-
公开(公告)号：CN106156739B
公开(公告)日：2019-06-18
申请号：CN201610523793.4
申请日：2016-07-05
Applicant: 华南理工大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于脸部轮廓分析的证件照耳朵检测与提取方法，用于自动判断证件照头像是否端正，检测证件照耳朵的有无，并最终提取证件照耳朵区域。该算法分析两种轮廓线：皮肤外轮廓和脸部轮廓，并基于如下观察：人类脸部轮廓线在一定程度上满足抛物线方程。首先提出基于皮肤外轮廓抛物线拟合的耳朵有无检测方法，用抛物线拟合皮肤外轮廓，当拟合结果较好时说明皮肤外轮廓与脸部轮廓重合，无耳朵。否则当有耳朵时，提出基于梯度和抛物线引导的动态规划算法识别脸部轮廓。脸部轮廓线能分割耳朵和脸部皮肤区域，从而实现耳朵区域的有效提取。本发明的算法能用于自拍证件照的合格性自动判断，提取出的耳朵区域可供证件照图像后处理。
-
公开(公告)号：CN106204567B
公开(公告)日：2019-01-29
申请号：CN201610525850.2
申请日：2016-07-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种自然背景视频抠图方法，包括步骤：1)关键帧自动选取，通过计算帧间差异自动地选取视频中的关键帧；2)关键帧Trimap图的生成，允许用户通过少量的手工交互提供有效信息，采用GrabCut分割算法与高斯模糊方法半自动地生成关键帧上的Trimap图；3)中间帧Trimap图的生成，利用双向光流传播生成中间各帧的Trimap图，并利用颜色、梯度等信息修正光流传播产生的误差；4)根据所有视频帧的Trimap图，以及加入三维时空优化的贝叶斯抠图算法计算出视频每一帧的α掩码图，将α掩码图与新的背景进行合成，得到新的合成视频。本发明方法具有速度快，用户交互少，最后得到的新合成视频具有良好的时间连贯性，真实感更强等优点。
-
公开(公告)号：CN107256557A
公开(公告)日：2017-10-17
申请号：CN201710304102.6
申请日：2017-05-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种误差可控的细分曲面图像矢量化方法，包括如下步骤：1)检测图像边缘特征，得到一个像素宽的初始图像特征线段；2)构造基于图像特征的初始网格，并在网格中标记图像特征；3)简化初始网格，构造保持图像特征的基网格；4)误差可控的Loop细分曲面拟合求得控制网格；5)光栅化矢量表示。给定一张光栅图像，本发明能够得到较好的矢量图像，如果初始重构结果的误差不能满足用户需求，本发明可以衡量出矢量化的重构图像与原图像误差，通过对基网格进行自适应细分以达到一定范围内的指定误差，做到误差可控。本发明研究使用细分曲面技术进行图像矢量化，目的是将光栅图像转换为满足误差要求的矢量表示，具有实际应用价值。
-
公开(公告)号：CN106709883A
公开(公告)日：2017-05-24
申请号：CN201611180960.6
申请日：2016-12-20
Applicant: 华南理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于联合双边滤波和尖锐特征骨架提取的点云去噪方法，包括步骤：1)利用法向量差方法获取候选特征点；2)对候选点提取骨架；3)利用骨架对候选点进行重采样，得到特征点；4)对特征点赋予多法向量；5)基于联合双边滤波框架对点云法向量进行滤波；6)基于滤波后的法向量对点位置进行更新，得到去噪后的点云模型。本发明方法利用先提取尖锐特征骨架对模型结构进行分析，从而在去噪同时能更好保持物体尖锐特征，有助于应对高强度噪声，具有高鲁棒性的特点，具有很好的推广利用前景。
-
公开(公告)号：CN106204718A
公开(公告)日：2016-12-07
申请号：CN201610502690.X
申请日：2016-06-28
Applicant: 华南理工大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于单个Kinect的简易高效三维人体重建方法，该三维人体重建方法包括以下步骤：1)获取点云；2)点云预处理；3)局部对齐；4)全局对齐；5)表面重建。用户可以很容易地在诸如家里或办公室这样狭窄的空间内实现三维人体建模，所需要的仅仅是一台个人电脑和一台Kinect。为了使人体建模更加快速、准确和方便，本发明提出了一种有效的全身扫描的数据采集策略，只通过六个角度，每个角度三帧的扫描，便可以完全覆盖人体。而对Kinect捕捉到的点云数据的处理，包含局部对齐和在全局对齐两个步骤。这种新的三维人体建模方法可适用于大多数应用，比如数字测量、产品设计和在线购物。
-
Patent Agency Ranking
公开(公告)号：CN106156739A
公开(公告)日：2016-11-23
申请号：CN201610523793.4
申请日：2016-07-05
Applicant: 华南理工大学
IPC: G06K9/00
CPC classification number: G06K9/00281
