“李万益”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种目标行为的分析方法、系统、装置及介质-CN202310783919.1在审
发明人：曾钰琦;黄景修;刘博;李万益 -专利权人：华南师范大学
申请日： 2023-06-28 - 公布日： 2023-10-13 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种目标行为的分析方法、系统、装置及介质。该分析方法通过获取待检测的视频数据；将待检测的视频数据输入至训练好的检测模型中，得到检测结果；对检测结果进行循环目标追踪处理，得到视频数据中的各个目标的行为序列；其中，训练好的检测模型由以下步骤训练得到：获取原始视频数据并进行数据预处理，得到训练数据集；对训练数据集进行特征提取处理，并经特征提取处理后得到的数据集输入至初始化的检测模型中，得到融合预测结果，并根据融合预测结果更新检测模型的参数，得到训练好的检测模型。该分析方法有利于提高学生行为分析的准确度，有效降低检测模型需要的计算资源，实用性较高。本发明可广泛应用于视觉目标追踪技术领域。
一种目标行为分析方法系统装置介质

[发明专利]基于数据智能的在线虚拟教学处理方法及平台系统-CN202111567539.1在审
发明人：陈强;关柏良;陈国明;李万益;陈慧妍 -专利权人：陈强
申请日： 2021-12-20 - 公布日： 2023-06-23 - 主分类号： G06T17/00 文献下载
摘要：本发明是关于一种基于数据智能的在线虚拟教学处理方法及平台系统。该基于数据智能的在线虚拟教学处理方法，包括：将虚拟教学环境的可视知识内容聚合，得到聚合内容；以所述聚合内容为先验知识，从教学环境的标准场景中选择设定三维模型并进行局部变形，得到视觉沉浸式三维场景模型；对所述视觉沉浸式三维场景模型中得到的图像进行超分辨率操作，并对结果进行视差舒适性限制，得到符合人体视觉感官的高分辨率图像。本发明提供的方案，能够可以提高用户的学习效率，以及增强用户的注意力，并帮助用户快速了解与教学内容相关的延伸知识，提升其信息获取效率，调动用户虚拟教学的参与度和积极性。
基于数据智能在线虚拟教学处理方法平台系统

[发明专利]一种基于增量降维投影位置优化的人体运动形态获取方法-CN202010406264.2有效
发明人： 李万益;谢海蓉;张谦;邬依林;徐海蛟;陈强;陈国明;张菲菲;陈勇昌 -专利权人：广东第二师范学院
申请日： 2020-05-14 - 公布日： 2020-12-15 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于增量降维投影位置优化的人体运动形态获取方法，包括以下步骤：(1)获取两种不同的运动形态图像序列，对第一种运动形态图像序列处理后获取其三维人体运动形态的高维数据样本YI并进行降维后获得低维数据X1和相应的训练参数；(2)将相应的训练参数和低维数据X1再次进行训练后得到更新的低维数据X1和相应的训练参数，并得到映射关系f；(3)对第二种运动形态图像序列处理后获取其三维人体运动形态的高维数据样本YII，训练后得映射关系g；本发明的一种基于增量降维投影位置优化的人体运动形态获取方法具有耗时少、估算准确、效率高的特点。
一种基于增量投影位置优化人体运动形态获取方法

[发明专利]基于双学习映射增量降维模型的人体运动形态估算方法-CN201910519205.3有效
发明人： 李万益;张菲菲;陈强;张谦;陈国明 -专利权人：广东第二师范学院
申请日： 2019-06-17 - 公布日： 2020-06-26 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于双学习映射增量降维模型的人体运动形态估算方法，包括以下步骤：(1)对图像序列处理后进行矩阵拉直化运算，得到训练高维数据序列，把训练高维序列进行训练后获得低维数据序列和映射关系f1；(2)将训练高维数据序列与步骤(1)所得的低维数据序列再进行训练，获得映射关系g；(3)使用图像序列对应的三维人体运动立体模型的高维数据样本与步骤(1)所得的低维数据序列进行训练，获得映射关系f2。本发明的一种基于双学习映射增量降维模型的人体运动形态估算方法能够较好的实现三维人体运动形态的估算，具有耗时少、估算准确、效率高的特点。
基于学习映射增量模型人体运动形态估算方法

[发明专利]一种基于分块投影的DIBR方法-CN201410175458.0有效
发明人：吴军政;孙季丰;李万益 -专利权人：华南理工大学
申请日： 2014-04-28 - 公布日： 2014-07-23 - 主分类号： H04N13/00 文献下载
摘要：本发明公开了一种基于分块投影的DIBR方法，首先，获取参考视点的彩色图像、深度图和两个视点的摄像机几何参数；其次，将参考图像分成若干的分块区域，并对每个分块区域进行投影变换；最后，将目标视点图像中各分块区域整合，并修复空洞，以得到最终的目标视点图像。不难发现，该方法并没有直接利用逐点进行视点变换来生成新视点，因而有效避免了目标视点图像受深度图连续性的影响。利用仿真实验和实际数据比较了传统方法和基于分块投影的DIBR方法之间的性能，验证了该方法的有效性，提高了目标视点绘制的质量，并降低了传输带宽。
一种基于分块投影 dibr 方法