-
公开(公告)号：CN101383053A
公开(公告)日：2009-03-11
申请号：CN200810172233.4
申请日：2008-10-31
Applicant: 北京理工大学
IPC: G06T17/00
Abstract: 本发明涉及基于表面积保持的3D网格变形方法，针对柔软物体3D模型的变形问题，给出了一种有效、快速、逼真的3D网格物体变形方法，属于计算机应用领域，特别是计算机图形学、虚拟现实技术领域。该方法将各种形式的变形看成由基本弯曲变形组成，各基本弯曲变形的局部区域进行独立计算，通过各区域的接合获得整体的变形结果；根据控制曲线划分变形区域，通过分离和合成变形基础网格和细节网格，提出与原网格模型无关的基础网格变形算法；使用阻尼振荡曲线仿真柔软物体弯曲变形内侧的表面皱褶；通过保持基础模型的顶点列长度实现表面积保持，提高网格变形的真实感，从而实现3D网格模型的变形。
-
公开(公告)号：CN119514336A
公开(公告)日：2025-02-25
申请号：CN202411560874.2
申请日：2024-11-04
Applicant: 北京理工大学
Abstract: 本发明提供了一种改进社会力模型参数调优定标方法、装置、设备及存储介质，涉及虚拟群体仿真技术领域。包括：获取虚拟群体仿真目标场景以及根据所述目标场景确定的评估指标；以改进社会力模型中的交互作用力参数A,n,n′,γ,λ为决策变量、以所述评估指标为目标函数，设置多目标粒子群优化算法参数；针对所述目标场景，设置虚拟群体仿真实验参数；通过对所述目标场景的虚拟群体仿真实验，完成对多目标粒子群优化算法中粒子的评估，得到优化后的所述目标场景下的所述A,n,n′,γ,λ的标定值。使用本发明方法，可以快速得到不同仿真场景下的最优模型参数，使用优化后的模型参数进行虚拟群体仿真，可以提升虚拟群体的运动交互效果。
-
公开(公告)号：CN119511760A
公开(公告)日：2025-02-25
申请号：CN202411560877.6
申请日：2024-11-04
Applicant: 北京理工大学
Abstract: 本发明提供了一种用户运动感知的虚拟群体运动控制方法及装置，涉及虚拟群体仿真技术领域，本方法包括：获取用户化身和虚拟群体当前时刻的运动数据，所述虚拟群体为智能体；基于ORCA模型，计算智能体的最优相互避碰速度集；基于改进社会力模型，计算用户化身对智能体的交互作用力，并依此更新智能体的最优速度；对智能体进行速度决策，得到智能体的最优避碰速度；使用智能体的最优避碰速度，控制智能体下一时刻的运动。与传统人群仿真方法相比，使用本发明技术方案控制的虚拟群体能够有效减少碰撞事件发生频率并降低碰撞严重程度，提升用户体验。
-
公开(公告)号：CN116108403B
公开(公告)日：2023-06-16
申请号：CN202310212151.2
申请日：2023-03-07
Applicant: 北京理工大学
IPC: G06F18/25 , G06N3/0455 , A61B5/11 , G06F123/02
Abstract: 本申请涉及一种具有注意力机制的浅层卷积神经网络结构及优化方法和电子设备，用于可穿戴设备的时间序列数据的实时识别。该优化方法包括：构建卷积神经网络；设置混合分块层的连接位置，所述混合分块层包括分块分割模块、编码器、传递与融合模块、解码器、分块合并模块；基于所述混合分块层的连接位置，优化所述神经网络模型；调整所述分块的大小，进一步优化所述神经网络模型。本申请的方案使用二维乐高卷积来替代传统的卷积层，并在轻量化网络中加入混合分块层，使用自注意力机制来提高特征表达性，提高识别精确度。
-
公开(公告)号：CN116070104B
公开(公告)日：2023-06-16
申请号：CN202310212146.1
申请日：2023-03-07
Applicant: 北京理工大学
IPC: G06F18/213 , G06F18/24 , G06F18/241 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , A61B5/11
Abstract: 本申请涉及一种实时监测康复行为的方法及可穿戴设备，属于人工智能领域。该方法包括：实时获取来自穿戴式传感器的至少一个通道的时序数据；采用滑动窗口技术将每个通道的时序数据分割为组，从而将时序数据转换为二维数据；通过二维卷积层对二维数据进行特征提取；进一步通过第一乐高卷积层及第二乐高卷积层进行特征提取；基于注意力机制对第二乐高卷积层输出的第一特征按通道进行分块编码和融合，得到第二特征；通过全连接层基于第一特征和第二特征输出康复行为的识别结果。本申请的方案使用二维乐高卷积来替代传统的卷积层，并使用自注意力机制来提高特征表达性，实现高准确度的人体活动实时识别。
-
Patent Agency Ranking
公开(公告)号：CN116189309A
