会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
热词
    • 2. 发明专利
    • System zur Erkennung von Gesichtsausdrücken in Echtzeit
    • DE202022105196U1
    • 2022-09-22
    • DE202022105196
    • 2022-09-14
    • KIRUPAKARAN ANISH MONSLEYLASKAR RABUL HUSSAINSINGHA JOYEETAYADAV KULDEEP SINGH
    • G06V40/16G06V10/50G06V10/764
    • Ein System (100) zum Erkennen von Gesichtsausdrücken einer Person in Echtzeit, wobei das System (100) umfasst:eine Bilderfassungseinheit (102), die so konfiguriert ist, dass sie Bilder des Gesichts der Person erfasst, wobei die von der Bilderfassungseinheit (102) erfassten Bilder als eine Eingabe dienen;eine Verarbeitungseinheit (104), die mit der Bilderfassungseinheit (102) verbunden ist, um erfasste Bilder des Gesichts der Person zu verarbeiten, wobei die Verarbeitungseinheit (104) umfasst:eine Umwandlungseinheit (106), die so konfiguriert ist, dass sie die erfassten Bilder des Gesichts der Person in Graustufen umwandelt; undeine Verbesserungseinheit (108), die mit der Umwandlungseinheit (106) verbunden ist, um Helligkeit und Kontrast der umgewandelten Graustufenbilder des Gesichts der Person einzustellen;eine Erfassungseinheit (110), die mit der Verarbeitungseinheit (104) verbunden ist, um das Gesicht und Gesichtsteile aus verbesserten Bildern des Gesichts der Person zu erfassen;eine Beschneidungseinheit (112), die mit der Erfassungseinheit (110) verbunden ist, um die erfassten Gesichtsteile zu beschneiden, wobei die beschnittenen Gesichtsteile signifikante Informationen für mehrere Ausdrücke enthalten;eine Speichereinheit (114), die konfiguriert ist, um zugeschnittene Bilder der erfassten Gesichtsteile zu speichern, wobei die Speichereinheit (114) mit der Zuschneideeinheit (112) verbunden ist,eine Extraktionseinheit (116), die so konfiguriert ist, dass sie abgeschnittene Bilder der erfassten Gesichtsteile aus der Speichereinheit (114) extrahiert, um Histogram of Oriented Gradients (HOG) und Local Binary Pattern (LBP)-Merkmale zu extrahieren, wobei eine Merkmalsmatrix durch Verkettung der extrahierten Merkmale von HOG und LBP erhalten wird;eine Klassifizierungseinheit (118), die mit der Extraktionseinheit (116) verbunden ist, um die Klasse der ausgeschnittenen Bilder zu berechnen, wobei die Klassifizierungseinheit (118) eine Support Vector Machine (SVM)-Einheit, um eine nahezu optimale Trennung zwischen den Klassen zu erreichen, und eine K-Nearest Neighbours (KNN)-Einheit enthält, um verfügbare Fälle zu speichern und neue Fälle auf der Grundlage einer Ähnlichkeitsabstandsmessung zu klassifizieren;eine Vorhersageeinheit (120), die so konfiguriert ist, dass sie den Gesichtsausdruck der Person aus klassifizierten Bildern als Wutgesichtsausdruck, Ekelgesichtsausdruck, Angstgesichtsausdruck, glücklicher Gesichtsausdruck, neutraler Gesichtsausdruck und trauriger Gesichtsausdruck erkennt, wobei die Vorhersageeinheit (120) so konfiguriert ist, dass sie klassifizierte Bilder mit vordefinierten Bildern vergleicht, die in einer Datenbank zur Erkennung des Gesichtsausdrucks gespeichert sind; undeine Warneinheit (122), die mit der Vorhersageeinheit (120) gekoppelt ist, um die Person zu warnen, wenn die Vorhersageeinheit (120) einen Wutgesichtsausdruck, einen Ekelgesichtsausdruck, einen Angstgesichtsausdruck und einen traurigen Gesichtsausdruck erkennt.
    • 4. 发明专利
    • System zur Schätzung diskreter Herzfrequenzwerte aus Sprachsignalen
    • DE202022104091U1
    • 2022-10-05
    • DE202022104091
    • 2022-07-20
    • ARULAPPAN MILTONKIRUPAKARAN ANISH MONSLEYLASKAR RABUL HUSSAINYADAV KULDEEP SINGH
    • A61B5/318A61B5/00A61B5/0205G08B21/02
    • Ein System (100) zur Schätzung diskreter Herzfrequenzwerte aus Sprachsignalen, wobei das System (100) Folgendes umfasst:eine Erfassungseinheit (102), die so konfiguriert ist, dass sie Sprachsignale als eine Eingabe von einem Sprachrahmen erfasst;eine Anordnung von Sensoren (104), die mit der Erfassungseinheit (102) gekoppelt ist, wobei die Anordnung von Sensoren (104) konfiguriert ist, um:Sinnessprache des erfassten Sprachsignals;Sinnesform des erfassten Sprachsignals als nicht-stationäres Sprachsignal; unddie Parameter der körperlichen Aktivität eines Patienten zu erfassen;eine Merkmalsextraktionseinheit (106), die konfiguriert ist, um segmentale Merkmale aus dem Sprachrahmen zu extrahieren, wobei das nicht-stationäre Sprachsignal in den Sprachrahmen segmentiert wird, um Koeffizienten aus dem segmentierten Sprachrahmen zu extrahieren und Log-Energie-Koeffizienten aus dem extrahierten Merkmal zu entfernen;eine Verarbeitungseinheit (108), die mit der Erfassungseinheit (102), dem Array von Sensoren (104) und der Merkmalsextraktionseinheit (106) gekoppelt ist, wobei die Verarbeitungseinheit (108) konfiguriert ist, um:bestimmen, ob der Eingang des Sprachsignals zwischen einem vordefinierten Schwellenwert liegt;Ableitungen des erfassten Sprachsignals der aufgezeichneten Sprache zu bestimmen;Ableitungen des erfassten nicht-stationären Sprachsignals zu bestimmen;Verarbeitung der extrahierten segmentierten Merkmale und der erfassten Sprachsignale zur Bestimmung der Herzfrequenz; undBerechnen einer Steigung der Herzfrequenzreaktion aus den verarbeiteten segmentierten Merkmalen und den verarbeiteten Sprachsignalen;eine Vorhersageeinheit (110) zur Regression der Herzfrequenz, wobei die Vorhersageeinheit (110) so konfiguriert ist, dass sie eine Hyperebene zur Schätzung der Herzfrequenz anpasst; undeine Alarmeinheit (112), die mit der Verarbeitungseinheit (108) verbunden ist, wenn die Steigung der Herzfrequenzreaktion nicht innerhalb des vordefinierten Normalbereichs liegt.
