-
公开(公告)号：CN111489379B
公开(公告)日：2020-10-02
申请号：CN202010597038.7
申请日：2020-06-28
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院 , 中国科学院自动化研究所
Abstract: 本发明提出了一种引入运动学约束的3D网络进行手部姿态估计的方法及系统，包括以下步骤：步骤1、将原始的深度图中定位出的手部区域转化成体素化的输入；步骤2、引入运动学约束的3D手部姿态估计网络；步骤3、评估预测的关节点位置的准确性、并评估预测出的关节点所形成的手部姿态的合理性。该网络以体素化的手部区域作为输入，经过3D卷积神经网络，预测表示关节点概率分布的3D heatmap。heatmap中最大值的位置也就是关节点的位置；利用3D heatmap获得关节点的位置然后根据关节点之间的对应关系计算出骨骼的长度。通过对3D heatmap进行处理，获得各个关节点的坐标以及对应的骨骼长度，从而可以利用修改损失函数的方式对预测的结果添加运动学约束。
-
公开(公告)号：CN111340011B
公开(公告)日：2020-09-11
申请号：CN202010419814.4
申请日：2020-05-18
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院 , 中国科学院自动化研究所
Abstract: 本发明提出了一种自适应时序移位神经网络时序行为识别方法，首先采集多个时间点的特征并建模；接着引入自适应时序移位神经网络学习每一层网络所需的感受野；最后训练可学习的移位变量，对骨骼点数据进行修正。本发明能够自适应的学习每一层网络所需的感受野，并且能够自适应的学习每种数据集所需的感受野。自适应时序移位神经网络能够针对不同的数据学习出不同的时间移位向量，从而自适应的适应不同的数据分布。通过本发明提出的时序行为识别方法，能够在提高行为检测精度的同时节省计算资源，这种自适应的学习比普通时间卷积的手工调参更加优越。
-
公开(公告)号：CN111028374A
公开(公告)日：2020-04-17
申请号：CN201911047307.6
申请日：2019-10-30
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院 , 中国科学院自动化研究所
Abstract: 本发明公开了基于步态识别的考勤机及考勤系统，属于考勤机领域。基于步态识别的考勤系统，包括依次信号相连的中央处理器、特征分类组合模块和特征分析模块；还包括与特征分析模块依次电性相连的步态特征识别处理模块、图像处理模块和摄像机；还包括与特征分析模块依次电性相连的脚步声音识别处理模块、第一计时模块、声音处理模块和麦克风；本发明若是多人结伴行走，分隔模块将多人分隔开来，然后通过特征获取分隔开来的单人进行各个人的步态特征获取，然后将获取的步态特征输送到特征分析模块进行特征分析，然后进入到特征分类组合将步态特征和声音特征和行走速度特征组合在一起，进行组合识别打卡提高打卡精确度。
-
公开(公告)号：CN110390259A
公开(公告)日：2019-10-29
申请号：CN201910502464.5
申请日：2019-06-11
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院 , 中国科学院自动化研究所
Abstract: 本申请涉及一种图数据识别方法、装置、计算机设备和存储介质。所述方法包括：获取输入已训练的卷积神经网络的当前卷积层的输入特征图，获取输入已训练的卷积神经网络的当前卷积层的特征图，获取参考邻接矩阵，根据输入特图和参考邻接矩阵生成目标邻接矩阵，获取当前卷积层的卷积核，根据输入特征图、卷积核和目标邻接矩阵生成目标输出特征图，根据目标输出特征图，识别出图数据的识别结果。根据输入的特征图对固定的参考邻接矩阵进行调整，得到目标邻接矩阵，根据输入特征图自适应调整的目标邻接矩阵，可以更好的表达人体姿态，提高采用生成的特征图进行识别的准确率。
-
公开(公告)号：CN110378372A
公开(公告)日：2019-10-25
申请号：CN201910503194.X
申请日：2019-06-11
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院 , 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本申请涉及一种图数据识别方法、装置、计算机设备和存储介质。所述方法包括：获取输入已训练的卷积神经网络的当前卷积层的输入特征图，输入特征图为根据图像数据生成的特征图，获取当前卷积层的第一偏置矩阵，其中第一偏置矩阵为生成已训练的卷积神经网络时生成的矩阵，根据输入特征图生成第二偏置矩阵，获取参考邻接矩阵，计算参考邻接矩阵、第一偏置矩阵和第二偏置矩阵的和，得到目标邻接矩阵，获取当前卷积层的卷积核，根据当前卷积层的卷积核、目标邻接矩阵和输入特征图生成目标输出特征图，根据目标输出特征图，识别出图数据的识别结果。对现有的固定的邻接矩阵基础上增加可调整的偏置矩阵，提高已训练的卷积神经网络的识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN109800659A
