基于深度学习的颅面点云生成模型

针对实际应用中对初始头骨数据完整性要求高、重建复原时间长、扩展性和实用性不强等问题,论文设计提出一种基于深度学习的形状修补以及形状学习颅面点云复原模型。模型通过使用补全自编码器(Repair AutoEncoder,rAE)从缺失的头骨点云数据中复原完整头骨点云,并通过形状生成自编码器(Generation AutoEncoder,gAE)来生成初始头骨所对应的头面部点云。实验表明该模型补全生成的头骨点云和学习生成的头部点云的复原精度能很好地支撑对头部模型的三维重建。论文提出的深度学习方法与传统方法相比较能够由不完整的头骨数据,快速、逼真和准确地重构三维头部形状,在经典颅面复原任务如:出土残缺古人类头骨补全、面貌复原、刑事案件侦破等任务中展现出良好的稳定性与可扩展性。

深度生成式对抗网络的超分辨率图像修复与重建

针对目前图像修复中存在的大面积缺失、修复语义不连贯、纹理不清晰、分辨率低等问题,提出一种深度生成式对抗网络的超分辨率(deep super resolution generative adversarial network,DSRGAN)图像修复与重建方法。首先,提出改进的DenseNet网络结构作为生成器,提取图像生成的特征信息实现残损图像上下文信息的准确定位;其次,构建相对条件判别器,实现图像数据集的多方位数据梯度接收;再次,利用DenseNet网络与深度生成网络相结合,建立图像低维信息和高维信息之间的映射关系;最后,将DSRGAN与GCA、SI、PIC模型通过CelebA、Places2及残损纺织物3个数据集进行实验测试。结果表明:残损图像经DSRGAN模型修复后的峰值信噪比和结构相似性具有明显的优势,峰值信噪比平均提高了2.57 dB、3.17 dB、5.89 dB;结构相似性平均提高了0.0835、0.1481、0.2641。

基于Kinect的虚拟鼠标体感交互

针对传统鼠标键盘人机交互中交互感不强的问题,提出了人体骨骼点控制模拟鼠标的体感交互方法,采用人体自然交互代替传统鼠标键盘交互.使用Kinect体感摄像头追踪人体骨骼点,将特定骨骼点的移动范围映射到整个电脑屏幕上并传递给虚拟鼠标,控制鼠标在整个电脑屏幕内的移动,能够实现鼠标触发事件和人体与应用自然交互.

三维虚拟古代士兵群体运动仿真研究

针对现有的虚拟群体动画技术难以同时保证动画的实时性和真实性等问题,提出了一种采用运动捕获数据和粒子群系统相结合的方法来实现群体的运动。对运动捕获数据进行分析与研究,采用Maya嵌入式脚本语言(MEL)建立并驱动三维骨架模型,从而产生骨架的运动,形成动画,最后采用粒子群系统实现群体的运动。经实验证明,此方法在三维场景中成功实现了古代士兵群体的行军运动仿真,且提高了制作群体动画的效率和逼真度。

基于结构光的3D激光扫描仪系统研究

近年来,3D激光扫描仪凭借其全自动高精度立体扫描的优点极大地促进了三维重建的发展与应用,然而,其过高的价格又极大地限制了其应用与普及。基于这一问题,提出了一种自制的低成本3D激光扫描系统,该系统基于结构光法原理,由常见的摄像头,线状激光发射器,标定板搭建而成。系统分为背景设置,相机标定及数据采集几个部分。实验结果表明,此系统能够完成对物体的三维扫描过程,具有成本低,性价比高的优点。

欠发达地区大学生思想政治教育路径探究——以兴义民族师范学院为例

与发达地区相比,欠发达地区经济困难和心理障碍的大学生有一些共性,也有一些特性,从欠发达地区经济困难和心理障碍大学生思想政治教育的必要性及意义入手,在调查欠发达地区经济困难和心理障碍大学生思想政治教育现状的基础上,提出了加强欠发达地区经济困难和心理障碍大学生思想政治教育工作的路径。

混合现实系统中标志物识别的改进ORB算法

针对混合现实技术在识别标志物时易发生抖动,且识别过程易受到遮挡影响的问题,从标志物特征点提取与匹配的角度入手,改进混合现实技术对标志物的识别算法。通过构造尺度空间,结合加速稳健特征(speeded up robust features,SURF)算法提取特征点,对ORB(oriented FAST and rotated BRIEF)算法的特征点提取和匹配进行改进。改进后的算法在特征点匹配的过程中精度更高,比SURF算法提升了38.8%,比ORB算法提升了28.3%,有效地提高了目标识别的效率。结果表明:把改进后的算法运用在混合现实系统中,可以在标志物被遮挡50%时,成功把虚拟模型叠加在标志物上,解决了模型抖动的问题。

