[發(fā)明專利]一種估計個性化頭相關傳輸函數的方法及相關設備

在審

• 申請?zhí)枺?/td>: 202011368576.5
• 申請日: 2020-11-27
• 公開（公告）號: CN112328676A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設計）人: 李登實;官端正;趙蘭馨;梁曉聰;曾露;張宇
• 申請（專利權）人: 江漢大學
• 主分類號: G06F16/25
• 分類號: G06F16/25;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 劉杰

1.一種估計個性化頭相關傳輸函數的方法，其特征在于，所述方法包括步驟：

獲取頭相關傳輸函數樣本數據庫數據；

根據深度神經網絡和卷積神經網絡構建網絡訓練模型；

根據所述頭相關傳輸函數樣本數據庫數據和所述網絡訓練模型訓練得到個性化頭相關傳輸函數預測模型；

采集受試者人體圖像數據；

根據所述人體圖像數據計算受試者人體參數數據；

根據所述人體參數數據和所述個性化頭相關傳輸函數預測模型估計個性化頭相關傳輸函數。

2.根據權利要求1所述的估計個性化頭相關傳輸函數的方法，其特征在于，所述獲取頭相關傳輸函數樣本數據庫數據包括步驟：

獲取頭相關傳輸函數樣本數據庫；

獲取所述頭相關傳輸函數樣本數據庫中的頭相關脈沖響應；

獲取所述頭相關傳輸函數樣本數據庫中的人體測量參數；

獲取所述頭相關傳輸函數樣本數據庫中的雙耳圖像。

3.根據權利要求1所述的估計個性化頭相關傳輸函數的方法，其特征在于，所述根據深度神經網絡和卷積神經網絡構建網絡訓練模型包括步驟：

配置第一深度神經網絡、第二深度神經網絡和卷積神經網絡；

將所述第一深度神經網絡和所述卷積神經網絡的輸出端與所述第二深度神經網絡的輸入端連接。

4.根據權利要求1所述的估計個性化頭相關傳輸函數的方法，其特征在于，所述根據所述頭相關傳輸函數樣本數據庫數據和所述網絡訓練模型訓練得到個性化頭相關傳輸函數預測模型包括步驟：

將所述頭相關傳輸函數樣本數據庫數據中的人體測量參數作為輸入送入所述網絡訓練模型中的第一深度神經網絡；

將所述頭相關傳輸函數樣本數據庫數據中的雙耳圖像作為輸入送入所述網絡訓練模型中的卷積神經網絡；

將所述第一深度神經網絡和所述卷積神經網絡的輸出作為聯合輸入送入所述網絡訓練模型中的第二深度神經網絡；

將所述頭相關傳輸函數樣本數據庫數據中的頭相關脈沖響應作為所述第二深度神經網絡的輸出；

訓練得到所述個性化頭相關傳輸函數預測模型。

5.根據權利要求1所述的估計個性化頭相關傳輸函數的方法，其特征在于，所述采集受試者人體圖像數據包括步驟：

配置門形框架和柱形框架；

在所述門形框架上安裝第一攝像頭和紅外裝置；

在所述第一攝像頭旁放置第一參照物；

在所述柱形框架上安裝第二攝像頭；

在所述第二攝像頭旁放置第二參照物；

通過所述第一攝像頭采集受試者側面全身圖像和頭部圖像；

通過所述紅外裝置采集受試者身高數據；

通過所述第二攝像頭采集受試者正面全身圖像和正面面部圖像。

6.根據權利要求1所述的估計個性化頭相關傳輸函數的方法，其特征在于，所述根據所述人體圖像數據計算受試者人體參數數據包括步驟：

獲取受試者身高數據、第一參照物尺寸數據和第二參照物尺寸數據；

測量所述人體圖像數據中各圖像中的人體數據；

根據所述身高數據、所述第一參照物尺寸數據、所述第二參照物尺寸數據和所述人體數據計算所述人體參數數據。

7.根據權利要求1所述的估計個性化頭相關傳輸函數的方法，其特征在于，所述根據所述人體參數數據和所述個性化頭相關傳輸函數預測模型估計個性化頭相關傳輸函數包括步驟：

獲取所述人體參數數據；

獲取所述個性化頭相關傳輸函數預測模型；

將所述人體參數數據輸入所述個性化頭相關傳輸函數預測模型中；

得到所述個性化頭相關傳輸函數預測模型輸出的所述個性化頭相關傳輸函數。