公开(公告)日：2019-05-24
申请号：CN201811604771.6
申请日：2018-12-26
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院 , 中国科学院自动化研究所
Inventor： 张一帆
Abstract: 本发明提出了一种动作识别方法及装置，包括：获取视频中待识别对象在运动时的骨骼数据；根据所述骨骼数据生成所述待识别对象的骨骼序列；生成与所述骨骼序列对应的骨骼特征图像，所述骨骼特征图像中包括若干个骨骼点；将骨骼特征图像输入至预设卷积神经网络模型进行分类，得到与所述骨骼特征图对应的动作类别。本发明将动作识别的问题转化成骨骼序列图像分类的问题，将骨骼序列转换为骨骼特征图像，然后再对骨骼特征图像分类，使得识别更加准确，效率更高。
-
公开(公告)号：CN109800659B
公开(公告)日：2021-05-25
申请号：CN201811604771.6
申请日：2018-12-26
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院 , 中国科学院自动化研究所
Inventor： 张一帆
Abstract: 本发明提出了一种动作识别方法及装置，包括：获取视频中待识别对象在运动时的骨骼数据；根据所述骨骼数据生成所述待识别对象的骨骼序列；生成与所述骨骼序列对应的骨骼特征图像，所述骨骼特征图像中包括若干个骨骼点；将骨骼特征图像输入至预设卷积神经网络模型进行分类，得到与所述骨骼特征图对应的动作类别。本发明将动作识别的问题转化成骨骼序列图像分类的问题，将骨骼序列转换为骨骼特征图像，然后再对骨骼特征图像分类，使得识别更加准确，效率更高。
-
公开(公告)号：CN111489379A
公开(公告)日：2020-08-04
申请号：CN202010597038.7
申请日：2020-06-28
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院 , 中国科学院自动化研究所
Abstract: 本发明提出了一种引入运动学约束的3D网络进行手部姿态估计的方法及系统，包括以下步骤：步骤1、将原始的深度图中定位出的手部区域转化成体素化的输入；步骤2、引入运动学约束的3D手部姿态估计网络；步骤3、评估预测的关节点位置的准确性、并评估预测出的关节点所形成的手部姿态的合理性。该网络以体素化的手部区域作为输入，经过3D卷积神经网络，预测表示关节点概率分布的3D heatmap。heatmap中最大值的位置也就是关节点的位置；利用3D heatmap获得关节点的位置然后根据关节点之间的对应关系计算出骨骼的长度。通过对3D heatmap进行处理，获得各个关节点的坐标以及对应的骨骼长度，从而可以利用修改损失函数的方式对预测的结果添加运动学约束。
-
公开(公告)号：CN111340011A
公开(公告)日：2020-06-26
申请号：CN202010419814.4
申请日：2020-05-18
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院 , 中国科学院自动化研究所
Abstract: 本发明提出了一种自适应时序移位神经网络时序行为识别方法及系统，首先采集多个时间点的特征并建模；接着引入自适应时序移位神经网络学习每一层网络所需的感受野；最后训练可学习的移位变量，对骨骼点数据进行修正。本发明能够自适应的学习每一层网络所需的感受野，并且能够自适应的学习每种数据集所需的感受野。自适应时序移位神经网络能够针对不同的数据学习出不同的时间移位向量，从而自适应的适应不同的数据分布。通过本发明提出的时序行为识别方法，能够在提高行为检测精度的同时节省计算资源，这种自适应的学习比普通时间卷积的手工调参更加优越。
-
公开(公告)号：CN111091577A
公开(公告)日：2020-05-01
申请号：CN201911241559.2
申请日：2019-12-06
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院 , 河南理工大学 , 中国科学院自动化研究所
Abstract: 本发明涉及一种基于伪孪生网络的线特征描述方法，包括：步骤S11：获取同一场景不同变换的图像对；步骤S12：检测图像中的直线；步骤S13：获取正确匹配直线对；步骤S14：确定直线对应的图像块；步骤S2：搭建用于线特征描述的全卷积伪孪生网络；步骤S31：获取训练子集；步骤S32：计算网络输出特征向量；步骤S33：对网络参数进行调整；步骤S4：更新网络参数值；步骤S5：参数迭代更新至指定的次数；步骤S6：获取输入直线的描述子。本发明提供的方法可获得具有强区分性的描述子。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.067 seconds)
