CN112200126A - 一种基于人工智能跑步肢体遮挡姿态识别方法 - Google Patents
一种基于人工智能跑步肢体遮挡姿态识别方法 Download PDFInfo
- Publication number
- CN112200126A CN112200126A CN202011156430.4A CN202011156430A CN112200126A CN 112200126 A CN112200126 A CN 112200126A CN 202011156430 A CN202011156430 A CN 202011156430A CN 112200126 A CN112200126 A CN 112200126A
- Authority
- CN
- China
- Prior art keywords
- limb
- coordinate
- module
- data
- posture
- 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
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种基于人工智能跑步肢体遮挡姿态识别方法,包括如下步骤:S1、图像数据采集:根据带采集数据的现场(跑步场景)要求,在多个角度设定图像采集装置,对人体在跑步状态下的姿态进行采集,将人物的肢体姿态图像数据与主控制器存储的对比信息比较后,以获取人物的肢体姿态信息所对应的数据信息,其中主控制器包括图像处理模块和对比模块;S2、数据处理;S3、肢体坐标追踪;S4、坐标纠正;S5、动画绘制;在检测过程中,因为人物的遮挡或摄像头边缘区域画面的不完整导致模型人物动作无法检测时,项目通过比较当前画面及其之前画面的人数与位置关系,将上一帧的人物动作补到当前画面中,避免了人物突然消失出现的问题。
Description
技术领域
本发明属于姿态识别技术领域,更具体地说,尤其涉及一种基于人工智能跑步肢体遮挡姿态识别方法。
背景技术
目前已有不少研究涉及利用手势信号来控制家电等智能设备的方案。现有的手势识别设备比如kinect,通常采用摄像头或者其他的深度传感器捕捉人物。针对现有的一种基于kinect的运动人体姿态识别方法,它包括以下步骤:定义姿态的行为模式、训练姿态序列样本采集、样本姿态序列的特征提取和归一化、样本姿态特征的降维、训练多类姿态分类机、对新的姿态序列进行识别。这款产品提供了实时地表示人体姿态的方法,能够比较准确的检测到人体的空间位置,并用三维链式骨骼系统对检测到的人体姿态进行表示。
针对目前国内已有的产品实现对肢体遮挡姿态识别的方法,存在以下几点问题:1、没有针对跑步场景的处理;2、没有对缺失部位进行填补。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种基于人工智能跑步肢体遮挡姿态识别方法,在检测过程中,因为人物的遮挡或摄像头边缘区域画面的不完整导致模型人物动作无法检测时,项目通过比较当前画面及其之前画面的人数与位置关系,将上一帧的人物动作补到当前画面中,避免了人物突然消失出现的问题;跑步监测采用部件检测的方法,把人体分为头肩,躯干,四肢等部分,对这些部分分别进行检测,然后将结果组合起来;当有遮挡物时,人物检测返回的结果便是不完整的坐标点信息,其中会缺失几个人体部位的点坐标(返回结果为[0,0]),这时我们调用人物追踪模块存储的上一帧人物肢体坐标信息,进行平移旋转,计算出缺失部位的坐标,对其进行填补。
为实现上述目的,本发明提供如下技术方案:
一种基于人工智能跑步肢体遮挡姿态识别方法,包括如下步骤:
S1、图像数据采集:
根据带采集数据的现场(跑步场景)要求,在多个角度设定图像采集装置,对人体在跑步状态下的姿态进行采集,将人物的肢体姿态图像数据与主控制器存储的对比信息比较后,以获取人物的肢体姿态信息所对应的数据信息,其中主控制器包括图像处理模块和对比模块;
S2、数据处理:
利用所述图像处理模块,对获取人物的肢体姿态信息所对应的数据信息进行转换,使其在数据对比模块的作用下,形成人物肢体采集的坐标信息;
S3、肢体坐标追踪:
所述主控制器还包括肢体坐标追踪模块,所述肢体坐标追踪的目标包括三大主要数据:上一帧肢体关键点坐标值、当前画面的检测结构和人物的运动方向,主控制器会将采集装置所采集的上一帧肢体关键点坐标值、当前画面的检测结构和人物的运动方向这三大数据进行处理,同时也需要检测连续画面中是否是同一人物,当出现人物完全遮挡情况时,结合人物追踪模块记录的人物信息,判断缺失的人物情况,当之后的画面又出现该人物时,还是会先根据位置和方向判断是否为同一人物,如果是同一人物则继续进行追踪,并存储每个跑步人员的相关信息,比如人物编号、肢体关键点坐标、上一个肢体关键点坐标、移动距离、移动方向、所处摄像头编号等;
S4、坐标纠正:
所述主控制器还包括坐标纠正模块,所述坐标纠正模块能够在部分遮挡的情况下识别出人物特质,检测出能看的见的人体部位坐标,然后先判断当前画面中缺失的部位,再通过之前的检测结果计算出缺失部分的坐标;
S5、动画绘制:
所述主控制器还包括动画绘制模块,所述动画绘制模块用于将人体关键点坐标绘制成动画并使用opencv存储到视频画面中。
优选的,所述主控制器还包括接收模块,所述数据处理模块与所述接收模块相连且另一端与所述数据对比模块相连,可同时用于处理多个用户分别对应的肢体姿态信息。
优选的,所述图像采集装置设置为摄像头,由于所述摄像头的鱼眼画面及人物跑动位置不统一,所以需要对整体的画面和人物进行缩放和旋转,使人物处于直立姿态并位于画面中央,缺失点坐标的计算,同时还包括一些手脚位置的异常处理。
优选的,对于手脚位置的异常的情况有手脚位置过高或比例不对等,所述坐标纠正模块会将数据反馈给肢体坐标追踪模块,经由肢体坐标追踪模块再次对人体在跑步状态下的姿态进行采集后,获取正确的姿态坐标,再次传递给坐标纠正模块。
优选的,所述OpenCV用C++语言编写,它具有C++,Python,Java和MATLAB接口,并支持Windows,Linux,Android和Mac OS,OpenCV主要倾向于实时视觉应用,并在可用时利用MMX和SSE指令,也提供对于C#、Ch、Ruby,GO的支持。
优选的,所述步骤S3中,在对肢体坐标追踪时,会出现人物被局部遮挡的情况,可通过OpenPose人体姿态识别项目执行具体追踪流程。
本发明的技术效果和优点:本发明提供的一种基于人工智能跑步肢体遮挡姿态识别方法,在检测过程中,因为人物的遮挡或摄像头边缘区域画面的不完整导致模型人物动作无法检测时,项目通过比较当前画面及其之前画面的人数与位置关系,将上一帧的人物动作补到当前画面中,避免了人物突然消失出现的问题;跑步监测采用部件检测的方法,把人体分为头肩,躯干,四肢等部分,对这些部分分别进行检测,然后将结果组合起来;当有遮挡物时,人物检测返回的结果便是不完整的坐标点信息,其中会缺失几个人体部位的点坐标(返回结果为[0,0]),这时我们调用人物追踪模块存储的上一帧人物肢体坐标信息,进行平移旋转,计算出缺失部位的坐标,对其进行填补。
附图说明
图1为本发明的肢体坐标追踪和坐标纠正模块处理流程框图;
图2为本发明的肢体部位缺失处理流程框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种基于人工智能跑步肢体遮挡姿态识别方法,包括如下步骤:
S1、图像数据采集:
根据带采集数据的现场(跑步场景)要求,在多个角度设定图像采集装置,对人体在跑步状态下的姿态进行采集,将人物的肢体姿态图像数据与主控制器存储的对比信息比较后,以获取人物的肢体姿态信息所对应的数据信息,其中主控制器包括图像处理模块和对比模块;
S2、数据处理:
利用所述图像处理模块,对获取人物的肢体姿态信息所对应的数据信息进行转换,使其在数据对比模块的作用下,形成人物肢体采集的坐标信息;
S3、肢体坐标追踪:
所述主控制器还包括肢体坐标追踪模块,所述肢体坐标追踪的目标包括三大主要数据:上一帧肢体关键点坐标值、当前画面的检测结构和人物的运动方向,主控制器会将采集装置所采集的上一帧肢体关键点坐标值、当前画面的检测结构和人物的运动方向这三大数据进行处理,同时也需要检测连续画面中是否是同一人物,当出现人物完全遮挡情况时,结合人物追踪模块记录的人物信息,判断缺失的人物情况,当之后的画面又出现该人物时,还是会先根据位置和方向判断是否为同一人物,如果是同一人物则继续进行追踪,并存储每个跑步人员的相关信息,比如人物编号、肢体关键点坐标、上一个肢体关键点坐标、移动距离、移动方向、所处摄像头编号等;
S4、坐标纠正:
所述主控制器还包括坐标纠正模块,所述坐标纠正模块能够在部分遮挡的情况下识别出人物特质,检测出能看的见的人体部位坐标,然后先判断当前画面中缺失的部位,再通过之前的检测结果计算出缺失部分的坐标;
S5、动画绘制:
所述主控制器还包括动画绘制模块,所述动画绘制模块用于将人体关键点坐标绘制成动画并使用opencv存储到视频画面中。
具体的,所述主控制器还包括接收模块,所述数据处理模块与所述接收模块相连且另一端与所述数据对比模块相连,可同时用于处理多个用户分别对应的肢体姿态信息。
具体的,所述图像采集装置设置为摄像头,由于所述摄像头的鱼眼画面及人物跑动位置不统一,所以需要对整体的画面和人物进行缩放和旋转,使人物处于直立姿态并位于画面中央,缺失点坐标的计算,同时还包括一些手脚位置的异常处理。
具体的,对于手脚位置的异常的情况有手脚位置过高或比例不对等,所述坐标纠正模块会将数据反馈给肢体坐标追踪模块,经由肢体坐标追踪模块再次对人体在跑步状态下的姿态进行采集后,获取正确的姿态坐标,再次传递给坐标纠正模块。
具体的,所述OpenCV用C++语言编写,它具有C++,Python,Java和MATLAB接口,并支持Windows,Linux,Android和Mac OS,OpenCV主要倾向于实时视觉应用,并在可用时利用MMX和SSE指令,也提供对于C#、Ch、Ruby,GO的支持。
具体的,所述步骤S3中,在对肢体坐标追踪时,会出现人物被局部遮挡的情况,可通过OpenPose人体姿态识别项目执行具体追踪流程。
