CN112686987A - 一种人体虚拟模型的构建方法和装置 - Google Patents
一种人体虚拟模型的构建方法和装置 Download PDFInfo
- Publication number
- CN112686987A CN112686987A CN202011606678.6A CN202011606678A CN112686987A CN 112686987 A CN112686987 A CN 112686987A CN 202011606678 A CN202011606678 A CN 202011606678A CN 112686987 A CN112686987 A CN 112686987A
- Authority
- CN
- China
- Prior art keywords
- human body
- body part
- coordinates
- virtual model
- multiple groups
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001228 spectrum Methods 0.000 claims abstract description 15
- 238000010276 construction Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 7
- 210000003414 extremity Anatomy 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 244000309466 calf Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明实施例提供了一种人体虚拟模型的构建方法和装置。所述方法包括：在本发明实施例中，在多个不同位置产生频谱各不相同的多组声波，当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标，重复上述步骤获取多个人体部位坐标，拍摄人体深度图像，采用所述人体深度图像以及所多个人体部位坐标构建人体虚拟模型，从而在人体目标的肢体被遮挡的情况下，也能实现完整的人体虚拟模型构建。
Description
技术领域
本发明涉及人体虚拟模型技术领域，特别是涉及人体虚拟模型的构建方法和装置。
背景技术
随着人机交互技术的不断发展，人与计算机的自然的、多模态的交互技术已经进入白热化的阶段，而人体虚拟模型的构建技术作为人机交互的一个重要分支，近几年，发展迅速。人体虚拟模型的构建就是通过对人体或其他物体运动姿态和位置的检测和记录，将这些信息转换成数字化的抽象模型，表达不同时刻目标所处的姿态。运动捕捉系统已广泛应用在运动分析、模型编码、虚拟现实、动画制作、智能监控系统、游戏制作等领域。
目前，普遍的人体虚拟模型构建方法为，采用计算机视觉技术对目标进行人体识别，从而进行人体虚拟模型的构建，此方法存在以下缺点，在人体识别过程中容易受到物体遮挡，无法进行完整的人体虚拟模型构建。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种人体虚拟运动的构建模型方法和相应的一种人体虚拟模型的构建装置。
为了解决上述问题，本发明实施例公开了一种人体虚拟模型的构建方法，所述方法包括：
在多个不同位置产生频谱各不相同的多组声波；
当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标；
重复上述步骤获取多个人体部位坐标；
拍摄人体深度图像；
采用所述人体深度图像以及所多个人体部位坐标构建人体虚拟模型。
可选地，当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标的步骤包括：
从所述多组声波中解析得到多组声波信息；
确定与所述多组声波对应的多组声波接收时间；
采用所述多组声波信息以及多组声波接收时间，计算得到所述人体部位坐标。
可选地，所述声波信息包括声波发生时间以及所述声波发生坐标。
可选地，采用所述人体深度图像以及所述多个人体部位坐标构建人体虚拟模型的步骤包括：
采用所述人体深度图像构建初始人体虚拟模型；
确定初始人体虚拟模型中缺失的人体部位；
采用所述多个人体部位坐标重构所述缺失的人体部位模型；
采用所述初始人体虚拟模型以及所述缺失的人体部位模型，构建得到所述人体虚拟模型。
本发明实施例还公开了一种人体虚拟模型的构建装置，所述装置包括：
声波产生模块，用于在多个不同位置产生频谱各不相同的多组声波；
人体部位坐标计算模块，用于当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标；
人体部位坐标获取模块，用于重复上述步骤获取多个人体部位坐标；
人体深度图像拍摄模块，用于拍摄人体深度图像；
人体虚拟模型构建模块，用于采用所述人体深度图像以及所多个人体部位坐标构建人体虚拟模型。
可选地，所述人体部位坐标计算模块包括：
声波信息解析子模块，用于从所述多组声波中解析得到多组声波信息；
