基于卷积神经网络优化TLD运动手势跟踪算法

针对TLD（Tracking-Learning-Detection）算法在光照变化不均、遮挡严重、跟踪目标模糊等情况下会出现跟踪失败的问题，提出一种基于卷积神经网络优化TLD运动手势跟踪算法。选取手势特征作正样本，其背景作负样本，获取手势HOG特征并投入到卷积神经网络中加以训练，得到手势检测分类器，从而确定目标手势区域，实现手势的自动识别；再利用TLD算法对手势进行跟踪与学习，对正负样本进行估计检测并实时校正，同时运用SURF特征匹配更新跟踪器。实验结果验证，该算法对比TLD经典算法跟踪精度提高了4.24%，增强了运动手势的跟踪效果，相比经典跟踪算法拥有更高鲁棒性。     

基于Leap Motion的动态手势识别

动态手势识别作为人机交互的一个重要方向，在各个领域具有广泛的需求。相较于静态手势，动态手势的变化更为复杂，对其特征的充分提取与描述是准确识别动态手势的关键。为了解决对动态手势特征描述不充分的问题，利用高精度的Leap Motion传感器对手部三维坐标信息进行采集，提出了一种包含手指姿势和手掌位移的特征在内的、能够充分描述复杂动态手势的特征序列，并结合长短期记忆网络模型进行动态手势识别。实验结果表明，提出的方法在包含16种动态手势的数据集上的识别准确率为98.50%；与其他特征序列的对比实验表明，提出的特征序列，能更充分准确地描述动态手势特征。     

支持概念设计的特征手势建模

给出了特征手势的概念并且建立了特征手势库，描述了基于特征手势的建模过程；进一步讨论了特征手势内部的约束建立和求解算法以及上下文感知技术，通过与传统建模和交互方式的对比，验证了特征手势建模的方便性．文中算法以用户为中心，给出了自然简便的设计工具，改善了人机交互方式．     

融合关节旋转特征和指尖距离特征的手势识别

作为人机交互的重要方式,手势交互和识别由于其具有的高自由度而成为计算机图形学、虚拟现实与人机交互等领域的研究热点.传统直接提取手势轮廓或手部关节点位置信息的手势识别方法,其提取的特征通常难以准确表示手势之间的区别.针对手势识别中不同手势具有的高自由度以及由于手势图像分辨率低、背景杂乱、手被遮挡、手指形状尺寸不同、个体差异性导致手势特征表示不准确等问题,本文提出了一种新的融合关节旋转特征和指尖距离特征的手势特征表示与手势识别方法.首先从手势深度图中利用手部模板并将手部看成链段结构提取手部20个关节点的3D位置信息;然后利用手部关节点位置信息提取四元数关节旋转特征和指尖距离特征,该表示构成了手势特征的内在表示;最后利用一对一支持向量机对手势进行有效识别分类.本文不仅提出了一种新的手势特征表示与提取方法,该表示融合了关节旋转信息和指尖距离特征;而且从理论上证明了该特征表示能唯一地表征手势关节点的位置信息;同时提出了基于一对一SVM多分类策略进行手势分类与识别.对ASTAR静态手势深度图数据集中8类中国数字手势和21类美国字母手势数据集分别进行了实验验证,其分类识别准确率分别为99.71%和85.24%.实验结果表明,本文提出的基于关节旋转特征和指尖距离特征的融合特征能很好地表示不同手势的几何特征,能准确地表征静态手势并进行手势识别.     

结构分类的字母手势识别算法

提出了基于结构分类的手势识别方法，即在字母手势图像中寻找轮廓所包含的结构特征信息，并以此进行分类判断。这些结构特征中包含了大量的特征信息，如手指个数、手指间距离等，利用这些信息就可以运用传统的结构分类方法对手势加以识别     

基于双路加速度计的空间手写输入识别模型

针对三维空间手写过程中采样装置横滚角变化较小的特点,提出一种基于双路MEMS加速度计的无陀螺硬件编排方案及相应的角速度、线加速度解算方法;根据解算得到的线加速度,同步计算得到笔画数量、笔画走向和归一化长度、总的笔画归一化长度等手势特征,并表示为手势特征码;手势特征模式库基于手势特征码集合定义,并基于手势特征码与不同模式间的差异化度量值实现用于手势识别的分类器。基于手势特征码的手写模式识别方法能够较全面描述字符的时域特征,且对无效笔画有较好的适应能力,仿真实验验证了该方法的可行性和有效性。     

基于浅三维稠密网的多模态手势识别算法

手势识别旨在理解人体的动态手势，是人机交互领域极其重要的交互方式之一。该方法通过将二维稠密网扩展为三维稠密网，并加入Inception结构，提出了一种基于浅三维稠密网的多模态手势识别方法，将其命名为Spatial Temporal 3D（ST3D） dense network。所提出的方法在手势识别公开数据集大规模离散手势数据集（IsoGD）上进行了评估，并取得了目前最好效果。实验证明，所提方法能够有效地学习到视频样本中手势的短期、中期以及长期时空特征。     

