基于边界检测和骨骼提取的显著性检测网络

目前一些方法通过多任务联合实现显著性检测,在一定程度上提升了检测精度,但仍存在误检和漏检问题,其原因在于各任务优化目标不同且特征域差异较大,导致网络对显著性、物体边界等特征辨识能力不足.基于此,借助边界检测和骨骼提取提出一种多任务辅助的显著性检测网络,其包括特征提取子网络、边界检测子网络、骨骼提取子网络以及显著性填充子网络.其中,特征提取子网络利用ResNet101预训练模型提取图像的多尺度特征;边界检测子网络选择前3层特征进行融合,可完整保留显著性目标的边界信息;骨骼提取子网络选择后两层特征进行融合,可准确定位显著性目标的中心位置;所提方法基于边界检测数据集和骨骼提取数据集分别对两个子网络进行训练,保留最好的边界检测模型和骨骼提取模型,作为预训练模型辅助显著性检测任务.为降低网络优化目标与特征域之间的差异,设计了显著性填充子网络将提取的边界特征和骨骼特征进行融合和非线性映射.在4种数据集上的实验结果表明,所提方法能有效恢复缺失的显著性区域,优于其他显著性目标检测方法.

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.

一种人体运动骨骼提取和动画自动生成方法

现有的动画生成方法存在手工操作繁琐、模型姿态受局限等问题.提出了一种新的人体模型动画自动生成方法,首先自动提取和识别位于人体四肢和头顶末端的5个特征点,以特征点为起点,计算模型等测地线的中心线.在中心线上根据人体测量学知识,确定关节点的近似位置,然后根据人体骨骼刚性运动特征和运动数据文件提供的骨骼信息,进行关节点精确定位,再通过热力学扩散方程计算顶点权重最后将提取的骨骼采用局部坐标架对齐的方法实现与运动数据匹配,并以运动数据驱动皮肤产生人体动画实验结果表明,与现有算法相比,具有与模型姿态无关、全自动、产生动画效果好等特点.

基于空间分割的人体模型骨骼提取算法

当今社会,人们对于娱乐和创意的需求带动了网络与数字媒体技术的发展,而这种发展也给人们的生活带来了很大的改变.而实现骨骼的自动提取,是目前数字媒体技术研究的热点之一.本文首先通过高度函数,对模型进行处理,进行模型部位的分割,将模型分割为数个水平集,并在对水平集进行处理后对模型的拓扑结构进行分析,将模型分解为5个部位:躯干、双臂和双脚.接下来,本文使用测地距离函数对模型的各个部位分别进行处理,并基于Dijsktra算法设计算法计算并获取到这些部位的曲线骨骼,将各部分结合形成模型整体的曲线骨骼结构.最后,本文对获取到的模型的曲线骨骼进行降采样,获取模型的关节骨骼.通过骨骼点的连通性将模型关节点分类为关键关节点和非关键关节点,通过关节处的结构特征或是比例特征依次对关节点进行提取,以此求得精确度和鲁棒性较高的关节骨骼.

基于深度图像的人体骨骼提取技术的研究

利用Kinect设备获取深度图像,通过前景提取得到深度图像中的人体目标,使用距离变换(包括欧氏距离、城市街区距离、棋盘距离方法)和图像细化算法(包括Hilditch细化算法和Zhang快速并行细化算法)研究并实现了人体骨骼的提取,通过实验对各算法的运行效果进行了对比分析。同时,利用深度图像具备深度信息这一特点解决了在骨骼提取中出现的人体自遮挡问题。在获取的人体骨骼线基础上根据人体测量比例定位人体各骨骼关节点,最终通过实验证明了该骨骼提取方法的有效性。

一种自适应二阶指数平滑滤波在Kinect骨骼提取的应用

为了改进Kinect获取骨骼坐标的稳定性,提出了一种基于二阶指数平滑滤波的方法,引入移动速度趋势增量,并根据当前速度情况,采用一次线性插值方法实现平滑系数的自适应化,最后通过关节角度计算来获取人体上半身的关键部位角度,并映射到仿人机器人本体。实验结果表明,该算法拥有更好的平滑过渡性,并且能够有效地避免由于原始数据突变带来的仿人机器人手臂抖动的情况。

