“奥瞳系统科技有限公司”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10个，建议您升级VIP下载更多相关专利

[发明专利]通过联合边缘和云计算维护隐私的人类动作识别、存储和检索-CN202211212625.5在审
发明人：陈智琮;张栋;高宇;区峻康;扎卡里·德沃瑞斯;梁杰 -专利权人： 奥瞳系统科技有限公司
申请日： 2022-09-30 - 公布日： 2023-05-12 - 主分类号： G06V40/20 文献下载
摘要：公开了预测人类动作的各种实施例。一方面，人类动作预测系统首先接收包括至少第一人的视频图像序列。接着，对于视频图像序列中的每个图像，人类动作预测系统检测视频图像中的第一人；随后从检测到的第一人的图像中提取检测到的第一人的骨架图形，其中该骨架图形由检测到的第一人的一组人类关键点组成。接着，人类动作预测系统将从视频图像序列中提取的检测到的第一人的骨架图形序列进行组合，以形成描绘检测到的第一人的连续运动的检测到的第一人的第一骨架序列。随后人类动作预测系统将检测到的第一人的第一骨架序列传输到服务器，其中将检测到的第一人的第一骨架序列代替第一人的检测到的图像传输到服务器维护了检测到的第一人的隐私。
通过联合边缘计算维护隐私人类动作识别存储检索

[发明专利]用于高性能人脸识别系统的高质量训练数据准备系统-CN201810281860.5有效
发明人：易子立;王星;吴谦伟;马怀宇;梁杰 -专利权人： 奥瞳系统科技有限公司
申请日： 2018-04-02 - 公布日： 2022-05-17 - 主分类号： G06V40/16 文献下载
摘要：提供了用于执行大规模人脸图像训练数据采集、预处理、清洗、均衡化和后处理的人脸图像训练数据准备系统的多个示例。公开的训练数据准备系统用于从互联网采集不同的人的大量的标注图像，然后生成包括错误标注人脸图像的原始训练数据集。该训练数据准备系统然后对该原始训练数据集执行清洗和均衡化操作，从而生成不具有错误标注的高质量人脸图像训练数据集。已处理的高质量人脸图像训练数据集随后可用于训练基于深度神经网络的人脸识别系统，从而在多种人脸识别应用中实现高性能。与传统的人脸识别系统和技术相比，本申请公开的训练数据准备系统和技术提供了全自动、高度确定的高质量训练数据准备程序，无需严重依赖于假设条件。
用于性能识别系统质量训练数据准备

[发明专利]用于嵌入式视觉系统的高性能视觉对象跟踪方法及系统-CN201810665152.1有效
发明人：高宇;王星;埃里克·汉斯;马锐;沈超;陈明华;卢晔;梁杰;吴建兵 -专利权人： 奥瞳系统科技有限公司
申请日： 2018-06-22 - 公布日： 2022-02-25 - 主分类号： G06T7/246 文献下载
摘要：一种实时视觉跟踪系统，一方面，用于实时视觉跟踪移动中的对象的无人驾驶飞行器(UAV)包括处理器、与该处理器连接的存储器，连接至该处理器和存储器的摄像机，其中摄像机用于捕捉该移动中的对象的视频；该UAV还包括视觉跟踪模块，用于接收第一帧视频图像及该目标对象的第一个位置；接收该第一帧视频图像后的第二帧视频图像；将第一搜索窗置于第一帧视频图像中，将第二搜索窗置于该第二帧视频图像中，该第二搜索窗在该第二帧视频图像中的位置与该第一搜索窗在该第一帧视频图像中的位置相同；计算第一搜索窗内的第一图像块和第二搜索窗内的第二图像块之间的相关图；基于计算出的该相关图确定该目标对象在该第二帧视频图像中的更新位置。
用于嵌入式视觉系统性能对象跟踪方法

