基于循环神经网络的人体运动模型的隐状态初始化方法

针对基于循环神经网络(RNN)的人体运动合成方法存在首帧跳变,进而影响生成运动的质量的问题,提出一种带有隐状态初始化的人体运动合成方法,将初始隐状态作为自变量,利用神经网络的目标函数作为优化目标,并使用梯度下降的方法进行优化求解,以得到一个合适的初始隐状态。相较于编码器-循环-解码器(ERD)、残差门控循环单元(RGRU)模型,所提方法在首帧的预测误差分别减小63.51%和6.90%,10帧的总误差分别减小50.00%和4.89%。实验结果表明,该方法无论是运动合成质量还是运动预测精度都优于不进行初始隐状态估计的方法;它通过准确估计基于RNN的人体运动模型的首帧隐状态可提升运动合成的质量,并且为实时安全监测中的动作识别模型提供可靠的数据支持。

基于Transformer时间特征聚合的步态识别模型

步态识别是最有前途的基于视频生物识别技术之一。目前,大多数步态识别方法更着重于提升神经网络提取空间特征的能力,而忽视在时间维度上特征的聚合。针对步态识别中缺乏时间维度特征提取能力的问题,提出了一种基于Transformer时间特征聚合的步态识别模型。首先,步态剪影序列通过卷积神经网络提取特征,与位置编码结合;然后,在时间维度上使用Transformer编码器聚合时间特征;最后,连接线性分类层实现步态识别。在最流行的步态识别数据集CASIA-B上进行实验,所提模型比GaitSet模型识别准确度在NM#5-6上提升了3.4个百分点,BG#1-2上提升了1.5个百分点,CL#1-2上提升了11.6个百分点。实验结果表明,Transformer提升了网络对时间维度特征的聚合能力,并且降低了模型对外套和携带物的敏感性。

基于LSTM-CNN-Attention模型的电力设施非周期巡视决策方法

随着电力系统规模的日益增大,电网面临不确定性故障的危险,会影响人们的日常生活,甚至可导致重大安全事故。因此,提前预测电力设施的运行状态并作出巡视修检决策非常重要。但常用的决策方法(如支持向量机(SVM)模型等)在这些实际应用场景中存在准确度不高、召回率低的问题。针对这一问题,提出一种结合长短期记忆(LSTM)、卷积神经网络(CNN)和注意力(Attention)机制的电力设施非周期巡视决策方法LSTM-CNN-Attention,将数据经过极限梯度提升(XGBoost)特征选择和归一化处理后输入该决策模型,利用注意力机制对经过LSTM和CNN层提取的包含时间和空间的信息作加权处理,区分信息的重要程度,以在输出预测结果时能够更关注那些对结果影响最大的信息,确保在预测过程中更重要的信息能够得到更大的关注和贡献,以提高预测结果的准确性和可靠性。通过在电力设施运行数据集上进行对比实验,验证了LSTM-CNN-Attention的准确率、精确率、召回率和F1-score性能评估指标优于CNN-LSTM、XGBoost、CNN、随机森林、SVM和逻辑回归模型的学习算法。

人体运动仿真综述

人体运动仿真是生物力学、机器人学和计算机科学交叉产生的研究领域,其目的是建立计算模型模拟人体在给定约束下自然真实的物理运动.与一般的人体动画相比,人体运动仿真要求合成的人体运动满足牛顿定律.因此,人体运动仿真除了可用于特效制作,还可用于物理任务的操作培训和学习等方面.首先介绍人体运动仿真的起源与典型应用,然后阐述人体运动仿真研究的关键技术.在关键技术介绍中,引入人体运动仿真研究中使用的人体简化几何模型和物理模型,然后将人体运动仿真方法分成两类:基于前向动力学方法与基于逆向动力学方法,并详细介绍它们的发展历程和最新研究进展.最后从交互动作的仿真、仿真结果验证等几方面讨论人体运动仿真未来可能的发展方向.

