Ablehnung eröffnung hauptverfahren muster

In der Behauptung von Schreiber [Anmelder] heißt es, Schreibers Behälter habe „eine andere Form“ als das [Patent] von Harz. Tatsächlich haben [ ] eine Ausführungsform nach Harz (Abb. 5) und die in Abbildung 1 der Schreiber-Anmeldung dargestellte Ausführungsform die gleiche allgemeine Form. Aus diesem Grund kam der Prüfer zu Recht zu dem Schluss, dass die Öffnung einer konisch geformten Spitze, wie sie der Harz offenbart, von Natur aus eine Größe hat, die ausreicht, um „mehrere Kerne von geknalltem Popcorn gleichzeitig passieren zu lassen“ und dass die Verjüngung der konisch geformten Spitze von Harz von Natur aus von einer solchen Form ist, „dass sie das geplatzte Popcorn vor dem Ende des Kegels an sich verstauen und die Abgabe nur einiger Kerne erlauben und die Abgabe nur einiger Kerne erlauben und die Abgabe nur einiger Kerne zulassen kann. bei einem Schütteln eines Pakets, wenn die Oberseite am Behälter montiert ist.“ Der Prüfer stellte daher zu Recht fest, dass Harz einen prima facie Fall der Vorwegnahme festgestellt habe. In diesem Beitrag haben wir einen Mechanismus zur Erkennung unerwünschter Aktionen in einem kontinuierlichen Echtzeit-HMM-basierten Aktionserkennungssystem vorgestellt. Unser Ansatz ermöglicht die Frühzeitigerkennung unerwünschter Aktionen, wodurch keine zusätzliche Latenz des Systems entsteht. Wir haben eine Genauigkeit von 93 Prozent bei der Erkennung unerwünschter Bewegungen bei gleichzeitiger Aufrechterhaltung einer Erkennungsgenauigkeit von 94 Prozent erreicht. Wir haben den Echtzeit-Abstoßungsmechanismus in Simulationen in MATLAB überprüft. Der nächste Schritt besteht darin, diesen Mechanismus in unser Echtzeit-Aktionserkennungssystem zu integrieren.

Auch wurde diese Methode auf den Trägzdaten menschlicher Aktivitäten entwickelt. Wir verwenden einige Eigenschaften der statischen Haltungen, um einige spezielle Fälle zu behandeln, in denen die Wahrscheinlichkeit unerwünschter Muster höher ist. Aber wir erwarten, dass diese Technik gut funktioniert für eine breite Palette von Mustern, die von verschiedenen Sensoren mit oder ohne kleinere Optimierungen erhalten werden. Für die Validierung des Maßnahmenverweigerungsmechanismus haben wir zehn Versuche unerwünschter Aktionen 21–27 von Tabelle 1 aus den oben genannten vier Themen gesammelt. Auch hier wurden die Testdaten, die die unerwünschten Bewegungen enthielten, manuell mit Anmerkungen zum Beginn und Ende bekannter und unerwünschter Bewegungen unter Verwendung der Videodaten mit Anmerkungen gemacht. Diese Daten wurden zusammen mit den Trainingsdaten verwendet, um die Leistung des Erkennungssystems mit dem Abweisungsmechanismus zu messen.