公开(公告)日：2023-05-30
申请号：CN202310269065.5
申请日：2023-03-20
Applicant: 北京理工大学
IPC: G06V40/20 , G06V10/764 , G06V20/40
Abstract: 本申请提供一种处理人体运动数据的方法及电子设备。该方法包括：构建分层运动模型；基于所述分层运动模型定义与各层对应的本体；获取规范化运动数据，所述规范化运动数据包括分层类别、运动编码和附加信息；利用所述规范化运动数据将与所述分层类别对应的本体实例化为运动实体，所述本体的编码属性取值为所述运动编码，所述本体的名称属性和描述属性根据所述附加信息赋值；建立多个运动实体之间的关联关系，所述关联关系包括有向的构成关系、邻接关系和拥有关系；存储所述多个运动实体及所述关联关系。根据实施例的方法获取规范化运动数据并进行实体化处理，运动实体彼此关联，从而能够最大程度体现运动之间的潜在关系与特征。
-
公开(公告)号：CN115358621A
公开(公告)日：2022-11-18
申请号：CN202211073984.7
申请日：2022-09-02
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于特征锚点的人群队形规划方法，包括以下步骤：按照时间顺序生成人群排布形状对应的N帧图案；确定每帧图案对应的人群点位分布；确定第i帧到第i+1帧图案人群点位的映射方案，具体包括选择特征锚点集合、确定锚点集合的映射关系、根据锚点定义人群队形变换的损失函数、得到总损失最低的宏观规划结果；根据映射方案得到每个人的运动方向和速度。本发明提出的基于特征锚点的人群队形规划方法和系统，提供了一种非均衡、具有高可控性的人群队形规划方法和系统，此方法和系统能够基于既定的约束生成高多样性的群体运动，即实现差异化的人群队形变换过程规划。
-
公开(公告)号：CN114398499A
公开(公告)日：2022-04-26
申请号：CN202210085083.3
申请日：2022-01-25
Applicant: 北京理工大学
IPC: G06F16/36 , G06F16/35 , G06F16/34 , G06F16/383 , G06F40/194 , G06F40/30
Abstract: 本发明涉及一种人体运动知识图谱构建方法，包括以下步骤：一、从用户上传的人体运动三维数据文件中，提取出包含各个关键关节位置信息的关键帧序列，并返回给用户；二、由用户选取关键帧序列的子片段进行标注，并上传标注信息；三、从经过标注的关键帧序列中，根据知识图谱设置的本体类型进行实体抽取，本体类型根据动作周期分类设置；四、从关键帧序列以及用户标注中提取实体的属性以及实体间关系；五、将抽取出来的实体、实体属性与实体间关系存储到图数据库中。本发明采用知识图谱的形式对人体运动数据进行描述、处理和存储，为多领域多用户人体运动数据的检索、复用提供了可能，有利于人体运动数据的语义理解和数据挖掘。
-
公开(公告)号：CN113987285B
公开(公告)日：2022-04-26
申请号：CN202111614468.6
申请日：2021-12-27
Applicant: 北京理工大学
IPC: G06F16/901 , G06F16/903 , G06F16/906
Abstract: 本发明涉及一种基于隐藏状态的运动特征数据库生成方法，包括以下步骤：获取用户在不同运动状态下的多个运动训练数据集；选取人体骨骼关键关节点或肢体段，计算在其父关节点局部坐标系中绕每个坐标轴的旋转角度，计算得到所处子空间位置，并进行编码，转换成对应的姿态基；从每个时间点的运动训练数据中提取用于表示运动特征语义信息的隐藏状态，并进行编码；将数据集存储到数据库的同时，存储每个时间点对应的姿态基编码以及隐藏状态编码。本发明将人体姿态几何特征转换为多层次的数字编码，在实现基于内容的精准运动数据检索的同时，提高了检索的效率。
-
公开(公告)号：CN110517336B
公开(公告)日：2021-02-05
申请号：CN201910799491.3
申请日：2019-08-28
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于主发力关节点的人体运动数据压缩方法及设备，其中方法包括以下步骤：从人体运动文件中提取每一帧每个关节点信息，计算该关节点在世界坐标系下的位置；确定位置变化最大的关节点及该关节点的主要运动方向；将每个关节点每帧两个次要方向上的位置进行合并处理，从而将三维运动数据转换为二维运动数据；将压缩后的数据持久化到存储设备或进行网络传输；本发明针对人体运动数据文件的数据特点，在保留运动语义特征的基础上对数据进行大幅压缩，极大地减少了数据存储空间，提高了存储和传输效率。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.027 seconds)