综上所述:本发明提供的一种基于人工智能跑步肢体遮挡姿态识别方法,在检测过程中,因为人物的遮挡或摄像头边缘区域画面的不完整导致模型人物动作无法检测时,项目通过比较当前画面及其之前画面的人数与位置关系,将上一帧的人物动作补到当前画面中,避免了人物突然消失出现的问题;跑步监测采用部件检测的方法,把人体分为头肩,躯干,四肢等部分,对这些部分分别进行检测,然后将结果组合起来;当有遮挡物时,人物检测返回的结果便是不完整的坐标点信息,其中会缺失几个人体部位的点坐标(返回结果为[0,0]),这时我们调用人物追踪模块存储的上一帧人物肢体坐标信息,进行平移旋转,计算出缺失部位的坐标,对其进行填补。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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同替换,凡在本发明的精神和原则之内,所作的任何修改、同替换、改进,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于人工智能跑步肢体遮挡姿态识别方法,其特征在于:包括如下步骤:
S1、图像数据采集:
根据带采集数据的现场(跑步场景)要求,在多个角度设定图像采集装置,对人体在跑步状态下的姿态进行采集,将人物的肢体姿态图像数据与主控制器存储的对比信息比较后,以获取人物的肢体姿态信息所对应的数据信息,其中主控制器包括图像处理模块和对比模块;
S2、数据处理:
利用所述图像处理模块,对获取人物的肢体姿态信息所对应的数据信息进行转换,使其在数据对比模块的作用下,形成人物肢体采集的坐标信息;
S3、肢体坐标追踪:
所述主控制器还包括肢体坐标追踪模块,所述肢体坐标追踪的目标包括三大主要数据:上一帧肢体关键点坐标值、当前画面的检测结构和人物的运动方向,主控制器会将采集装置所采集的上一帧肢体关键点坐标值、当前画面的检测结构和人物的运动方向这三大数据进行处理,同时也需要检测连续画面中是否是同一人物,当出现人物完全遮挡情况时,结合人物追踪模块记录的人物信息,判断缺失的人物情况,当之后的画面又出现该人物时,还是会先根据位置和方向判断是否为同一人物,如果是同一人物则继续进行追踪,并存储每个跑步人员的相关信息,比如人物编号、肢体关键点坐标、上一个肢体关键点坐标、移动距离、移动方向、所处摄像头编号等;
S4、坐标纠正:
所述主控制器还包括坐标纠正模块,所述坐标纠正模块能够在部分遮挡的情况下识别出人物特质,检测出能看的见的人体部位坐标,然后先判断当前画面中缺失的部位,再通过之前的检测结果计算出缺失部分的坐标;
S5、动画绘制:
所述主控制器还包括动画绘制模块,所述动画绘制模块用于将人体关键点坐标绘制成动画并使用opencv存储到视频画面中。
2.根据权利要求1所述的一种基于人工智能跑步肢体遮挡姿态识别方法,其特征在于:所述主控制器还包括接收模块,所述数据处理模块与所述接收模块相连且另一端与所述数据对比模块相连,可同时用于处理多个用户分别对应的肢体姿态信息。
3.根据权利要求1所述的一种基于人工智能跑步肢体遮挡姿态识别方法,其特征在于:所述图像采集装置设置为摄像头,由于所述摄像头的鱼眼画面及人物跑动位置不统一,所以需要对整体的画面和人物进行缩放和旋转,使人物处于直立姿态并位于画面中央,缺失点坐标的计算,同时还包括一些手脚位置的异常处理。
4.根据权利要求4所述的一种基于人工智能跑步肢体遮挡姿态识别方法,其特征在于:对于手脚位置的异常的情况有手脚位置过高或比例不对等,所述坐标纠正模块会将数据反馈给肢体坐标追踪模块,经由肢体坐标追踪模块再次对人体在跑步状态下的姿态进行采集后,获取正确的姿态坐标,再次传递给坐标纠正模块。
5.根据权利要求1所述的一种基于人工智能跑步肢体遮挡姿态识别方法,其特征在于:所述OpenCV用C++语言编写,它具有C++,Python,Java和MATLAB接口,并支持Windows,Linux,Android和Mac OS,OpenCV主要倾向于实时视觉应用,并在可用时利用MMX和SSE指令,也提供对于C#、Ch、Ruby,GO的支持。
6.根据权利要求1所述的一种基于人工智能跑步肢体遮挡姿态识别方法,其特征在于:所述步骤S3中,在对肢体坐标追踪时,会出现人物被局部遮挡的情况,可通过OpenPose人体姿态识别项目执行具体追踪流程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156430.4A CN112200126A (zh) | 2020-10-26 | 2020-10-26 | 一种基于人工智能跑步肢体遮挡姿态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156430.4A CN112200126A (zh) | 2020-10-26 | 2020-10-26 | 一种基于人工智能跑步肢体遮挡姿态识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112200126A true CN112200126A (zh) | 2021-01-08 |
Family
