公开(公告)号：CN118629090A

公开(公告)日：2024-09-10

申请号：CN202410667140.8

申请日：2024-05-28

Applicant: 华南理工大学

Inventor： 康文雄 ,  林泽楠

IPC: G06V40/20 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明提供了一种基于视频的动态手势认证方法、介质及设备；其中，方法为：输入待认证的动态手势视频；将动态手势视频生成多尺度动态手势超图；采用双流动态手势认证网络对原始RGB图像和多尺度动态手势超图进行学习，得到身份特征向量；双流动态手势认证网络由时空特征提取主干网络、特征融合模块和身份特征聚合模块组成；时空特征提取主干网络分别捕获行为特征和生理特征；特征融合模块进行特征融合；身份特征聚合模块对特征进行进一步的处理和整合生成身份特征向量；得到动态手势认证结果。该方法采用了多尺度动态手势超图和双流动态手势认证网络技术，以更全面、准确地提取和融合手势特征，从而提高了动态手势认证的性能和实用性。

公开(公告)号：CN113076891B

公开(公告)日：2023-08-22

申请号：CN202110382970.2

申请日：2021-04-09

Applicant: 华南理工大学

Inventor： 康文雄 ,  陈兴发 ,  林泽楠 ,  万好

IPC: G06V40/10 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于改进高分辨率网络的人体姿态预测方法及系统，该方法包括以下步骤：图像获取步骤：获取环境图像；姿态关键点预测步骤：将环境图像输入到姿态关键点预测模型中确定每个目标的姿态关键点得分热力图，其中姿态关键点预测模型为使用多组数据通过机器学习训练得出，多组数据中的每组数据包括环境图像和标识该环境图像中人的姿态关键点的标签，姿态关键点预测模型基于高分辨率网络结合粗预测损失得到；人体姿态解码步骤：基于姿态关键点的得分热力图结算形成人体姿态预测线，将人体姿态预测线映射在环境图像中得到人体姿态预测图像。本发明通过引入肢体损失约束深层神经网络学习相连节点的关系，提高了对姿态关键点的预测准确性。

公开(公告)号：CN113076891A

公开(公告)日：2021-07-06

申请号：CN202110382970.2

申请日：2021-04-09

Applicant: 华南理工大学

Inventor： 康文雄 ,  陈兴发 ,  林泽楠 ,  万好

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于改进高分辨率网络的人体姿态预测方法及系统，该方法包括以下步骤：图像获取步骤：获取环境图像；姿态关键点预测步骤：将环境图像输入到姿态关键点预测模型中确定每个目标的姿态关键点得分热力图，其中姿态关键点预测模型为使用多组数据通过机器学习训练得出，多组数据中的每组数据包括环境图像和标识该环境图像中人的姿态关键点的标签，姿态关键点预测模型基于高分辨率网络结合粗预测损失得到；人体姿态解码步骤：基于姿态关键点的得分热力图结算形成人体姿态预测线，将人体姿态预测线映射在环境图像中得到人体姿态预测图像。本发明通过引入肢体损失约束深层神经网络学习相连节点的关系，提高了对姿态关键点的预测准确性。