【技术实现步骤摘要】
【国外来华专利技术】
本公开涉及增强现实（ar）系统和方法。更具体地，本公开涉及一种用于估计对象的身体部位（例如，手）的标志点（landmark point）的方法和电子装置。
技术介绍
1、手部标志（hlm）估计是诸如沉浸式系统（例如，ar系统、虚拟现实（vr）系统等）中的姿势检测和手部渲染的任务中的关键组成部分。准确的手部标志估计需要计算代价较高的神经网络，该神经网络需要更多的处理时间。对于在诸如视频透视（vst）和机器人的装置上进行实时部署而言，需要一种高效的用于手部关键点估计的方法。现有的用于手部标志的方法在计算上不具备“遮挡感知（occlusion-aware）”。这意味着现有方法需要相同数量的计算来检测区域中的标志，而不管是否存在遮挡。但是，由于输入数据的根本不可用性，不能非常准确地估计遮挡区域（occluded region）中的手部标志。因此，基于场景中的遮挡的存在的差分计算可帮助降低改善神经网络的性能。然而，当前方法不具有在存在遮挡时进行差分计算的能力。
2、图1描绘根据相关技术的手部被对象（例如，瓶子等）遮挡的示例场景。>
3、参照图1本文档来自技高网...
【技术保护点】
1.一种由电子装置执行的用于估计主体的身体部位的至少一个标志点的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，每一个神经网络序列中的所述神经网络的所述预定义数量与所述标志估计的确定的校正因子成反比。
3.根据权利要求1所述的方法，其中，轻量化深度神经网络预测与生成的所述身体部位的至少一个标志点的初始粗略估计相关联的置信度得分。
4.根据权利要求1所述的方法，还包括：
5.根据权利要求1所述的方法，
6.一种电子装置，包括：
7.根据权利要求6所述的电子装置，其中，每一个神经网络序列中的...
【技术特征摘要】
【国外来华专利技术】
1.一种由电子装置执行的用于估计主体的身体部位的至少一个标志点的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，每一个神经网络序列中的所述神经网络的所述预定义数量与所述标志估计的确定的校正因子成反比。
3.根据权利要求1所述的方法，其中，轻量化深度神经网络预测与生成的所述身体部位的至少一个标志点的初始粗略估计相关联的置信度得分。
4.根据权利要求1所述的方法，还包括：
5.根据权利要求1所述的方法，
6.一种电子装置，包括：
7.根据权利要求6所述的电子装置，其中，每一个神经网络序列中的所述神经网络的所述预定义数量与所述标志估计的所述校正因子成反比。
8.根据权利要求6所述的电子装置，其中，所述轻量化深度神经网络预测与生成的所述身体部位的至少一个标志点的初始粗略估计相关联的置信度得分。
9.根据权利要求6所述的电子装置，
10.根据权利要...
【专利技术属性】
技术研发人员：帕万·普拉萨德·宾德安·哈里普拉萨纳，格林·罗什·凯艾斯，维沙卡·艾斯尔，崔成洙，禹贤泽，李菜垠，金范洙，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。