[发明专利]隐私保护跌倒检测方法和系统-CN201911371675.6有效
发明人：吴谦伟;王星;郑健楠;区峻康;陈智琮;林冠寰;张栋;埃里克·汉斯;陈鈞杰;陈明华;高宇;欧继雷;马凯伦;埃德里安·费兹;吴建兵;卢晔 -专利权人： 奥瞳系统科技有限公司
申请日： 2019-12-27 - 公布日： 2021-12-17 - 主分类号： G08B21/04 文献下载
摘要：公开了基于视觉的隐私保护嵌入式跌倒检测系统的多个实施例。该嵌入式跌倒检测系统包括一个或多个用于捕捉一个或多个人的视频图像的摄像头。此外，该嵌入式跌倒检测系统包括多个用于处理该已捕捉视频图像的跌倒检测模块，包括姿势估计模块、行为识别模块和的跌倒检测模块，所有这些模块可以在该嵌入式系统环境中实时执行期望的跌倒检测功能，从而检测一个或多个个人的跌倒。当检测到跌倒时，该嵌入式跌倒检测系统可将去特征化的视频图像发送至服务器，而无需发送该原始捕捉图像，其中每个被检测个人用骨骼图来代替真人图像，从而保护该被检测个人的隐私。该嵌入式跌倒检测系统可以作为安装在单一固定位置的嵌入式视觉传感器实现。
隐私保护跌倒检测方法系统

[发明专利]用于无人驾驶飞行器的基于嵌入式立体视觉的障碍躲避系统-CN201810754499.3有效
发明人：马锐;沈超;高宇;卢晔;陈明华;梁杰;吴建兵 -专利权人： 奥瞳系统科技有限公司
申请日： 2018-07-10 - 公布日： 2021-11-23 - 主分类号： G05D1/10 文献下载
摘要：提供了无人驾驶飞行器利用嵌入式立体视觉技术实现的自动障碍躲避系统的多个实例。一方面，公开了用于执行自动障碍检测和躲避的无人驾驶飞行器，包括连接到一个或多个处理器及存储器的立体视觉摄像机组；该立体视觉摄像机组用于获取一序列立体图像；还包括立体视觉模块，用于接收由一对立体视觉摄像机捕捉的一对立体图像；对该对立体图像执行边框裁剪操作，以获得一对已裁剪立体图像；对该对已裁剪立体图像执行下采样操作，以获得一对下采样立体图像；以及对该对下采样立体图像执行稠密立体匹配操作，以生成对应于该对立体图像的空间的稠密三维点图。
用于无人驾驶飞行器基于嵌入式立体视觉障碍躲避系统

[发明专利]基于嵌入式系统小规模卷积神经网络模块的人脸检测和头部姿态角评估-CN201711180925.9有效
发明人：王星;梅迪·塞伊菲;陈明华;吴谦伟;梁杰 -专利权人： 奥瞳系统科技有限公司
申请日： 2017-11-23 - 公布日： 2021-07-16 - 主分类号： G06K9/00 文献下载
摘要：提供了基于使用小规模硬件CNN模块的人脸检测和头部姿态角评估联合系统的多个示例，该小规模硬件CNN模块例如为海思半导体的Hi3519芯片中的内嵌CNN模块。在一些实施例中，本申请公开的人脸检测和头部姿态角评估联合系统用于联合执行多重任务：检测一序列视频帧中大多或所有人脸、为该已检测人脸生成姿态角评估、在该序列视频帧中跟踪同一个人的已检测人脸，并生成被跟踪人的“最佳姿态”评估。人脸检测和姿态角评估联合系统可在资源有限的嵌入式系统中实现，如仅集成有一个或多个小规模CNN模块的智能摄像头系统。本申请提出的系统与基于子图像的技术结合，实现了采用小规模低成本CNN模块对高分辨率输入图像执行多重人脸检测和人脸识别任务。
基于嵌入式系统小规模卷积神经网络模块检测头部姿态评估

[发明专利]采用嵌入式系统中的小规模卷积神经网络模块的人脸检测-CN201710692173.8有效
发明人：王星;梅迪·塞伊菲;陈明华;吴谦伟;梁杰 -专利权人： 奥瞳系统科技有限公司
申请日： 2017-08-14 - 公布日： 2021-05-25 - 主分类号： G06K9/00 文献下载
摘要：本申请实施例提供了基于使用小规模硬件卷积神经网络(CNN)模块的人脸检测系统的多个示例，其中该模块被配置到多任务级联CNN模块中。在一些实施例中，基于子图像的CNN系统可被配置为等同于不需划分而处理整个输入图像的大规模CNN，从而该基于子图像的CNN系统的输出可与大规模CNN的输出完全相同。基于此，本申请公开的一些实施例将该基于子图像的CNN系统和技术应用到级联CNN或多任务级联CNN(MTCNN)的一级或多级中，从而输入到该级联CNN或者该MTCNN的指定级中的更大输入图像可以被划分成一组具有更小尺寸的子图像。因此，该级联CNN或者该MTCNN的每一级都可以采用相同的小规模硬件CNN模块，该小规模硬件CNN模块受最大输入图像尺寸限制。
采用嵌入式系统中的小规模卷积神经网络模块检测

