“尹建芹”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26个，建议您升级VIP下载更多相关专利

[发明专利]一种基于图关系交互学习的人体动作预测方法及装置-CN202310987468.3在审
发明人：唐进;顾宝轩;尹建芹 -专利权人：北京邮电大学
申请日： 2023-08-07 - 公布日： 2023-10-24 - 主分类号： G06V40/20 文献下载
摘要：本发明提出一种基于图关系交互学习的人体动作预测方法，包括，获取训练数据集，所述训练数据集包括人体动作序列；构建图关系交互学习网络，其中，图关系交互学习网络采用双支路对称残差图卷积网络GCN结构，双支路GCN之间的连接类型包括数据流和参数流；通过训练数据集对图关系交互学习模型进行训练，其中，训练采用平均每关节位置误差损失和平均每关节速度误差损失加权结合的损失函数；获取待预测数据，将待预测数据输入训练完成的图关系交互学习网络，获取人体动作预测结果。本发明实现了更精确的人体动作预测。
一种基于关系交互学习人体动作预测方法装置

[发明专利]基于模态引导的多图人体姿态生成方法及装置-CN202210911159.3有效
发明人：唐进;张晋;顾宝轩;尹建芹 -专利权人：北京邮电大学
申请日： 2022-07-29 - 公布日： 2023-07-11 - 主分类号： G06T11/00 文献下载
摘要：本发明提出一种基于模态引导的多图人体姿态生成方法及装置，其中方法包括，获取训练数据集，训练数据集包括人体动作序列；将训练数据集输入模态引导多图模型，其中模态引导多图网络包括时序特征增强子网络和特征提取子网络；通过时序特征增强子网络对人体动作序列进行裁剪，对后T帧的特征占比进行增强，获取特征增强数据集；同时通过复制最后一帧，提高输入序列中最后一帧的贡献度；根据动作幅度将特征增强数据集分为多个模态子集；通过特征提取子网络对多个模态子集分别进行建模提取特征，再根据动作幅度的划分方式还原至人体全局姿态序列。本发明实现了由模态引导的对动静态不同关节点的多图建模。
基于引导人体姿态生成方法装置

[发明专利]一种基于自适应特征选择与信号趋势去除的动作计数方法-CN202010349928.6有效
发明人： 尹建芹;朱超然;尹子进;刘金;党永浩 -专利权人：北京邮电大学
申请日： 2020-04-28 - 公布日： 2023-06-20 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于自适应特征选择与信号趋势去除的动作计数方法，根据提取的深度特征使用主成分分析方法降维，并利用周期特征自适应的选择特征，确定代表特征；将代表特征使用多项式回归的方法拟合，去除信号趋势项；对去除信号趋势项后的代表特征，检测耦合动作；根据视频重复动作周期信号的峰值完成重复动作计数任务。本发明实现简单灵活，并取得了相当的检测效果。
一种基于自适应特征选择信号趋势去除动作计数方法

[发明专利]一种端到端的局部视频行为语义预测方法-CN202310079023.5在审
发明人： 尹建芹;刘孝发;孙源;张志成;唐进 -专利权人：北京邮电大学
申请日： 2023-01-17 - 公布日： 2023-06-13 - 主分类号： G06V40/10 文献下载
摘要：本发明提出一种端到端的局部视频行为语义预测方法，包括，获取包含人体运动的视频；对视频中的片段采样x帧原始帧，对x帧原始帧的RGB差分信息进行下采样，通过2D卷积网络对下采样得到的RGB差分特征进行特征提取，获得局部运动特征，对局部运动特征进行上采样，获得最终的局部运动特征；将原始帧通过2D卷积网络得到局部空间特征，将最终的局部运动特征与局部空间特征融合得到融合特征；将融合特征与局部运动特征融合得到片段的时空特征；根据视频中所有片段的时空特征，得到历史全局尺度，根据历史全局尺度对视频进行动作类别预测。通过本发明提出的方法，实现了以端到端的方式预测局部视频中的人体行为语义。
一种端到端局部视频行为语义预测方法