骨骼DNA提取与检测的法医学研究进展

骨骼DNA提取与检测是大规模灾难受害者、失踪人员以及刑事案件法医DNA鉴定过程的重要组成部分。骨骼的部位、类型以及温度、湿度、微生物、酸碱度等因素都会影响骨骼中DNA的“质”和“量”,从而影响检测的准确性。随着科技的发展,短串联重复序列基因座、DNA检测试剂盒以及单核苷酸多态性技术、线粒体DNA检测技术不断进步,提高了骨骼DNA的提取与检测的成功率。因此,了解影响DNA提取与检测的骨骼类型以及环境因素,选取适当的检测方法和手段显得尤为重要,通过重点综述影响骨骼DNA质量的环境因素以及骨骼DNA提取与检测手段的研究进展,以期为法医学领域使用骨骼作为检材时遇到的问题提供指导。

任意姿态虚拟人网格模型骨骼提取算法

人体骨骼动画技术是虚拟人物建模中的研究重点。在现有人体骨骼动画的制作过程中,动画师必需手工标定人体各主要关节点位置及人体骨架每一关键帧的姿态,工作量巨大。因此提出一种自动提取人体任意姿态网格模型骨架结构的方法。该方法首先利用模型各顶点间测地距离的几何关系自动识别人体位于四肢和头顶末端的5个特征点,再以特征点为起点生成等测地距离曲线族,利用等测地距离曲线将人体四肢和躯干区分开来,将这些相邻等测地线中心连接起来生成5条骨骼中心线,最后在中心线上根据中心夹角极小值及等测地距离曲线似圆率来确定人体关节的确切位置。实验结果表明,该算法能适应不同姿态的人体模型,计算结果准确性高,能完全自动实现关节点定位和骨骼提取。

CTA影像头部骨骼组织提取算法

计算机断层血管造影(CTA)影像单纯根据灰度信息无法良好地分离血管组织和骨骼组织.结合CTA影像的灰度特点,提出基于改进的三维区域生长算法的骨骼组织外轮廓提取和基于改进的Snake模型的骨骼提取算法.首先结合概率论的相关知识改进区域生长判定条件的准确性,提出三维区域生长的快速的骨骼区域种子点提取方法,使得它可以获得比较准确的骨骼组织区域.之后选取Snake模型并对其进行改进,增加了影像能量信息项,使得该模型可以更好地解决当前的问题.最后给出了实验结果并和传统算法进行对比,证实所提出的骨骼组织分割提取算法效果良好.

骨骼肌提取液对大鼠坐骨神经损伤所致腰段脊髓腹角和背根节神经细胞溃变的影响

用ＣＴ－ＨＲＰ逆行追踪法及ＣｈＡＴ单克隆抗体的ＡＢＣ免疫组织化学技术研究了新生大鼠骨骼肌提取液（ＭＥ，２０～５０ｋＤ）对钳夹大鼠坐骨神经所致的腰骶部脊髓腹角和背根节神经细胞溃变的影响。实验结果显示：注射ＭＥ实验组的脊髓腹角运动神经元和背根节细胞的存活均数与注射盐水的对照组相比，其比值为６：０，有显著性差异（Ｐ＜０．０１）。提示骨骼肌提取液（２０～５０ｋＤ）对脊髓腹角运动神经元和背根节感觉神经细胞的演变有明显的保护作用。

骨骼肌提取液促进体外培养神经干细胞增殖作用研究

目的寻找促神经干细胞分裂增殖物质,为神经系统发育研究和神经系统疾病的治疗研究提供新的依据。方法用硫酸铵盐析及超滤离心法分离骨骼肌蛋白质,体外培养新生小鼠神经干细胞,通过神经球生成的观察、特异性蛋白质免疫细胞化学染色和MTT比色检测法鉴定神经干细胞并判断其增殖能力。结果在培养物中有大量神经球生成,且与对照组差异有显著性(P<0.01),神经干细胞的特异性蛋白质(Nestin)免疫细胞化学染色呈阳性。结论骨骼肌提取液可促进体外培养神经干细胞增殖分裂,且呈一定量效关系,其有效成分为分子量≤100 ku的蛋白质分子。

