买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉纺织大学申请的专利一种智能交互式媒体展示方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115454243B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211108186.3，技术领域涉及：G06F3/01；该发明授权一种智能交互式媒体展示方法及系统是由廖海斌;袁理;简子倪设计研发完成，并于2022-09-13向国家知识产权局提交的专利申请。

本一种智能交互式媒体展示方法及系统在说明书摘要公布了：本发明提供一种智能交互式媒体展示方法及系统，其中方法包括：离线构建游客图片库；利用安装在媒体墙上的摄像头抓拍站在建筑媒体墙前的人脸，并利用人脸检测技术抓取出合格的人脸图像，然后，利用人脸分析技术对提取的合格人脸图像进行属性分析，判断建筑媒体墙前的人脸性别、年龄和身份属性；结合构建的游客图片库，根据人脸检测和分析的结果进行媒体墙智能展示；利用手势识别技术让用户与媒体墙进行无接触交互，包括暂停、开始、前翻、后翻、删除。本发明创新性的将人脸识别、手势识别技术应用于建筑墙面，智能化的展示媒体墙内容，并提供无接触式交互方式，使用户不但具有存在感、惊讶感，还具有互动感和友好感。

本发明授权一种智能交互式媒体展示方法及系统在权利要求书中公布了：1.一种智能交互式媒体展示方法，其特征在于，包括如下步骤： 步骤1，离线构建游客图片库，采集游客照片，将对应的标准人脸图像作为每个游客的身份标签，并以此建立每个游客的图像文件夹，并对游客图片进行性别和年龄分类存储； 步骤2，利用安装在媒体墙上的摄像头抓拍站在建筑媒体墙前的人脸，并利用人脸检测技术抓取出合格的人脸图像，然后，利用人脸分析技术对提取的合格人脸图像进行属性分析，判断建筑媒体墙前的人脸性别、年龄和身份属性； 步骤3，结合构建的游客图片库，根据人脸检测和分析的结果进行媒体墙智能展示，并赋予每个展示的图片一个方便记忆的编号； 步骤4，利用手势识别技术让用户与媒体墙进行无接触交互，包括暂停、开始、前翻、后翻、删除； 步骤4的具体实现方式如下： 采用深度协同字典学习的手势识别方法实现无接触交互，具体实现过程为： 对输入的待识别手势图像进行特征提取，利用mobileNetV3构建轻量级特征提取网络，提出特征向量m为特征向量维数； 对所述特征向量y使用手势完备字典D进行线性组合表示，建立深度稀疏表示模型并求解系数向量： 其中，w为需求解的稀疏表示系数，是w近似值，γ为常量平衡因子，||·||12表示12范数； 根据上式求解的线性组合的系数向量进行手势分类识别，所述手势有5个类别，分别定义为暂停、开始、前翻、后翻、删除； 进一步地，对所述特征向量y使用手势完备字典进行线性组合表示之前，还包括所述手势完备字典的训练步骤，为了提高模型的准确率和鲁棒性，提出深度协同学习的字典训练方法： 根据深度学习的思想对手势训练样本X进行多层次深度分解学习得到手势子字典Dc∈D： 其中，D＝{D1,…,Dc,…,D5},X为手势训练样本矩阵；为第c类手势中不同层的字典，为对应的系数矩阵；Ds,Ws分别为共享字典及其对应的系数矩阵，即待求解的参数；根据非负矩阵分解原理有： 上式解释为对包括有暂停、开始、前翻、后翻、删除手势信息的训练样本X进行多层次分解，找到其新的表示方式Ws和新表示空间 为了增加字典的非线性表示能力，根据深度神经网络的方法对系数矩阵进行修改： 其中，i表示第i层，范围[1～m]，g·为非线性激活函数，因此，深度协同字典学习模型的目标函数为：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉纺织大学，其通讯地址为：430073 湖北省武汉市洪山区纺织路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。