-
公开(公告)号：CN109902663A
公开(公告)日：2019-06-18
申请号：CN201910215505.2
申请日：2019-03-21
Applicant: 南京华捷艾米软件科技有限公司
Abstract: 本发明公开了一种疲劳驾驶预警方法及装置。包括：步骤S1、实时获取驾驶人员的深度图像数据和彩色图像数据；步骤S2、基于所述彩色图像数据，识别所述驾驶人员的人脸关键信息；步骤S3、基于所述深度图像数据，识别所述驾驶人员的身体姿态信息；步骤S4、根据所述人脸关键信息和所述身体姿态信息，确定所述驾驶人员是否存在疲劳驾驶。本发明的疲劳驾驶预警方法和装置，通过结合彩色图像数据和深度图像数据，可以极大提高车载疲劳预警系统的准确性，从而能够有效保证驾驶人员的安全，避免安全隐患的发生。
-
公开(公告)号：CN109589563A
公开(公告)日：2019-04-09
申请号：CN201811634143.2
申请日：2018-12-29
Applicant: 南京华捷艾米软件科技有限公司
IPC: A63B24/00
Abstract: 本发明公开了一种基于3D体感摄像头的舞蹈姿态教辅方法及系统，包括：获取学生端舞蹈过程的深度图数据；对深度图数据进行骨架提取；根据提取出的骨架中各关节点在各时刻的坐标计算出每个关节点在目标时刻的特征旋转矩阵；将各特征旋转矩阵与其对应的预设标准矩阵进行比对，计算相似度并在相似度低于阈值时输出提示信息。本发明通过将学员的动作特征相关矩阵和教师的预设标准矩阵进行对比，可准确提示学员舞蹈姿态中关节的运动情况及标准程度。此外，本发明比对的数据基础是每个关节点在目标时刻的特征旋转矩阵，特别的针对关键时刻的舞蹈位姿，尤其能够体现关键帧的关节动作角度标准与否。
-
公开(公告)号：CN109448045A
公开(公告)日：2019-03-08
申请号：CN201811240748.3
申请日：2018-10-23
Applicant: 南京华捷艾米软件科技有限公司
Abstract: 本发明公开了一种基于SLAM的平面多边形物体测量方法及机器可读存储介质，利用V-SLAM提供的位姿信息和深度信息，结合视频帧图像的轮廓信息将顶点映射到世界坐标系中，从而计算出平面多边形物体的长度及面积，实现在线实时测量，更适用于移动终端，可用于移动终端的增强现实及虚拟建模中，能够为用户带来更好的AR体验，更加方便人们在日常生活中对测量的需求。并且，还能够运用三角化方法提高深度信息的鲁棒性，且两种轮廓提取方式且引入迭代的方法获得更广的适用范围，满足不同光照场景下图片的检测需求，并且测量精度高、测量结果准确。
-
公开(公告)号：CN108634874A
公开(公告)日：2018-10-12
申请号：CN201810450480.X
申请日：2018-05-11
Applicant: 南京华捷艾米软件科技有限公司
Abstract: 本发明公开了一种扫地机器人及其清扫方法。包括：图像获取模块，用于实时获取目标场景的深度图像数据和彩色图像数据；定位模块，用于基于所述深度图像数据和所述彩色图像数据，确定所述机器人的当前位姿；建图模块，用于基于所述深度图像数据和所述机器人的当前位姿，构建所述目标场景的当前场景地图；吸附模块，用于基于所述当前场景地图对所述目标场景进行吸附清理。本发明的扫地机器人及其清扫方法，所建立的当前场景地图更加精确，并且，该扫地机器人的结构简单，功能丰富。
-
公开(公告)号：CN107610041A
公开(公告)日：2018-01-19
申请号：CN201710705293.7
申请日：2017-08-16
Applicant: 南京华捷艾米软件科技有限公司
Abstract: 本发明公开了一种基于3D体感摄像头的视频人像抠图方法及系统。方法包括：利用摄像头获取目标视频图像的深度图序列帧和彩色图序列帧，对其进行时间戳标记；并对每一帧的深度图和彩色图进行同步，根据摄像头的预设参数，对同步的深度图帧和彩色图帧进行对齐插值匹配；根据深度图序列帧得到最终轮廓掩膜图；对同步的彩色图帧和最终轮廓掩膜图进行混合、优化和渲染，得到人像抠图图像，将其呈现给用户。能够实时同步的获取目标视频图像的深度图和彩色图，并且对深度图和彩色图进行同步和配准匹配，根据深度图信息和彩色图信息对图像中的前景和背景进行识别，将其实时融合到视频图像中实现人像抠图，有效的提高了实时人像抠图的效率和效果。
-
Patent Agency Ranking
公开(公告)号：CN107063124A
公开(公告)日：2017-08-18
申请号：CN201710405943.6
申请日：2017-06-01
Applicant: 南京华捷艾米软件科技有限公司