ID=74011412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011156430.4A Pending CN112200126A (zh) | 2020-10-26 | 2020-10-26 | 一种基于人工智能跑步肢体遮挡姿态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200126A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792700A (zh) * | 2021-09-24 | 2021-12-14 | 成都新潮传媒集团有限公司 | 一种电瓶车入箱检测方法、装置、计算机设备及存储介质 |
CN113903052A (zh) * | 2021-09-08 | 2022-01-07 | 华南理工大学 | 基于图像处理和力学分析的室内人体碰撞警报方法及装置 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419055A (zh) * | 2008-10-30 | 2009-04-29 | 北京航空航天大学 | 基于视觉的空间目标位姿测量装置和方法 |
CN102279646A (zh) * | 2010-06-10 | 2011-12-14 | 鼎亿数码科技(上海)有限公司 | 带手持设备的装置及手持设备运动的识别方法 |
CN103076619A (zh) * | 2012-12-27 | 2013-05-01 | 山东大学 | 一种消防员室内外3d无缝定位及姿态检测系统及方法 |
CN104361327A (zh) * | 2014-11-20 | 2015-02-18 | 苏州科达科技股份有限公司 | 一种行人检测方法和系统 |
CN104933734A (zh) * | 2015-06-26 | 2015-09-23 | 西安理工大学 | 一种基于多kinect的人体姿态数据融合方法 |
CN105989611A (zh) * | 2015-02-05 | 2016-10-05 | 南京理工大学 | 带有阴影去除的分块感知哈希跟踪方法 |
CN106056089A (zh) * | 2016-06-06 | 2016-10-26 | 中国科学院长春光学精密机械与物理研究所 | 一种三维姿态识别方法及系统 |
CN106981075A (zh) * | 2017-05-31 | 2017-07-25 | 江西制造职业技术学院 | 仿人运动拟态的人体骨骼点参数采集装置及其识别方法 |
CN107147948A (zh) * | 2017-05-15 | 2017-09-08 | 建荣半导体(深圳)有限公司 | 网络图像丢失数据恢复方法、装置、芯片及存储装置 |
CN108470354A (zh) * | 2018-03-23 | 2018-08-31 | 云南大学 | 视频目标跟踪方法、装置和实现装置 |
CN108805900A (zh) * | 2017-05-03 | 2018-11-13 | 杭州海康威视数字技术股份有限公司 | 一种跟踪目标的确定方法及装置 |
CN109685845A (zh) * | 2018-11-26 | 2019-04-26 | 普达迪泰(天津)智能装备科技有限公司 | 一种用于fod检测机器人的基于pos系统的实时图像拼接处理方法 |
CN109934129A (zh) * | 2019-02-27 | 2019-06-25 | 嘉兴学院 | 一种人脸特征点定位方法、装置、计算机设备及存储介质 |
CN109951628A (zh) * | 2017-12-21 | 2019-06-28 | 广东欧珀移动通信有限公司 | 模型构建方法、拍照方法、装置、存储介质及终端 |
CN109977833A (zh) * | 2019-03-19 | 2019-07-05 | 网易(杭州)网络有限公司 | 物体追踪方法、物体追踪装置、存储介质及电子设备 |
CN110059578A (zh) * | 2019-03-27 | 2019-07-26 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆跟踪的方法及装置 |
CN110163046A (zh) * | 2018-06-19 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 人体姿态识别方法、装置、服务器及存储介质 |
CN110163891A (zh) * | 2019-04-30 | 2019-08-23 | 长沙师范学院 | 基于感知模型的长期目标跟踪方法 |
CN110694252A (zh) * | 2019-10-09 | 2020-01-17 | 成都乐动信息技术有限公司 | 一种基于六轴传感器的跑步姿态检测方法 |
CN110956653A (zh) * | 2019-11-29 | 2020-04-03 | 中国科学院空间应用工程与技术中心 | 相关滤波器与运动估计融合的卫星视频动态目标追踪方法 |
