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2856817个,建议您升级VIP下载更多相关专利
  • [发明专利]基于人体步态特征的情感分析方法及系统-CN202211255829.7在审
  • 付心仪;徐迎庆;薛程 - 清华大学
  • 2022-10-13 - 2023-01-31 - G06F18/24
  • 本发明提供基于人体步态特征的情感分析方法及系统,包括:获取电容地板产生的电容感应值;根据所述电容感应值生成人体步态特征数据;将所述人体步态特征数据输入预训练的情感分析模型中,通过所述情感分析模型输出人体的情感类型;其中,所述情感分析模型是以样本用户的步态特征作为样本,以样本用户的情感信息作为样本标签训练而成。本发明解决了现有对人体情绪分析难度大、准确率低的问题,实现根据人体步态特征准确分析人体的情感表达。
  • 基于人体步态特征情感分析方法系统
  • [发明专利]一种基于视频的人体姿态估计方法、装置及设备-CN201811623269.X有效
  • 黄国恒;陈小平;朱俊文 - 广东工业大学
  • 2018-12-28 - 2023-07-25 - G06T7/73
  • 本发明公开了一种基于视频的人体姿态估计方法,能够对目标视频进行图像截取,得到多帧图像,然后遍历多帧图像分别计算各帧图像的人体姿态特征,对于当前遍历到的图像,利用姿态提取网络提取其真实人体姿态特征,并将上一帧图像的人体姿态特征输入姿态预测网络,预测得到当前帧图像的预估人体姿态特征,最后根据预估姿态特征对真实姿态特征进行调整,确定当前帧图像最终的人体姿态特征。可见,该方法在计算人体姿态特征时,考虑到了在视频中帧与帧之间的关联性,并利用这种关联性有效解决了由于遮挡问题导致的人体姿态不完整的问题。此外,本发明还提供了一种基于视频的人体姿态估计装置、设备及计算机可读存储介质,其作用与上述方法相对应。
  • 一种基于视频人体姿态估计方法装置设备
  • [发明专利]人体关键点检测方法、装置、电子设备及存储介质-CN201811581382.6有效
  • 王轩瀚;谭文明 - 杭州海康威视数字技术股份有限公司
  • 2018-12-24 - 2023-10-17 - G06V40/20
  • 本申请实施例提供了人体关键点检测方法、装置、电子设备及存储介质,该方法包括:获取待检测图像;通过预设神经网络的特征提取部分对待检测图像进行分析,得到待检测图像的多个层级特征;通过预设神经网络的人体检测部分对各层级特征进行分析,确定各层级特征中的人体区域;对各层级特征中的人体区域进行区域特征映射,得到各实例特征;通过预设神经网络的关键点检测部分对各实例特征进行分析,得到各人体关键点。本申请实施例的人体关键点检测方法,实现了人体关键点的自动检测;并且将人体检测与关键点检测统一在一个网络框架内,仅通过单个神经网络就完成多人场景下的人体关键点检测,且无需复杂的后处理过程,实用价值高。
  • 人体关键检测方法装置电子设备存储介质
  • [发明专利]一种人体细粒度分割方法及模型训练方法-CN202210263692.3在审
  • 黄永祯;徐栋;刘旭;曹春水 - 银河水滴科技(北京)有限公司
  • 2022-03-17 - 2022-06-14 - G06T7/10
  • 本发明公开了一种人体细粒度分割方法及模型训练方法,属于图像分割技术领域,能够结合人脑判断思维进行优化,方式更加合理,有助于提高人体细粒度分割的精度和稳定性。所述方法包括:获取人体样本图片;利用人体细粒度分割模块对人体样本图片进行人体细粒度分割,得到人体细粒度分割标注;利用细节分类模块检测人体样本图片的细节特征,并根据细节特征获取人体左右分类标注;细节特征包括人体的朝向、人体走路姿态和人体着装特征中的至少一种;人体左右分类标注为判定人体左侧肢体和人体右侧肢体的信息;根据人体样本图片、人体细粒度分割标注和人体左右分类标注训练神经网络模型,得到人体细粒度分割模型。本发明用于人体细粒度分割。
  • 一种人体细粒度分割方法模型训练
  • [发明专利]基于注意力机制的视频人像分割方法、装置、设备及介质-CN202210772408.5在审
  • 王博 - 深圳万兴软件有限公司
  • 2022-06-30 - 2022-10-11 - G06V40/16
