-
公开(公告)号：CN109033946A
公开(公告)日：2018-12-18
申请号：CN201810588480.6
申请日：2018-06-08
Applicant: 东南大学
CPC classification number: G06K9/00335 , G06N3/0454 , G06T7/207 , G06T2207/10024 , G06T2207/20221
Abstract: 本发明公开了一种融合方向图的人体姿态估计方法，包括：进行特征提取得到高层次特征，进行关键点位置图的初步学习检测以及方向图的检测得到位置热图以及方向热图；将预测的位置热图、方向图以及高层次特征进行融合，得到更加精确的位置热图。本发明通过融合方向信息，提高关键点预测精度，与以往的网络结构相比，所提出的深度卷积网络可以得到更多的人类姿态信息。本发明能够有效解决遮挡问题下的姿态估计，对于被遮挡的关键点，当位置热图基本正确时，即使第一阶段的位置网络不能很好地找到关键点位置，后面的融合网络也能准确的预测出关键点位置，鲁棒性更佳。本方法的网络结构参数量相对小很多，在训练阶段对显存的要求不高，训练更容易收敛。
-
公开(公告)号：CN108509885A
公开(公告)日：2018-09-07
申请号：CN201810253794.0
申请日：2018-03-26
Applicant: 东南大学
Abstract: 本发明公开了一种高效的身份证照片筛选方法，通过寻找图像中的人脸确定身份证的大致区域，在此区域进行文本行检测，通过文本行检测结果设定符合身份证信息的文本行规则，从而过滤掉非身份证照片。本发明方法能够应对不同光照环境下的照片，边缘模糊，噪声，不完整圆等干扰，抗干扰能力强，保持极低的误识率，筛选正确率高并且耗时短。相对于人工筛选以及传统的图像处理方法筛选，本方法在综合性能上表现更好，并且能够满足实际需求，在鲁棒性、高效性上得到体现。
-
公开(公告)号：CN110400365B
公开(公告)日：2023-06-20
申请号：CN201910590974.2
申请日：2019-07-02
Applicant: 东南大学
IPC: G06T13/40
Abstract: 本发明提供了一种基于动作增量模型的动作重定向方法，包括：直接复制原始人物动作的节点旋转角度与根节点速度到目标人物骨架上作为初始目标动作；采用骨头长度、局部动作与根节点动作表征原始人物动作与初始目标动作；采用循环神经网络分别对原始人物动作以及初始目标动作进行编码；将原始人物动作编码特征、初始目标动作编码特征以及目标人物输入解码器获得目标动作的动作增量；将目标动作的动作增量与初始目标动作求和得到预测目标动作；针对预测目标动作进行后处理，解决脚步滑动问题。本发明方法无需手工设计复杂的约束条件即可获得高质量的目标动作，针对原始人物与目标人物骨架差异大、动作极其复杂的情况，本发明仍然具有优越的性能表现。
-
公开(公告)号：CN110400365A
公开(公告)日：2019-11-01
申请号：CN201910590974.2
申请日：2019-07-02
Applicant: 东南大学
IPC: G06T13/40
Abstract: 本发明提供了一种基于动作增量模型的动作重定向方法，包括：直接复制原始人物动作的节点旋转角度与根节点速度到目标人物骨架上作为初始目标动作；采用骨头长度、局部动作与根节点动作表征原始人物动作与初始目标动作；采用循环神经网络分别对原始人物动作以及初始目标动作进行编码；将原始人物动作编码特征、初始目标动作编码特征以及目标人物输入解码器获得目标动作的动作增量；将目标动作的动作增量与初始目标动作求和得到预测目标动作；针对预测目标动作进行后处理，解决脚步滑动问题。本发明方法无需手工设计复杂的约束条件即可获得高质量的目标动作，针对原始人物与目标人物骨架差异大、动作极其复杂的情况，本发明仍然具有优越的性能表现。
-
-
-
Search Results
4
records
(took 0.014 seconds)
