CN110674751A - 一种基于单目摄像机检测头部姿态的装置及方法 - Google Patents

一种基于单目摄像机检测头部姿态的装置及方法 Download PDF

Info

Publication number
CN110674751A
CN110674751A CN201910910584.9A CN201910910584A CN110674751A CN 110674751 A CN110674751 A CN 110674751A CN 201910910584 A CN201910910584 A CN 201910910584A CN 110674751 A CN110674751 A CN 110674751A
Authority
CN
China
Prior art keywords
head
apriltag
angle
monocular camera
pose
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.)
Pending
Application number
CN201910910584.9A
Other languages
English (en)
Inventor
王斐
任百明
梁宸
茹常磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201910910584.9A priority Critical patent/CN110674751A/zh
Publication of CN110674751A publication Critical patent/CN110674751A/zh
Pending legal-status Critical Current

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

一种基于单目摄像机检测头部姿态的装置及方法，属于计算机视觉领域。所述检测头部姿态的装置包括：贴于受试者头顶的AprilTag标签、AprilTag标签上方的单目摄像机、笔记本、单目摄像机连接笔记本的USB传输线、固定单目摄像机的三脚架、调节三脚架高度的伸缩环。该检测头部姿态的方法是采用单目摄像机拍摄贴于头顶的AprilTag标签，AprilTag标签随头部一起运动，通过AprilTag算法的出AprilTag标签空间位姿，通过AprilTag标签旋转角的变化来判断头部姿态。该装置及其方法是一种新型头部姿态检测方法，可以提高人机交互能力。

