一种基于关键帧和非关键帧的动作评估方法及系统

    公开(公告)号:CN115457651A

    公开(公告)日:2022-12-09

    申请号:CN202210962721.5

    申请日:2022-08-11

    Applicant: 燕山大学

    Abstract: 本发明公开了一种基于关键帧和非关键帧的动作评估方法及系统,属于机器视觉领域,方法包括将视觉传感器获取的人体32个关节点每一帧的三维坐标导出;选取特征关节点;对特征关节点的异常三维坐标进行修正;计算出特征关节点间每一帧在XOY、XOZ、YOZ三个平面的角度,绘出角度变化曲线;如果曲线由多个动作组成,将其分割为单个动作的曲线;将实际动作与其标准动作的曲线在关键帧和非关键帧处进行不同方式的对比,计算关键帧处角度差的绝对值,得到最终评估结果;系统包括数据导入模块、特征关节点选取模块、数据处理模块、角度计算及其曲线绘制模块、曲线处理模块和动作评估模块。本发明准确度高,过程简单高效,计算过程简单容易理解。

    一种机器人环境下零样本物体实例分割系统及方法

    公开(公告)号:CN119784778A

    公开(公告)日:2025-04-08

    申请号:CN202411976640.6

    申请日:2024-12-31

    Applicant: 燕山大学

    Abstract: 本发明公开了一种机器人环境下零样本物体实例分割系统及方法,属于机器人视觉感知技术领域,首先对深度图像进行Viridis颜色映射预处理,然后利用SAM(Segment Anything Model)模型生成初始物体掩码候选;同时利用预训练的ViT(Vision Transformer)作为场景的特征描述模型处理图像,提取最后一层的注意力图,并基于注意力图的信息熵构建特征加权机制;接着计算图像块与背景块的相似性矩阵去除非物体掩码,对于剩余的每个物体掩码候选采用K‑Medoids聚类算法获取代表性采样点,最后将这些点作为提示信息输入SAM模型得到精确的物体实例分割结果。本发明充分利用视觉基础模型的零样本泛化能力,无需额外训练即可实现未见物体的精确分割,具有良好的通用性和实用价值。

Patent Agency Ranking