CN111479087A (zh) * | 2019-01-23 | 2020-07-31 | 北京奇虎科技有限公司 | 3d监控场景控制方法、装置、计算机设备及存储介质 |
CN111652902A (zh) * | 2020-06-02 | 2020-09-11 | 浙江大华技术股份有限公司 | 目标的跟踪检测方法、电子设备及装置 |
CN111695457A (zh) * | 2020-05-28 | 2020-09-22 | 浙江工商大学 | 一种基于弱监督机制的人体姿态估计方法 |
-
2020
- 2020-10-26 CN CN202011156430.4A patent/CN112200126A/zh active Pending
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419055A (zh) * | 2008-10-30 | 2009-04-29 | 北京航空航天大学 | 基于视觉的空间目标位姿测量装置和方法 |
CN102279646A (zh) * | 2010-06-10 | 2011-12-14 | 鼎亿数码科技(上海)有限公司 | 带手持设备的装置及手持设备运动的识别方法 |
CN103076619A (zh) * | 2012-12-27 | 2013-05-01 | 山东大学 | 一种消防员室内外3d无缝定位及姿态检测系统及方法 |
CN104361327A (zh) * | 2014-11-20 | 2015-02-18 | 苏州科达科技股份有限公司 | 一种行人检测方法和系统 |
CN105989611A (zh) * | 2015-02-05 | 2016-10-05 | 南京理工大学 | 带有阴影去除的分块感知哈希跟踪方法 |
CN104933734A (zh) * | 2015-06-26 | 2015-09-23 | 西安理工大学 | 一种基于多kinect的人体姿态数据融合方法 |
CN106056089A (zh) * | 2016-06-06 | 2016-10-26 | 中国科学院长春光学精密机械与物理研究所 | 一种三维姿态识别方法及系统 |
CN108805900A (zh) * | 2017-05-03 | 2018-11-13 | 杭州海康威视数字技术股份有限公司 | 一种跟踪目标的确定方法及装置 |
CN107147948A (zh) * | 2017-05-15 | 2017-09-08 | 建荣半导体(深圳)有限公司 | 网络图像丢失数据恢复方法、装置、芯片及存储装置 |
CN106981075A (zh) * | 2017-05-31 | 2017-07-25 | 江西制造职业技术学院 | 仿人运动拟态的人体骨骼点参数采集装置及其识别方法 |
CN109951628A (zh) * | 2017-12-21 | 2019-06-28 | 广东欧珀移动通信有限公司 | 模型构建方法、拍照方法、装置、存储介质及终端 |
CN108470354A (zh) * | 2018-03-23 | 2018-08-31 | 云南大学 | 视频目标跟踪方法、装置和实现装置 |
CN110163046A (zh) * | 2018-06-19 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 人体姿态识别方法、装置、服务器及存储介质 |
CN109685845A (zh) * | 2018-11-26 | 2019-04-26 | 普达迪泰(天津)智能装备科技有限公司 | 一种用于fod检测机器人的基于pos系统的实时图像拼接处理方法 |
CN111479087A (zh) * | 2019-01-23 | 2020-07-31 | 北京奇虎科技有限公司 | 3d监控场景控制方法、装置、计算机设备及存储介质 |
CN109934129A (zh) * | 2019-02-27 | 2019-06-25 | 嘉兴学院 | 一种人脸特征点定位方法、装置、计算机设备及存储介质 |
CN109977833A (zh) * | 2019-03-19 | 2019-07-05 | 网易(杭州)网络有限公司 | 物体追踪方法、物体追踪装置、存储介质及电子设备 |
CN110059578A (zh) * | 2019-03-27 | 2019-07-26 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆跟踪的方法及装置 |
CN110163891A (zh) * | 2019-04-30 | 2019-08-23 | 长沙师范学院 | 基于感知模型的长期目标跟踪方法 |
CN110694252A (zh) * | 2019-10-09 | 2020-01-17 | 成都乐动信息技术有限公司 | 一种基于六轴传感器的跑步姿态检测方法 |
