-
公开(公告)号：CN110991268B
公开(公告)日：2022-05-20
申请号：CN201911110171.9
申请日：2019-11-13
Applicant: 华中科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06K9/62 , G06T7/00 , G06T7/66
Abstract: 本发明公开了一种基于深度图像的帕金森手部运动量化分析方法和系统，属于计算机视觉与机器学习领域。包括：被检测者按照帕金森病评量表要求做出手部动作，在此期间获取被检测者的多帧深度图像，并识别每帧深度图像中手部质心的3D坐标；根据手部质心的3D坐标，对各帧深度图像进行手部点云和噪声点云的分割；基于单帧深度图像中的手部点云，预测各帧深度图像中手部各关节点的3D坐标；根据连续帧之间的时序信息和手部姿态的先验知识，对所有帧的所有手部关节点的3D坐标进行整体优化；根据优化后的关节点3D坐标，提取手部运动特征；利用训练好的XGBoost分类器，对提取的手部运动特征进行分类，给出相应的评分结果。
-
公开(公告)号：CN110991268A
公开(公告)日：2020-04-10
申请号：CN201911110171.9
申请日：2019-11-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度图像的帕金森手部运动量化分析方法和系统，属于计算机视觉与机器学习领域。包括：被检测者按照帕金森病评量表要求做出手部动作，在此期间获取被检测者的多帧深度图像，并识别每帧深度图像中手部质心的3D坐标；根据手部质心的3D坐标，对各帧深度图像进行手部点云和噪声点云的分割；基于单帧深度图像中的手部点云，预测各帧深度图像中手部各关节点的3D坐标；根据连续帧之间的时序信息和手部姿态的先验知识，对所有帧的所有手部关节点的3D坐标进行整体优化；根据优化后的关节点3D坐标，提取手部运动特征；利用训练好的XGBoost分类器，对提取的手部运动特征进行分类，给出相应的评分结果。
-
公开(公告)号：CN110969648B
公开(公告)日：2022-05-20
申请号：CN201911264705.3
申请日：2019-12-11
Applicant: 华中科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于点云序列数据的3D目标跟踪方法及系统，属于数字图像识别领域，包括：在当前帧和上一帧中分别提取包含目标框的搜索点云和模板点云并标准化，利用3D目标跟踪模型预测目标框在当前帧中的位置和姿态，以确定3D目标在当前帧中的位置；3D目标跟踪模型中，特征提取网络用于提取模板点云特征和搜索点云特征，相关性预测网络用于预测搜索点云中各特征点的目标性得分，集成回归网络用于对两个特征进行融合后，逐点回归，位置预测网络用于根据搜索点云各特征点的目标性得分，对融合特征中各特征点距离目标框中心的距离和姿态进行加权相乘。本发明能够充分利用物体的立体属性，同时提高3D目标跟踪的计算效率和稳定性。
-
公开(公告)号：CN110969648A
公开(公告)日：2020-04-07
申请号：CN201911264705.3
申请日：2019-12-11
Applicant: 华中科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于点云序列数据的3D目标跟踪方法及系统，属于数字图像识别领域，包括：在当前帧和上一帧中分别提取包含目标框的搜索点云和模板点云并标准化，利用3D目标跟踪模型预测目标框在当前帧中的位置和姿态，以确定3D目标在当前帧中的位置；3D目标跟踪模型中，特征提取网络用于提取模板点云特征和搜索点云特征，相关性预测网络用于预测搜索点云中各特征点的目标性得分，集成回归网络用于对两个特征进行融合后，逐点回归，位置预测网络用于根据搜索点云各特征点的目标性得分，对融合特征中各特征点距离目标框中心的距离和姿态进行加权相乘。本发明能够充分利用物体的立体属性，同时提高3D目标跟踪的计算效率和稳定性。
-
-
-
Search Results
4
records
(took 0.017 seconds)