声波接收时间确定子模块，用于确定与所述多组声波对应的多组声波接收时间；
人体部位坐标计算子模块，用于采用所述多组声波信息以及多组声波接收时间，计算得到所述人体部位坐标。
可选地，所述声波信息包括声波发生时间以及所述声波发生坐标。
可选地，所述人体虚拟模型构建模块包括：
初始人体虚拟模型构建子模块，用于采用所述人体深度图像构建初始人体虚拟模型；
缺失的人体部位确定子模块，用于确定初始人体虚拟模型中缺失的人体部位；
缺失的人体部位模型重构模块，用于采用所述多个人体部位坐标重构所述缺失的人体部位模型
人体虚拟模型构建子模块，用于采用所述初始人体虚拟模型以及所述缺失的人体部位模型，构建得到所述人体虚拟模型。
本发明实施例包括以下优点：在多个不同位置产生频谱各不相同的多组声波，当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标，重复上述步骤获取多个人体部位坐标，拍摄人体深度图像，采用所述人体深度图像以及所多个人体部位坐标构建人体虚拟模型，从而在人体目标的肢体被遮挡的情况下，也能实现完整的人体虚拟模型构建。
附图说明
图1是本发明的一种人体虚拟模型的构建方法实施例一的步骤流程图。
图2是本发明的一种人体虚拟模型的构建装置实施例一的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1，示出了本发明的一种人体虚拟模型的构建方法实施例一的步骤流程图，具体可以包括如下步骤：
步骤101，在多个不同位置产生多组频谱各不相同的声波；
所述多组频谱各不相同声波可以由多个声波发生器产生，每个声波发生器产生一种频谱的声波，不同的声波发生器产生的声波的频谱各不相同。所述声波发生器可以安装于不同的位置，如图所示，四个声波发生器位于房间的天花板的不同位置上，能够产生四组频谱各不相同的声波。另外，声波发生器可以以较高的频率地产生声波，例如，可以每10秒产生声波，而声音在空气中的传播速度为每秒340米，因此，可以实现对人体每秒接近100帧的动作捕捉，当然，越高的声波产生频率，能够捕捉到的人体动作越流畅，而计算量也越大，技术人员应根据实际的需求来调整声波产生频率。
需要说明的是，本申请实施例并不对声波发生器的数量以及设置位置进行限制，技术人员可根据实际情况自行设置。
步骤102，当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标；
所述人体部位可以为身体的各个部位，例如，头部，背部，跨部，左右肩膀，左右上臂，左右小臂，左右手、左右大腿、左右小腿和左右脚等等。在多个不同位置产生频谱各不相同的多组声波后，当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标，例如，当位于头部的拾音器接收到多组声波时，根据所述多组声波计算得到头部坐标。
具体的，当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标的步骤包括：
子步骤1021，从所述多组声波中解析得到多组声波信息；
在本发明实施例中，每组声波携带着不同的声波信息，所述声波信息包括声波发生时间以及所述声波发生坐标，可以根据多组声波的频谱解析出多组声波发生时间以及所述声波发生坐标。所述声波发生时间为声波在拾音器产生的时间，例如，拾音器在5分13秒产生A声波，那么A声波的声波发生时间为5分13秒。所述声波发生坐标为声波发生器的空间坐标。
子步骤1022，确定与所述多组声波对应的多组声波接收时间；
由于声波发生器的位置不同，因此，多个声波发生器产生的多组声波到达人体部位上的拾音器经过的时间不同，所以需要确定每一组声波对应的声波接收时间，例如，A声波的声波接收时间为5分15秒，B声波的接收时间为5分14秒。
子步骤1023，采用所述多组声波信息以及多组声波接收时间，计算得到所述人体部位坐标。
首先，利用声波的发生时间以及声波接收时间可以计算得到声波的传播时间。
假设，在四个不同的位置产生频谱各不相同的声波A、声波B、声波C、声波D,四组声波在空中进行传播，到达位于人体头部的拾音器，A声波的传播时间为T1，A声波的声波发生坐标为(X1，Y1，Z1)；B声波的传播时间为T2,B声波的声波发生坐标为(X2，Y2，Z2)；C声波的传播时间为T3，C声波的声波发生坐标为(X3，Y3，Z3)；D声波的传播时间为T4，D声波的声波发生坐标为(X4，Y4，Z4)。已知声波的传播时间T,声音在空气中的传播速度c，那么便可以计算得到声波发生器与拾音器的距离R＝T*c,因此，利用以下空间方程，便可计算出人体头部坐标(x,y,z)。
其中，
c为声波在空气中的传播速度；
(x,y,z)为头部坐标；
(X1，Y1，Z1)为A声波的声波发生坐标；
(X2，Y2，Z2)为B声波的声波发生坐标；
(X3，Y3，Z3)为C声波的声波发生坐标；
(X4，Y4，Z4)为D声波的声波发生坐标
T1为A声波的传播时间；
T2为B声波的传播时间；
T3为C声波的传播时间；
T4为D声波的传播时间。
步骤103，重复上述步骤获取多个人体部位坐标；
