-
公开(公告)号：CN102194105B
公开(公告)日：2014-03-19
申请号：CN201110071738.3
申请日：2011-03-18
Applicant: 微软公司
CPC classification number: G06K9/6256 , G06K9/00335 , G06K9/6206
Abstract: 本发明公开了一种生成用于人体跟踪的代表训练数据的方法。为身体关节跟踪系统的机器学习算法生成合成身体图像。来自运动捕捉序列的帧被重新定标到若干不同的身体类型，来充分利用该运动捕捉序列。为了避免向机器学习算法提供冗余或相似的帧，并且为了提供紧凑但仍高度变化的图像集，可使用相似度度量来标识不相似的帧。该相似度度量用于定位根据阈值距离足够不同的帧。出于真实性起见，基于真实世界深度相机通常经历的噪声源来向深度图像添加噪声。也可引入其他随机变化。例如，可向重新定标添加一定程度的随机性。对于每一帧，提供深度图像和具有标记的身体部位的对应的分类图像。也可提供3-D场景元素。
-
公开(公告)号：CN102194105A
公开(公告)日：2011-09-21
申请号：CN201110071738.3
申请日：2011-03-18
Applicant: 微软公司
CPC classification number: G06K9/6256 , G06K9/00335 , G06K9/6206
Abstract: 本发明公开了一种生成用于人体跟踪的代表训练数据的方法。为身体关节跟踪系统的机器学习算法生成合成身体图像。来自运动捕捉序列的帧被重新定标到若干不同的身体类型，来充分利用该运动捕捉序列。为了避免向机器学习算法提供冗余或相似的帧，并且为了提供紧凑但仍高度变化的图像集，可使用相似度度量来标识不相似的帧。该相似度度量用于定位根据阈值距离足够不同的帧。出于真实性起见，基于真实世界深度相机通常经历的噪声源来向深度图像添加噪声。也可引入其他随机变化。例如，可向重新定标添加一定程度的随机性。对于每一帧，提供深度图像和具有标记的身体部位的对应的分类图像。也可提供3-D场景元素。
-
Search Results
2
records
(took 0.013 seconds)
