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11个,建议您升级VIP下载更多相关专利
  • [发明专利]虚拟目标跟踪-CN201080055319.4有效
  • R·M·盖斯 - 微软公司
  • 2010-12-06 - 2012-09-12 - A63F13/00
  • 一种用于跟踪目标的方法包括:利用一个或多个像素例对具有像素地址的像素进行分类。基于一个或多个所观察到的或合成的值对所述像素进行分类。像素地址的所观察到的值的一个示例包括从深度相机获得的所观察到的深度值。像素地址的合成值的示例包括:通过对所述目标的模型进行栅格化计算出的合成深度值;估计与该像素地址相对应的身体部位的一个或多个身体部位索引;以及估计与该像素地址相对应的目标的一个或多个玩家索引。基于像素例为像素计算一个或多个力矢量,并且将所述力矢量映射到表示所述目标的模型的一个或多个受力位置以将表示所述目标的模型调整为经调整的姿态。
  • 虚拟目标跟踪
  • [发明专利]虚拟目标跟踪-CN201080055361.6有效
  • R·M·盖斯 - 微软公司
  • 2010-12-06 - 2012-08-22 - G06T17/00
  • 视觉目标跟踪方法包括用机器可读模型来表示人类目标,该机器可读模型被配置成调整到多个不同姿态以及从源接收人类目标的观察到的深度图像。将观察到的深度图像与该模型进行比较。随后将精制z力矢量施加到该模型的一个或多个受力位置,以便在该模型的一部分从观察到的深度图像的相应部分移动Z-移位的情况下,将该模型的该部分朝观察到的深度图像的该相应部分移动。
  • 虚拟目标跟踪
  • [发明专利]虚拟目标跟踪-CN201080054442.4有效
  • R·M·盖斯 - 微软公司
  • 2010-12-06 - 2012-08-15 - A63F13/00
  • 一种目标跟踪方法包括用机器可读模型的第一帧迭代来对第一帧中的目标建模,以及接收包括该目标的场景的第二帧的观察到的深度图像。然后基于该第二帧的观察到的深度图像将该机器可读模型的第一帧迭代调整为该机器可读模型的第二帧迭代。
  • 虚拟目标跟踪
  • [发明专利]虚拟目标跟踪-CN201080055245.4有效
  • R·M·盖斯 - 微软公司
  • 2010-11-24 - 2012-08-15 - G06T13/00
  • 目标跟踪方法包括用包括多个骨架点的机器可读模型来表示人类目标。多个骨架点可调整成多个不同的合法姿态。该方法还包括从源接收人类目标的观察到的深度图像,并基于该观察到的深度图像来确定机器可读模型的骨架点中的一个或多个的建议位置。如果建议位置中的一个或多个违反了一个或多个规则中的任一个,则随后调整骨架点的建议位置来符合一个或多个规则。
  • 虚拟目标跟踪
  • [发明专利]虚拟目标跟踪-CN201080055256.2有效
  • R·M·盖斯 - 微软公司
  • 2010-12-06 - 2012-08-15 - G06T7/20
  • 目标跟踪方法包括用被配置成调整成多个不同姿势的机器可读模型来表示人类目标。该机器可读模型包括多个关节,所述多个关节包括一个或多个磁性关节并且每一个关节具有三维世界空间位置。该方法还包括从源接收人类目标的观察到的深度图像。观察到的深度图像包括多个观察到的像素。磁性身体部位被分配给多个观察到的像素中的一个或多个,并且基于被分配了磁性身体部位的一个或多个观察到的像素的世界空间位置来估计磁性关节位置。机器可读模型的关节随后移向该磁性关节位置。
  • 虚拟目标跟踪
  • [发明专利]并行处理机器学习决策树训练-CN201110443208.7有效
  • M·菲诺齐奥;R·E·摩尔;R·M·盖斯;J·肖顿 - 微软公司
  • 2011-12-14 - 2012-07-11 - G06F9/38
  • 本发明涉及并行处理机器学习决策树训练。此处所公开的各实施例涉及通过基于图形处理单元(GPU)的机器学习来生成决策树。例如,一个实施例提供了一种方法,包括,对于决策树的每个层级:在并行处理流水线的每个GPU处对示例集中的每个示例执行针对特征集中的一个特征的特征测试。方法进一步包括将特征测试的结果累积在本地存储器块中。该方法还包括,将累积的结果从每个本地存储器块的写入到全局存储器,以生成层级中的每个节点的特征的直方图,并且对于层级中的每个节点,根据直方图将具有最低熵的特征分配给该节点。
  • 并行处理机器学习决策树训练
  • [发明专利]深度图像降噪-CN201080024661.8有效
  • M·J·菲诺齐奥;R·M·盖斯 - 微软公司
  • 2010-05-21 - 2012-05-09 - A63F13/00
  • 可由设备接收、观察或捕捉场景的深度图像。然后可以分析该深度图像以确定该深度图像是否包括噪声。例如,深度图像可包括具有一个或多个空像素或没有深度值的像素的一个或多个孔洞。可以计算该一个或多个空像素的深度值并且可以渲染包括一个或多个空像素的计算出的深度值的深度图像。
  • 深度图像
  • [发明专利]身体扫描-CN201080006414.5有效
  • Z·马特;C·C·马雷;R·M·盖斯 - 微软公司
  • 2010-01-12 - 2011-12-28 - G06T15/00
  • 可由设备接收、观察或捕捉场景的深度图像。该深度图像然后可被分析来确定该深度图像是否包括人类目标。例如,该深度图像可包括包含人类目标和非人类目标的一个或多个目标。每个目标可被泛色填充并与一图案进行比较来确定该目标是否可能是人类目标。如果该深度图像中的一个或多个目标包括人类目标,则可扫描该人类目标。然后可基于该扫描来生成人类目标的骨架模型。
  • 身体扫描

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