CN107808128A - 一种虚拟形象重建人体五官测量的方法及系统 - Google Patents
一种虚拟形象重建人体五官测量的方法及系统 Download PDFInfo
- Publication number
- CN107808128A CN107808128A CN201710960353.XA CN201710960353A CN107808128A CN 107808128 A CN107808128 A CN 107808128A CN 201710960353 A CN201710960353 A CN 201710960353A CN 107808128 A CN107808128 A CN 107808128A
- Authority
- CN
- China
- Prior art keywords
- face
- mrow
- virtual image
- measurement
- human body
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 230000009466 transformation Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 7
- 239000000203 mixture Substances 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 108090000623 proteins and genes Proteins 0.000 claims description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 2
- 239000000941 radioactive substance Substances 0.000 abstract description 2
- 230000036541 health Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/416—Exact reconstruction
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种虚拟形象重建测量人体五官测量的方法,获取“深度图”和“彩色图”。计算五官的方法,包括:提取两张彩色图中人脸的特征点lld和lhd;计算估计lld到lhd的坐标映射变换A(·);基于图的像素灰度值,优化A(·),得到Aoptimal(.);计算Aoptimal(·)的逆运算即从坐标lhd到坐标lld的转换矩阵;使用计算lhd在低清图上的映射在深度图上计算点集lld,refined两两之间的空间欧式距离及组成的线段到线段的空间欧式距离;最终实现自动的用户虚拟形象重建。本发明提供一种虚拟形象重建五官测量的方法及系统,图像的采集速度快,可以很快完成人体测量,另外,图像采集过程没有放射性物质,对身体无害(对比医学或部分安放人体采集),不需要裸体或近似裸体的着装,保护隐私;不需要在密闭的环境完成采集测量,节省维度空间且,对被测量人员心理好。
Description
技术领域
本发明涉及计算机图像处理领域,特别涉及到一种虚拟形象重建人体五官测量的方法及系统。
背景技术
随着计算机图形学等信息处理技术的发展,人体测量作为计算机图形学领域备受关注的研究点和前沿方向,它在机器人视觉、高级人机交互以及虚拟现实、虚拟试穿、虚拟社交、健身健康、人种祖源分析(基因表型)等方面得到广泛的应用和推广。
目前,根据图像的类型,人体测量可以分为两类:基于RGB图像的检测和基于深度图像的检测。前者已经取到了很大的进展,也是现在比较主流的实现方式,但是基于RGB图像容易受到光照变化、阴影、物体遮挡以及复杂背景等外在因素的干扰,使得检测性能大打折扣。深度图像作为一种新型的数据描述方式,它保存物体的空间信息,更重要的是具有保护隐私和维度小的优点。
发明内容
本发明提供一种虚拟形象重建人体五官测量的方法,获取“深度图”和“彩色图”.计算五官的方法,包括:
提取两张彩色图中人脸的特征点lld和lhd;
计算估计lld到lhd的坐标映射变换A(·);
基于图的像素灰度值,优化A(·),得到Aoptimal(.);
计算Aoptimal(·)的逆运算即从坐标lhd到坐标lld的转换矩阵;
使用计算lhd在低清图上的映射lld,refined
在深度图上计算点集lld,refined两两之间的空间欧式距离及组成的线段到线段的空间欧式距离;
最终实现自动的用户虚拟形象重建。
进一步地,所述获取深度图和高低清两张彩色图,其中低清图与深度图对齐配准。
进一步地,所述基于机器学习的人脸特征点检测技术,提取低清图中人脸的特征点lld和提取高清图中人脸的特征点lhd,具体地lld和lhd是不同图像的同一个人的人脸特征点。
进一步地,所述计算lld到lhd的坐标映射变换A(·),求解仿射变换A(·)。
进一步地,所述基于低清图、高清图的像素灰度值,优化A(·),包括:
在低清图的人脸区域采样,采样点坐标的集合为S
优化A(·),使得低清图上的采样点梯度接近高清图上对应的点的梯度,即
对1.2.b式进行一阶泰勒级数,即
得到线性近似解,
重复1.2.b,1.2.c 50次,取
进一步地,所述通过五官测量,计算头和身大小、人脸的位置,为人脸拼接提供数据依据,最终实现自动的用户虚拟形象重建。
