基于无标记点运动跟踪的步态参数提取

提出一种无标记点的步态参数提取方法,采用基于模型的人体运动跟踪方法,无须标记点即可从视频图像序列中获取运动步态参数。利用粒子滤波算法跟踪人体目标运动过程,通过基于外观模型的相似度计算及边界匹配误差判断定位腿部关节点。依据曲线拟合方法在跟踪与定位结果上提取运动步态参数。实验结果表明,该方法能精确定位腿部关节点且有效地提取步态参数。

一种无标记点人脸表情捕捉与重现算法

提出了一种无标记点的人脸表情捕捉方法.首先根据ASM(Active Shape Model)人脸特征点生成了覆盖人脸85%面部特征的人脸均匀网格模型;其次,基于此人脸模型提出了一种表情捕捉方法,使用光流跟踪特征点的位移变化并辅以粒子滤波稳定其跟踪结果,以特征点的位移变化驱动网格整体变化,作为网格跟踪的初始值,使用网格的形变算法作为网格的驱动方式.最后,以捕捉到的表情变化数据驱动不同的人脸模型,根据模型的维数不同使用不同的驱动方法来实现表情动画重现,实验结果表明,提出的算法能很好地捕捉人脸表情,将捕捉到的表情映射到二维卡通人脸和三维虚拟人脸模型都能取得较好的动画效果.

无标记点面部表情捕捉及动画在Unity3D上的实现

文章研究了结合Dlib人脸表情特征点获取及其在Unity3D中驱动表情动画的应用,讨论了流行的人脸特征提取库提取的人脸特征点的数量、结构和分布,分析了各特征点驱动动画的影响程度的,选出对动画影响较大的部分关键点,并说明了使用关键点驱动Unity3D中Blendshape模型使之产生动画的过程,同时讨论了特征点与Blendshape变形Key的映射关系,并应用在Unity3D端。

基于深度学习融合算法的无标记点步态分析系统

目的以有标记点三维运动捕捉系统(MoCap)为金标准,基于双向长短时记忆(bi-lateral long short term memory,BiLSTM)递归神经网络和线性回归算法构建深度学习融合模型,减小深度传感器的系统误差,从而提高深度传感器下肢运动学分析的准确性。方法招募10名健康男性大学生进行步态分析,应用MoCap系统和Kinect V2传感器同时采集数据。通过Cleveland Clinic及Kinect逆运动学模型分别计算下肢关节角度。以MoCap系统为目标,Kinect系统得到的角度为输入构建数据集,分别用BiLSTM算法和线性回归算法构建学习模型,得到系统误差修正后的下肢关节角度。使用留一交叉验证法评估模型的性能。采用多重相关系数(coefficient of multiple correlations,CMC)及均方根误差(root mean square error,RMSE)表示下肢关节角度波形曲线相似程度以及平均误差。结果BiLSTM网络比线性回归算法更能够处理高度非线性的回归问题,尤其是在髋关节内收/外展、髋关节内旋/外旋和踝关节趾屈/背屈角度上。应用BiLSTM网络的误差修正算法显著降低Kinect的系统误差(RMSE<10°,其中髋关节RMSE<5°),下肢角度波形呈现很好的一致性(除髋关节内旋/外旋角度外,CMC>0.7)。结论本文开发的基于深度学习融合模型的无标记点步态分析系统可以准确评估下肢运动学参数、关节活动能力、步行功能等,在临床和家庭康复中具有广泛的应用前景。

蓝光面扫描三维测量技术及其在铸造领域的应用

面扫描三维测量技术作为一种快速、便携、高精度的非接触式三维测量技术,在铸造领域得到了广泛的应用。本文研制了一套蓝光面扫描三维测量系统,该系统采用先进的蓝光技术,消除被测物体表面多反射特性的影响,提高了三维测量精度,单次测量精度达到0.02 mm,整体测量精度达到0.05 mm/m。并针对现有面扫描三维测量技术依靠标志点进行多视点云拼接的缺点,提出了一种基于几何特征的无标记点拼接算法,减少了人工干预,提高了测量效率。

基于实时动作捕捉技术在影视动画中的研究

随着《金刚》、《加勒比海盗2》、《阿凡达》等一系列影视作品的热映,这些影片中的虚拟角色可谓是深入人心,深受观众的喜爱。这些虚拟角色的建立不同于传统的3D影视动画制作,而是取自于真实的人物动作和表情。综述了目前动作捕捉领域中几大主流动作捕捉系统,并且详细讲解了动作捕捉技术在影视动画领域的应用,最后提出了一种新的动作捕捉设计方案-无标记点的动作捕捉设计。

一种基于Kinect相机的腹部肝穿刺介入导航系统

为验证Kinect相机用于腹部肝穿刺介入导航的可行性,开发了一套基于第二代Kinect相机的被动光学定位导航系统。该系统实现了一种无标记术中注册方法,分别从术前腹部X-射线计算机断层图像和Kinect相机获取的彩色及深度图像中提出腹部表面点云数据做匹配,实现术中数据与术前数据融合。为验证系统的导航精度,分别在1个腹部体模和6只健康比格犬肝脏区域做了穿刺导航实验,穿刺结果分别统计了靶点配准误差、用户手动误差和靶点定位误差。体模实验显示,靶点配准误差、用户手动误差和靶点定位误差分别为(4.26±1.94)mm、(2.92±1.67)mm、(5.23±2.29)mm。同时比较了第一代和第二代Kinect相机应用于穿刺导航的性能,实验结果表明,第二代相机的导航精度明显高于第一代。动物实验中得到的靶点定位误差及其横向、径向误差分量为(6.40±2.72)mm、(4.30±2.51)mm、(3.80±3.11)mm。由实验结果可知,该研究成功验证了Kinect相机用于腹部肝穿刺介入手术导航的可行性。

人工智能在压力容器焊缝表面形貌检测中的应用

为保证压力容器的安全,相关标准规定了压力容器的焊缝咬边、余高等尺寸。本文针对压力容器焊缝表面形貌检测,介绍了焊缝检验尺、激光视觉、无标记锚点等三种检测方法,并分析了三种方法的优缺点,及人工智能在特种设备领域的应用前景。

人工智能在压力容器焊缝棱角度检测中的应用

本文分析了GB 150—2011中关于压力容器焊缝棱角度检测规定的特点,介绍了棱角度样板检测法、棱角度尺检测法、激光视觉检测法和无标记锚点检测法四种压力容器焊缝棱角度的检测方法,比较了人工智能检测方法与常规检测方法的优缺点,展望人工智能在特种设备领域的应用。