基于2D人体图像特征学习的女西装合体性判别

为解决服装远程定制和网络购衣过程中服装合体性无法预先判断的问题,文章提出利用2D人体图像判断女西装合体性。首先采集了462名18~25周岁青年女性的2D图像及3D尺寸,建立人体数据集。并制作10件虚拟女西装,建立服装数据集。其次提取用于女西装合体性判别的服装特征、2D人体图像关键点距离特征和整体特征。基于感性工学原理,采用专家评价法获取女西装合体性评价标签。最后利用贝叶斯分类器建立女西装合体性判别模型。研究结果显示,将文章提出的特征应用于基于贝叶斯算法的女西装合体性判别模型判别准确率可达到84.8%,说明提出的服装合体性评价指标有效,可以用于基于2D图像的服装合体性预测。

基于人体图像生成的姿态无关人物识别

人物识别技术能够使机器人具备对用户身份识别的能力,从而有效提高机器人的智能交互水平。人物识别面临的主要挑战之一是姿态的变化对人物身份特征提取的影响。针对该问题,提出基于人体图像生成的姿态无关人物识别方法,通过生成与库中目标人物相同姿态的人体图像,消除姿态变化对人物外观特征造成的影响。该方法首先利用人体分割图将人体区域与背景分离,尽量降低复杂多变的背景对人物外观特征的干扰;然后在目标姿态的引导下生成与目标图像姿态一致的人物图像;最后设计了一个特征融合模块将源图像和生成图像的身份特征进行融合,提取姿态无关的鲁棒身份特征用于人物识别。此外,为更好地区分不同的人物,在训练中生成相同姿态的负样本,对约束模型学习更为细粒的可鉴别性身份特征。人物识别和人体图像生成的实验结果验证了该方法的有效性。

人体图像精细化解析方法在语义边缘的性能评测与分析

人体图像精细化解析旨在为输入的人体图像进行像素级分类,属于细粒度的图像语义分割任务,由于具有广阔的应用场景,在近10年受到了研究者的关注,相关技术得以迅速发展.本文重点研究现有人体图像解析精细化模型对人体图像语义边缘的预测性能.首先,总结现有人体图像数据集,对比数据集在规模和标注类别方面的差异;其次,根据模型原理性差异,从通用图像语义分割、辅助信息引导、高分辨率特征增益和标签降噪4个方面对现有人体解析方法进行梳理和分类;再次,针对现有评估指标对于语义边缘区域预测能力敏感度不足的问题,构建新的评估指标,即平均边缘交并比(mean Boundary Intersection over Union,mBIoU),并用于对现有模型的评估,从数值上对比各方法的性能差异;最后,展望了人体解析未来的发展方向.研究结果表明:平均边缘交并比相较于现有指标能够更好地区分模型在语义边缘区域预测性能的差异,对人体图像精细化解析模型解决人体解析任务特有挑战的能力具有良好的评估作用,有利于未来算法的开发与性能评估.

基于改进ViT的红外人体图像步态识别方法研究

针对卷积神经网络在步态识别时准确率易饱和现象,以及Vision Transformer(ViT)对步态数据集拟合效率较低的问题,提出构建一个对称双重注意力机制模型,保留行走姿态的时间顺序,用若干独立特征子空间有针对性地拟合步态图像块;同时,采用对称架构的方式,增强注意力模块在拟合步态特征时的作用,并利用异类迁移学习进一步提升特征拟合效率。将该模型运用在中科院CASIA C红外人体步态库中进行多次仿真实验,平均识别准确率达到96.8%。结果表明,本文模型在稳定性、数据拟合速度以及识别准确率3方面皆优于传统ViT模型和CNN对比模型。

高清数码相机联合HeadScan V04标化人体图像系统用于化妆品祛斑美白功效评价

目的:利用高清数码相机联合HeadScan V04标化人体图像系统提取皮肤颜色,评估该系统在祛斑美白产品功效性评价应用中的可行性。方法:本研究招募22例受试者,分别于祛斑美白化妆品使用前、使用后4周、8周应用Chromameter CR400和高清数码相机联合HeadScan V04标化人体图像系统测量试验区和对照区的皮肤颜色参数。结果:高清数码相机联合HeadScan V04标化人体图像系统测量的皮肤颜色值与Chromameter CR400测量结果一致;两种方法测量的L^(*)值、b^(*)值和ITA°值具有较高的相关性。结论:高清数码相机联合HeadScan V04标化人体图像系统非接触式皮肤颜色检测方法在身体用祛斑美白产品拍摄定位和功效评价中具有重要的价值和意义。