进一步地,所述计算终端显示器单位像素及被测人的真实物理尺寸,得到头的大小和身体的大小。
进一步地,所述计算人脸的位置,抠出的人脸下巴对齐到人体模型脖子上位置,得到人脸的位置。
本发明提供一种虚拟形象重建人体五官测量的系统,其特征在于,获取“深度图”和“彩色图”.计算五官的系统,包括:
提取图中人脸的特征点lld和lhd模块;
计算估计lhd到lhd的坐标映射变换A(·)模块;
基于图的像素灰度值,优化A(·)模块;
计算Aoptimal(·)的逆运算即从坐标lhd到坐标lld的转换矩阵模块;
使用计算lhd在低清图上的映射lld,refined
在深度图上计算点集lld,refined两两之间的空间欧式距离及组成的线段到线段的空间欧式距离模块;
最终实现自动的用户虚拟形象重建。
本发明提供一种虚拟形象重建人体五官测量的产品,包括适用于虚拟现实、虚拟试衣、虚拟社交、服装、鞋和配饰、健身健康、人种祖源分析(基因表型)、以及非真实接触量体的图像。
有益效果:本发明提供一种虚拟形象重建人体五官测量的方法及系统,图像的采集速度快,可以很快完成人体五官测量,另外,图像采集过程没有放射性物质,对身体无害(对比医学或部分安放人体采集),不需要裸体或近似裸体的着装,保护隐私;不需要在密闭的环境完成采集测量,节省维度空间且,对被测量人员心理好。
具体实施方式
本实施例提供一种虚拟形象重建人体五官测量的方法,获取“深度图”和“彩色图”.计算五官的方法,包括:
提取两张彩色图中人脸的特征点lld和lhd;
计算估计lld到lhd的坐标映射变换A(·);
基于图的像素灰度值,优化A(·),得到Aoptimal(.);
计算Aoptimal(·)的逆运算即从坐标lhd到坐标lld的转换矩阵;
使用计算lhd在低清图上的映射lld,refined
在深度图上计算点集lld,refined两两之间的空间欧式距离及组成的线段到线段的空间欧式距离;
最终实现自动的用户虚拟形象重建。
优选实施例,实施例中获取深度图和高低清两张彩色图,其中低清图与深度图对齐配准。
优选实施例,本实施例中基于机器学习的人脸特征点检测技术,提取低清图中人脸的特征点lld和提取高清图中人脸的特征点lhd,具体地lld和lhd是不同图像的同一个人的人脸特征点。
优选实施例,本实施例中计算lhd到lhd的坐标映射变换A(·),求解仿射变换 A(·)。
优选实施例,本实施例中基于低清图、高清图的像素灰度值,优化A(·),包括:
在低清图的人脸区域采样,采样点坐标的集合为S
优化A(·),使得低清图上的采样点梯度接近高清图上对应的点的梯度,即
对1.2.b式进行一阶泰勒级数,即
得到线性近似解,
重复1.2.b,1.2.c 50次,取
优选实施例,本实施例中通过五官测量,计算头和身大小、人脸的位置,为人脸拼接提供数据依据,最终实现自动的用户虚拟形象重建。
优选实施例,本实施例中计算终端显示器单位像素及被测人的真实物理尺寸,得到头的大小和身体的大小。
优选实施例,本实施例中计算人脸的位置,抠出的人脸下巴对齐到人体模型脖子上位置,得到人脸的位置。
本实施例提供一种虚拟形象重建人体五官测量的系统,其特征在于,获取“深度图”和“彩色图”.计算五官的系统,包括:
提取两张彩色图中人脸的特征点lld和lhd模块;
计算估计lld到lhd的坐标映射变换A(·)模块;
基于图的像素灰度值,优化A(·)模块;
计算Aoptimal(·)的逆运算即从坐标lhd到坐标lld的转换矩阵模块;
使用计算lhd在低清图上的映射lld,refined
在深度图上计算点集lld,refined两两之间的空间欧式距离及组成的线段到线段的空间欧式距离模块;
最终实现自动的用户虚拟形象重建。
本实施例提供一种虚拟形象重建人体五官测量的产品,包括适用于虚拟现实、虚拟试衣、虚拟社交、服装、鞋和配饰、健身健康、人种祖源分析(基因表型)、以及非真实接触量体的图像。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的精神和范围。
Claims (10)
1.一种虚拟形象重建人体五官测量的方法,其特征在于,获取“深度图”和“彩色图”.计算人体五官的方法,包括:
提取图中人脸的特征点lld和lhd;
计算估计lld到lhd的坐标映射变换A(·);
基于图的像素灰度值,优化A(·),得到Aoptimal(.);
计算Aoptimal(·)的逆运算即从坐标lhd到坐标lld的转换矩阵;
使用计算lhd在低清图上的映射lld,refined
在深度图上计算点集lld,refined两两之间的欧式空间距离及组成的线段到线段的欧式空间距离;
最终实现自动的用户虚拟形象重建。
2.如权利要求1所述一种虚拟形象重建人体五官测量的方法,其特征在于,所述获取深度图和高低清两张彩色图,其中低清图与深度图对齐配准。
3.如权利要求1所述一种虚拟形象重建人体五官测量的方法,其特征在于,所述基于机器学习的人脸特征点检测技术,提取低清图中人脸的特征点lld和提取高清图中人脸的特征点lhd,具体地lld和lhd是不同图像的同一个人的人脸特征点。
4.如权利要求1所述一种虚拟形象重建人体五官测量的方法,其特征在于,所述计算lld到lhd的坐标映射变换A(·),求解仿射变换A(·)。
5.如权利要求1所述一种虚拟形象重建人体五官测量的方法,其特征在于,所述基于低清图、高清图的像素灰度值,优化A(·),包括:
在低清图的人脸区域采样,采样点坐标的集合为S,
优化A(·),使得低清图上的采样点梯度接近高清图上对应的点的梯度,即
对1.2.b式进行一阶泰勒级数,即
<mrow>
<msub>
<mi>I</mi>
<mrow>
<mi>l</mi>
<mi>d</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>h</mi>
<mi>d</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>A</mi>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mo>&dtri;</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>h</mi>
<mi>d</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>A</mi>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>J</mi>
<mi>A</mi>
</msub>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>A</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
得到线性近似解,
重复1.2.b,1.2.c50次,取
6.如权利要求1所述一种虚拟形象重建人体五官测量的方法,其特征在于,所述通过五官测量,计算头和身大小、人脸的位置,为人脸拼接提供数据依据,最终实现自动的用户虚拟形象重建。
7.如权利要求6所述一种虚拟形象重建人体五官测量的方法,其特征在于,所述计算终端显示器单位像素及被测人的真实物理尺寸,得到头的大小和身体的大小。
8.如权利要求6所述一种虚拟形象重建人体五官测量的方法,其特征在于,所述计算人脸的位置,抠出的人脸下巴对齐到人体模型脖子上位置,得到人脸的位置。
9.一种虚拟形象重建人体五官测量的系统,其特征在于,获取“深度图”和“彩色图”.计算五官的系统,包括:
提取两张彩色图中人脸的特征点lld和lhd模块;
计算估计lld到lhd的坐标映射变换A(·)模块;
基于图的像素灰度值,优化A(·)模块,得到Aoptimal(.);
计算Aoptimal(·)的逆运算即从坐标lhd到坐标lld的转换矩阵模块;
使用计算lhd在低清图上的映射lld,refined
<mrow>
<msub>
<mi>l</mi>
<mrow>
<mi>l</mi>
<mi>d</mi>
<mo>,</mo>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
<mi>i</mi>
<mi>n</mi>
<mi>e</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>A</mi>
<mrow>
<mi>o</mi>
<mi>p</mi>
<mi>t</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>h</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
在深度图上计算点集lld,refined两两之间的欧式空间距离及组成的线段到线段的欧式空间距离模块;
最终实现自动的用户虚拟形象重建。
10.一种虚拟形象重建人体五官测量的产品,包括适用于虚拟现实、虚拟试衣、虚拟社交、服装、鞋和配饰、健身健康、人种祖源分析(基因表型)、以及非真实接触量体的图像,其特征在于,所述基于图像测量人体的产品为权利要求1至9中任意一项所述的一种虚拟形象重建五官测量的方法及系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710960353.XA CN107808128B (zh) | 2017-10-16 | 2017-10-16 | 一种虚拟形象重建人体五官测量的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710960353.XA CN107808128B (zh) | 2017-10-16 | 2017-10-16 | 一种虚拟形象重建人体五官测量的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107808128A true CN107808128A (zh) | 2018-03-16 |
CN107808128B CN107808128B (zh) | 2021-04-02 |
Family