基于增量学习的深度人脸伪造检测

【目的】随着计算机视觉、计算机图形学以及深度学习技术的发展,深度人脸伪造(DeepFake)技术取得了以假乱真的效果,若被非法利用,将给个人、社会和国家带来严重的安全隐患。已有的人脸伪造检测方法大多通过一次训练来推断或预测伪造人脸存在的某种特定“指纹”进行真伪检测,当面对新的伪造类型时,这些方法使用全部数据重新训练网络以保持其检测能力,否则检测效果将急剧下降。然而,重新训练网络需要相对大的代价,并且阻碍了模型实时学习新知识的能力。鉴于此,本文提出一种检测伪造人脸的增量学习方法。【方法】引入动态可扩展的增量学习框架,以保证模型在吸收新知识的同时能保留对旧知识的记忆;使用多分类指导二分类的方式来提高模型的分类能力,最终实现对人脸图像的精确分类。【结果】在两个公开数据集上进行实验。在实验定义的FF++扩充集和ForgeryNet扩充集上,本文方法能同时保持在新旧任务上的人脸伪造检测性能;在实验定义的ForgeryNet扩充集上,现有的人脸伪造检测方法达到了近98.33%的平均ACC(accuracy),本文方法达到了96.16%的平均ACC,但前者使用了超出后者接近3倍的存储和计算资源;将实验定义的ForgeryNet扩充集的后5个任务视为新任务,每个任务下每个类别仅包含100张训练数据,现有方法在该5个任务上达到了近88.72%的平均ACC,本文方法达到了93.83%的平均ACC。【局限】为了保持正负样本的平衡,训练时需要成对的训练样本,这引入了不必要的训练数据,增加了训练负担。【结论】本文提出的人脸伪造检测方法通过增量学习的方式提高了模型对检测不断出现的伪造样本的有效性。实验结果表明,本文方法能以较低的计算代价,达到与现有方法相当的检测能力;在训练数据匮乏的情况下,达到比现有方法更优的伪造检测能力。

面向体育训练的三维人体运动模拟与视频分析系统

面向体育训练的三维人体运动模拟与视频分析系统 研发该系统（如图1所示）的目的在于，实现体育训练方法的两个进步和转变。即从传统的主要基于人眼观察的方法向基于高精度视频捕捉与分析的人体运动测量方法的转变；从基于经验的训练分析方法到基于人体运动仿真模拟的人体运动分析方法的转变。

人群疏散虚拟现实模拟系统——Guarder

人群疏散的虚拟现实模拟就是利用虚拟现实技术,在计算机生成空间中建立公共设施和人群的三维模型,设定各种可能发生的安全危机和相应的疏散预案,模拟并三维地展示人群疏散场景;通过对模拟结果进行统计分析,可以验证人群疏散应急预案的合理性和有效性.介绍了人群疏散模拟虚拟现实系统Guarder设计的核心思想,提出了技术框架,详细阐述了其中的复杂环境语义表示、群体运动仿真等关键技术,并给出了应用实例,最后列举了几个前沿研究问题.

数字化三维蹦床运动模拟与仿真系统——VHTrampoline

设计和实现了一个用于辅助蹦床运动科学训练的计算机模拟与仿真软件系统VHTrampoline.其原理是:在人体运动生物力学数据和真实人体运动捕获数据的基础上,通过运动编辑技术实现技术动作的修改和成套技术动作的模拟,并用人体运动方程分析和验证模拟结果;同时,基于虚拟现实方法将模拟结果与真实视频同步对比实现可视化的分析.除了必须的交互操作,文中涉及到的计算都是实时的.与传统训练方法相比,该系统具有直观、量化等优点.

基于物理的角色动画合成方法综述

角色动画一直是计算机动画和虚拟现实领域的重要研究内容之一.近年来,随着3D游戏动漫以及电影特效制作产业的蓬勃发展,角色动画对物理真实性的要求日益迫切,基于物理的角色动画合成受到了研究者们越来越多的关注,催生了许多新方法与新技术.该研究问题的核心是人体运动合成方法,其旨在驱动虚拟角色运动,生成满足物理运动规律的动画.重点围绕角色动画合成方法的研究进展进行介绍.首先在对国内外研究工作全面分析与总结的基础上,根据关节力矩的计算方式不同将其分为7类:时空约束法、约束动力学优化法、低维模型法、有限状态机、数据驱动法、动力学过滤法、概率模型法,详细阐述每一类方法的原理及特点后,重点介绍每类方法中近期出现的新工作.其次,对上述各类方法的优缺点进行对照分析.最后,结合实际应用需求,针对目前工作中存在的不足,提出一些可继续深入研究的问题.