[发明专利]基于视频的跌倒风险评价系统-CN202010384748.1在审
发明人：郑健楠;沈超;张栋;梁杰 -专利权人： 奥瞳系统科技有限公司
申请日： 2020-05-09 - 公布日： 2021-05-11 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了基于视频的跌倒风险评价系统的多个实施例。在运行过程中，该跌倒风险评价系统接收用于跌倒风险评价的一序列视频帧，该序列视频帧包括正在被监测的个人。接下来，该系统为该序列视频帧生成连续的行为标签；生成方式为，对于该序列视频帧内的每个视频帧：估计该视频帧内的个人的姿态；并将估计的姿态划分为一组预定义行为中的给定行为。接下来，该系统在该连续的行为标签内识别行为标签子集。该系统接下来提取该序列视频帧内对应于该行为标签子集的视频帧子集中的个人的一组步态特征。接下来，该系统分析该组已提取步态特征的视频帧子集以生成该个人的跌倒风险评价。在一些实施例中，在预定义时间阶段期间捕捉该序列视频帧，例如一个小时，一天或者一周。
基于视频跌倒风险评价系统

[发明专利]基于重复使用小规模卷积神经网络模块的神经网络系统-CN201710386705.5有效
发明人：王星;吴谦伟;梁杰 -专利权人： 奥瞳系统科技有限公司
申请日： 2017-05-26 - 公布日： 2020-10-02 - 主分类号： G06N3/04 文献下载
摘要：本文公开了基于有限分辨率的小规模CNN模块的卷积神经网络(CNN)系统的各实施例。系统包括用于接收适当高分辨率输入图像的接收模块，能将输入图像划分为有适当重叠的子图像；第一处理级包括仅能处理有限分辨率图像的小规模硬件CNN模块,能按顺序处理每个子图像，生成相应的输出；这些输出被另一个模块合并成一个完整的特征图集合。系统的第二处理级进一步处理合并后的特征图集合，并输出对输入图像内容的至少一个预测。本设计的结果等价于直接把一个大规模CNN系统作用到高分辨率输入图像的结果，因此非常适用于低端嵌入式系统。
基于重复使用小规模卷积神经网络模块系统

[发明专利]用于有限资源嵌入式视觉系统的增强型人脸检测和人脸跟踪方法和系统-CN201810747849.3在审
发明人：吴谦伟;王星;高宇;马锐;卢晔 -专利权人： 奥瞳系统科技有限公司
申请日： 2018-07-06 - 公布日： 2018-12-21 - 主分类号： G06K9/00 文献下载
摘要：公开了一种嵌入式视觉系统内的实时人脸检测、人脸跟踪和人脸姿态选择子系统的一些实例。一方面，公开了使用该子系统进行近似重复人脸图像的识别过程。该过程包括了如下步骤：当确定被跟踪人脸已经消失，接收与该被跟踪人脸相关的已确定最佳姿态人脸图像；从最佳姿态人脸图像中提取图像特征；计算出已提取图像特征和特征缓冲器内的一组存储图像特征中的每个图像特征之间的一组相似度值。其中，该组存储图像特征是从一组先前传送的最佳姿态人脸图像中提取出来的；确定这组相似度值否有数值高于预先设定的阈值；假若没有数值高于预先设定的阈值，则将此最佳人脸图像传送到服务器并将提取出的图像特征存储至特征缓冲器。
人脸图像图像特征嵌入式视觉系统提取图像特征特征缓冲器人脸跟踪人脸检测相似度组存储人脸选择子系统人脸姿态增强型跟踪服务器近似传送存储重复

1
共 10 条