Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2019108250 - OPTIMISATIONS DE LA DÉTECTION, DE LA SEGMENTATION ET DU MAPPAGE DE STRUCTURE D'INSTANCES D'OBJET DYNAMIQUES

Numéro de publication WO/2019/108250
Date de publication 06.06.2019
N° de la demande internationale PCT/US2018/031358
Date du dépôt international 07.05.2018
CIB
G06T 7/20 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
TTRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
7Analyse d'image
20Analyse du mouvement
G06T 7/11 2017.01
GPHYSIQUE
06CALCUL; COMPTAGE
TTRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
7Analyse d'image
10Découpage; Détection de bords
11Découpage basé sur les zones
G06K 9/00 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
KRECONNAISSANCE DES DONNÉES; PRÉSENTATION DES DONNÉES; SUPPORTS D'ENREGISTREMENT; MANIPULATION DES SUPPORTS D'ENREGISTREMENT
9Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
CPC
G06K 2209/21
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
2209Indexing scheme relating to methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
21Target detection
G06K 9/00369
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
00362Recognising human body or animal bodies, e.g. vehicle occupant, pedestrian; Recognising body parts, e.g. hand
00369Recognition of whole body, e.g. static pedestrian or occupant recognition
G06K 9/00671
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
00624Recognising scenes, i.e. recognition of a whole field of perception; recognising scene-specific objects
00664Recognising scenes such as could be captured by a camera operated by a pedestrian or robot, including objects at substantially different ranges from the camera
00671for providing information about objects in the scene to a user, e.g. as in augmented reality applications
G06K 9/00711
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
00624Recognising scenes, i.e. recognition of a whole field of perception; recognising scene-specific objects
00711Recognising video content, e.g. extracting audiovisual features from movies, extracting representative key-frames, discriminating news vs. sport content
G06K 9/3233
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
20Image acquisition
32Aligning or centering of the image pick-up or image-field
3233Determination of region of interest
G06K 9/4633
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
36Image preprocessing, i.e. processing the image information without deciding about the identity of the image
46Extraction of features or characteristics of the image
4604Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes, intersections
4633by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
Déposants
  • FACEBOOK, INC. [US]/[US]
Inventeurs
  • VAJDA, Peter
  • ZHANG, Peizhao
  • YANG, Fei
  • WANG, Yanghan
Mandataires
  • ROBINSON, Ross, T.
Données relatives à la priorité
15/972,03504.05.2018US
62/593,98003.12.2017US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) OPTIMIZATIONS FOR DYNAMIC OBJECT INSTANCE DETECTION, SEGMENTATION, AND STRUCTURE MAPPING
(FR) OPTIMISATIONS DE LA DÉTECTION, DE LA SEGMENTATION ET DU MAPPAGE DE STRUCTURE D'INSTANCES D'OBJET DYNAMIQUES
Abrégé
(EN)
In one embodiment, a system accesses pose probability models for predetermined parts of a body depicted in an image. Each of the pose probability models is configured for determining a probability of the associated predetermined body part being at a location in the image. The system determines a candidate pose that is defined by a set of coordinates representing candidate locations of the predetermined body parts. The system further determines a first probability score for the candidate pose based on Qie pose probability models and the set of coordinates of the candidate pose. A pose representation is generated for the candidate pose using a transformation model and tbe candidate pose. The system determines a second probability score for the pose representation based on a pose-representation probability model. The system selects the candidate pose to represent a pose of the body based on at least the first and second probability scores.
(FR)
Selon un mode de réalisation de l'invention, un système accède à des modèles de probabilité de pose de parties prédéterminées d'un corps représenté dans une image. Chacun des modèles de probabilité de pose est conçu pour déterminer une probabilité que la partie corporelle prédéterminée associée se trouve à un emplacement dans l'image. Le système détermine une pose candidate définie par un ensemble de coordonnées représentant des emplacements candidats des parties corporelles prédéterminées. Le système détermine en outre un premier score de probabilité de la pose candidate en fonction de modèles de probabilité de pose Qie et de l'ensemble de coordonnées de la pose candidate. Une représentation de pose est générée pour la pose candidate à l'aide d'un modèle de transformation et de la pose candidate. Le système détermine un second score de probabilité pour la représentation de pose en fonction d'un modèle de probabilité de représentation de pose. Le système sélectionne la pose candidate de manière à ce qu'elle représente une pose du corps au moins en fonction des premier et second scores de probabilité.
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international