-
公开(公告)号：CN110263641A
公开(公告)日：2019-09-20
申请号：CN201910413454.4
申请日：2019-05-17
Applicant: 成都旷视金智科技有限公司 , 北京旷视科技有限公司
Abstract: 本发明实施例提供了一种疲劳检测方法、装置及可读存储介质。本发明实施例疲劳检测方法：通过获得驾驶员的眼睛图像，将眼睛图像输入目标卷积神经网络，以获得眼睛图像包含的眼睛状态信息，眼睛状态信息用于表示驾驶员的眼睛的睁开程度，目标卷积神经网络通过采用预先收集的眼睛图像样本对卷积神经网络进行训练得到，根据驾驶员的多帧眼睛图像各自包含的眼睛状态信息，确定驾驶员是否处于疲劳状态。从而能够更加容易的确定出驾驶员是否处于疲劳状态，并且通过目标卷积神经网络，能够实现实时检测驾驶员是否处于疲劳状态。
-
公开(公告)号：CN110046546A
公开(公告)日：2019-07-23
申请号：CN201910165319.2
申请日：2019-03-05
Applicant: 成都旷视金智科技有限公司 , 北京旷视科技有限公司
Abstract: 本发明提供了一种自适应视线追踪方法、装置、系统及存储介质。所述自适应视线追踪方法包括：获取待测对象的人脸图像数据；基于所述人脸图像数据得到所述待测对象的左眼图像和/或右眼图像，以及所述待测对象的头部姿态，所述头部姿态包括头部的偏航角、俯仰角和翻滚角；基于所述左眼图像和/或右眼图像和训练好的视线预测模型，得到所述左眼图像和/或右眼图像的视线；根据所述头部姿态和所述左眼图像和/或右眼图像的视线得到所述待测对象的视线。根据本发明的方法、装置、系统及存储介质，充分结合双眼和头部姿态,快速地自适应估计视线,在对硬件低要求的情况下,克服由于头部姿态等带来的问题,提升视线追踪的准确度。
-
公开(公告)号：CN109685829A
公开(公告)日：2019-04-26
申请号：CN201811544931.2
申请日：2018-12-17
Applicant: 成都旷视金智科技有限公司 , 北京旷视科技有限公司
CPC classification number: G06T7/246 , G06N3/0445 , G06N3/0454 , G06N3/08 , G06T7/12 , G06T7/60 , G06T2207/10004
Abstract: 本发明提供了一种基于图像的视线追踪方法、装置和电子设备，涉及图像处理的技术领域，该方法包括：获取待处理图像；对待处理图像进行裁剪，得到包含人眼的人眼图像；从人眼图像中提取出红色通道图像；通过视线追踪模型对红色通道图像进行视线追踪处理，得到视线追踪结果。本发明的方法是通过视线追踪模型对红色通道图像进行的视线追踪，红色通道图像对外界光线具有强鲁棒性，在过度曝光或光线不足的情况下进行视线追踪时，准确度也不受影响，可在光线复杂的场景中应用，普适性好，另外，视线追踪模型的使用，简化了运算，耗时短，缓解了现有的视线追踪方法无法在光线复杂的场景中应用，普适性不好的技术问题。
-
公开(公告)号：CN110008835B
公开(公告)日：2021-07-09
申请号：CN201910163152.6
申请日：2019-03-05
Applicant: 成都旷视金智科技有限公司 , 北京旷视科技有限公司
Abstract: 本申请涉及一种视线预测方法、装置、系统和可读存储介质。所述方法包括：获取待处理的目标眼睛图像；将所述目标眼睛图像输入预先训练的视线预测模型，输出所述目标眼睛图像的预测视线向量；其中，所述视线预测模型是基于眼睛渲染图像训练样本的重构损失和预测视线损失、以及眼睛真实图像训练样本的重构损失训练得到的；所述预测视线损失包括：所述眼睛渲染图像训练样本的预测视线向量和标注视线向量之间的损失，所述眼睛渲染图像训练样本的预测视线向量是从所述眼睛渲染图像训练样本的眼睛图像中提取眼睛特征并预测得到的。采用本方法能够实现渲染域与真实域的跨域，可以提高视线预测的准确性。
-
公开(公告)号：CN110046546B
公开(公告)日：2021-06-15
申请号：CN201910165319.2
申请日：2019-03-05
Applicant: 成都旷视金智科技有限公司 , 北京旷视科技有限公司
Abstract: 本发明提供了一种自适应视线追踪方法、装置、系统及存储介质。所述自适应视线追踪方法包括：获取待测对象的人脸图像数据；基于所述人脸图像数据得到所述待测对象的左眼图像和/或右眼图像，以及所述待测对象的头部姿态，所述头部姿态包括头部的偏航角、俯仰角和翻滚角；基于所述左眼图像和/或右眼图像和训练好的视线预测模型，得到所述左眼图像和/或右眼图像的视线；根据所述头部姿态和所述左眼图像和/或右眼图像的视线得到所述待测对象的视线。根据本发明的方法、装置、系统及存储介质，充分结合双眼和头部姿态,快速地自适应估计视线,在对硬件低要求的情况下,克服由于头部姿态等带来的问题,提升视线追踪的准确度。
-
Patent Agency Ranking
公开(公告)号：CN110008835A
公开(公告)日：2019-07-12
