-
公开(公告)号：CN114078196A
公开(公告)日：2022-02-22
申请号：CN202111227549.0
申请日：2021-10-21
Applicant: 浙江工商大学
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G06V40/16
Abstract: 本发明公开了一种基于复杂学业情绪识别方法的智能学伴机器人，包括以下步骤：步骤S1：定义复杂学业情绪模型；步骤S2：收集复杂学业情绪数据集；步骤S3：对收集的复杂学业情绪数据集进行数据预处理；步骤S4：构建基于学业情绪模型的面部复杂表情识别网络，训练得到复杂表情的识别分类结果;步骤S5：基于复杂学业情绪识别方法对智能学伴机器人进行设置；步骤S6：智能学伴机器人对用户进行情绪检测并进行反馈；步骤S7：智能学伴机器人进行学习记录与反馈，并提出建议；本发明相较于基本表情识别而言更加具有针对性；通过复杂学业情绪集进行面部识别提高了有效性；通过智能学伴机器人能够保证用户长期稳定的学习状态。
-
公开(公告)号：CN112116699A
公开(公告)日：2020-12-22
申请号：CN202010819895.7
申请日：2020-08-14
Applicant: 浙江工商大学
Abstract: 本发明涉及一种基于3D人脸跟踪的实时真人虚拟试发方法。本发明首先进行面向虚拟试发的实时3D人脸跟踪；然后进行基于方位一致性的三维头发模型配戴；最后在保持相邻像素色差的三维头发模型重上色。本发明通过轻量化的模型以及3D人脸特征点，避免了由于2D人脸特征点与三维人脸模型顶点的关联带来的计算耗时和产生不稳定跟踪结果的问题，从而实现快速准确的跟踪结果。而三维头发模型的配准可以使试戴的头发与真实人脸更为贴合准确，增加了虚拟试发的真实性。另外增加了改变三维头发模型纹理颜色的方法，增强了用户试发的体验感及试发系统的功能性。
-
公开(公告)号：CN107424204B
公开(公告)日：2020-09-01
申请号：CN201710511026.6
申请日：2017-06-28
Applicant: 浙江工商大学
Inventor： 杨文武
IPC: G06T13/80
Abstract: 本发明公开了一种基于渐进式平面映射的同构三角化方法，本发明给定二维角色的源姿势和目标姿势，用户放置线条指定角色姿势边界和内部的对应特征，算法自动两个姿势生成一对同构三角化；首先为源姿势生成一个平面三角形网格，然后采用一种渐进式的平面映射方法，将源三角形网格映射到目标姿势，最终得到一个合法的目标三角形网格。本发明具有避免源姿势过渡到目标姿势过程中的“鬼影”效果，产生了自然顺眼的角色姿势过渡序列。
-
公开(公告)号：CN107424204A
公开(公告)日：2017-12-01
申请号：CN201710511026.6
申请日：2017-06-28
Applicant: 浙江工商大学
Inventor： 杨文武
IPC: G06T13/80
Abstract: 本发明公开了一种基于渐进式平面映射的同构三角化方法，本发明给定二维角色的源姿势和目标姿势，用户放置线条指定角色姿势边界和内部的对应特征，算法自动两个姿势生成一对同构三角化；首先为源姿势生成一个平面三角形网格，然后采用一种渐进式的平面映射方法，将源三角形网格映射到目标姿势，最终得到一个合法的目标三角形网格。本发明具有避免源姿势过渡到目标姿势过程中的“鬼影”效果，产生了自然顺眼的角色姿势过渡序列。
-
公开(公告)号：CN106251281A
公开(公告)日：2016-12-21
申请号：CN201610552592.7
申请日：2016-07-11
Applicant: 浙江工商大学
IPC: G06T3/00
CPC classification number: G06T3/0093
Abstract: 本发明公开了一种基于形状插值的图像渐变方法，包括源图像和目标图像，源图像包括源特征曲线集 目标图像包括目标特征曲线集本发明以中间特征曲线为约束，计算出源图像和目标图像中任意一点的最优变形位置，实现源图像和目标图像相对中间特征曲线的几何变形，实现源图像和目标图像中对应几何特征的对齐融合。本发明具有能够生成更加自然平滑的过渡序列和渐变效果，进一步增强了图像渐变技术的实用性和便捷性的特点。
-
Patent Agency Ranking
公开(公告)号：CN103489212B
公开(公告)日：2016-09-28
申请号：CN201310420958.1
申请日：2013-09-16
Applicant: 浙江工商大学
Inventor： 杨文武
IPC: G06T13/80
