-
公开(公告)号：CN112884822B
公开(公告)日：2024-03-15
申请号：CN202110179042.6
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于RepNet模型的人体多视角图像序列的骨架提取方法，基于沙漏网络的二维骨架提取方法和基于RepNet的三维骨架提取方法来提取初始的多视角三维骨架序列。将多视角骨架序列通过基于最小二乘的配准融合方法得到融合后的优化序列，最后利用帧间帧内优化模型对连续帧三维骨架序列进行优化，得到最终优化后的骨架序列；本发明利用三维融合的可扩展性，把得到的多视图三维骨架进行配准融合优化，然后得到更准确的三维骨架序列，能很好的表达运动形态。
-
Patent Agency Ranking
公开(公告)号：CN112766186B
公开(公告)日：2024-05-28
申请号：CN202110093339.0
申请日：2021-01-22
Applicant: 北京工业大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种基于多任务学习的实时人脸检测及头部姿态估计方法，用于解决头部姿态估计模型在同时估计多人头部姿态时的低效性，以及存在大量冗余计算的问题。具体包括特征提取网络以及四个支路组成，特征提取网络用于提取输入图片的4个不同层级的语义信息，每个层级的语义信息送入到对应支路当中。每个支路用于对不同层级的语义信息进行人脸检测及头部姿态估计，四条支路输出结果即为最终的人脸检测及对应的头部位姿估计结果。同时设计了多任务损失函数来评判模型的收敛，包含人脸检测的损失及头部姿态估计损失两部分。本发明在估计多人头部姿态时，效率有了巨大的提升。
-
公开(公告)号：CN112926449B
公开(公告)日：2024-03-15
申请号：CN202110210298.9
申请日：2021-02-11
Applicant: 北京工业大学
IPC: G06V40/20 , G06V40/10 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 一种基于任意角度人体图像的正面姿态估计方法属于计算机视觉领域，本发明包括一种多角度人体图像数据集的制作以及针对所提出数据集进行二维人体图像的正面姿态估计的算法设计两部分。数据集制作部分主要通过设计一整套数据的采集和数据的处理的方法，通过数据集的制作为算法设计提供数据支持。算法设计部分主要是通过对目前主流的深度学习算法进行改进，以实现任意角度人体图像的正面姿态估计。本发明可以完成任意角度图像的正面姿态估计，即使对人体自遮挡非常严重的背面图像，或者有部分人体缺失侧面图像也可以有较好的表现。
-
公开(公告)号：CN112884822A
公开(公告)日：2021-06-01
申请号：CN202110179042.6
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于RepNet模型的人体多视角图像序列的骨架提取方法，基于沙漏网络的二维骨架提取方法和基于RepNet的三维骨架提取方法来提取初始的多视角三维骨架序列。将多视角骨架序列通过基于最小二乘的配准融合方法得到融合后的优化序列，最后利用帧间帧内优化模型对连续帧三维骨架序列进行优化，得到最终优化后的骨架序列；本发明利用三维融合的可扩展性，把得到的多视图三维骨架进行配准融合优化，然后得到更准确的三维骨架序列，能很好的表达运动形态。
-
公开(公告)号：CN112926449A
公开(公告)日：2021-06-08
申请号：CN202110210298.9
申请日：2021-02-11
Applicant: 北京工业大学
Abstract: 一种基于任意角度人体图像的正面姿态估计方法属于计算机视觉领域，本发明包括一种多角度人体图像数据集的制作以及针对所提出数据集进行二维人体图像的正面姿态估计的算法设计两部分。数据集制作部分主要通过设计一整套数据的采集和数据的处理的方法，通过数据集的制作为算法设计提供数据支持。算法设计部分主要是通过对目前主流的深度学习算法进行改进，以实现任意角度人体图像的正面姿态估计。本发明可以完成任意角度图像的正面姿态估计，即使对人体自遮挡非常严重的背面图像，或者有部分人体缺失侧面图像也可以有较好的表现。
-
公开(公告)号：CN112766186A
公开(公告)日：2021-05-07
申请号：CN202110093339.0
申请日：2021-01-22
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于多任务学习的实时人脸检测及头部姿态估计方法，用于解决头部姿态估计模型在同时估计多人头部姿态时的低效性，以及存在大量冗余计算的问题。具体包括特征提取网络以及四个支路组成，特征提取网络用于提取输入图片的4个不同层级的语义信息，每个层级的语义信息送入到对应支路当中。每个支路用于对不同层级的语义信息进行人脸检测及头部姿态估计，四条支路输出结果即为最终的人脸检测及对应的头部位姿估计结果。同时设计了多任务损失函数来评判模型的收敛，包含人脸检测的损失及头部姿态估计损失两部分。本发明在估计多人头部姿态时，效率有了巨大的提升。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