复杂背景下的人体轮廓提取算法

针对现有人体轮廓提取方法在复杂背景情况下鲁棒性差、精确度不高的问题,提出了一种改进的自适应人体区域分割方法。首先提取肤色样本,并建立自适应高斯模型提取肤色区域,然后在HSV色彩空间分割提取服装区域,最后线性融合以上两检测区域实现人体区域的检测。实验结果表明,该方法可以得到比较准确且完整的人体区域,有效降低了复杂背景环境、光照等条件的限制。

改进优先权的Criminisi算法的图像修复的设计与实现

图像修复技术中经典的基于样本的修复方法是Criminisi算法。针对传统Criminisi算法中优先权计算方式不合理,导致修复效果不佳,为了改进图像的修复质量。提出一种新的优先权计算公式对图像的修复质量和效率进行改进,首先将原有的优先权公式变为加法,之后在优先权公式中加入结构张量增强图像的结构信息。通过大量的实验,结果表明提出的算法可以有效的提高图像的修复质量和效率。

面向Kinect深度图像的导向滤波算法改进

针对Kinect采集的深度图像普遍存在噪声和空洞的现象而降低人体动作跟踪和识别的效果及精度的问题,本文提出一种面向导向滤波的深度图像滤波算法。导向滤波的引导图采用双阈值的处理方法,通过对深度图像的直方图中灰度值的分布选取合适的阈值;然后对深度图像进行双阈值处理,生成二值化图像;最后将处理过后的深度图像作为引导图,利用导向滤波算法对空洞区域进行深度填充。实验结果表明,经该算法处理后的深度图像保持了导向滤波平滑保边的优点,由于引入阈值图像作为引导图像,在滤波的同时消除了光照阴影等导致的虚假边缘,并且此算法可以兼顾实时性和视觉效果。

增强现实中的目标远距离识别方法研究

在以往ARTool Kit增强现实系统中,摄像机能够正确识别标识物并在计算机生成虚拟物体的距离大都过近。针对增强现实三维注册过程中传统算法标识物匹配过程中误识率较高,识别距离不够远,提出了基于轮廓特征点的目标远距离识别方法。在识别过程中,利用多边形近似算法和金字塔中的迭代Lucas-kanade算法寻找图像中要跟踪识别的对象,对寻找到轮廓角点进行亚像素定位,利用角点的精确定位来跟踪目标。实验结果验证及分析表明,采用这种方法,其识别距离有大幅度增加。

血管介入手术三维导航仿真软件设计

本文在虚拟内窥镜技术的基础上,提出一种方法进行介入手术的三维导航仿真。该方法使用了两个三维绘制窗口分别读入体绘制和面绘制的血管模型。含有体绘制的血管模型的三维绘制窗口进行标志物移动的实时三维导航;含有面绘制的血管模型的三维绘制窗口进行标志物经过路径的显示和血管的内窥观察。通过两种绘制窗口同步仿真,来达到了对介入手术三维导航的目的。

面部像素的自适应高斯肤色检测模型

针对当前的人体肤色提取方法在复杂背景下精度不够的问题,本文提出了一种基于人体面部像素的自适应肤色的分割方法,针对每一幅人物图片自动生成其自适应的肤色分割阈值,并利用自适应更新出的肤色分割阈值来提高肤色检测的精度。相比于以前的只利用高斯模型经验值分割出的肤色区域的方法,有效减少了复杂环境下对肤色区域筛选的条件限制,通过改进后的提取方法与原高斯模型的提取方法在人物图片肤色提取精度上的对比,利用100张图片的实验结果进行观察分析。实验结果表明,该方法肤色区域检测精度平均提高2%左右。

实时织物悬垂性能物理模型及应用(英文)

快速计算机模拟和仿真技术是纺织物、服装的计算机辅助设计和制造的关键技术组成.逼真的纺织物、布料、服装的三维计算机可视化设计在其他许多领域也非常重要.例如在3DCG电影制作中逼真的计算机服装动态特效、3D电脑游戏、网上购物等.本文着重于计算方法,综述和分析了服装物理模型及其应用的最新进展,探讨了当前主要存在的问题,技术挑战,和可能的解决方案.提出了一种基于变形能的服装悬垂模型及算法,并展示了仿真结果.本文所提出的模型适用于纺织物、服装的快速计算机三维动态模拟.另外,也提出和探讨了识别纺织物材料的复杂动态变形材料性能参数的可能性方案.