Description

一种基于单目摄像机检测头部姿态的装置及方法
技术领域
本发明属于计算机视觉，具体涉及一种基于AprilTag算法，结合单目摄像头和AprilTag标签来检测头部姿态的方法和装置。
背景技术
随着人机交互的智能化发展和计算机视觉领域的深入研究，头部姿态识别作为一项重要的研究课题，越来越引起人们对其浓厚的探索兴趣。同时，头部姿态识别有广泛的应用前景，如智能轮椅、智能监控、疲劳检测、游戏和娱乐等领域。
本发明将提供一种基于AprilTag算法，结合单目摄像头和AprilTag标签来判断头部姿态的方法。该装置及其方法是一种新型头部姿态检测方法，可以提高人机交互能力。
当前已有的识别头部姿态的方法有:
1，基于深度信息的方法。徐国政等(CN105487665)基于头部姿态识别的智能服务移动机器人控制方法的发明专利，提供了一种利用约束局部模型算法检测脸部特征点，再利用脸部特征点的几何关系估计当前头部姿态。谭铁牛等(CN102737235)基于深度信息和彩色图像的头部姿势估计方法，这些方法虽然可以实现相应的功能，但是需要利用三维数据，算法复杂度高，计算量大。
2，佩戴运动传感器的方法。兰天等(CN103076045)通过头部姿态感应装置获取头部运动姿态的方法。任海兵等(CN102456127)通过头部姿态估计设备来获取头部姿态。这些方法精度高，但是需要佩戴装置，用户体验感差。
3，基于二维灰度或彩色图像的方法。谭铁牛等(CN1601549)融合了人脸的形状、肤色、纹理、运动等信息使用机器学习的方法得到人脸的位置和姿态参数。Y·胡等(CN1573660)通过检测面部关键点包括左右眼中心、左右嘴角、鼻尖等5个关键点，采用由粗到精的方法来确定用户的头部姿势信息。谢东海等(CN1866271)使用主动形状模型ASM检测定位人脸器官，进而估计出人脸的姿态。赵清杰等(CN101889928A)把人脸划分为7个状态：无头势、右侧、左侧、半右侧、半左侧、仰头、低头，通过鼻尖信息来判断脸部所处状态，进而控制轮椅的运动。这些方法在一定程度上满足了实时应用需求，具有独特价值，但是这类方法的精度不够高并且受光照和噪声的影响较大，有待进一步改善。
相对于上述方法，基于单目摄像头和AprilTag标签来检测头部姿态的方法和装置具有天然的优越性。第一，利用AprilTag标签的二维图像便可以获取AprilTag标签的空间姿态，大大减少了计算量和算法复杂度。第二，AprilTag标签只是一个面积小的方形纸片，只需要贴于头部上方，用户的体验感好。第三，AprilTag标签可以在一定程度的遮挡下，通过单目相机得到其空间位姿，具有一定的鲁棒性。第四，该类方法受光照变化的影响较小，这类方法可实时地、较为准确地估计出变化幅度较小的头部姿势。
发明内容
本发明的目的在于提出一种新型头部姿态检测方法，可以提高人机交互能力。采用单目摄像机拍摄贴于头顶的AprilTag标签，AprilTag标签随头部一起运动，进而通过AprilTag算法得出AprilTag标签空间位姿变化，进而得出头部位姿。
本发明的技术方案：
一种基于单目摄像机检测头部姿态的装置，该装置包括AprilTag标签、图像采集模块和中央处理器模块。
AprilTag标签贴于受试者的头顶，用于确定每一时刻头部的空间位姿；AprilTag标签是利用类似于二维码的Tag结合相应算法实现定位，被广泛应用于定位导引等领域。
图像采集模块包括单目摄像机和三脚架，单目摄像机用于采集AprilTag标签的图像，然后将实时采集的图像传送给中央处理器模块；单目摄像机固定在三脚架上，三脚架用于调节单目摄像机的高度。
中央控制器模块包括笔记本和USB传输线，笔记本上安装有ros机器人操作系统。ros机器人操作系统上搭载有AprilTag算法。单目摄像机通过USB传输线与笔记本连接。笔记本用于接收单目摄像机采集的AprilTag标签图像，然后将采集AprilTag标签图像传送给ros机器人操作系统。利用AprilTag算法计算AprilTag标签在空间的姿态。
一种基于单目摄像机检测头部姿态的方法，包括如下步骤：
步骤1、选取AprilTag标签，贴于受试者头顶部，保证AprilTag标签平行于头部横向切面；
步骤2、打开笔记本，运行单目摄像机启动程序及AprilTag算法程序；