限定骨骼肌提取液（ME，10～50kDa）影响培养的大鼠脊髓腰段运动神经元生长的定量研究

用胎鼠的限定骨骼肌提取液（ＭＥ，１０～５０ｋＤａ）作用于无血清培养的胚胎大鼠脊髓腰段腹角细胞后，用四唑盐（ＭＴＴ）微量自动比色定量法和ＬＤＨ活性测定法检测了骨骼肌提取液对大鼠脊髓运动神经元生长存活的生物活性，结果显示：细胞培养４ｄｉｖ后，ＭＴＴ微量比色的ＯＤ值随加入骨骼肌提取液浓度的增加而升高，含骨骼肌提取液２００和４００μｇ／ｍｌ蛋白的实验孔与单纯无血清的对照孔比较有极显著性差异（Ｐ＜０．００１），说明２００μｇ／ｍｌ以上浓度的骨骼肌提取液对脊髓腹角神经元的生长有明显的促进作用。细胞培养１４ｄｉｖ后，ＬＤＨ活性测定ＯＤ值的线性回归斜率亦随加入骨骼肌提取液浓度的增加而升高，说明存活细胞数的增加。实验说明培养神经细胞的ＭＴＴ和ＬＤＨ的检测方法有可能成为评估运动神经营养因子活性的指标。

人胚肢芽、骨骼肌提取液的运动神经营养活性研究

目的:从人胚胎肢芽、骨骼肌中提取对运动神经元具有生物活性的神经营养因子。方法:用人胚胎肢芽、骨骼肌制备提取液,以成年Wistar大鼠骨骼肌提取液及生理盐水为对照,在切断单侧坐骨神经的Wistar乳鼠动物模型上,检测运动神经营养活性。结果:在损伤侧局部注射提取液,术后30天损伤侧腰髓运动神经元存活率:第2月人胚肢芽提取液组为73.7％;第4～5月胎儿骨骼肌提取液组为67.2％;成年大鼠骨骼肌提取液组为48.2％;生理盐水空白对照组为25％。结论:人胚胎肢芽、骨骼肌提取液与两个对照组相比均显示了明显的运动神经元营养活性。

基于光学图像的一种路面裂缝中心矢量线提取方法

针对道路裂缝进行检测并将其数据录入数据库是进行路面养护的基础,为避免传统人工检测时可能出现的误差大、妨碍交通等问题。本研究将车载CCD相机所获取的公路路面图像通过均值滤波变换、局部自适应的阈值分割、形态学去噪后识别提取图像路面裂缝区域,并通过骨骼提取算法及中心矢量线毛刺剔除与续接处理,提出一种基于光学图像的路面裂缝中心矢量线提取方法,实现了自动化获取可录入数据库的路面裂缝数据。

基于Kinect的人体骨骼信息提取与手势识别

Kinect for Windows SDK是微软专为Kinect传感器而设计的一套软件开发包,通过Kinect.NET接口可以使开发人员在LabVIEW平台上使用.NET技术来实现Kinect传感器的开发利用。通过介绍Kinect骨骼追踪原理、人体手势识别的原理,阐述了在LabVIEW平台上对Kinect进行开发的具体流程。首先提取并显示人体二维图像及三维骨骼信息,然后利用人体骨骼三维信息求解人体关节角度的空间向量,实现通过Kinect来对人体骨骼信息及人体手势的识别,从而进一步拓宽了体感控制的应用范围。

失神经骨骼肌提取液对雪旺细胞体外增殖的作用(英文)

目的 :观察去神经支配骨骼肌粗提液在体外培养条件下对雪旺细胞 (Schwanncells,SCs)增殖的作用 ,了解外周神经损伤后SCs大量增殖的机理。方法 :将新生大鼠SCs培养标本分为加正常骨骼肌提取液组 ,加失神经支配骨骼肌提取液组和正常对照组 ,每组 10个标本。通过活细胞计数和S 10 0免疫细胞化学染色证实 ,观察两种肌肉提取液对SCs增倍时间的影响。结果 :对照组SCs增倍时间为 8天 ,正常骨骼肌提取液组为 7天 ,而去神经支配骨骼肌提取液组为 5 5天。结论