Abstract: 本发明公开了一种光学组件和3D测量设备。所述光学组件适用于3D测量设备，所述光学组件包括光源单元、成像单元以及位于所述光源单元和所述成像单元之间的调整单元；所述光源单元包括多个光源，多个所述光源排列成多行多列，所述光源的出射光线垂直于所述光源单元出光侧的表面；所述调整单元包括多个调整透镜，每个所述调整透镜对应一个所述光源，所述调整透镜能够接收并调整与其所对应的所述光源所发出的出射光线，以使得所述出射光线调整为平行光线，所述成像单元用于接收并复制所述平行光线，以形成预设光学图像。本发明的光学组件，结构紧凑，厚度降低，从而降低了应用该光学组件的3D测量设备的厚度，使得3D测量设备的应用范围更加广泛。
-
公开(公告)号：CN106646866A
公开(公告)日：2017-05-10
申请号：CN201611154805.7
申请日：2016-12-14
Applicant: 南京华捷艾米软件科技有限公司
CPC classification number: G02B27/0012 , G02B27/42
Abstract: 本发明公开一种360°全视场角衍射光学元件，包括由电介质材料制成的基底层和若干纳米砖，基底层和纳米砖的电介质材料不同；其中，各纳米砖的大小相同，且其长、宽均为亚波长尺度；纳米砖以不同转角设于基底层上，形成单元结构。此种衍射光学元件可实现360°衍射角，使得调制后的光场前向和后向同步传输。本发明还公开一种360°全视场角衍射光学元件的设计方法。
-
公开(公告)号：CN105930767A
公开(公告)日：2016-09-07
申请号：CN201610211534.8
申请日：2016-04-06
Applicant: 南京华捷艾米软件科技有限公司
IPC: G06K9/00
CPC classification number: G06K9/00342
Abstract: 本发明涉及一种基于人体骨架的动作识别方法，其特征在于，基本步骤包括：步骤一，从体感设备获取人在执行目标动作下的连续骨架数据帧序列；步骤二，从骨架数据中筛选出可以表征动作的主要关节点数据；步骤三，从筛选出的骨架关节点数据中提取、计算动作特征值并构造动作的特征向量序列；步骤四，对特征向量进行预处理；步骤五，将动作样本集的特征向量序列保存下来作为动作样本模板库；步骤六，实时采集动作并用动态时间规整算法计算其特征向量序列与模板库中所有动作样本的特征向量序列的距离值；步骤七，对动作进行分类识别。本发明具有很好的实时性、鲁棒性和准确性，实施简便可靠，适用于实时的动作识别系统。
-
公开(公告)号：CN105160650B
公开(公告)日：2016-08-24
申请号：CN201510394669.8
申请日：2015-07-07
Applicant: 南京华捷艾米软件科技有限公司
IPC: G06T7/00
Abstract: 本发明涉及一种从图像中提取深度连续物体图像的方法，其特征在于，具体步骤包括：一是获取表征物体距离摄像头距离的深度图像；二是，第一遍全图扫描，判断像素点之间的深度连续关系，并对像素点在标号图上进行标记深度连续关系的第一遍标记操作；三是在所述第一遍全图扫描的同时，对深度图像的标记号进行标记关系表操作；四是标记关系表的最终标记号整合操作；五是第二遍全图扫描对标号图进行合并标记的第二遍标记操作，第二遍标记操作后，深度连续物体的像素点在标记图中表示为相同的标记号；六是输出深度连续物体标记图。本发明能够根据深度图像中目标物体的深度连续性来实现目标物体图像稳定有效的分割，以大大提高图像处理的效率。
-
公开(公告)号：CN105676995A
公开(公告)日：2016-06-15
申请号：CN201511028361.8
申请日：2015-12-31
Applicant: 南京华捷艾米软件科技有限公司
CPC classification number: G06F1/3293 , G06F1/08 , G06F1/324 , G06T1/20 , Y02D10/122 , Y02D50/20 , G06T2200/28
Abstract: 本发明涉及一种实现三维测量芯片低功耗的方法，其特征在于，包括采用定制化的协处理器、选择在复杂场景取代主处理器对数据处理单元的处理或交互、降低主处理器以及相关模块的时钟频率的手段，从而实现三维测量芯片的低功耗。本发明的基本步骤包括：步骤1，确定三维测量处理芯片的系统结构；步骤2，根据场景需求对数据处理单元进行分类；步骤3，在系统总线上增加协处理器；步骤4，设计定制化协处理器或小型数据控制单元；步骤5，设计半定制化协处理器或小型数据控制单元；步骤6，优化软件代码，降低时钟频率；步骤7，对芯片进行验证，确认满足设计需求。本发明适用于多个集成电路或多个集成电路组成的任意互联网络系统中。
-
-
-
-
-
-
-
-
-
Search Results
434
records
(took 0.089 seconds)