基于长短时记忆和深度神经网络的视觉手势识别技术

针对基于视觉的动态手势识别易受光照、背景和手势形状变化影响等问题,在分 析人体手势空间上下文特征的基础上,首先建立一种基于人体骨架和部件轮廓特征的动态手势 模型,并采用卷积姿势机和单发多框检测器技术构造深度神经网络进行人体手势骨架和部件轮 廓特征提取。其次,引入长短时记忆网络提取动态人体手势中骨架、左右手和头部轮廓的时序 特征,进而分类识别手势。在此基础上,设计了一种空间上下文与时序特征融合的动态手势识 别机(GRSCTFF),并通过交警指挥手势视频样本库对其进行网络训练和实验分析。实验证明, 该系统 可以快速准确识别动态交警指挥手势,准确率达到94.12%,并对光线、背景和手势形 状变化具有较强的抗干扰能力。     

融合手势全局运动和手指局部运动的动态手势识别

传统基于手部轮廓或手部运动轨迹的动态手势识别方法,其提取的特征通常难以准确表示动态手势之间的区别.针对动态手势的复杂时序、空间可变性、特征表示不准确等问题,提出一种融合手势全局运动和手指局部运动的手势识别方法.首先进行动态手势数据预处理,包括去除手势无效帧、手势帧数据补全和关节长度归一化;然后根据给定的手部关节坐标,利用手势距离函数分段提取动态手势关键帧,并基于手势关键帧提取手在空间中的全局运动特征和手内部手指的局部运动特征;其次融合手势全局运动和手指局部运动的关键帧手势特征,并采用线性判别分析进行特征降维;最后利用带高斯核的支持向量机实现动态手势识别与分类.对DHG-14/28动态手势数据集中14类手势和28类手势数据集进行实验,其分类识别准确率分别为98.57%和88.29%,比现有方法分别提高11.27%和4.89%.实验结果表明,该方法能准确地表征动态手势并进行手势识别.     

复杂背景下基于空间分布特征的手势识别算法

为实现复杂背景下的手势识别,根据手势图像的区域形状特征提出一种基于手势空间分布特征的手势识别算法.利用复杂背景下基于亮度高斯模型的手势分割算法分割出肤色区域,利用"搜索窗口"筛选当前肤色区域实现手势定位,并提取包括空间相对密度特征和指节相对间距特征的手势空间分布特征,最后综合手势的2个手势特征向量计算总的相似性来识别手势.通过引入随机采样机制提高识别速度,并引入搜索窗口机制实现肤色干扰时的手势识别.实验结果表明,在环境光照相对稳定的条件下,文中算法能够实现鲁棒的实时手势识别,且具有很好的旋转、平移、缩放不变性,对于差异较大的手势识别率高达98%.     

一种新的矢量数据多边形的快速裁剪算法

为实现飞行地理环境中高效的数据调用,以满足实时性要求,就需要对飞行地理环境中海量的栅格数据与矢量数据进行统一的数据组织。这种统一的数据组织方法不仅要对海量的栅格数据进行矩形分块组织,同时也要对海量的矢量数据进行矩形分块组织。为了高效地对海量的矢量数据进行矩形分块组织,就需要采用高效的矢量数据矩形分块裁剪算法。现有的多边形裁剪算法中,Sutherland-Hodgeman算法和Maillot算法对于裁剪的结果多边形有多个分离部分时都得不到正确的裁剪结果,而Weiler-Atherton算法、Vatti算法和Greiner-Hormann算法却总能得到正确的裁剪结果。后3种算法中,虽然Greiner-Hormann算法在空间消耗和时间消耗上都是性能最好的,但仍不能满足实际工程的要求。为进一步提高裁剪速度,提出了一种新的快速有效的矩形窗口的多边形裁剪算法。该新算法不仅继承了后3种算法在连接形成裁剪的结果多边形时的优点,而且还对Greiner-Hormann算法在插入交点时的处理方式进行了改进,并采用了比Greiner-Hormann算法中应用的双向链表更为简单的单向链表的数据结构。实验结果表明,新算法不仅能得到正确的裁剪结果,而且在空间消耗和时间消耗上的性能优于Greiner-Hormann算法,可满足实际工程的要求。     

三对角线性方程组的分布式并行算法

文中回顾了Ｍｉｃｈｉｅｌｓｅ＆Ｖｏｒｓｔ算法，分析了影响Ｍ＆Ｖ．算法并行效率的主要因素，根据分布治之思想提出了一种求解三对角方程组的并行算法，新算法通信建立次数的Ｍ＆Ｖ算法的５０％，数据传输量为其３３％，最后的工作站网络环境下实现了新算法，就并行效率与Ｍ＆Ｖ算法进行了比较，结果表明在由６台工作站的组成的网络中新算法必能提高可达到４０％。     

Chebyshev polynomial acceleration for block SOR methods for solving the rank-deficient least-squares problem

In this article, we give the acceleration of the block successive overrelaxation (SOR) method for solving the rank-deficient least-squares problem. Santos and Silva proposed the two-block SOR method and the three-block SOR method. Here, we consider the acceleration of the two-block SOR method and the three-block SOR method using the Chebyshev polynomial and derive what we term the C-2-block SOR method and the C-3-block SOR method. The advantage of our methods is that we can get good results with very small iteration number. The comparison between the C-2-block method and the C-3-block method is presented. Finally, numerical examples are given.     