  • 本申请涉及一种基于注意力机制的视频人像分割方法、装置、设备及介质,其中方法包括获取视频中的人体图像,作为待分割人体图像;通过预先训练的分割模型将待分割人体图像进行特征提取,得到浅层特征和第一深层特征;将浅层特征与第一深层特征进行特征处理,得到注意力图像,并生成第二深层特征;对第二深层特征进行上采样处理,得到第一采样特征,并将第一采样特征与浅层特征进行特征相加处理,得到第三深层特征;将第三深层特征进行特征分割处理,得到初始分割人体图像;对初始分割人体图像进行均值滤波处理,得到滤波图像,并基于滤波图像进行边缘柔化处理,得到目标分割人体图像。
  • 基于注意力机制视频人像分割方法装置设备介质
  • [发明专利]图像处理方法、装置、存储介质及电子设备-CN201811116995.2在审
  • 陈岩 - OPPO广东移动通信有限公司
  • 2018-09-25 - 2020-03-31 - G06K9/00
  • 本申请实施例公开了一种图像处理方法、装置、存储介质及电子设备,其中,本申请实施例通过获取人体图像;对人体图像进行分析,识别出人体图像对应的人体特征点信息;将人体特征点信息进行结合,以生成人体模型信息;根据人体模型信息对虚拟对象进行相应的控制以此可以实时的识别出人体图像中的人体特征点信息,将识别出的人体特征点信息结合,生成人体模型信息,根据生成的人体模型信息中的人体部位的状态对虚拟对象进行相应的控制,节省了人机交互的成本,并且提升了人机交互的便捷性
  • 图像处理方法装置存储介质电子设备
  • [发明专利]一种基于多尺度特征人体图像解析方法-CN202110477075.9在审
  • 杨鹏;范路平;常欣辰;于晓潭 - 东南大学
  • 2021-04-29 - 2021-07-13 - G06K9/00
  • 本发明公开了一种基于多尺度特征人体图像解析方法。本发明首先利用残差网络对人体图像不断进行下采样;然后利用双线性插值和通道压缩的方法不断对人体特征图进行上采样;最后通过多尺度特征融合的方式将上采样和上采样过程中产生的人体特征图进行多尺度特征融合,以同时利用不同感受野大小的人体图像信息本发明利用不同倍率的空洞卷积做多尺度特征融合,有效解决传统人体解析方法对于人体边缘检测像素精度不够的问题,相比现有特征融合方法能大幅提高效率和精度。
  • 一种基于尺度特征人体图像解析方法
  • [发明专利]基于聚类分组的大规模人体行为识别方法-CN202011625139.7有效
  • 邱剑锋;武梦雨;凤元东;田野;张兴义 - 安徽大学
  • 2020-12-31 - 2022-11-08 - G06V40/20
  • 本发明公开了一种基于聚类分组的大规模人体行为识别方法,包括:步骤一、对人体行为数据进行采集;步骤二:生成人体行为特征选择方案种群,并设置参数;步骤三、通过聚类对人体行为特征进行分组,将个体从原始空间映射到低维空间,在低维空间中生成子代以降低耗费成本,并通过环境选择迭代选取优质特征选择方案,最终得到最优的人体行为特征选择方案。本发明能减少大规模人体行为识别特征选择问题中所耗费的时间和空间,并通过自适应的调整参数,在大规模的人体行为特征集中快速的获得优质特征选择方案进行人体行为识别,以提高识别准确性。
  • 基于分组大规模人体行为识别方法
  • [发明专利]呼吸机穿戴检测方法、装置、设备及存储介质-CN202111084015.7在审
  • 甘海洋;贾东风;程力行 - 奇酷软件(深圳)有限公司
  • 2021-09-15 - 2021-12-10 - G06K9/62
  • 本发明公开一种呼吸机穿戴检测方法、装置、设备及存储介质,该方法包括:在待检测图像中存在人体特征和呼吸机特征时,确定对应的人体背部区域和呼吸机特征对应的呼吸机特征区域,然后获取人体背部区域和呼吸机特征区域的区域重叠度,并根据区域重叠度判断人体背部区域对应的人体是否穿戴有呼吸机。由于是在人体特征和呼吸机特征均存在时,通过计算待检测图像中的人体背部区域和呼吸机特征区域的区域重叠度,再根据区域重叠度来判断人体是否穿戴呼吸机,该方式相比于现有的将穿戴呼吸机的人体作为整体识别对象进行检测的方式,能够避免误检,同时通过计算出的区域重叠度来判断人体是否穿戴呼吸机也保证了检测结果的精度和可靠性。
  • 呼吸穿戴检测方法装置设备存储介质

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