Abstract: 本发明公开了一种基于用户启发的二维形状对应方法，本发明从给定的两组二维形状出发，用户首先指定两组二维形状之间一对或多对对应关系，并运用算法进一步建立两组二维形状之间其它未指定的二维形状之间的对应关系。本发明的方法允许用户控制两组形状之间的对应关系，并且仅需少量的用户交互即可产生“满足用户需要”的形状对应结果。本发明具有用户交互量小，对应效率高；算法简单、精准、高效，纠错容易，编码简单的特点。
-
公开(公告)号：CN102622773A
公开(公告)日：2012-08-01
申请号：CN201210031891.8
申请日：2012-02-14
Applicant: 浙江工商大学
IPC: G06T13/80
Abstract: 本发明公开了一种可交互的二维形状特征对应方法。提供一种自动匹配与人工交互相结合的二维形状特征对应方法。包括源形状和目标形状，所述的方法包括：步骤一、根据源形状上的特征语义，用户通过手工指定的方式在源形状上逐个指定源特征点；步骤二、对源形状上逐个指定的每个源特征点，采用算法在目标形状上自动查找到与源特征点相匹配的对应目标特征点；步骤三、若出现自动查找到的对应目标特征点与当前指定的源特征点不相匹配时，则采用手工删除或移动目标特征点，使指定的源特征点和目标特征点之间匹配且一一对应。本发明有效解决了二维形状之间的特征对应问题，主要用于面向计算机动画制作的二维形状渐变技术中。
-
公开(公告)号：CN119919986A
公开(公告)日：2025-05-02
申请号：CN202510426941.X
申请日：2025-04-07
Applicant: 浙江工商大学
IPC: G06V40/16 , G06V20/40 , G06V10/44 , G06V10/62 , G06V10/74 , G06V10/764 , G06V10/70 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于面部表情与上下文情境的学业情绪识别方法及装置。该方法通过利用视觉语言预训练模型CLIP，结合视频序列中的学生面部表情与学习情境的上下文信息，实现精准的情绪建模。具体而言，本发明首先对人脸表情和学习情景中的上下文信息进行协同建模，显著提升了识别学生学习状态（如专注学习、分心）的能力；其次，通过利用CLIP预训练模型强大的语言与视觉特征对齐能力，有效降低了对大规模视频训练数据的依赖，提高了模型的泛化能力和实用性。本发明为学业情绪识别提供了一种精准可行的解决方案，适用于教育场景中的学生学业情绪的监测与分析。
-
公开(公告)号：CN119091513B
公开(公告)日：2025-03-25
申请号：CN202411569851.8
申请日：2024-11-06
Applicant: 浙江工商大学 , 杭州小伴熊科技有限公司
Abstract: 本发明公开了一种基于多层级信息时空融合的三维人体姿态估计方法及装置，包括：取得一段时序的二维人体姿态序列；将其输入嵌入层对每一个二维关键点进行处理，对处理得到的Token添加空间位置编码，进行关节级别的空间信息的融合；再复制三份，分别添加关节、部位、姿态级别的时间位置编码，然后分别进行对应级别的时间信息融合；融合时间信息后通过对应级别的全连接层，分别回归得到姿态的旋转角度、各部位的无方向位置中心、各关节相对于所属部位的相对位置；进一步计算出人体每一个关节的三维坐标数据。本发明通过多层级的利用关节、部位、姿态三个级别的运动信息，对时间、空间两个维度进行信息融合，提升了三维人体姿态估计的准确性。
-
公开(公告)号：CN119091513A
公开(公告)日：2024-12-06
申请号：CN202411569851.8
申请日：2024-11-06
Applicant: 浙江工商大学 , 杭州小伴熊科技有限公司
Abstract: 本发明公开了一种基于多层级信息时空融合的三维人体姿态估计方法及装置，包括：取得一段时序的二维人体姿态序列；将其输入嵌入层对每一个二维关键点进行处理，对处理得到的Token添加空间位置编码，进行关节级别的空间信息的融合；再复制三份，分别添加关节、部位、姿态级别的时间位置编码，然后分别进行对应级别的时间信息融合；融合时间信息后通过对应级别的全连接层，分别回归得到姿态的旋转角度、各部位的无方向位置中心、各关节相对于所属部位的相对位置；进一步计算出人体每一个关节的三维坐标数据。本发明通过多层级的利用关节、部位、姿态三个级别的运动信息，对时间、空间两个维度进行信息融合，提升了三维人体姿态估计的准确性。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.024 seconds)