步骤3、通过单目摄像机采集贴于头顶部的AprilTag标签图像，通过USB传输线传送到笔记本；
步骤4、利用AprilTag算法得出AprilTag标签相对于单目摄像机的空间姿态；
步骤5、记录无姿态情况下AprilTag标签相对于单目摄像机的空间姿态P0；
步骤6、记录姿态变化情况下AprilTag标签相对于单目摄像机的空间姿态P1；
步骤7、通过比较步骤5、步骤6采集到AprilTag标签相对于相机的空间姿态P0、P1，观察两者旋转角的变化，得出头部姿态。
步骤8、重新记录下一次姿态变化后的AprilTag标签相对于单目摄像机的空间姿态P1，再次与P0比较，进而判断下一次姿态变化。如此反复，达到判断多次头部姿态变化的目的。
所述步骤4中，具体过程为：读入视频识别视频每一帧中制定AprilTag图像，将彩色图变灰度图进行预处理；之后通过高斯滤波模糊图像，平滑噪声；然后计算梯度，包含梯度的方向和幅值；其中，选取幅值M大于阈值的作为边缘点，对于边缘点，搜索其周围点，根据边缘的方向，将相邻的点进行聚类；采用线性回归拟合直线，并寻找封闭直线组成的四边形；利用直接线性变换算法计算单线性变换矩阵，利用单线性变换矩阵结合多相机的信息，得到AprilTag标签的相关姿势信息。
所述步骤7中，比较AprilTag算法采集到的无姿态位姿P0和姿态变化的位姿P1，其中位姿是用欧拉角进行表示，欧拉角包含滚动角、转动角、平动角三个角度，通过判断P0和P1姿态下滚动角、转动角、平动角三个角度，其中滚动角是绕x轴旋转，滚动角是绕y轴旋转，平动角是绕z轴旋转。以脖子为轴，规定当运动后的角度大于初始运动时的角度时为正角度，反之为负角度。当判断只有平动角变化时，当出现正角度变化时为左转头，当出现负角度变化时为右转头；当判断只有滚动角变化时，当出现正角度变化时为抬头，当出现负角度变化时为低头；而三个角度都没有变化时，确定为无头姿。当两个角度同时变化时，对两个角度变化进行比较，以角度变化大的为主要的变化角度，从而使头部姿态判断具备鲁棒性；最终区分出以下头姿：无头姿、左转头、右转头、抬头、低头一共五种头部姿态。
本发明的有益效果：本发明利用单目摄像机采集AprilTag标签的空间姿态来间接判断头部姿态，特征简单有效，对硬件没有特殊要求，而且不涉及复杂的算法，易于使用。本发明可实时、准确地估计出头部姿势，该装置及其方法是一种新型头部姿态检测方法，可以提高人机交互能力。
附图说明
图1为本发明检测头部姿态装置整体效果图。
图2为本发明检测头部姿态方法整体流程图。
图3为AprilTag算法流程图。
图4为AprilTag算法处理采集到的AprilTag图像的过程。其中，(1)为读入AprilTag图像；(2)为计算图像的大小；(3)为计算图像的方向；(4)为基于图形的方法聚集成部件；(5)为使用加权最小二乘法拟合到在每个组件的像素；(6)为方形区域及关键角点。
图5为头部姿势与AprilTag标签示意图。
图6为不同头部姿态下模型示意图。
图7为头部不同旋转角下模型示意图。
图中：1贴于头顶的AprilTag标签；2受试者；3单目摄像机；4USB传输线；5笔记本；6三脚架；7伸缩环。
具体实施方式
为了更了解本发明的技术内容，具体实施并配合所附图式说明如下。
图1为检测头部姿态装置整体效果图，检测头部姿态装置坐着的受试者2、贴于头顶的AprilTag标签1、笔记本5、USB传输线4、单目摄像机3、三脚架6及其伸缩环7。
整体的布局是坐着的受试者2，设于受试者2的头部上方的AprilTag标签1；AprilTag标签1上方的单目摄像机3；笔记本5；单目摄像机3连接笔记本5电脑的USB传输线4；固定单目摄像机3的三角架6；用于调节三脚架6高度的伸缩环7。
图2以流程图的形式展现了检测头部姿态方法，其具体实现包含如下步骤：
步骤1、选取AprilTag标签，贴于头顶部，保证AprilTag标签平行于头部横向切面；
步骤2、打开笔记本，运行单目摄像机启动程序及AprilTag算法程序；
步骤3、通过单目摄像机采集贴于头顶部的AprilTag标签图像，通过USB传输线传送到笔记本；
步骤4、利用AprilTag算法得出AprilTag标签相对于相机的空间姿态；
步骤5、首先记录无姿态情况下AprilTag标签相对于相机的空间姿态P0；