ID=61584239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710960353.XA Active CN107808128B (zh) | 2017-10-16 | 2017-10-16 | 一种虚拟形象重建人体五官测量的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107808128B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084744A (zh) * | 2019-03-06 | 2019-08-02 | 深圳市云之梦科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN111105881A (zh) * | 2019-12-26 | 2020-05-05 | 昆山杜克大学 | 一种3d测量人类表型的数据库系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719270A (zh) * | 2009-12-25 | 2010-06-02 | 武汉大学 | 一种基于非负矩阵分解的人脸超分辨率处理方法 |
CN101814192A (zh) * | 2009-02-20 | 2010-08-25 | 三星电子株式会社 | 真实感3d人脸重建的方法 |
CN101866497A (zh) * | 2010-06-18 | 2010-10-20 | 北京交通大学 | 基于双目立体视觉的智能三维人脸重建方法及系统 |
US20120196679A1 (en) * | 2011-01-31 | 2012-08-02 | Microsoft Corporation | Real-Time Camera Tracking Using Depth Maps |
CN102737235A (zh) * | 2012-06-28 | 2012-10-17 | 中国科学院自动化研究所 | 基于深度信息和彩色图像的头部姿势估计方法 |
CN102800126A (zh) * | 2012-07-04 | 2012-11-28 | 浙江大学 | 基于多模态融合的实时人体三维姿态恢复的方法 |
CN204576413U (zh) * | 2014-12-17 | 2015-08-19 | 卢晨华 | 一种基于自然用户界面的互联网智能镜 |
CN105393252A (zh) * | 2013-04-18 | 2016-03-09 | 数字标记公司 | 生理数据采集和分析 |
CN105556508A (zh) * | 2013-08-04 | 2016-05-04 | 艾斯适配有限公司 | 虚拟镜子的装置、系统和方法 |
WO2017029488A2 (en) * | 2015-08-14 | 2017-02-23 | Metail Limited | Methods of generating personalized 3d head models or 3d body models |
CN107067299A (zh) * | 2017-03-29 | 2017-08-18 | 深圳奥比中光科技有限公司 | 虚拟试衣方法和系统 |
-
2017
- 2017-10-16 CN CN201710960353.XA patent/CN107808128B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814192A (zh) * | 2009-02-20 | 2010-08-25 | 三星电子株式会社 | 真实感3d人脸重建的方法 |
CN101719270A (zh) * | 2009-12-25 | 2010-06-02 | 武汉大学 | 一种基于非负矩阵分解的人脸超分辨率处理方法 |
CN101866497A (zh) * | 2010-06-18 | 2010-10-20 | 北京交通大学 | 基于双目立体视觉的智能三维人脸重建方法及系统 |
US20120196679A1 (en) * | 2011-01-31 | 2012-08-02 | Microsoft Corporation | Real-Time Camera Tracking Using Depth Maps |
CN102737235A (zh) * | 2012-06-28 | 2012-10-17 | 中国科学院自动化研究所 | 基于深度信息和彩色图像的头部姿势估计方法 |
CN102800126A (zh) * | 2012-07-04 | 2012-11-28 | 浙江大学 | 基于多模态融合的实时人体三维姿态恢复的方法 |
CN105393252A (zh) * | 2013-04-18 | 2016-03-09 | 数字标记公司 | 生理数据采集和分析 |
CN105556508A (zh) * | 2013-08-04 | 2016-05-04 | 艾斯适配有限公司 | 虚拟镜子的装置、系统和方法 |
CN204576413U (zh) * | 2014-12-17 | 2015-08-19 | 卢晨华 | 一种基于自然用户界面的互联网智能镜 |
WO2017029488A2 (en) * | 2015-08-14 | 2017-02-23 | Metail Limited | Methods of generating personalized 3d head models or 3d body models |
CN107067299A (zh) * | 2017-03-29 | 2017-08-18 | 深圳奥比中光科技有限公司 | 虚拟试衣方法和系统 |
Non-Patent Citations (1)
Title |
---|