彩色人体图像的二值化方法

为了快速有效的对彩色人体图像进行二值化处理,提出了一种新的自适应二值化处理方法。该方法根据人体肤色特征,建立人体肤色模型;根据该模型,分割出肤色和非肤色,再直接转换成二值图像。由于人体肤色受到不同光照和环境的影响,人体彩色图像中的人体肤色值会有偏移。为了改善肤色模型适应不同环境和光照,在肤色分割过程中,采用了自适应Gamma校正方法。最后,给出了该方法的实验结果。实验结果表明,提出的彩色人体图像的二值化方法快速且有效。

红外人体图像模糊Renyi熵快速分割

针对红外人体图像目标与背景对比度低、边缘模糊、细节分辨能力差等特点,以及通常情况下的实时性处理要求,提出了一种新的有效分割方法。基于Renyi熵原理,构造了一种广义模糊熵——模糊Renyi熵;为了较快地获得分割阈值,基于混沌理论设计了一种混沌模拟退火算法,用于最佳分割阈值的搜索;把提出的模糊熵与混沌模拟退火算法相结合用于红外人体图像分割,并与几种著名的图像阈值分割方法进行了比较。实验结果表明,用该方法对红外人体图像进行分割,能得到较满意的分割结果,与其他方法相比,鲁棒性较好;对具有256级灰度的图像进行分割,其CPU耗时约为0.8s,满足了红外人体图像分割的精确、实时性要求。

基于小波变换的人体图像自适应滤波处理

根据人体图像的特点,采用中值滤波器与小波滤波器相结合对人体图像进行了自适应滤波．实验结果表明,采用自适应滤波器对人体图像滤波后,不但滤波效果较传统滤渡得以提高,而且对人体图像边缘也有良好的保护作用,提高了人体图像的信噪比,改善了图像质量,并为人体图像去噪提供了一种新方法．

基于模糊Havrda-Charvát熵与混沌PSO算法的红外人体图像分割

针对红外人体图像成像质量较差的问题,提出一种基于模糊Havrda-Charvát熵的快速阈值分割方法.首先应用Z形及S形隶属度函数把图像灰度直方图信息转换到模糊域,定义图像背景与目标的模糊Havrda-Charvát熵;然后提出一种基于Tent映射的混沌粒子群优化算法,把隶属度函数参数组合作为粒子,根据最大熵原理确定参数的最佳组合,再由最佳隶属度函数参数计算得到图像的最佳分割阈值.在真实红外人体图像集上与几种经典的图像阈值方法进行对比实验的结果,说明了该方法的有效性和鲁棒性.

基于青年女性人体图像的裙裤结构参数化设计

为实现裙裤结构的合体性和数字化设计,通过彩色分割、轮廓光滑处理等图像处理方法提取了青年女性人体图像轮廓,通过识别人体特征点,得到人体的宽度和厚度尺寸。按照宽度与厚度的比值指标进行青年女性人体体型细分,构建了基于宽度和厚度的前后腰围、前后臀围拟合方程。剖析了裙裤结构设计的参数取值规律,并分析了现代裙裤结构设计方法。研究结果表明:基于青年女性人体图像的围度拟合方程的预测值相对误差小于2的比例超过85%,结合裙裤结构设计参数取值规律,实现了裙裤结构的参数化设计,能够满足青年女性个性化的着装需求。

单目人体图像序列的运动及结构参数估计

利用人体行走的单目动态图像序列 ,估计手臂及腿部的运动及结构参数 .在物体中心坐标的运动表示方式下 ,提出了基于弹性连接概念的非刚体运动模型 ,通过加入弹性系数的方法 ,使非刚体运动模型和刚体运动模型得到了良好的统一 .在此模型的基础上 ,用 Levenberg- Marquardt方法实现了运动及结构参数的估计 .实验证明了该方法的有效性 。

人体图像边缘提取在泳装结构设计中的应用

人体图像的边缘包含许多重要的信息,与服装结构设计有关的尺寸可以从中获取.本文以人体数字图像为研究对象,运用最佳阈值分割、孔洞填充、开运算及像素连通性等算法对数字图像进行处理,有效地提取出光滑封闭的边缘.在提取的人体图像边缘上,直接获取泳装结构设计所需要的腰高、腰宽、腰厚、肩宽、小肩宽、落肩、股上长等相关尺寸,通过围度拟合获取了胸围、腰围、臀围等围度尺寸,以实现泳装的结构设计.