步骤6、然后记录姿态变化情况下AprilTag标签相对于相机的空间姿态P1；
步骤7、通过比较步骤5，步骤6采集到AprilTag标签相对于相机的空间姿态P0，P1，观察两者旋转角的变化，得出头部姿态；
步骤8、重新记录下一次姿态变化后的AprilTag标签相对于单目摄像机的空间姿态P1，再次与P0比较，进而判断下一次姿态变化。如此反复，达到判断多次头部姿态变化的目的。
图3以流程图的形式展现了AprilTag算法如何处理采集到的AprilTag图像，读入视频识别视频每一帧中制定AprilTag图像，将彩色图变灰度图进行预处理；之后通过高斯滤波模糊图像，平滑噪声；然后计算梯度，包含梯度的方向和幅值。其中，选取幅值M大于阈值的作为边缘点，对于边缘点，搜索其周围点，根据边缘的方向，将相邻的点进行聚类；采用线性回归拟合直线，并寻找封闭直线组成的四边形；利用直接线性变换算法计算单应性矩阵，利用单线性变换矩阵结合多相机的信息，得到AprilTag标签的相关姿势信息。
图4以效果图的形式展示了AprilTag算法如何处理采集到的AprilTag图像，首先(1)为读入AprilTag图像；标签检测算法通过在每一个像素计算梯度的开始，如(2)计算它们的大小；如(3)计算它们的方向；使用基于图形的方法，用类似的梯度方向和大小的像素聚集成部件，如(4)；使用加权最小二乘法，如(5)，一个线段是拟合到在每个组件的像素；线段的方向由梯度方向确定的，所以该段是黑在左边，光在右侧。并提取场景中的直线，检测方形角点。最后得到方形区域及其关键角点(如图4中的(6)，将方形区域同态映射为正方形，与Tags库匹配，判断这些方形区域是否是Tag。
图5形象地展示了头部姿势与AprilTag标签空间示意图，我们可以看到头部中心姿态于贴于头顶部的AprilTag标签仅仅在z轴上有一定的偏移，两者的姿态随着头部的摆动呈现完全一致的状态，所以我们可以通过判断贴于头顶部的AprilTag标签的姿态来判断头部的摆动姿态。
图6展示了头部在无头姿，左转头，右转头，抬头，低头五种头部姿态下头部与头顶AprilTag标签的s模拟图。
图7展示了头部姿态角示意图，通过平动角，转动角和滚动角三者来表示头部姿态在空间的变化。我们通过判断三者角度的变化，进而判断头部姿态。结合图6，比较AprilTag算法采集到的无姿态位姿P0和姿态变化的位姿P1，其中位姿是用欧拉角进行表示，欧拉角包含滚动角、转动角、平动角三个角度，通过判断两者姿态下滚动角、转动角、平动角三个角度，其中滚动角是绕x轴旋转，滚动角是绕y轴旋转，平动角是绕z轴旋转。以脖子为轴，这里我们规定当运动后的角度大于初始运动时的角度时为正角度，反之为负角度。当判断只有平动角变化时，当出现正角度变化时为左转头，当出现负角度变化时为右转头；当判断只有滚动角变化时，当出现正角度变化时为抬头，当出现负角度变化时为低头；而三个角度都没有变化时，可以确定为无头姿。当然不可避免的会出现两个角度同时变化的情况，我们会对两个角度变化进行比较，以角度变化的为我们主要的变化角度，从而可以使头部姿态判断具备一定的鲁棒性。这样我们便可以区分出以下头姿：无头姿、左转头、右转头、抬头、低头一共五种头部姿态。
表1展示了实际记录的AprilTag算法采集到的无姿态位姿P0和姿态变化的位姿P1,并进行比较判断头部姿态的数据。首先记录初始的P0,然后与记录运动后的P1进行比较。通过比较可以看到，当平动角有正15度变化时，判断为左转头，当平动角有负30度变化时，判断为右转头；当转动角有正30度变化时，判断为抬头，当平动角有负15度变化时，判断为低头；当平动角有正3度变化时，同时转动角有正15度变化时，根据两者变化大小，可以判断为抬头，当平动角有负35度变化时，同时转动角有正4度变化时，可以判断为右转头。这是我们通过采集具体数据进行头部姿态的论证。
表1
滚动角 转动角 平动角 头部姿态
无头姿P0 0 0 0 无头姿
第一次运动P1 0 0 15 左转头
第二次运动P1 0 0 -30 右转头
第三次运动P1 0 30 0 抬头
第四次运动P1 0 -15 0 低头
第五次运动P1 0 15 3 抬头
第六次运动P1 0 4 -35 右转头
应当理解的是，上述针对本发明实施例的描述较为详细，并不能因此认为是对本发明保护范围的限制，本发明的专利保护范围应以所附权利要求书为准。