张剑: ""融合SFM和动态纹理映射的视频流三维表情重建"", 《计算机辅助设计与图形学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084744A (zh) * | 2019-03-06 | 2019-08-02 | 深圳市云之梦科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN110084744B (zh) * | 2019-03-06 | 2022-11-08 | 深圳市云之梦科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN111105881A (zh) * | 2019-12-26 | 2020-05-05 | 昆山杜克大学 | 一种3d测量人类表型的数据库系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107808128B (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11017547B2 (en) | Method and system for postural analysis and measuring anatomical dimensions from a digital image using machine learning | |
Koller et al. | Using virtual reality for forensic examinations of injuries | |
Liu et al. | Wound area measurement with 3D transformation and smartphone images | |
US20140031700A1 (en) | Method and system for measuring anatomical dimensions from a digital photograph on a mobile device | |
CN106247951A (zh) | 一种基于深度图像的物体测量方法 | |
CN110074788B (zh) | 一种基于机器学习的身体数据获取方法和装置 | |
CN103340632A (zh) | 一种基于特征点空间位置的人体关节角度测量方法 | |
CN109035292A (zh) | 基于深度学习的运动目标检测方法及装置 | |
CN106418847A (zh) | 一种基于计算机视觉技术的人体三维尺寸测量方法 | |
CN104537705A (zh) | 基于增强现实的移动平台三维生物分子展示系统和方法 | |
CN102779354B (zh) | 基于光度立体技术的中医望诊信息表面三维重建方法 | |
CN111507306A (zh) | 一种基于ai人脸距离检测的温度误差补偿方法 | |
CN112033545A (zh) | 人体温度红外测量方法、装置及计算机设备 | |
CN109949900B (zh) | 三维脉波的显示方法、装置、计算机设备及存储介质 | |
CN103488356A (zh) | 一种基于红外摄像头三维成像的触摸识别方法 | |
CN107016697A (zh) | 一种高度测量方法及装置 | |
CN107808128A (zh) | 一种虚拟形象重建人体五官测量的方法及系统 | |
CN112330813A (zh) | 一种基于单目深度摄像头的着装下三维人体模型重建方法 | |
CN105423975B (zh) | 一种大型工件的标定系统及方法 | |
CN112241700A (zh) | 一种额头精准定位的多目标额温测量方法 | |
Clarkson et al. | Calculating body segment inertia parameters from a single rapid scan using the microsoft kinect | |
CN105222738A (zh) | 一种人体3d模型数据尺寸测量方法 | |
CN111915725B (zh) | 一种基于运动重建的人体测量方法 | |
CN109583341A (zh) | 对包含人像的图像的多人骨骼关键点检测方法及装置 | |
CN105869169A (zh) | 一种肿瘤组织微排列图像的自动分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231130 Address after: Gao Lou Zhen Hong Di Cun, Rui'an City, Wenzhou City, Zhejiang Province, 325200 Patentee after: Wang Conghai Address before: 10 / F, Yihua financial technology building, 2388 Houhai Avenue, high tech park, Yuehai street, Shenzhen, Guangdong 518000 Patentee before: SHENZHEN CLOUDREAM INFORMATION TECHNOLOGY CO.,LTD. |
|
TR01 | Transfer of patent right |