Abstract: 本发明公开了一种基于脸部轮廓分析的证件照耳朵检测与提取方法，用于自动判断证件照头像是否端正，检测证件照耳朵的有无，并最终提取证件照耳朵区域。该算法分析两种轮廓线：皮肤外轮廓和脸部轮廓，并基于如下观察：人类脸部轮廓线在一定程度上满足抛物线方程。首先提出基于皮肤外轮廓抛物线拟合的耳朵有无检测方法，用抛物线拟合皮肤外轮廓，当拟合结果较好时说明皮肤外轮廓与脸部轮廓重合，无耳朵。否则当有耳朵时，提出基于梯度和抛物线引导的动态规划算法识别脸部轮廓。脸部轮廓线能分割耳朵和脸部皮肤区域，从而实现耳朵区域的有效提取。本发明的算法能用于自拍证件照的合格性自动判断，提取出的耳朵区域可供证件照图像后处理。
-
公开(公告)号：CN118247428A
公开(公告)日：2024-06-25
申请号：CN202410287823.0
申请日：2024-03-13
Applicant: 华南理工大学
IPC: G06T17/00 , G06V40/10 , G06V10/44 , G06V10/82 , G06V10/766 , G06V10/774 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于样例优化的三维人体网格重建方法，属于计算机视觉技术领域。所述方法包括：首先，从输入的单目图像中利用残差网络和姿态检测器分别提取图像特征和获得二维关节点位置；然后将图像特征分别输入主回归网络和辅助回归网络，获得人体姿态参数和形状参数；接着主回归网络根据辅助回归网络的结果和检测的二维关节点联合优化网络参数；最终由主网络输出目标人体的三维网格参数。本发明通过将样例优化融入训练阶段，并引入辅助回归网络来提供以往样例优化损失函数缺乏的SMPL标签，统一了训练损失函数和样例优化损失函数的表达形式。基于以上两方面的改进，本发明的网络模型在三维人体网格的重建精度上进一步得到提高。
-
公开(公告)号：CN118071902A
公开(公告)日：2024-05-24
申请号：CN202410303707.3
申请日：2024-03-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于分布自回归的长时间角色运动控制方法，包括：1)动作捕捉数据的建立，包括动作数据采集、预处理与标注、数据增强、隐编码转换和划分数据集；2)通过采用多元高斯分布构建隐编码迁移的条件概率分布，确保动作的多样性，训练过程中采用自回归方式迭代生成运动序列，并从预测分布中采样以提升稳定性；3)实际应用中，神经网络根据用户的实时控制指令，以自回归的方式迭代生成任意长时间的运动序列，实现精准且多样的角色运动控制。本发明在保证长期精确控制角色运动的同时，实现了运动的多样性和自然性，避免了动作的重复性和单调性，在动画、游戏开发、虚拟现实等领域具有广泛应用前景。
-
公开(公告)号：CN118071666A
公开(公告)日：2024-05-24
申请号：CN202410234400.2
申请日：2024-03-01
Applicant: 华南理工大学
IPC: G06T5/94 , G06T5/60 , G06V40/16 , G06V10/44 , G06V10/60 , G06V10/80 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了一种基于深度学习的人脸去阴影方法，方法包括下述步骤：构建自样例光照均衡网络，包括下采样层、多个级联的自样例光照均衡块及解码器；下采样层用于下采样得到特征图；自样例光照均衡块用于获取去除阴影的人脸特征；解码器用于得到无阴影人脸图像；获取带阴影人脸图像的训练数据集，输入自样例光照均衡网络中进行端到端训练，更新网络参数得到训练好的自样例光照均衡网络；将待去阴影人脸图像输入训练好的自样例光照均衡网络中，输出得到无阴影人脸图像。本发明通过建立人脸上阴影区域和无阴影区域之间的对应关系，并提取光照信息调制输入的人脸特征图片，在实现光照均匀的同时保证人脸结构的完整性，实现面部阴影的去除。
-
公开(公告)号：CN111914618B
公开(公告)日：2024-05-24
申请号：CN202010521352.7
申请日：2020-06-10
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于对抗式相对深度约束网络的三维人体姿态估计方法，包括步骤：1)输入人体16个关节点的二维像素坐标，并归一化预处理；2)输入二维像素坐标到深度预测网络，输出人体16个关节点的深度值；3)利用深度值与二维像素坐标来重构关节点的三维坐标；4)输入三维人体姿态到生成式对抗网络的判别器进行真实性误差计算，利用三维人体姿态与图像对应的各关节点间的相对深度信息进行相对深度误差计算；5)将生成式对抗网络的判别器计算的真实性误差与相对深度误差相加得到总误差，并反馈到深度预测网络，得到更加准确的三维人体姿态。本发明解决了室外三维人体姿态数据缺少和生成式对抗网络方法的结果与图片各关节点间的相对深度关系不符合的问题。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.023 seconds)
