专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果12个,建议您升级VIP下载更多相关专利
  • [发明专利]基于深度卷积神经网络的人脸微表情动作单元检测方法-CN201811076388.8有效
  • 樊亚春;税午阳;邓擎琼 - 北京师范大学
  • 2018-09-14 - 2021-10-29 - G06K9/00
  • 本发明公开一种基于深度卷积神经网络的人脸微表情动作单元检测方法,包括如下步骤:步骤1:设计深度卷积神经网络结构;步骤1.1:标记人脸及其中不同动作单元的矩形形状区域;步骤1.2:设计实现深度卷积神经网络,所述神经网络中包括了卷积层,捷径层及动作单元检测层,以对人脸及其不同表情动作单元区域信息进行学习,获取网络前向传播参数;步骤1.3:将人脸样本数据集中的样本数据作为神经网络输入数据;步骤2:根据步骤1中学习到的网络参数,实现人脸表情动作单元检测;步骤3:根据步骤2中检测到的人脸动作单元进行可视化输出。本发明所述的检测方法依托深层卷积神经网络,检测和识别人脸图像中的动作单元,能够提高检测的准确率和速度。
  • 基于深度卷积神经网络人脸微表情动作单元检测方法
  • [发明专利]三维颅骨的自动配准方法和装置-CN201610344308.7有效
  • 邓擎琼;周明全;税午阳;江海燕 - 北京师范大学
  • 2016-05-23 - 2020-02-14 - G06K9/64
  • 本申请提供了三维颅骨的自动配准方法和装置。本发明中,首先训练一个边缘类型分类器,然后对待配准三维颅骨进行边缘提取获得三维孔洞边缘,对所有三维孔洞边缘提取形状分布特征,采用边缘类型分类器对三维孔洞边缘自动分类为眼眶边缘、鼻框边缘等,然后对鼻框边缘上的所有边缘点进行PCA以此确定统一的坐标系,从而对待配准三维颅骨的初始位置和姿态进行调整,之后采用CPD算法根据待配准三维颅骨与参考颅骨边缘上的对应关系实现边缘区域的配准,最后采用CSRBF对待配准三维颅骨与参考颅骨配准误差大的区域进行调整,实现待配准三维颅骨与参考颅骨整个颅骨区域的精确配准。
  • 三维颅骨自动方法装置
  • [发明专利]一种颅面复原方法-CN201510557845.5有效
  • 邓擎琼;周明全;江海燕 - 北京师范大学
  • 2015-09-02 - 2019-11-08 - G06T5/00
  • 本发明公开了一种颅面复原方法:构建三维颅面数据库,其中至少包括N个颅面样本,N为大于1的正整数,每个颅面样本中分别包括:由一个三维颅骨模型和一个三维人脸模型组成的颅面模型,以及,颅面模型对应的属性;综合N个颅面样本,确定出三维人脸模型与三维颅骨模型以及属性之间的关联关系;获取待复原的三维颅骨模型及其对应的属性,根据所述关联关系,复原出待复原的三维颅骨模型对应的三维人脸模型。应用本发明所述方法,能够提高复原精度。
  • 一种复原方法
  • [发明专利]一种三维人脸模型弱特征点的自动定位方法-CN201610342047.5有效
  • 肖泽东;程郑鑫;白方域;邓擎琼;陈郁聪;段福庆 - 北京师范大学
  • 2016-05-20 - 2019-04-19 - G06K9/00
  • 本发明属于计算机图形学技术领域,涉及一种三维人脸模型弱特征点的自动定位方法。所述方法包括:选取一个三维人脸模型为参考人脸模型,提取参考人脸模型上的一组径向曲线,在所述径向曲线上选取几何特征明显的点作为参考人脸模型的弱特征点;提取目标人脸模型的径向曲线;通过对参考人脸模型与目标人脸模型上对应位置的径向曲线进行配准,自动定位目标人脸模型上的弱特征点。本发明通过在三维人脸模型的径向曲线上选取弱特征点,大幅度增加了人脸模型自动标定特征点的数量以及特征点在人脸上的分布密度,并且保证了特征点自动标定的精准性与通用性。本发明能够广泛应用于颅面重建、三维人脸识别、表情分析、人脸动画等领域。
  • 一种三维模型特征自动定位方法
  • [发明专利]一种三维人脸变化模拟方法-CN201410049579.0有效
  • 邓擎琼;周明全;江海燕;张旭 - 北京师范大学
  • 2014-02-13 - 2018-02-06 - G06T17/00