Claims (4)

1.一种基于单目摄像机检测头部姿态的装置，其特征在于，该装置包括AprilTag标签、图像采集模块和中央处理器模块；
AprilTag标签贴于受试者的头顶，用于确定每一时刻头部的空间位姿；AprilTag标签是利用类似于二维码的Tag结合相应算法实现定位，被广泛应用于定位导引等领域；
图像采集模块包括单目摄像机和三脚架，单目摄像机用于采集AprilTag标签的图像，然后将实时采集的图像传送给中央处理器模块；单目摄像机固定在三脚架上，三脚架用于调节单目摄像机的高度；
中央控制器模块包括笔记本和USB传输线，笔记本上安装有ros机器人操作系统；ros机器人操作系统上搭载有AprilTag算法；单目摄像机通过USB传输线与笔记本连接；笔记本用于接收单目摄像机采集的AprilTag标签图像，然后将采集AprilTag标签图像传送给ros机器人操作系统；利用AprilTag算法计算AprilTag标签在空间的姿态。
2.一种基于单目摄像机检测头部姿态的方法，其特征在于，包括如下步骤：
步骤1、选取AprilTag标签，贴于受试者头顶部，保证AprilTag标签平行于头部横向切面；
步骤2、打开笔记本，运行单目摄像机启动程序及AprilTag算法程序；
步骤3、通过单目摄像机采集贴于头顶部的AprilTag标签图像，通过USB传输线传送到笔记本；
步骤4、利用AprilTag算法得出AprilTag标签相对于单目摄像机的空间姿态；
步骤5、记录无姿态情况下AprilTag标签相对于单目摄像机的空间姿态P0；
步骤6、记录姿态变化情况下AprilTag标签相对于单目摄像机的空间姿态P1；
步骤7、通过比较步骤5、步骤6采集到AprilTag标签相对于相机的空间姿态P0、P1，观察两者旋转角的变化，得出头部姿态；
步骤8、重新记录下一次姿态变化后的AprilTag标签相对于单目摄像机的空间姿态P1，再次与P0比较，进而判断下一次姿态变化；如此反复，达到判断多次头部姿态变化的目的。
3.根据权利要求2所述的一种基于单目摄像机检测头部姿态的方法，其特征在于，所述步骤4中，具体过程为：读入视频识别视频每一帧中制定AprilTag图像，将彩色图变灰度图进行预处理；之后通过高斯滤波模糊图像，平滑噪声；然后计算梯度，包含梯度的方向和幅值；其中，选取幅值M大于阈值的作为边缘点，对于边缘点，搜索其周围点，根据边缘的方向，将相邻的点进行聚类；采用线性回归拟合直线，并寻找封闭直线组成的四边形；利用直接线性变换算法计算单线性变换矩阵，利用单线性变换矩阵结合多相机的信息，得到AprilTag标签的相关姿势信息。
4.根据权利要求2或3所述的一种基于单目摄像机检测头部姿态的方法，其特征在于，所述步骤7中，比较AprilTag算法采集到的无姿态位姿P0和姿态变化的位姿P1，其中位姿是用欧拉角进行表示，欧拉角包含滚动角、转动角、平动角三个角度，通过判断P0和P1姿态下滚动角、转动角、平动角三个角度，其中滚动角是绕x轴旋转，滚动角是绕y轴旋转，平动角是绕z轴旋转；以脖子为轴，规定当运动后的角度大于初始运动时的角度时为正角度，反之为负角度；当判断只有平动角变化时，当出现正角度变化时为左转头，当出现负角度变化时为右转头；当判断只有滚动角变化时，当出现正角度变化时为抬头，当出现负角度变化时为低头；而三个角度都没有变化时，确定为无头姿；当两个角度同时变化时，对两个角度变化进行比较，以角度变化大的为主要的变化角度，从而使头部姿态判断具备鲁棒性；最终区分出以下头姿：无头姿、左转头、右转头、抬头、低头一共五种头部姿态。
CN201910910584.9A 2019-09-25 2019-09-25 一种基于单目摄像机检测头部姿态的装置及方法 Pending CN110674751A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910910584.9A CN110674751A (zh) 2019-09-25 2019-09-25 一种基于单目摄像机检测头部姿态的装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910910584.9A CN110674751A (zh) 2019-09-25 2019-09-25 一种基于单目摄像机检测头部姿态的装置及方法

Publications (1)

Publication Number Publication Date
CN110674751A true CN110674751A (zh) 2020-01-10

Family

ID=69078695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910910584.9A Pending CN110674751A (zh) 2019-09-25 2019-09-25 一种基于单目摄像机检测头部姿态的装置及方法

Country Status (1)

