-
Patent Agency Ranking
公开(公告)号：CN109614899B
公开(公告)日：2022-07-01
申请号：CN201811446456.5
申请日：2018-11-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于李群特征和卷积神经网络的人体动作识别方法，属于计算机模式识别领域。该方法包括：S1：数据获取，利用微软体感设备Kinect提取人体骨骼信息，获取实验者的运动信息；S2：提取李群特征，采取一种利用刚性肢体变换来模拟人体各肢体间的相对三维几何关系的李群骨骼表示方法，将人体动作建模为李群上一系列曲线，进而结合李群和李代数间的对应关系，利用对数映射将基于李群空间的曲线映射为基于李代数空间的曲线；S3：特征分类，融合李群特征和卷积神经网络，利用李群特征训练卷积神经网络，让卷积神经网络对李群特征进行学习、分类，从而实现人体动作识别。本发明能够取得很好的识别效果。
-
公开(公告)号：CN109614899A
公开(公告)日：2019-04-12
申请号：CN201811446456.5
申请日：2018-11-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于李群特征和卷积神经网络的人体动作识别方法，属于计算机模式识别领域。该方法包括：S1：数据获取，利用微软体感设备Kinect提取人体骨骼信息，获取实验者的运动信息；S2：提取李群特征，采取一种利用刚性肢体变换来模拟人体各肢体间的相对三维几何关系的李群骨骼表示方法，将人体动作建模为李群上一系列曲线，进而结合李群和李代数间的对应关系，利用对数映射将基于李群空间的曲线映射为基于李代数空间的曲线；S3：特征分类，融合李群特征和卷积神经网络，利用李群特征训练卷积神经网络，让卷积神经网络对李群特征进行学习、分类，从而实现人体动作识别。本发明能够取得很好的识别效果。
-
公开(公告)号：CN110660130A
公开(公告)日：2020-01-07
申请号：CN201910901432.2
申请日：2019-09-23
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向医学影像的移动增强现实系统构建方法，属于电子技术领域。该方法包括：S1：通过3D Slicer软件进行医学图像三维重建，得到三维重建模型，并将该模型导入ARKit框架；S2：开启移动设备的摄像头识别当前场景，执行ARKit提供的SLAM算法接口识别出当前场景的平面并标识出来；S3：将虚拟的三维重建模型叠加到当前场景并放置到识别出的现实平面上；S4：识别出当前用户的交互手势，与真实场景中的虚拟对象进行交互。本发明在降低设备成本的同时采用了移动终端来实现了医护人员诊病的便捷性。
-
公开(公告)号：CN110310281A
公开(公告)日：2019-10-08
申请号：CN201910621976.3
申请日：2019-07-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于Mask-RCNN深度学习的虚拟医疗中肺结节检测与分割方法，属于图像处理领域。该方法具体包括：S1建立训练样本：首先对三维肺部CT图像样本进行预处理，然后将肺结节的横截面、矢状面和冠状面合成一张三通道图片，获得训练样本集，最后采用数据增强的方法扩展样本集；S2建立肺结节分割网络；包括建立骨干网络、特征金字塔网络、区域生成网络、ROI生成与对齐网络，以及三个功能分支；S3训练肺结节分割网络：利用训练样本对肺结节分割网络进行训练，获得肺结节分割装置；S4虚拟医疗环境中重建肺结节和肺部三维图，实现肺结节的检测。本发明能够在不花费更多资源的情况下提高模型的准确率，实现实时交互。
-
公开(公告)号：CN110310281B
公开(公告)日：2023-03-03
申请号：CN201910621976.3
申请日：2019-07-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于Mask‑RCNN深度学习的虚拟医疗中肺结节检测与分割方法，属于图像处理领域。该方法具体包括：S1建立训练样本：首先对三维肺部CT图像样本进行预处理，然后将肺结节的横截面、矢状面和冠状面合成一张三通道图片，获得训练样本集，最后采用数据增强的方法扩展样本集；S2建立肺结节分割网络；包括建立骨干网络、特征金字塔网络、区域生成网络、ROI生成与对齐网络，以及三个功能分支；S3训练肺结节分割网络：利用训练样本对肺结节分割网络进行训练，获得肺结节分割装置；S4虚拟医疗环境中重建肺结节和肺部三维图，实现肺结节的检测。本发明能够在不花费更多资源的情况下提高模型的准确率，实现实时交互。
-
-
-
-
Search Results
5
records
(took 0.077 seconds)