当获取了头部坐标后，可以重复上述步骤，获取到多个人体部位坐标，例如，腰部坐标，小腿坐标，手部坐标等等，获取的人体部位坐标越多，构建的虚拟运动模型越精准完整。
步骤104，拍摄人体深度图像；
步骤105，采用所述人体深度图像以及所多个人体部位坐标构建人体虚拟模型。
采用所述人体深度图像以及所述多个人体部位坐标构建人体虚拟模型的步骤包括：
子步骤1051，采用所述人体深度图像构建初始人体虚拟模型；
在本发明的实施例中，首先，利用深度学习算法在人体深度图像中识别出人体肢体图像，并利用人体肢体图像构建初始人体虚拟模型。而当目标的肢体被物体遮挡时，构建的初始人体虚拟模型可能缺失部分肢体，使得构建的初始人体虚拟模型并不完整，例如，场景中具有目标A与目标B，假设在人体深度图像中，目标A的手部被目标B的躯干遮掉，会导致目标A的初始人体虚拟模型缺失了手部。
子步骤1052，确定初始人体虚拟模型中缺失的人体部位；
子步骤1053，采用所述多个人体部位坐标重构所述缺失的人体部位模型
子步骤1054，采用所述初始人体虚拟模型以及所述缺失的人体部位模型，构建得到所述人体虚拟模型。
例如，目标A的初始人体虚拟模型中缺失了手部，由于声波以波的形式在空中传播，可以绕过障碍物，因此就算手部被遮挡，通过声波也能得到手部坐标，利用目标A的多个人体部位坐标中的手部坐标可以得知其手部的位置，从而重构手部模型，再采用初始人体虚拟模型以及手部模型进行构建，得到完整的人体虚拟模型。
在本发明实施例中，在多个不同位置产生频谱各不相同的多组声波，当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标，重复上述步骤获取多个人体部位坐标，拍摄人体深度图像，采用所述人体深度图像以及所多个人体部位坐标构建人体虚拟模型，从而在人体目标的肢体被遮挡的情况下，也能实现完整的人体虚拟模型构建。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图2，示出了本发明的一种人体虚拟模型的构建装置实施例一的结构框图，具体可以包括如下模块：
声波产生模块201，用于在多个不同位置产生频谱各不相同的多组声波；
人体部位坐标计算模块202，用于当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标；
人体部位坐标获取模块203，用于重复上述步骤获取多个人体部位坐标；
人体深度图像拍摄模块204，用于拍摄人体深度图像；
人体虚拟模型构建模块205，用于采用所述人体深度图像以及所多个人体部位坐标构建人体虚拟模型。
在本发明实施例中，所述人体部位坐标计算模块包括：
声波信息解析子模块，用于从所述多组声波中解析得到多组声波信息；
声波接收时间确定子模块，用于确定与所述多组声波对应的多组声波接收时间；
人体部位坐标计算子模块，用于采用所述多组声波信息以及多组声波接收时间，计算得到所述人体部位坐标。
在本发明实施例中，所述声波信息包括声波发生时间以及所述声波发生坐标。
在本发明实施例中，所述人体虚拟模型构建模块包括：
初始人体虚拟模型构建子模块，用于采用所述人体深度图像构建初始人体虚拟模型；
缺失的人体部位确定子模块，用于确定初始人体虚拟模型中缺失的人体部位；
缺失的人体部位模型重构模块，采用所述多个人体部位坐标重构所述缺失的人体部位模型；
人体虚拟模型构建子模块，采用所述初始人体虚拟模型以及所述缺失的人体部位模型，构建得到所述人体虚拟模型。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种装置，包括：
包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述一种人体虚拟模型的构建方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述一种人体虚拟模型的构建方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种人体虚拟模型的构建方法和一种人体虚拟模型的构建装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种人体虚拟模型的构建方法，其特征在于，所述方法包括：
在多个不同位置产生频谱各不相同的多组声波；
当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标；
重复上述步骤获取多个人体部位坐标；
拍摄人体深度图像；
采用所述人体深度图像以及所多个人体部位坐标构建人体虚拟模型。
2.根据权利要求1所述的方法，其特征在于，当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标的步骤包括：
从所述多组声波中解析得到多组声波信息；
确定与所述多组声波对应的多组声波接收时间；
采用所述多组声波信息以及多组声波接收时间，计算得到所述人体部位坐标。
3.根据权利要求2所述的方法，其特征在于，所述声波信息包括声波发生时间以及所述声波发生坐标。