[发明专利]基于事件一致性的视听事件检测方法及装置-CN202211490319.8在审
发明人： 尹建芹;蒋圆圆;党永浩;孙源 -专利权人：北京邮电大学
申请日： 2022-11-25 - 公布日： 2023-03-28 - 主分类号： G06V20/40 文献下载
摘要：本发明提出一种基于事件一致性的视听事件检测方法,包括：获取目标视频；将目标视频划分为N个不重叠的连续片段，获取图像流和音频流；对图像流和音频流进行特征提取，获取视听特征；通过视听联合学习将视听特征融合，其中，视听联合学习包括片段层面的特征编码以及视频层面的语义指导；将融合后的视听特征输入分类器中，得到目标视频的预测结果。本发明的方法利用事件的语义一致性来分别指导视觉和听觉模态的学习，可以确保模型更好地聚焦和定位发声对象。
基于事件一致性视听检测方法装置

[发明专利]一种基于多模态主动感知的物品分类回收方法-CN202010447997.0有效
发明人：郭迪;刘华平;袁小虎;尹建芹 -专利权人：北京具身智能科技有限公司
申请日： 2020-05-25 - 公布日： 2022-12-02 - 主分类号： B25J13/08 文献下载
摘要：本发明涉及一种基于多模态主动感知的物品分类回收方法，属于机器人应用技术领域。本方法首先搭建面向目标物品的目标检测网络模型，进而得到抓取目标物品的抓取位姿，根据抓取位姿引导机械臂机械手系统主动对目标物进行捏取式抓取。机械手手指末端配备触觉传感器，抓取目标物的同时可实时获取目标物表面的触觉信号。对获取的触觉信息进行特征提取并输入到鉴别物品材质的触觉分类器，完成对目标物品的分类回收。本发明利用视觉和触觉多模态信息，通过视觉检测结果引导机器人主动以最适合的位姿对目标物品进行抓取并采集触觉信息，实现物品材质识别，完成物品分类回收。可自动识别多种不同材质的可回收物品，具有较强的通用性和实际意义。
一种基于多模态主动感知物品分类回收方法

[发明专利]一种基于深度特征的无约束重复动作计数方法-CN201910874723.7有效
发明人： 尹建芹;吴艳春;党永浩;刘小丽;刘知宜 -专利权人：北京邮电大学
申请日： 2019-09-16 - 公布日： 2022-07-12 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于深度特征的无约束重复动作计数方法，其特征在于，具体步骤包括如下：构建BN‑Inception网络，并进行深度特征提取；将提取的深度特征进行降维，得到降维后的周期图；利用傅里叶变换对所述周期图进行分段阈值滤波，得到光滑的频率图；根据滤波后的频率图进行计数。本发明提供了一种基于深度特征的无约束重复动作计数方法，为了捕获较鲁棒的运动特征并有效的避免相机移动的干扰，对捕获的视频提取RGB和光流图,在此基础上使用深度ConvNets进行特征提取，基于特征值寻找体现重复动作的运动规律，使用变周期的傅里叶变换来处理复杂场景的非静止的视频动态，获取明显的运动频率，更好的统计重复运动次数。
一种基于深度特征无约束重复动作计数方法

[发明专利]基于邻域聚合蒙特卡罗失活的点云语义不确定度感知方法-CN202210165979.2有效
发明人： 尹建芹;齐超;徐靖航;牛迎春 -专利权人：北京邮电大学
申请日： 2022-02-23 - 公布日： 2022-06-03 - 主分类号： G06T15/00 文献下载
摘要：本发明提出一种基于邻域聚合蒙特卡罗失活的点云语义不确定度感知方法，其中包括，获取待处理场景的原始点云；将原始点云作为输入，以PointNet(++)为基础模型构建NSA‑MC‑dropout框架，其中，在编码阶段，NSA‑MC‑dropout框架生成不同粒度的特征向量，在解码阶段，特征向量被拼接到对应空间点，运用带有空间采样的多层感知机进行推理后生成各个无序点的随机推理结果；通过对随机推理结果进行融合实现单次随机推理建立原始点云中各个无序点预测分布；通过捕获预测分布中包含的信息量来量化点云语义不确定度或通过建模所述预测分布的分散程度来量化点云语义不确定度。在不增加模型参数和推理次数的基础上，实现了不确定度感知点云语义分割的框架。
基于邻域聚合蒙特卡罗失活语义不确定感知方法