增强现实交互技术在历史博物馆中的应用

针对文物展示形式枯燥单一以及使用的标志物被遮挡部分信息时虚拟物体将消失的问题,以西安历史博物馆中秦兵马俑为例,利用增强现实(Augmented Reality,AR)交互技术中.Vuforia特征点检测匹配方法实现秦兵马俑交互系统的显示.分析标志物的选取原则,虚拟按键的设置、计算,利用相似比算法将虚拟按键由二维坐标转化为三维坐标,根据真实秦兵马俑坐标信息制作的幻影模型导入计算机,通过参观者的手指控制标志物上已设置好的虚拟按键,实现人与秦兵马俑幻影模型之间交互显示的效果.AR变互技术的应用不仅可以展示数字化的历史文物,而且使人机交互成为可能.

基于深度学习的抗噪声点云识别网络设计

为了提高点云识别网络的抗噪声能力,降低神经网络在空间模型运算中对处理器的压力,设计一款轻量且具备抗噪声能力的点云识别网络。新的网络通过引入点云库技术,在多层感知机输入数据前添加了随机采样模块和近邻统计高斯滤噪模块,有效滤除复杂点云场景中的离群点。通过优化多层感知模块与全连接模块层次结构,减少网络冗余参数。实验证明:在模型识别准确率维持在84.2%的同时,相较于7种同类型网络,本网络对数据中的随机噪声具有较强的鲁棒性,并具有更快的识别速度。

基于深度学习的服装图像语义分析与检索推荐

针对服装检测推荐方法中的服装图像分割算法分割精度不高且存在多尺度特征融合不佳的问题,提出一种基于注意力机制和多尺度特征融合的深度卷积网络服装特征提取分析检索与推荐方法。该方法以图像语义分割算法为基础,从服装图像中提取高级语义信息,通过哈希函数对提取的特征进行编码,并引入ASPP对图像进行多尺度特征提取,然后使用注意力模型对提取到的特征进行融合并构建索引库,最终实现语义相似性服装推荐的功能。实验表明:本方法可以有效提高分割准确度,解决多尺度特征提取的问题,能够成功提取图像中的高层次语义特征,具有较高的分割准确率,在很大程度上提高了服装相似性语义推荐的效率。

一种改进的用于服装解析的自监督网络学习方法

针对现有的服装解析算法在复杂背景下分割准确率较低,依赖姿态估计等问题,提出一种基于深度卷积神经网络的自监督服装解析方法(Deeplabv2-SSL),即在Deeplabv2网络中注入一种自监督的结构敏感学习算法。新的算法在训练过程中不需要标注任何人体关节信息,直接从像素标签中学习人体更高层次的信息,利用学习到的人体关节信息更好地定位服装分割的区域,降低了姿态估计过程中的损失。实验表明,Deeplabv2-SSL网络可以有效地解析服装中人体的个别部位以及服装区域。测试过程中总体像素精度大约83.37%,平均像素精度大约52.53%,较其他语义分割模型性能更佳。

姿态估计算法在古建筑室内环境中的应用研究

摄像机姿态估计是影响三维注册成功与否的关键技术,目前在基于基本矩阵的估计中最流行的是八点算法,但八点算法针对平面场景出现明显的退化,因此在针对古建筑室内环境的注册应用中,为了扩大场景的适用范围,利用计算机视觉技术,对基于五点算法和八点算法的两种算法进行研究。以盒子结构为古建筑的室内环境结构进行模拟,结果表明,五点算法较八点算法恢复的三维模型有更高的精确性。

基于深度学习的机器人复杂动作控制技术研究

本文提出了一种基于深度学习的手势识别来控制机器人做复杂动作的解决方案。本文提出的方案展现出有效的开放性和可扩展性,无论是手势识别还是在机器人复杂动作方面,都可以根据需求做相应调整。同时,本研究工作创建了一个有效的基于人工智能网络的机器人控制实用实验平台。实验设计分别以运用6个基础手势控制机器人在危险环境中清除可疑物品为例,验证了开发的平台可以让机器人实时、远程地完成预设复杂动作,满足现实中自然人机交互的功能。