-
公开(公告)号：CN103995690B
公开(公告)日：2016-08-17
申请号：CN201410172991.1
申请日：2014-04-25
Applicant: 清华大学深圳研究生院
IPC: G06F9/38
Abstract: 本发明公开了一种基于GPU的并行时间序列挖掘方法，其特征在于，包括以下步骤：扫描输入序列数据库中的记录到CPU的内存缓冲区中；计算长度为1的候选序列以及所述长度为1的候选序列的支持度；计算得到长度为1的频繁序列；计算候选序列信息矩阵和候选事件信息矩阵并拷贝到GPU的显存中，采用CUDA在所述GPU上并行计算长度为2的候选序列以及其支持度，并将结果保存在GPU的显存中；计算得到长度为2的频繁序列；根据输入序列数据库计算得到垂直格式数据库；将长度为1和长度为2的频繁序列和垂直格式数据库拷贝到GPU的显存中，在GPU中并行计算得到其余长度的频繁序列。本发明能够提高计算效率。
-
公开(公告)号：CN103034851B
公开(公告)日：2015-08-26
申请号：CN201210566144.4
申请日：2012-12-24
Applicant: 清华大学深圳研究生院
Abstract: 一种自学习的基于肤色模型的手部跟踪装置及方法，该装置包括：预处理单元，用于从本帧图像中提取手部候选区域，以及通过形态学检测，从手部候选区域获取初始手部区域hinit；自学习单元，用手部候选区域和初始手部区域hinit自学习，得到本帧自学习后的手部区域hfinal；以及后序处理单元，用于对本帧自学习后的手部区域hfinal处理，得到手部轮廓和指尖位置；所述自学习单元包括手部跟踪器、手部识别器和P-N学习器。该方法包括预处理步骤、自学习及P-N分类步骤和后序处理步骤，所述自学习及P-N分类步骤包括手部跟踪步骤、手部识别步骤和P-N学习及分类步骤。本装置及方法鲁棒性好，在处理手部经过脸部等重干扰区域或者被遮挡时，能够稳定准确地跟踪手部。
-
公开(公告)号：CN103389799B
公开(公告)日：2016-01-20
申请号：CN201310314062.5
申请日：2013-07-24
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种对手指尖运动轨迹进行跟踪的方法，包括检测各帧图像中的指尖的位置的步骤以及将当前帧中的指尖与前一帧中的指尖进行关联的步骤，在关联进行跟踪时，利用前一帧中的指尖的检测位置以及计算得到的指尖的速度和加速度，从而预测得到当前帧中的相应指尖的位置，作为预测位置；通过预测位置，使当前帧中的指尖与距离其最近的预测位置处指尖关联，进而关联至上一帧中相应的指尖，实现运动轨迹的跟踪。由于通过前一帧的信息预测得到预测位置，使得预测位置与当前帧中检测到的相对应的指尖的位置非常接近，这样通过预测位置作为中间过渡量实现关联，可使当前帧中的指尖较准确地关联至前一帧中相应的指尖，提高了指尖跟踪的准确性。
-
公开(公告)号：CN103530892A
公开(公告)日：2014-01-22
申请号：CN201310497334.X
申请日：2013-10-21
Applicant: 清华大学深圳研究生院
Abstract: 本发明提供了一种基于Kinect传感器的双手跟踪方法与装置，所述跟踪方法，包括：S1.视频采集步骤；S2.检测步骤一；S3.单手跟踪步骤；S4.检测步骤二；S5.双手跟踪步骤，对已经检测到的双手进行跟踪。由于检测第二只手时利用了第一只手的信息，所以本发明的跟踪方法能够快速、准确的跟踪用户双手的运动，且计算复杂度低。
-
公开(公告)号：CN103530892B
公开(公告)日：2016-06-22
申请号：CN201310497334.X
申请日：2013-10-21
Applicant: 清华大学深圳研究生院
Abstract: 本发明提供了一种基于Kinect传感器的双手跟踪方法与装置，所述跟踪方法，包括：S1视频采集步骤；S2检测步骤一；S3单手跟踪步骤；S4检测步骤二；S5双手跟踪步骤，对已经检测到的双手进行跟踪。由于检测第二只手时利用了第一只手的信息，所以本发明的跟踪方法能够快速、准确的跟踪用户双手的运动，且计算复杂度低。
-
Patent Agency Ranking
公开(公告)号：CN103995690A
公开(公告)日：2014-08-20
申请号：CN201410172991.1
申请日：2014-04-25
Applicant: 清华大学深圳研究生院
IPC: G06F9/38