[发明专利]基于多标签与多解码器的全心脏ct分割方法及装置-CN202210112153.X在审
发明人： 尹建芹;刘金;王君滢;殷若琪;齐超 -专利权人：北京邮电大学
申请日： 2022-01-29 - 公布日： 2022-05-06 - 主分类号： G06T7/11 文献下载
摘要：本发明提出一种基于多标签与多解码器的全心脏ct分割方法及装置，其中包括，获取训练CT图像，训练CT图像包括多个待分割目标对象以及所述多个待分割目标对象对应的第一标签信息；将多个待分割目标对象的第一标签信息按照预设规则进行融合，得到多个第二标签信息，其中，第一标签信息的粒度小于第二标签信息的粒度；对CT图像进行预处理，并将预处理后的CT图像剪裁为多个预设大小的图像块；构建U‑net网络，所述U‑net网络包括第一解码器和第二解码器，第一解码器用于分割细粒度标签，第二解码器用于分割粗粒度标签；根据图像块，以及第一标签信息和所述第二标签信息，对U‑net网络进行训练，生成分割模型；从而实现了对全心脏进行不同粒度的语义分割。
基于标签解码器心脏 ct 分割方法装置

[发明专利]基于关系建模的人体姿态估计方法-CN202111212014.6在审
发明人：党永浩;尹建芹;张志成;唐进;张少杰 -专利权人：北京邮电大学
申请日： 2021-10-18 - 公布日： 2021-12-17 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于关系建模的人体姿态估计方法，包括以下步骤：步骤一：给定一段包含N帧的视频，即RPSTN采用连续的T帧作为输入，给定由P生成的初始姿态，本发明相比于已有方法，本文提出的RPSTN对遮挡问题具有一定的鲁棒性，一方面JRE模块可以通过学习到的姿态结构信息，即关节点之间的关系，在空间上推理被遮挡关节点的位置，另一方面，JRPSP模块可以将未遮挡帧中的姿态信息传递到被遮挡帧中以帮助定位姿态，且避免了在生成关节点热图的过程中，已有方法都是单个关节点逐点定位，而忽略了关节点之间的联系，人体是一个有机的整体，在运动过程中各个关节点是相互关联的，已有方法逐点定位的方式会破坏人体的结构信息的问题。
基于关系建模人体姿态估计方法

[发明专利]一种基于多类别目标分割的机器人抓取检测方法-CN202110102963.2在审
发明人：于秀丽;董明帅;尹建芹;魏世民;白宇轩;尹卫民 -专利权人：北京邮电大学
申请日： 2021-01-26 - 公布日： 2021-05-28 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于图像分割技术的抓取检测方法，该方法使用图像分割技术，将目标物体从杂乱的场景中分割出来，对只含有目标信息的图像做抓取检测。通过这种方法消除了背景信息对抓取检测的干扰，使得抓取检测为面向对象的抓取检测而不是面向场景的抓取检测。同时通过此种方法提高了模型对不同环境的鲁棒性，减小了模型在抓取检测时对环境特征的依赖，提高了模型对不同背景下物体的检测能力。
一种基于类别目标分割机器人抓取检测方法