数字化人体图像和三维模型在解剖教学中的应用

通过在教学过程中,将数字化人体图像和三维模型进行融入其中,能有效提高学生对人体的理解和认识,从而有效提高教学质量。通过应用现代影像学和人体解剖学,实现数字化模型的建立,并将实物断层面图像和影像进行对照,从而加深对图像的理解,并深刻记忆影像之间的联系和区别。总的来说,数字化人体图像和三维模型在解剖学应用中,能有效提高其教学质量,值得在解剖教学中推广应用。

数字化人体图像和三维模型在解剖教学中的实践研究

将数字化人体图像和三维模型应用到解剖教学中，能够有效解决实践教学课时少的问题，帮助学生更好地了解和认识人体结构，保证良好的教学效果。文章结合数字化人体图像和三维模型的概念，对其在解剖教学中的实践应用进行分析和讨论。

基于小波变换的人体图像边缘检测

根据人体图像的特点 ,利用三次样条二进小波 ,采用Mallat快速算法进行小波分解 ,提取了人体图像的正面和侧面边缘 .结果显示 ,提取图像的边缘连续性较好 ,弯曲部分边缘也能准确提取 。

基于小波的人体图像边缘检测的研究及实现

针对人体图像边缘检测的问题,本文从工程应用的角度上分析小波变换的原理,利用Mallat方法对图像信息进行处理。通过C++编程,来实现人体图像的边缘检测。

人体图像边缘检测的算法研究

较系统全面地总结了边缘检测的方法,介绍这些方法的优缺点和适用范围,并针对人体图像的特点及本文所要研究的问题,论述了适合于人体图像边缘检测的基于小波变换的多尺度边缘检测算法.

基于空间变换的属性可编辑的人体图像合成

针对现有姿态引导的人体图像合成方法无法灵活地编辑人体外观属性的问题,通过对输入的人体图像进行语义分割得到不同部位的外观属性,替换这些属性即可达到同时编辑人体姿态与外观属性的目的。针对纯卷积结构的生成对抗网络无法很好地生成衣服上的图案的问题,提出了新的空间变换算法对多个源属性的特征图进行空间变换,使衣服上的图案得到了保留。实验结果表明,所提出的方法实现了控制人体属性的目的,并且相比于之前的方法具有更好的视觉效果。

数字化人体图像和三维模型在解剖教学中的应用探析

目的:探析数字化人体图像和三维模型在解剖教学中的应用疗效。方法:随机选取2016级护理专业两个班与2017年护理专业两个班为本次实验观察对象,2016级护理专业两个班护理解剖课采用传统标本教学,2017级护理专业两个班护理解剖课在传统教学方法的基础上采用数字化人体图像和三维模型进行教学,比较2016级护理专业两个班学生与2017级护理专业两个班学生解剖课教学结果。结果:2016级护理专业学生解剖课调查问卷显示解剖知识掌握情况、标本识别满意度以及对教学方式满意度均明显低于2017级护理专业学生,且2016级护理专业学生客观考核成绩均低于2017级护理专业学生,组间比较差异具有统计学意义(P <0. 05)。结论:护理专业解剖课采用数字化人体图像和三维模型教学可有效提高学生对解剖知识的掌握,提高护理专业解剖学教学质量。

人工智能时代的视频侦查困境与突围——以人体图像智能合成技术为例

人工智能技术的发展在带来生活便利的同时,也给予犯罪分子新的反侦查技术灵感。近年来在国内外迅速风靡的人体图像合成技术便是一种认知度较高的人工智能技术,该技术的出现打破了司法人员对于视频资料的信任,使得视频侦查工作陷入困境。通过对该技术原理进行解构分析,可见其尚存较多缺陷,加之视频资料并非“孤证”,在有详尽的取证程序进行约束和其他证据相互印证的侦查体系下,人工智能技术的发展不足为惧,反而可成为助力。