    • 6. 发明专利
    • To Reduce Data Processing Workload with Cloud Computing Environment
    • AU2020102829A4
    • 2020-12-10
    • AU2020102829
    • 2020-10-17
    • D HEMANAND DRI MANISH T DRKASWAN KULDEEP SINGH DRKUMAR AVADHESH DRKUMAR K SAMPATH DRKUMAR T GANESH DRN PARTHEEBAN DRR RAJKUMAR DRSRIRAMULU SRINIVASAN MRSAGAR SHRDDHA DR
    • KASWAN KULDEEP SINGHD HEMANANDR RAJKUMARN PARTHEEBANSRIRAMULU SRINIVASANI MANISH TKUMAR K SAMPATHKUMAR T GANESHKUMAR AVADHESHSAGAR SHRDDHA
    • G06F9/50H04L29/08
    • Abstract In this invention data processing cloud computing condition including circulating information handling occupations among a majority of clouds, each cloud involving an organization based, appropriated information handling framework that gives at least one cloud computing administrations; conveying, by a vocation arrangement motor in each cloud as indicated by the remaining burden execution strategy onto workers in each cloud, the information handling occupations dispersed to each cloud; deciding, by each activity situation motor during execution of every information preparing position, regardless of whether remaining burden execution strategy for each sent activity keeps on being met by figuring assets inside the cloud where each activity is sent; and exhorting, by each activity position engine, the outstanding task at hand approach chief when remaining burden execution strategy for a specific activity can't keep on being met by registering assets inside the cloud workload where the specific activity is used. In this invention the system and for giving cloud computing administrations are depicted. In one embodiment, the system involves a cloud computing condition including assets for supporting cloud remaining configure, each cloud outstanding task at hand having related therewith an inner cloud address; and a steering system arranged between outside outstanding burdens of an outer figuring condition and the cloud remaining tasks at hand, the directing system for coordinating traffic from an outside cloud address to the inward cloud locations of the cloud outstanding tasks at hand. The directing framework includes a virtual switch arranged to work as an network address translator ("NAT"); a merchant associated between the virtual switch and the cloud outstanding tasks at hand; and a wholesaler vault open by the wholesaler for keeping up data involving at any rate one of port mappings, cloud address mappings, and cloud remaining configure design data. (Cloud sMIce Secure VPN Remote ?' lISPAccess DataWarehuse Hadoop Cluster NoSOL Database F1ANi1C dr Fig 1. Cloud Architecture
    • 7. 发明专利
    • Ein auf Deep Learning basierendes System zur Erkennung und Verfolgung von Gestenobjekten
    • DE202022105250U1
    • 2022-09-27
    • DE202022105250
    • 2022-09-17
    • KIRUPAKARAN ANISH MONSLEYLASKAR RABUL HUSSAINSINGHA JOYEETAYADAV KULDEEP SINGH
    • G06V40/20G06V10/25G06V10/82
    • Ein auf Deep Learning basierendes System zur Erkennung und Verfolgung von Gestenobjekten, das System umfasst:eine Rotfarbenmarkierungserfassungs-Verarbeitungseinheit zum Erfassen der Rotfarbenmarkierung, die als ein Gestenobjekt wirkt, wobei die Rotfarbenmarkierung unter Verwendung eines auf einem Interessenbereich (ROI) basierenden Erfassungsmodells erfasst wird, das auf dem Ansatz der primären Erfassung und der Rotkomponentenerfassung (RCD) basiert;eine Verarbeitungseinheit zur Erkennung der bloßen Hand zum Erkennen der bloßen Hand in den Eingangsbildern unter Verwendung eines tiefen neuronalen Faltungsnetzwerks auf der Grundlage des Drei-Grad-Informationsansatzes, bei dem der interessierende Bereich durch Verwendung von Bewegungs- und Farbinformationen erhalten wird,eine Verarbeitungseinheit für die Verfolgung der bloßen Hand zur Verfolgung der bloßen Hand in den Eingangsbildern durch Implementierung eines Erfassungs- und Verfolgungsalgorithmus, der AlexNet und einen Punktverfolger zur Durchführung der Erfassung und Verfolgung von Gestenobjekten verwendet; undeine Erkennungsverarbeitungseinheit zum Durchführen einer Gestenerkennung, wobei die Gestenerkennung durch Implementieren eines separaten AlexNet-Netzwerks unter Verwendung des Transferlernens durchgeführt wird, wobei das Netzwerk unter Verwendung der NITS-Handgesten-Datenbank trainiert wird.