© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
杭州一隅千象科技有限公司
企业杭州一隅千象科技有限公司成立于2017年，属科技推广和应用服务业，主营人工智能硬件销售。面向虚拟现实、姿态估计、姿态识别等领域提供数据服务，开放混合现实空间3D人体姿态虚拟视频数据（虚拟现实、姿态估计）、步入式混合现实空间2D人体姿态深度图数据（姿态识别、虚拟现实）、步入式混合现实空间人体姿态识别RGB数据（姿态识别、混合现实交互），支撑监测研判与运维优化。
虚拟现实姿态估计姿态识别科技推广服务高新技术企业
数据集列表
高精度建筑UE5资产数据
建筑空间模拟、交互体验与设计方案演示。凭借高精度建筑资产，能够分析建筑尺度、环境与视觉效果，为建筑、环境设计领域提供助力，可应用于教学、科研及技能培训，强化空间可视化与沉浸式呈现效果。该数据兼容多终端、支持二次开发，是建筑类虚拟应用的基础数字资源。
浙江省数据知识产权登记平台2026-07-17 更新00
混合现实空间3D人体姿态虚拟视频数据
混合现实空间3D人体姿态虚拟视频数据聚焦复杂人机交互场景，基于 UnrealEngine 构建虚拟仿真环境，生成含 RGB 视频、深度图、3D 骨架标注的多模态数据，覆盖多角色、多场景，具备多模态融合、环境挑战覆盖全面、精度可控等优势 。在应用场景上，可深度赋能多领域：广泛服务教育培训、应急管理、安全生产与地产建筑等领域，支撑职业技能实训、安全行为监管、虚拟应急演练及沉浸式展示，为智慧教育优化教学动作示范、工业安全强化风险行为识别、数字地产实现场景沉浸式呈现 。目前已在智慧教育、工业安全、数字地产等方向落地，提供数据支撑与技术方案，从科研突破到产业实践，驱动各领域创新升级，助力教学提效、风险预警、决策优化，拓展应用边界，释放数据价值 。1.虚拟动作生成：在 UnrealEngine (UE) 环境中搭建多类虚拟场景，覆盖简化实验空间与复杂交互空间。利用骨骼驱动的人体角色模型，结合外部动作库（如 Reallusion 等），生成包含日常行为、交互动作及高难度姿态的动画序列。
2.多模态渲染与标注：在场景中布置多视角虚拟摄像机，实时渲染输出 RGB 图像与深度图 (RGB-D)。同步生成 3D 骨架关键点、相机参数及可见性标签，保证每帧均具备完整、无缺失的标注。
3. 2D 姿态推理与噪声模拟：为模拟真实应用场景中的推理偏差，对渲染生成的视频逐帧输入自研的多模态 2D 姿态估计算法。输出带噪声的 2D 关键点预测结果，用于模拟现实场景下因遮挡、光照或动作突变引入的预测抖动与误差。
4.伪深度值构建：基于深度图信息，将预测的 2D 关键点映射到三维空间，生成伪 3D 关键点坐标。该结果既保留了真实推理中的不确定性，又能作为新的信息融合使用，满足多层次算法研究需求。
5.数据存储与利用：最终数据集包含三类信息：RGB-D 视频（多视角渲染结果）；高精度 3D GroundTruth（虚拟骨骼驱动生成）；带噪声的 2D / 伪 3D 推理结果（模拟真实应用场景和辅助信息融合）。
浙江省数据知识产权登记平台2025-11-12 更新230
步入式混合现实空间人体姿态识别RGB数据集
步入式混合现实空间人体姿态识别RGB数据集为全球首创顶部视角全局采集人体姿态识别数据集，使用自研设备在混合现实场景中自主拍摄，采集连续帧 RGB 图像。采用经真实场景数据训练优化的自训练目标检测算法，对每帧图像定位人体目标，可适应混合现实复杂环境；输出带置信度、坐标为（x, y）的人体外接矩形框，支持后续精准提取人体区域。集成多个针对特定场景设计训练的自训练姿态估计神经网络，输入人体框内 ROI 图像；可精准定位人体肩部、肘部、腕部、髋部等 17 个关键点，同时输出各关键点的像素坐标与置信度，为指标分析提供准确数据基础，同时为重建物理空间人体姿态提供核心输入。
杭州数据产权登记平台140
虚拟三维工业场景里的人因仿真姿态图像数据
本数据集基于虚幻引擎高保真虚拟工业场景与 4m×4m 沉浸式光影空间采集真人工业实操数据，仅适用于虚拟 / 混合现实工业场景下的真人行为研究与算法研发，聚焦装配、搬运、设备面板操作等工业典型实操动作，支撑工业人因数据分析、工业人体姿态识别、人机协作智能决策等算法全流程研发，不适用于非工业、非沉浸式及无真人实操的虚拟仿真研究。数据适用于智能制造行业，覆盖离散制造装配产线、工业工位作业、工厂沉浸式实训等领域，可支撑混合现实工业交互、工业人因工程、智能人机协作算法、工业作业行为评估等技术研发，面向高校与科研院所相关科研团队、工业视觉及姿态识别算法企业研发人员、智能工厂与工业实训设备研发机构、工业人因安全及效率优化工程技术人员。数据可结合姿态识别算法开展人因分析与人机协作决策，解决传统工业人因研究实景成本高、高危操作难实测、数据采集匮乏的痛点，量化作业指标以优化工位布局与作业流程、降低工伤风险；同时解决通用姿态模型工业适配性差、虚实融合场景识别精度不足的问题，助力工业 MR 穿戴设备、视觉监测系统算法迭代与落地，支撑智能制造领域人因分析、混合现实交互、智能人机协同的实际落地。