CN110956653A (zh) * | 2019-11-29 | 2020-04-03 | 中国科学院空间应用工程与技术中心 | 相关滤波器与运动估计融合的卫星视频动态目标追踪方法 |
CN111695457A (zh) * | 2020-05-28 | 2020-09-22 | 浙江工商大学 | 一种基于弱监督机制的人体姿态估计方法 |
CN111652902A (zh) * | 2020-06-02 | 2020-09-11 | 浙江大华技术股份有限公司 | 目标的跟踪检测方法、电子设备及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113903052A (zh) * | 2021-09-08 | 2022-01-07 | 华南理工大学 | 基于图像处理和力学分析的室内人体碰撞警报方法及装置 |
CN113792700A (zh) * | 2021-09-24 | 2021-12-14 | 成都新潮传媒集团有限公司 | 一种电瓶车入箱检测方法、装置、计算机设备及存储介质 |
CN113792700B (zh) * | 2021-09-24 | 2024-02-27 | 成都新潮传媒集团有限公司 | 一种电瓶车入箱检测方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11238270B2 (en) | 3D face identity authentication method and apparatus | |
CN107609383B (zh) | 3d人脸身份认证方法与装置 | |
CN107633165B (zh) | 3d人脸身份认证方法与装置 | |
CN108200334B (zh) | 图像拍摄方法、装置、存储介质及电子设备 | |
CN106875431B (zh) | 具有移动预测的图像追踪方法及扩增实境实现方法 | |
CN109274883B (zh) | 姿态矫正方法、装置、终端及存储介质 | |
CN107255468A (zh) | 目标跟踪方法、目标跟踪设备及计算机存储介质 | |
CN112200126A (zh) | 一种基于人工智能跑步肢体遮挡姿态识别方法 | |
CN110414419A (zh) | 一种基于移动端观看者的姿势检测系统及方法 | |
CN111798486B (zh) | 基于人体运动预测的多视角人体运动捕捉方法 | |
CN109117753A (zh) | 部位识别方法、装置、终端及存储介质 | |
CN111046825A (zh) | 人体姿态识别方法、装置、系统及计算机可读存储介质 | |
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 | |
Yan et al. | Human-object interaction recognition using multitask neural network | |
Pandey et al. | Efficient 6-dof tracking of handheld objects from an egocentric viewpoint | |
CN111832542A (zh) | 三目视觉识别与定位方法及装置 | |
CN112378409B (zh) | 动态环境下基于几何与运动约束的机器人rgb-d slam方法 | |
CN114548224A (zh) | 一种用于强交互人体运动的2d人体位姿生成方法及装置 | |
CN113537128A (zh) | 一种基于深度学习姿态评估对连续动作的比对和分析方法、系统以及设备 | |
Pandey et al. | Egocentric 6-DoF tracking of small handheld objects | |
Che et al. | Real-time 3d hand gesture based mobile interaction interface | |
CN112351200A (zh) | 一种枪球智能摄像机联动抓拍实现方法及系统 | |
JP2001052176A (ja) | 画像の特徴点の抽出方法、およびコンピュータに当該画像の特徴点の抽出方法を実行させるためのプログラム記録した、コンピュータ読取可能な記録媒体ならびに画像特徴点抽出装置 | |
Sun et al. | A precise fingertip tracking algorithm based on 3D motion mapping for hololens | |
Tian et al. | Binocular vision system design and its active object tracking |
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 | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20230721 |
|
AD01 | Patent right deemed abandoned |