4.根据权利要求1所述的方法，其特征在于，采用所述人体深度图像以及所述多个人体部位坐标构建人体虚拟模型的步骤包括：
采用所述人体深度图像构建初始人体虚拟模型；
确定初始人体虚拟模型中缺失的人体部位；
采用所述多个人体部位坐标重构所述缺失的人体部位模型；
采用所述初始人体虚拟模型以及所述缺失的人体部位模型，构建得到所述人体虚拟模型。
5.一种人体虚拟模型的构建装置，其特征在于，所述装置包括：
声波产生模块，用于在多个不同位置产生频谱各不相同的多组声波；
人体部位坐标计算模块，用于当位于人体部位的拾音器接收到所述多组声波时，根据所述多组声波计算得到人体部位坐标；
人体部位坐标获取模块，用于重复上述步骤获取多个人体部位坐标；
人体深度图像拍摄模块，用于拍摄人体深度图像；
人体虚拟模型构建模块，用于采用所述人体深度图像以及所多个人体部位坐标构建人体虚拟模型。
6.根据权利要求5所述的装置，其特征在于，所述人体部位坐标计算模块包括：
声波信息解析子模块，用于从所述多组声波中解析得到多组声波信息；
声波接收时间确定子模块，用于确定与所述多组声波对应的多组声波接收时间；
人体部位坐标计算子模块，用于采用所述多组声波信息以及多组声波接收时间，计算得到所述人体部位坐标。
7.根据权利要求6所述的装置，其特征在于，所述声波信息包括声波发生时间以及所述声波发生坐标。
8.根据权利要求5所述的装置，其特征在于，所述人体虚拟模型构建模块包括：
初始人体虚拟模型构建子模块，用于采用所述人体深度图像构建初始人体虚拟模型；
缺失的人体部位确定子模块，用于确定初始人体虚拟模型中缺失的人体部位；
缺失的人体部位模型重构模块，用于采用所述多个人体部位坐标重构所述缺失的人体部位模型；
人体虚拟模型构建子模块，用于采用所述初始人体虚拟模型以及所述缺失的人体部位模型，构建得到所述人体虚拟模型。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的一种人体虚拟模型的构建方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011606678.6A CN112686987A (zh) | 2020-12-30 | 2020-12-30 | 一种人体虚拟模型的构建方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011606678.6A CN112686987A (zh) | 2020-12-30 | 2020-12-30 | 一种人体虚拟模型的构建方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112686987A true CN112686987A (zh) | 2021-04-20 |
Family
ID=75454778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011606678.6A Pending CN112686987A (zh) | 2020-12-30 | 2020-12-30 | 一种人体虚拟模型的构建方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112686987A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113763482A (zh) * | 2021-08-20 | 2021-12-07 | 广州幻境科技有限公司 | 一种涉及多人员的虚拟场景的构建方法和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103075982A (zh) * | 2012-12-13 | 2013-05-01 | 中国农业大学 | 一种温室草莓冠层三维重构与测量装置及方法 |
| CN103750817A (zh) * | 2012-10-20 | 2014-04-30 | 因美吉智能科技（济南）有限公司 | 非接触式儿科测量方法和测量设备 |
| CN106889973A (zh) * | 2015-12-17 | 2017-06-27 | 佳能株式会社 | 被检体信息获取装置及其控制方法 |
| KR20190083789A (ko) * | 2018-01-05 | 2019-07-15 | 현대자동차주식회사 | 주차 충돌 방지 보조 시스템, 차량 및 그 제어 방법 |
-
2020
- 2020-12-30 CN CN202011606678.6A patent/CN112686987A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103750817A (zh) * | 2012-10-20 | 2014-04-30 | 因美吉智能科技（济南）有限公司 | 非接触式儿科测量方法和测量设备 |
| CN103075982A (zh) * | 2012-12-13 | 2013-05-01 | 中国农业大学 | 一种温室草莓冠层三维重构与测量装置及方法 |
