一种基于深度学习与大数据的体感游戏交互方法及系统

发明专利无效专利

申请号：
CN201710471290.1
IPC分类号：G06F3/01;G06K9/00;G06K9/62;G06N3/08
申请日期：
2017-06-20
申请人：
深圳市泽科科技有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习与大数据的体感游戏交互方法及系统
申请号	CN201710471290.1	申请日期	2017-06-20
法律状态	驳回	申报国家	中国
公开/公告日	2017-10-24	公开/公告号	CN107291232A
优先权	暂无	优先权号	暂无
主分类号	G06F3/01 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F3/00 用于将所要处理的数据转变成为计算机能够处理的形式的输入装置；用于将数据从处理机传送到输出设备的输出装置，例如，接口装置〔4〕 G06F3/01 用于用户和计算机之间交互的输入装置或输入和输出组合装置（G06F 3/16优先）〔8〕	IPC分类号	G;0;6;F;3;/;0;1;;;G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;8查看分类表>
申请人	深圳市泽科科技有限公司	申请人地址	广东省深圳市南山区西丽街道新西路5号银河风云大厦208-209 变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	深圳市泽科科技有限公司	当前权利人	深圳市泽科科技有限公司
发明人	吕怡静;刘伟平;杜戈;奚杭
代理机构	暂无	代理人	暂无

摘要

本发明公开了一种基于深度学习与大数据的体感游戏交互方法及系统，属于人机交互技术领域。方法包括：步骤一收集动作视频样本数据集；步骤二建立并离线训练深度卷积神经网络模型；步骤三使用将深度卷积神经网络模型。系统包括：深度卷积神经网络离线训练模块，实时人机交互模块，基于大数据的深度网络模型在线优化模块。本发明使用普通摄像头实时采集游戏玩家游戏操作视频，经过深度卷积神经网络提取动作高层语义特征，对肢体动作进行判别，并转换为对游戏目标的实际控制数据，从而实现由玩家肢体控制游戏目标做出与玩家运动相应的动作。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供