Abstract: 本发明公开了一种基于GPU的并行时间序列挖掘方法，其特征在于，包括以下步骤：扫描输入序列数据库中的记录到CPU的内存缓冲区中；计算长度为1的候选序列以及所述长度为1的候选序列的支持度；计算得到长度为1的频繁序列；计算候选序列信息矩阵和候选事件信息矩阵并拷贝到GPU的显存中，采用CUDA在所述GPU上并行计算长度为2的候选序列以及其支持度，并将结果保存在GPU的显存中；计算得到长度为2的频繁序列；根据输入序列数据库计算得到垂直格式数据库；将长度为1和长度为2的频繁序列和垂直格式数据库拷贝到GPU的显存中，在GPU中并行计算得到其余长度的频繁序列。本发明能够提高计算效率。
-
公开(公告)号：CN103389799A
公开(公告)日：2013-11-13
申请号：CN201310314062.5
申请日：2013-07-24
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种对手指尖运动轨迹进行跟踪的方法，包括检测各帧图像中的指尖的位置的步骤以及将当前帧中的指尖与前一帧中的指尖进行关联的步骤，在关联进行跟踪时，利用前一帧中的指尖的检测位置以及计算得到的指尖的速度和加速度，从而预测得到当前帧中的相应指尖的位置，作为预测位置；通过预测位置，使当前帧中的指尖与距离其最近的预测位置处指尖关联，进而关联至上一帧中相应的指尖，实现运动轨迹的跟踪。由于通过前一帧的信息预测得到预测位置，使得预测位置与当前帧中检测到的相对应的指尖的位置非常接近，这样通过预测位置作为中间过渡量实现关联，可使当前帧中的指尖较准确地关联至前一帧中相应的指尖，提高了指尖跟踪的准确性。
-
公开(公告)号：CN109889918B
公开(公告)日：2020-12-29
申请号：CN201910224284.5
申请日：2019-03-22
Applicant: 清华大学深圳研究生院
IPC: H04N21/845 , H04N21/2387 , H04N21/466
Abstract: 本发明公开了一种教学视频播放速度的自适应调整方法：利用视频的T个时间段及预设的m个播放速度构建视频的一般信息素矩阵、分类信息素矩阵及速度迁移参数矩阵；收集观看者的预览反馈以对观看者归类；根据观看者类型计算初始播放速度；在观看过程中根据速度迁移参数矩阵、当前时间段的播放速度及上一观看者观看后更新的一般信息素矩阵和分类信息素矩阵，计算当前观看者观看下一时间段时播放速度变为m个速度中各个速度的概率；根据概率调整当前观看者在下一时间段的播放速度；播放完后生成当前观看者观看视频的播放速度路径；收集观看者的课后反馈并根据课后反馈及播放速度路径，更新一般信息素矩阵和分类信息素矩阵。
-
公开(公告)号：CN109889918A
公开(公告)日：2019-06-14
申请号：CN201910224284.5
申请日：2019-03-22
Applicant: 清华大学深圳研究生院
IPC: H04N21/845 , H04N21/2387 , H04N21/466
Abstract: 本发明公开了一种教学视频播放速度的自适应调整方法：利用视频的T个时间段及预设的m个播放速度构建视频的一般信息素矩阵、分类信息素矩阵及速度迁移参数矩阵；收集观看者的预览反馈以对观看者归类；根据观看者类型计算初始播放速度；在观看过程中根据速度迁移参数矩阵、当前时间段的播放速度及上一观看者观看后更新的一般信息素矩阵和分类信息素矩阵，计算当前观看者观看下一时间段时播放速度变为m个速度中各个速度的概率；根据概率调整当前观看者在下一时间段的播放速度；播放完后生成当前观看者观看视频的播放速度路径；收集观看者的课后反馈并根据课后反馈及播放速度路径，更新一般信息素矩阵和分类信息素矩阵。
-
公开(公告)号：CN103034851A
公开(公告)日：2013-04-10
申请号：CN201210566144.4
申请日：2012-12-24
Applicant: 清华大学深圳研究生院
Abstract: 一种自学习的基于肤色模型的手部跟踪装置及方法，该装置包括：预处理单元，用于从本帧图像中提取手部候选区域，以及通过形态学检测，从手部候选区域获取初始手部区域hinit；自学习单元，用手部候选区域和初始手部区域hinit自学习，得到本帧自学习后的手部区域hfinal；以及后序处理单元，用于对本帧自学习后的手部区域hfinal处理，得到手部轮廓和指尖位置；所述自学习单元包括手部跟踪器、手部识别器和P-N学习器。该方法包括预处理步骤、自学习及P-N分类步骤和后序处理步骤，所述自学习及P-N分类步骤包括手部跟踪步骤、手部识别步骤和P-N学习及分类步骤。本装置及方法鲁棒性好，在处理手部经过脸部等重干扰区域或者被遮挡时，能够稳定准确地跟踪手部。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.036 seconds)