浙江省数据知识产权登记平台2026-07-17 更新00
步入式混合现实空间2D人体姿态深度图数据
该数据面向复杂人机交互与高精度动作识别，广泛应用于虚拟现实、增强现实、智能制造、教育培训、应急管理、安全生产及地产建筑等领域。通过高质量深度与RGB数据融合，可在复杂光照、遮挡及多人交互环境中实现精准人体姿态捕捉，支持裸眼3D沉浸式教学、虚拟实验、应急演练、实时监控与建筑展示，有效提升交互体验与应用效率。1.数据采集：通过自主研发的深度成像设备，在混合现实场景中持续采集多帧深度图，重点覆盖光照复杂、阴影频繁和低光等环境。采集过程严格遵守法规与安全规范，确保数据 合规可靠，同时避免泄露个人隐私，为后续姿态识别算法提供稳定输入。 2. 人体检测：采用针对深度图优化的自训练目标检测算法，对每一帧深度数据进行人体区 域定位。该算法结合了大规模真实场景深度样本进行训练，能够在复杂光影与背景变化条 件下保持高鲁棒性。算法输出人体外接矩形框坐标及其置信度，确保后续姿态估计步骤的 数据基础精准可靠。 3. 关键点提取：在检测到的人体区域基础上，引入多模型集成的人体姿态估计算法。输入为人体 ROI 的深度图像，输出为人体 17 个关键点（如肩、肘、腕、髋等）的空间像素坐标及置信度。由于深度图具有更强的几何约束，模型能够在复杂环境中实现稳定、精确的骨骼关键点定位。 4. 动态指标计算与误差识别：基于连续帧的推理结果，对各个关节在时间维度上的运动变化（速度和加速度）进行计算。同时结合关键点的置信度分布，对可能存在预测偏差的帧进行标记，从而为后续人工审核提供依据。 5. 人工修订：对于运动加速度超过设定阈值的异常帧，或关键点置信度不足的低质量预测，由专业人员进行人工校正。在人工修订过程中，常见的关键点预测误差类型主要包括： Jitter：预测点在真实位置附近存在微小抖动；Miss：预测点与真实位置相距较远，未能落在相应部位邻近区域； Inversion：同一人体实例内部出现混淆，例如将左肘识别为右肘；Swap：不同人体实例之间的混淆，预测点被错误地落在另一人的对应部位附近。 6. 时空平滑优化：利用自研的时空神经网络，对经过修正的关键点序列开展平滑处理。该模型综合考虑时间连续性与空间一致性，有效减少因采集噪声或检测误差带来的抖动，使最终输出的深度姿态序列更加自然、流畅，显著提升数据的整体质量。
浙江省数据知识产权登记平台2025-11-12 更新190
步入式混合现实空间人体姿态识别RGB数据
适用于教育培训、应急管理、安全生产与地产建筑等领域。通过采集高质量RGB数据并结合深度学习技术，实现精准动作捕捉与投影匹配，呈现裸眼3D无穿戴交互体验。数据采集要求光线充足、背景简洁、设备固定；算法可实时提取人体骨骼关键点，支持虚拟实验、沉浸式教学、应急演练、实时监控及建筑展示。目标用户包括教育机构、培训中心、应急管理部门、安全监管机构和地产设计营销单位，有效解决穿戴设备依赖、交互延迟等问题，提升互动体验与效率。1.数据采集：运用自研设备在混合现实场景中自主拍摄并采集连续帧RGB 图像。采集过程严格遵循相关法规与安全标准，确保数据来源合法合规，且不涉及侵犯个人隐私等问题。
2.人体目标检测：采用自训练且经过优化的目标检测算法，针对每帧图像开展人体目标定位工作。算法基于大量真实场景数据进行训练与优化，能够有效适应混合现实场景中的复杂环境。该算法输出带有置信度的人体外接矩形框，其坐标表示为（x, y），便于后续精准提取人体区域。
3.关键点回归：利用自训练的多个姿态估计神经网络进行集成，将人体框内的ROI 图像作为输入。这些神经网络针对特定场景经过精心设计与训练，能够充分发挥各自优势，实现对人体17 个关键点（如肩部、肘部、腕部、髋部等）的精准定位，同时输出各关键点的像素坐标和置信度，为后续的指标分析提供准确的数据基础。
4.指标分析：依据连续帧的推理结果，对各关节在帧间的加速度进行计算。同时，结合关键点的置信度进行综合筛选，从而精准地识别出可能存在误差的帧，为后续的人工修正提供依据。
5.人工修正：对于加速度大于预设加速度阈值的异常帧，以及关键点置信度小于可靠阈值的单帧，安排专业人员进行人工干预。操作人员借助标注工具，手动调整错误的关键点坐标，确保数据的准确性。在人工修正过程中，详细记录修正操作，以便后续追溯与审核。
6.平滑处理：采用自训练的时空神经网络进行姿态平滑处理，对修正后的关键点序列进行优化。该网络充分考虑了时间和空间维度的信息，能够有效降低相邻帧之间的加速度误差，使关键点序列更加平滑自然，提升最终输出的人体姿态数据的质量。
浙江省数据知识产权登记平台2025-07-28 更新200