基于WorldView-2影像的土地利用信息提取方法对比及评价

基于2011年WorldView-2高分辨率遥感影像, 采取面向对象的分类方法和四种传统的基于像元的分类方法分别提取平潭县海坛岛中北部研究样区土地利用信息, 并以目视解译结果图为参考, 得到每种分类方法的总体分类精度, 且从数量分歧和分配分歧两方面对土地利用信息提取结果进行整体评价和单类别评价, 结果表明: (1)不同分类方法平均总体分类精度为75.00%, 其中最高的是面向对象法, 总体精度为84.25%, 分类总体精度最低的为最大似然法, 仅为62.00%. (2)面向对象分类方法具有最低的数量分歧, 为4.25%, 其次依次为神经网络法<支持向量机法<马氏距离法<最大似然法. 在分配分歧方面, 支持向量机方法其值最低, 为5.75%, 其次依次为最大似然法<神经网络法<马氏距离法<面向对象法. (3)在单类别精度评价中, 耕地的精度对影像整体分类结果影响最为显著, 其数量分歧比例大小依次为最大似然法(28.75%)>马氏距离法(21.50%)>支持向量机法(14.75%)>神经网络法(11.00%)>面向对象法(3.00%), 分配分歧比例大小依次为面向对象法(10.50%)>神经网络法(5.00%)>支持向量机法(1.50%)>最大似然法(0.50%)>马氏距离法(0.00%).     

Surfer网格化方法的选取及其在区域自动气象站数据服务中的应用

通过实例,分别介绍了加权反距离插值法、克里格法、最小曲率法、最近邻点法、多项式回归法、径向基函数法、带线性插值的三角剖分法等常用网格化方法的选取方法,适用范围及参数设置等使用技巧及其在区域自动气象站数据服务中的实际应用。     

VE中虚拟器件仿真与建模方法的研究*

结合实际项目的开发,采用面向对象和组件思想提出了一种面向对象和基于组件的虚拟器件仿真与建模方法。面向对象的仿真与建模方法具有良好的直观性、可扩展性和可重用性。基于组件的仿真与建模思想来源于面向对象,但与面向对象的方法相比,基于组件的仿真与建模分析的粒度较大,可重用性更好。     

盐-水体系溶解平衡计算的自由能最小化和溶度积方法比较

从理论上研究在盐水溶解平衡计算中,自由能最小化法与溶度积法的关系,并比较两种计算方法,二者计算结果完全一致。对于低四元的体系,溶度积法较为方便,而对更高元的体系,自由能最小化法有其优越之处。计算中,采用合适的算法至关重要。一维搜索法、插值法、多项式拟合求解法、坐标轮换法、MatLab求解最优化问题的函数等,均可以顺利实现盐—水溶解平衡的体系自由能最小化计算;对于溶度积法,二分法、弦截法、优选法、牛顿法、最速下降法、抛物线法及MatLab求解联立方程问题的函数等都很有效。     

一种实时数据库查询执行方法的设计

在深入分析实时数据库常用的查询执行方法---指针法缺点基础上,给出了一种新的实时数据库查询执行方法---D/S方法。该方法结合了指针法、实体化方法和流水线方法的优点,可有效地节省查询执行的内存需求,并扩展了实时数据库查询优化的空间。     

中心刚体-柔性梁刚柔耦合动力学模型降阶研究

有限单元法被广泛的采用来描述柔性体的弹性变形,然而有限元节点坐标数目庞大,将会给动力学方程求解带来巨大的计算负担.如何降低柔性体的自由度,是当前柔性多体系统动力学研究的一个重要命题.本文以中心刚体-柔性梁系统为例,采用Krylov方法和模态方法进行降价.然后分别采用有限元全模型、Krylov降阶模型和模态降阶模型,对中心刚体-柔性梁进行刚-柔耦合动力学仿真.仿真结果表明,与采用模态降阶方法相比,采用Krylov模型降阶方法只需要较低的自由度,就可以得到与采用有限元方法完全一致的结果.说明Krylov模型降阶方法能够有效的用于柔性多体系统的模型降价研究.     

图像分割算法研究

图像分割是数字图像处理中的关键技术之一,研究了边缘检测和阈值分割方法实现图象分割。归纳总结了多种分割算法,包括极小值法,求导法,直方图变换法,迭代法,平均法,大律法和边缘检测法。