| CN106889973A (zh) * | 2015-12-17 | 2017-06-27 | 佳能株式会社 | 被检体信息获取装置及其控制方法 |
| KR20190083789A (ko) * | 2018-01-05 | 2019-07-15 | 현대자동차주식회사 | 주차 충돌 방지 보조 시스템, 차량 및 그 제어 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113763482A (zh) * | 2021-08-20 | 2021-12-07 | 广州幻境科技有限公司 | 一种涉及多人员的虚拟场景的构建方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ratnarajah et al. | IR-GAN: Room impulse response generator for far-field speech recognition | |
| EP3633676A1 (en) | Rnn-based noise reduction method and device for real-time conference | |
| JP5608678B2 (ja) | パーティクルフィルタリングを利用した音源位置の推定 | |
| Inoue et al. | Domestic activities classification based on CNN using shuffling and mixing data augmentation | |
| CN108986835A (zh) | 基于改进gan网络的语音去噪方法、装置、设备及介质 | |
| CN108509910A (zh) | 基于fmcw雷达信号的深度学习手势识别方法 | |
| JP7214798B2 (ja) | 音声信号処理方法、音声信号処理装置、電子機器及び記憶媒体 | |
| CN106327555A (zh) | 一种获得唇形动画的方法及装置 | |
| US10911885B1 (en) | Augmented reality virtual audio source enhancement | |
| CN112686987A (zh) | 一种人体虚拟模型的构建方法和装置 | |
| Vargas et al. | On improved training of CNN for acoustic source localisation | |
| CN113516990A (zh) | 一种语音增强方法、训练神经网络的方法以及相关设备 | |
| US11514927B2 (en) | System and method for multichannel speech detection | |
| CN112241001B (zh) | 雷达人体动作识别方法、装置、电子设备和存储介质 | |
| WO2020250797A1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| CN117315102A (zh) | 虚拟主播处理方法、装置、计算设备及存储介质 | |
| Chen et al. | Be Everywhere-Hear Everything (BEE): Audio Scene Reconstruction by Sparse Audio-Visual Samples | |
| CN105590021A (zh) | 基于麦克风阵列的动态数量声源跟踪方法 | |
| Frank et al. | Comparing vision-based to sonar-based 3D reconstruction | |
| Tepljakov et al. | Sound localization and processing for inducing synesthetic experiences in Virtual Reality | |
| CN113763482A (zh) | 一种涉及多人员的虚拟场景的构建方法和系统 | |
| Naqvi et al. | Multimodal blind source separation for moving sources | |
| Wilson et al. | Audio-Visual Depth and Material Estimation for Robot Navigation | |
| JP2020135424A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| Nguyen et al. | Location Estimation of Receivers in an Audio Room using Deep Learning with a Convolution Neural Network. |
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 |