[发明专利]基于深度状态空间模型的3D人体运动预测方法-CN202011500519.8在审
发明人：刘小丽;尹建芹;刘金;党永浩 -专利权人：北京邮电大学
申请日： 2020-12-17 - 公布日： 2021-03-30 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于深度状态空间模型的3D人体运动预测方法，先将人体运动的位置和速度作为观测，采用深度网络提取历史姿态序列的运动动力学规律来初始化状态空间模型的状态，通过状态到观测的转移递归地预测3D人体运动的多个未来姿态。本发明利用深度网络和状态空间模型的优点，将人体运动系统建模为深度状态空间模型，为各种人体运动系统提供了一个统一的描述，同时也能够对已有的模型进行分析。
基于深度状态空间模型人体运动预测方法

[发明专利]一种基于改进郊狼优化算法的特征选择方法-CN202010975367.0在审
发明人：张志成;尹建芹 -专利权人：北京邮电大学
申请日： 2020-09-16 - 公布日： 2020-12-15 - 主分类号： G06N3/00 文献下载
摘要：本发明公开了一种基于改进郊狼优化算法的特征选择方法，包括如下步骤：从数据集中获取待选择的特征；初始化郊狼种群，获得郊狼的社会条件；将郊狼的社会条件转化为二进制数据；计算适应度函数值；确定每个子群中的头狼；计算每个子群的文化倾向；更新每个子群中的所有郊狼；每个子群生成二进制新生郊狼；每个子群执行出生‑死亡机制；部分郊狼在子群之间迁移；更新所有郊狼的年龄；判断当前迭代次数是否达到预设的最大迭代次数；选择种群中社会条件最好的郊狼所对应的特征作为最优特征子集。本发明算法调节参数少、搜索效率高、特征选择准确、自适应能力强，在不需要过多的人为参数调整干预的条件下，仍能够快速地搜索到最佳特征组合。
一种基于改进优化算法特征选择方法

[发明专利]一种基于动态收缩蜜蜂觅食算法的图像分割方法及系统-CN202010327412.1在审
发明人：张志成;尹建芹 -专利权人：北京邮电大学
申请日： 2020-04-23 - 公布日： 2020-08-11 - 主分类号： G06T7/136 文献下载
摘要：本发明公开了一种基于动态收缩蜜蜂觅食算法的图像分割方法及系统，采用动态收缩蜜蜂觅食算法，该算法将整个蜂群分为多个子种群，不同的子种群采用不同的搜索策略以保持算法的多样性，并利用动态收缩策略对采蜜蜂的搜索范围进行自适应的动态调整，逐步找到图像分割的最佳阈值组合。本发明具有不依赖先验知识、算法调节参数少、算法具有较强的自适应能力等特点；此外，动态收缩策略的引入进一步加强了算法在阈值搜索过程中的动态适应性能，提高了算法的搜索效率，使算法在不需要人为参数调整干预的条件下，仍能够快速地搜索到最佳阈值组合。
一种基于动态收缩蜜蜂觅食算法图像分割方法系统

[发明专利]基于伪图像序列演化的三维姿态预测方法-CN201911088199.7在审
发明人： 尹建芹;刘小丽;陈亭秀;党永浩;丁鹏翔 -专利权人：北京邮电大学
申请日： 2019-11-08 - 公布日： 2020-02-21 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于伪图像序列演化的三维姿态预测方法，具体步骤包括如下：步骤一：输入关节点坐标序列；步骤二：将关节点坐标序列变换为图像序列，并对人体进行划分，同时将所述图像序列转换得到伪图像序列；步骤三：构建序列到序列模型，将历史姿态的伪图像序列预测未来的姿态序列；步骤四：输出未来的姿态序列的关节点坐标序列。本发明提供了基于伪图像序列演化的三维姿态预测方法，（1）新的骨架表示，将姿态预测问题建模为视频预测问题；（2）一个新的结构PISEP2，该结构以非递归的方式预测所有未来的帧，能够有效地避免误差累积和提高计算效率。
基于图像序列演化三维姿态预测方法

1
2
下一页»
尾页
共 26 条