申请号：CN201910163152.6
申请日：2019-03-05
Applicant: 成都旷视金智科技有限公司 , 北京旷视科技有限公司
Abstract: 本申请涉及一种视线预测方法、装置、系统和可读存储介质。所述方法包括：获取待处理的目标眼睛图像；将所述目标眼睛图像输入预先训练的视线预测模型，输出所述目标眼睛图像的预测视线向量；其中，所述视线预测模型是基于眼睛渲染图像训练样本的重构损失和预测视线损失、以及眼睛真实图像训练样本的重构损失训练得到的；所述预测视线损失包括：所述眼睛渲染图像训练样本的预测视线向量和标注视线向量之间的损失，所述眼睛渲染图像训练样本的预测视线向量是从所述眼睛渲染图像训练样本的眼睛图像中提取眼睛特征并预测得到的。采用本方法能够实现渲染域与真实域的跨域，可以提高视线预测的准确性。
-
公开(公告)号：CN112634331B
公开(公告)日：2025-01-14
申请号：CN202011408487.9
申请日：2020-12-04
Applicant: 北京迈格威科技有限公司 , 成都旷视金智科技有限公司
IPC: G06T7/269
Abstract: 本发明提供了一种光流预测方法及装置，涉及计算机视觉技术领域，包括：将两帧连续的待预测图像输入光流预测网络；根据光流预测网络得到预测的光流，其中，光流预测网络的损失通过如下方式确定，包括：根据预设裁剪规则对输入图像进行裁剪，确定两帧裁剪图像；将两帧裁剪图像输入光流预测网络，得到前向光流和后向光流；根据前向光流、后向光流和两帧输入图像进行边界填充映射，确定映射后的两帧映射图像；根据裁剪图像和映射图像确定光流预测网络的损失。本发明通过对裁剪图像进行边界填充映射，使得运动超出裁剪图像边界的像素在经边界填充映射后仍能通过输入图像的对应像素进行替换，得到正确的图像损失，提高了光流预测的准确性。
-
公开(公告)号：CN112634331A
公开(公告)日：2021-04-09
申请号：CN202011408487.9
申请日：2020-12-04
Applicant: 北京迈格威科技有限公司 , 成都旷视金智科技有限公司
IPC: G06T7/269
Abstract: 本发明提供了一种光流预测方法及装置，涉及计算机视觉技术领域，包括：将两帧连续的待预测图像输入光流预测网络；根据光流预测网络得到预测的光流，其中，光流预测网络的损失通过如下方式确定，包括：根据预设裁剪规则对输入图像进行裁剪，确定两帧裁剪图像；将两帧裁剪图像输入光流预测网络，得到前向光流和后向光流；根据前向光流、后向光流和两帧输入图像进行边界填充映射，确定映射后的两帧映射图像；根据裁剪图像和映射图像确定光流预测网络的损失。本发明通过对裁剪图像进行边界填充映射，使得运动超出裁剪图像边界的像素在经边界填充映射后仍能通过输入图像的对应像素进行替换，得到正确的图像损失，提高了光流预测的准确性。
-
公开(公告)号：CN113658231B
公开(公告)日：2023-09-26
申请号：CN202110770569.6
申请日：2021-07-07
Applicant: 北京旷视科技有限公司 , 北京迈格威科技有限公司
IPC: G06T7/269
Abstract: 本发明公开一种光流预测方法、装置、电子设备及存储介质，包括：将两帧图像输入光流预测网络；通过光流预测网络进行处理：生成两帧图像的初始前向光流和初始后向光流；确定每一帧图像中的遮挡区域；生成每一帧图像的外观流，外观流中记录有图像中外观相似的像素点之间的对应关系；根据每一帧图像的外观流和遮挡区域，确定每一帧图像中非遮挡区域内的目标像素点，目标像素点包括：与遮挡区域内各像素点外观相似的各像素点；对于前一帧图像，将遮挡区域的初始前向光流替换为非遮挡区域内目标像素点的初始前向光流，得到预测的前向光流；对于后一帧图像，将遮挡区域的初始后向光流替换为非遮挡区域内目标像素点的初始后向光流，得到预测的后向光流。
-
公开(公告)号：CN113658231A
公开(公告)日：2021-11-16
申请号：CN202110770569.6
申请日：2021-07-07
Applicant: 北京旷视科技有限公司 , 北京迈格威科技有限公司
IPC: G06T7/269
Abstract: 本发明公开一种光流预测方法、装置、电子设备及存储介质，包括：将两帧图像输入光流预测网络；通过光流预测网络进行处理：生成两帧图像的初始前向光流和初始后向光流；确定每一帧图像中的遮挡区域；生成每一帧图像的外观流，外观流中记录有图像中外观相似的像素点之间的对应关系；根据每一帧图像的外观流和遮挡区域，确定每一帧图像中非遮挡区域内的目标像素点，目标像素点包括：与遮挡区域内各像素点外观相似的各像素点；对于前一帧图像，将遮挡区域的初始前向光流替换为非遮挡区域内目标像素点的初始前向光流，得到预测的前向光流；对于后一帧图像，将遮挡区域的初始后向光流替换为非遮挡区域内目标像素点的初始后向光流，得到预测的后向光流。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.051 seconds)