一种基于混合模型的实时虚拟人服装动画方法

实时服装动画生成技术能够为三维虚拟角色实时地生成逼真的服装动态效果,在游戏娱乐、虚拟服装设计展示等领域有着广泛的应用前景.其难点在于如何建立服装动画计算模型,在实时计算的前提下获得最佳的服装动画生成效果.在对服装模型与人体模型在运动过程中发生的位置冲突(collision,也称碰撞)进行分析的基础上,研究并提出了一种基于混合模型的实时虚拟人服装动画计算模型.首先,根据服装动画样本数据中服装与人体发生位置冲突的信息,对服装与人体的运动相关性进行分析;在此基础上,提出并实现一种新的混合策略,将具有较好服装动态模拟效果的动力学计算模型与具有较高计算效率的几何变形方法进行混合,建立支持实时计算且效率可动态控制的服装动画计算模型.实验结果表明,该计算模型能够实时地生成具有较好视觉逼真性的服装动画.

一种姿态无关的人体模型骨骼提取方法

随着三维扫描技术的逐渐成熟,三维人体扫描模型的骨骼提取逐渐成为虚拟人建模研究领域的热点之一.现有的三维人体模型骨骼提取方法,存在手工标注任务繁重、对模型姿态过于敏感、计算结果不准确等问题.提出了一种新的三维人体模型的骨骼提取算法:首先,根据Morse原理,将测地距离作为Morse函数的要素,实现姿态无关的人体模型特征点以及拓扑结构的提取;其次,将测地距离等值面作为基础数据,采用截面似圆性判别准则提取模型关节中心所在等值面,从而获得关节中心的准确结果.实验结果表明,与已有算法相比,该方法具有模型姿态无关、计算结果准确等特性,并且能够完全自动地提取三维人体扫描模型的骨骼.

基于二阶倒立摆的人体运动合成

为了合成物理真实、实时可控的人体运动,提出了一种基于二阶倒立摆的人体运动合成方法.方法分三步实现:首先将人体运动状态映射为一个二阶倒立摆模型;然后根据步态控制参数与环境约束,对二阶倒立摆进行运动规划;最后基于二阶倒立摆的运动,根据人体运动规律与高层用户需求,优化计算关节力矩,合成人体全身运动.利用文中方法,通过设置不同的参数,如步幅、步频等,能够实时控制人体运动,生成物理真实的人体运动.与现有的低维模型方法相比,该方法能够生成更加自然真实的人体下肢运动.该文合成方法既不需要使用运动捕获数据,也无需耗时的离线优化.

人体运动的函数数据分析与合成

在许多虚拟现实的应用中,虚拟人作为人在计算机中的表示,是提高其交互能力和沉浸感的重要因素之一.然而,对于虚拟人建模而言,合成逼真、可控的虚拟人运动仍然是具有挑战性的课题.为此,提出了一种基于函数数据分析的人体运动合成方法.通过对一组样本运动进行函数主成分分析,构建出一个由特征运动构成的低维函数子空间.该低维子空间不仅能够有效地刻画样本序列内在的变化规律,而且也为有目的的运动合成提供了方法.在该空间中,通过控制各特征运动的系数即可合成出逼真、平滑的运动序列.该合成过程没有耗时的计算,因此能够满足各种实时应用的需求.相关的实验结果证明了该算法的有效性.

布料动画方法研究进展及问题

布料动画技术是计算机动画领域的热点研究方向,可以广泛应用于数字娱乐、三维游戏以及服装工业等多个领域.布料动画技术最为核心的研究问题是布料动画方法,其旨在构建动画模型,驱动布料产生形变,继而生成连续动画.好的布料动画方法是保证富有动感、且视觉逼真的布料动画生成的根本因素.近年,由于实际应用对布料动画模拟逼真性与实时性等需求的迫切增长,许多新技术和新方法应运而生.文中重点围绕布料动画方法的研究进展进行介绍.首先在对国内外研究工作进行全面分析与总结的基础上,根据生成布料动画所采用的技术不同,将其分为几何法、物理法、混合法、自适应网格法、约束动力学法、实例数据法、并行计算法等7大类,详细阐述每一类方法的原理及特点,并重点介绍每类方法近期出现的新工作;其次,对各类方法的优缺点及产业影响进行对照分析;最后,结合实际应用需求,针对目前工作中存在的不足,提出一些可继续深入研究的问题,并指出布料动画技术研究与应用的前景方向.