Country Link
CN (1) CN110674751A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112107125A (zh) * 2020-09-18 2020-12-22 电子科技大学 一种基于人脸识别的智能坐姿矫正方法
CN114519744A (zh) * 2022-04-20 2022-05-20 北京万龙精益科技有限公司 用于穿戴器具姿态确定的方法、装置和系统
CN118470099A (zh) * 2024-07-15 2024-08-09 济南大学 基于单目相机的物体空间位姿测量方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107463181A (zh) * 2017-08-30 2017-12-12 南京邮电大学 一种基于AprilTag的四旋翼飞行器自适应追踪系统
CN109398302A (zh) * 2018-10-30 2019-03-01 四川长虹电器股份有限公司 基于AprilTag标签的车内儿童状态监测系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107463181A (zh) * 2017-08-30 2017-12-12 南京邮电大学 一种基于AprilTag的四旋翼飞行器自适应追踪系统
CN109398302A (zh) * 2018-10-30 2019-03-01 四川长虹电器股份有限公司 基于AprilTag标签的车内儿童状态监测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
EDWIN OLSON: "AprilTag: A robust and flexible visual fiducial system", 《2011 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 *
KAI-TAI SONG等: "Design and Implementation of a Pose Estimation System Based on Visual Fiducial Features and Multiple Cameras", 《2018年国际自动控制大会（CACS）》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112107125A (zh) * 2020-09-18 2020-12-22 电子科技大学 一种基于人脸识别的智能坐姿矫正方法
CN112107125B (zh) * 2020-09-18 2022-07-15 电子科技大学 一种基于人脸识别的智能坐姿矫正方法
CN114519744A (zh) * 2022-04-20 2022-05-20 北京万龙精益科技有限公司 用于穿戴器具姿态确定的方法、装置和系统
CN114519744B (zh) * 2022-04-20 2022-06-21 北京万龙精益科技有限公司 用于穿戴器具姿态确定的方法、装置和系统
CN118470099A (zh) * 2024-07-15 2024-08-09 济南大学 基于单目相机的物体空间位姿测量方法及装置

Similar Documents

Publication Publication Date Title
US10417775B2 (en) Method for implementing human skeleton tracking system based on depth data
US9898651B2 (en) Upper-body skeleton extraction from depth maps
Li et al. Robust visual tracking based on convolutional features with illumination and occlusion handing
CN106796449B (zh) 视线追踪方法及装置
Ning et al. Kinematics-based tracking of human walking in monocular video sequences
WO2022095440A1 (zh) 面向自动驾驶的人机协同感知方法及系统
CN107330371A (zh) 3d脸部模型的脸部表情的获取方法、装置和存储装置
CN108182397B (zh) 一种多姿态多尺度的人脸验证方法
CN108764058A (zh) 一种基于热成像效应的双摄像头人脸活体检测方法
CN110674751A (zh) 一种基于单目摄像机检测头部姿态的装置及方法
CN107368778A (zh) 人脸表情的捕捉方法、装置及存储装置
CN108197534A (zh) 一种人头部姿态检测方法、电子设备及存储介质
CN107480586B (zh) 基于人脸特征点位移的生物识别照片仿冒攻击检测方法
Zhao et al. Real-time sign language recognition based on video stream
CN102184016B (zh) 基于视频序列识别的无接触式鼠标控制方法
Zhao et al. Performance evaluation of visual object detection and tracking algorithms used in remote photoplethysmography
CN111476883A (zh) 多视角无标记动物的三维姿态轨迹重建方法及装置
CN111582036B (zh) 可穿戴设备下基于形状和姿态的跨视角人物识别方法
Wu et al. Appearance-based gaze block estimation via CNN classification
CN107564037A (zh) 一种基于局部特征的多机器人检测与跟踪方法
Sun et al. Kinect-based intelligent monitoring and warning of students' sitting posture
CN107247466A (zh) 一种机器人头部手势控制方法及系统
Yongcun et al. Online examination behavior detection system for preschool education professional skills competition based on MTCNN
Shilaskar et al. Student eye gaze tracking and attention analysis system using computer vision
CN108108648A (zh) 一种新型的手势识别系统装置及方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200110