
Abstract: 本发明提供了一种基于手势的数字输入方法，属于计算机领域。该方法构造虚拟界面，所述虚拟界面是操作者手势操作区域，该虚拟界面能够随着操作者的身体位置或体态的变化而变化；通过一个虚拟界面逐次输入N个数字，或者通过生成N个虚拟界面，每个虚拟界面输入一个数字，这N个虚拟界面形成虚拟界面群；将显示屏幕定义为物理界面，操作者与物理界面之间的空间定义为物理空间；所述物理空间包括虚拟界面和非虚拟界面；操作者的手势只有在虚拟界面内才是有效的和能够感知的，在非虚拟界面内的手势是无效的；通过所述虚拟界面群输入数字。
-
公开(公告)号：CN104102904B
公开(公告)日：2016-03-23
申请号：CN201410334999.3
申请日：2014-07-14
Applicant: 济南大学
Abstract: 本发明一种静态手势识别方法，本发明提出一种基于空间手势坐标点分布特征HCDF和类-Hausdorff距离模板匹配的手势识别方法。首先用HCDF提取手势特征向量；然后将提取的特征与样本库进行相似性度量，选取M种相近的候选样本；最后用类-Hausdorff距离模板匹配的思想，从M种候选样本中识别出最终的手势。本发明的有益效果是：与HDF方法相比本发明有更高的识别率，并且本发明对于旋转、缩放、平移的手势，仍能正确识别，对区分度较小的相近手势仍能保持很高的识别率。另外，相比于单纯用类-Hausdorff距离进行识别，本发明的识别速度有较大提高。
-
公开(公告)号：CN105007525A
公开(公告)日：2015-10-28
申请号：CN201510312111.0
申请日：2015-06-09
Applicant: 济南大学
IPC: H04N21/442 , H04N21/485 , H04N21/422
CPC classification number: H04N21/42222 , H04N21/42204 , H04N21/44218 , H04N21/4852 , H04N21/4858
Abstract: 本发明提供了一种面向智能电视应用的交互情景事件关联智能感知方法，属于智能电视领域。所述方法捕获当前K时刻交互情景事件状态上下文信息tag和K时刻之前的用户体态行为轨迹的有效连续历史帧图像frames；与体态行为模型模式数据库中的基本体态行为进行匹配，识别出用户当前的体态行为，据此辨识出当前发生的交互情景事件；根据辨识出的交互情景事件推测出未来时刻将要激活发生的交互情景事件。
-
-
-
-
-
-
-
-
-
Search Results
259
records
(took 0.024 seconds)