融合改进LM算法及动态时间规整算法的人体动作捕捉研究

人体动作捕捉是指通过技术手段捕捉人体的运动轨迹和姿态信息,广泛应用于娱乐、体育、医疗等领域.然而,现有的动作捕捉技术存在捕捉不准确、计算效率低等问题,影响了其在实时应用场景中的表现.针对这些问题,引入一种骨骼点坐标拟合优化Levenberg-Marquardt算法,并采用粒子群算法对其加以优化.同时采用动态时间规整算法进行人体动作捕捉及评估,以期实现人体动作的实时捕捉.结果显示,该算法对肩部侧平举这一动作的捕捉准确率最高达到了99.23%,明显优于其余对比算法.此外,该算法对深蹲动作的测试时间最短,仅为1.15 s,表明该算法在进行动作捕捉时具有显著的性能优势及很强的实际应用效果,为人体动作捕捉领域提供了新的解决方案.

基于骨骼关节识别的拖拉机驾驶室座椅舒适度评价

为优化拖拉机驾驶室座椅设计,减轻驾驶员作业负担,提高作业效率,解决我国拖拉机在驾驶室座椅舒适性方面技术基础研究不足的问题,提出一种基于骨骼关节识别的拖拉机驾驶室座椅舒适度评价方法。首先,在对拖拉机座椅舒适性影响因素分析的基础上选取人体坐姿关节角为研究因素,在配备不同座椅的两种拖拉机上利用消费级深度相机Kinect v2进行8组驾驶动作捕捉试验,获得了在不同驾驶动作下精确度为0.01°的关节角信息;然后,将关节角数据导入人体建模仿真分析软件Jack中得到人体模型,根据不同的驾驶动作进行了关节力矩仿真及下背部受力仿真,分析得到人体舒适度结果;最后,基于层次分析法构建了拖拉机座椅舒适度评价指标层次结构模型,确定各指标权重并进行一致性检验,对涉及的所有指标的原始数据进行处理并计算得到座椅舒适度的综合评价结果。仿真结果表明,相比于普通座椅的拖拉机,在配备基于人机工程学座椅的拖拉机上作业时,人体模型动作完成能力增加10个百分点且无关节不适的情况,其腰部关节处的压力在驾驶姿势下可以有效减少80 N,在扭转姿势下可以有效减少370 N,并且腰部所受的侧向剪力也有所减小,证明了人体模型在此拖拉机座椅上的舒适度更高。通过分析座椅舒适度评价矩阵,可以得到根据人机工程学设计的座椅舒适度优于普通座椅。依据骨骼关节识别方法的评价结果与根据层次分析法分析的结果一致,证明了基于骨骼关节识别的拖拉机驾驶室座椅舒适度评价方法的可行性与有效性。该评价方法可为拖拉机驾驶室座椅人机工程学研究及准确高效地优化拖拉机座椅设计提供参考依据与指导对策。

基于骨骼关键点检测的多人行为识别

人体行为识别(Human Activity Recognition,HAR)技术是计算机视觉领域的研究热点,目前多人HAR的研究仍存在很多技术难点。针对多人HAR中人数判断不准确、特征提取难度大导致行为识别准确率低的问题,提出了一种基于骨骼关键点检测的多人行为识别系统。该系统将骨骼点提取与动作识别相结合,首先对原始视频进行图像帧提取,然后通过OpenPose算法得到人体骨骼关键点数据来对人体进行检测并标注,最后根据骨骼点的特点提取人体姿态特征。同时,为准确描述特征之间的关系,提出了一种基于帧窗口矩阵的特征描述方法,该方法将支持向量机(Support Vector Machine,SVM)作为分类器以完成多人行为识别。选择UT-Interaction和HMDB51这两个公开的数据集中的10类日常典型行为作为测试对象,实验结果表明,所提方法可以有效提取图像中的多人骨骼关键点信息,且其对10类日常典型行为的平均识别准确率达86.25%,优于对比的其他已有方法。

基于深度学习的老人跌倒检测系统

针对老人跌倒无人知晓问题,设计了一套老人跌倒检测系统。该系统使用Lightweight Openpose模型分析图像,提取人体骨骼点,使用卷积和全连接神经网络,利用人体骨骼点的空间和时序进行老人是否跌倒的判断。设计系统能够在人体骨骼点部分缺失或整幅图像在某时刻缺失的情况下,判断老人是否跌倒。经过测试可知,该系统在判断老人是否跌倒方面具有较高的灵敏度和鲁棒性。