  • 本发明公开了一种三维人脸变化模拟方法,包括构建三维颅面数据库;颅面模型规格化;提取人脸老化及胖瘦变化规律;人脸老化及胖瘦变化模拟。本发明的方法同时考虑了老化和胖瘦的变化,能模拟因年龄增长和体重变化带来的人体外貌上的变化。本发明首次提出采用颅面CT数据来实现三维人脸的老化及胖瘦变化模拟。本发明在缺少三维时序人脸数据的情况下,能利用不同人的颅面数据,从中剔除“不同人”的影响,并挖掘出人脸的老化及胖瘦变化的规律。且本发明所采用的算法简单高效,模拟结果准确。可用于刑侦中寻找潜逃多年的罪犯;可以辅助医学整形美容;可以在影视娱乐中辅助化妆设计等。
  • 一种三维变化模拟方法
  • [发明专利]基于分级的正反互逆的三维稠密点集快速配准方法-CN201010225251.1无效
  • 周明全;耿国华;邓擎琼 - 北京师范大学
  • 2010-07-09 - 2010-11-17 - G06K9/64
  • 本发明提供一种基于分级的正反互逆的三维稠密点集快速配准方法,解决的技术问题是:给定两个点集,其中一个为参考点集,另一个为目标点集,现需求解两个变换函数;正变换函数h:从参考点集到目标点集的变换函数,反变换函数g:从目标点集到参考点集的变换函数,并要求h≈g-1,g≈h-1,其中h-1和g-1分别表示h和g的逆函数。最终通过这两个变换函数,得到两个点集的精确的对应关系。与现有技术相比,本方法的优点在于基于全局配准和局部配准的分级方式进行配准,并利用正方向和反方向上对应关系的差异来定义逆一致性误差和用于局部配准的特征点,避免了现有正反互逆配准算法中复杂耗时的函数求逆运算。实现简单、效率高,同时配准精度也高。
  • 基于分级正反三维稠密快速方法
  • [发明专利]一种对复杂叶片的快速简化和绘制方法-CN200810239325.X有效
  • 张晓鹏;邓擎琼 - 中国科学院自动化研究所
  • 2008-12-10 - 2010-06-23 - G06T17/00
  • 本发明为一种对复杂叶片的快速简化和绘制方法,输入树模型提取树叶信息,对叶簇内复杂叶片完成一层次简化;迭代地叶片合并完作二层次简化;迭代地对树冠中的叶片合并操作完成叶片的三层次简化;计算叶片密度;用数组结构把叶片几何和简化信息分别保存到两个数组中并读取,根据当前视点和像素误差,对保存简化信息的数组进行二次搜索,确定冠层合适的细节层次模型绘制图像。本发明适用于任意形状的复杂叶片的简化。利用距离限制提高简化速度,实现植物冠层的细节层次模型的高效提取和绘制。通过密度因素构建树冠的多分辨率共存的模型提高绘制速度。本发明能保持树冠的形状,有效克服走样现象,最终实现数万棵植物构成的森林的实时漫游。
  • 一种复杂叶片快速简化绘制方法
  • [发明专利]针叶类植物冠层的层次细节模型构造方法-CN200810056255.4有效
  • 张晓鹏;邓擎琼 - 中国科学院自动化研究所
  • 2008-01-16 - 2009-07-22 - G06T17/10
  • 本方法是一种针叶类植物冠层的层次细节模型构造方法。当针叶在图像空间的投影宽度大于一个象素值时,采用圆柱模型描述针叶,并且根据距离的远近,圆柱模型被自动地进行多边形化而表示成棱边数目不同的棱柱。如果距离继续增大,使得针叶在图像空间的投影宽度小于一个象素值,此时圆柱模型退化成线模型,从而极大程度地降低模型的几何复杂度。此外,线和线之间还能进行合并操作,可以用少量的线表示整个树冠,实现针叶几何模型的进一步压缩。为了正确描述子象素空间的信息,增强绘制的真实效果,本方法中采用的线模型为半透明类型,每根线的透明度值取决于植物体与视点的距离,及其对应的简化误差。
  • 针叶植物层次细节模型构造方法
  • [发明专利]一种树叶渐进简化方法-CN200610099571.0有效
  • 张晓鹏;邓擎琼 - 中国科学院自动化研究所
  • 2006-07-28 - 2008-01-30 - G06T15/10
  • 本发明公开一种树叶渐进简化方法,通过迭代地合并叶片多边形,并使新四边形叶片保持被其取缔的叶对的形状、颜色等属性,而每一次迭代采用六项有权重的相似度指标选取最合适的叶对做合并操作;对于复杂叶片,则先将叶片分解成一组三角或四边形,然后再进行合并操作;整个叶片减化过程在预处理完成并存在硬盘中,实时绘制时根据视点离树木的距离,选择合适的细节层次代替树叶的完整的描述。本发明能有效简化不同形状的树叶、花朵,在简化过程中保持树冠外形不变。并且即使压缩率很高时,仍能保持冠层的形状。主要用于城市可视化,园林设计,飞行模拟,虚拟现实和电脑游戏中,以及辅助农林学家可视化其研究对象。
  • 一种树叶渐进简化方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top