基于局部支撑姿态的逆运动学求解

逆运动学(Inverse Kinematics)是虚拟角色运动控制的一种基本方法,它根据用户指定肢体末端的位置计算出虚拟角色各个关节的旋转.传统算法求解时没有考虑人体姿态的运动规律,因此其结果不能完全令人满意.文中提出了一种利用捕获的运动数据辅助求解逆运动学问题的新方法.通过自组织映射(Self-Organizing Map,SOM)对姿态数据学习和聚类,获得一组刻画人体姿态空间的支撑姿态,然后通过对问题所在局部空间的支撑姿态加权优化来求解逆运动学问题.该方法克服了传统方法结果不自然、计算效率较低的缺点.实验结果也表明了该文方法的有效性.

体育训练三维人体运动模拟与视频分析系统

在运动训练中引入数字图形图像技术 ,研制面向体育训练的三维人体运动仿真与视频分析系统 ,为我国体育健儿备战 2 0 0 8年奥运会提供强大的科技保证 首先介绍了研制系统的背景与意义 ,然后从视频分析与三维运动模拟两个方面概述了系统所具有的关键功能 ,最后较为详细地阐述了为实现这些功能所需要解决的关键问题及解决方法 ,包括视频运动人体提取与跟踪。

一种用于群体模拟的分层次避障法

个体避障是实现基于主体的(agent-based)群体模拟中一个很重要的问题,为了实现个体间以及个体和环境间的碰撞避免并杜绝穿透,人们提出了大量避障方法.但是,这些方法面临的挑战在于:如何杜绝穿透现象并最大程度地减少由于避障需求而带来的个体行为模拟上的空间限制和失真.针对这一问题,提出了一种分层次避障方法,从静态避障、动态避障、穿透矫正3个不同的层次对避障进行处理.静态避障层和动态避障层通过对物体的划分和分别避障,极大地减少了各层次避障时需要考虑的各种复杂情形;而基于可变包围盒和原位置的穿透矫正层则有效地杜绝了模拟中出现的穿透现象,也消除了现有模拟中由于避免穿透而引入的空间限制和失真.

一类构造性几何不等式的机器证明

阐述了一个基于胞腔分解的不等式证明算法 .据此算法编制的Maple通用程序能有效地处理含有根式的不等式型定理 ,对于Bottema等所著《几何不等式》一书中的大部分不等式定理的验证尤其高效 .

一种有效的隐式约束动力学布料动画方法

布料动画中,通常采用施加约束的方式限制布料的过度拉伸.已有的研究工作没有充分考虑拉伸约束与弯曲形变之间的关系,构造的动画模型并不完善,无法模拟布料无拉伸而多褶皱的"刚柔"相混的复杂变形效果.针对此问题,提出一种基于隐式约束力的布料动画方法.首先,建立有效的布料弯曲受力模型,并提出一种动态适应性约束方法,能够同时处理布料运动过程中结构和剪切2种不同类型的拉伸,避免单一结构拉伸约束导致的"过剪切"变形或者过约束导致的"刚性"失真效果;建立碰撞约束,避免局部调整穿透质点引起的过度拉伸问题.其次,将各种约束以隐式约束力的形式增加到动力学系统中,采用约束型迭代精化的方法进行求解.实验结果表明,该方法稳定有效,能够在保持布料弯曲形变的前提下,将拉伸控制在合理范围内,真实地刻画布料"易弯抗拉"的变形特征,实现逼真的布料变形动画模拟.

三维服装仿真中的“服装-人体”快速冲突检测及响应算法

三维服装仿真可以为三维人体动画生成逼真的服装动态效果,但其中的冲突检测与仿真计算的时间复杂度太高,其实用性一直受到很大限制·提出了一种快速的“服装-人体”冲突检测及响应算法,在人体运动状态下,快速检测服装与人体之间的位置冲突,其时间复杂度仅为O(n)(n为服装模型上的顶点数目)·在此基础上,提出一种合理有效的冲突响应机制,并实现快速稳定的三维服装仿真,取得了真实的仿真结果·