场景关系图学习的群组行为识别

为解决群组行为识别中复杂个体关系描述不准确，造成的个体关系推理不可靠的问题，关注于面向个体、群体、场景三个方面来构建场景关系图，提出场景关系图网络用于实现群组行为识别。该网络包括特征提取模块、场景关系图推理模块以及分类模块。特征提取模块通过卷积神经网络提取个体特征、群组特征、和场景特征。为了充分描述场景对于个体和群组描述的影响，场景关系图推理模块通过使用两分支网络分别建立个体—场景关系图以及群组—场景关系图帮助学习个体特征和群组特征。场景关系图推理同时考虑了个体特征对群组特征的影响，并引入了跨分支关系。分类模块用于将个体特征和群体特征进行分类预测。实验结果显示该方法在volleyball和collective activity数据集上的群组识别准确率分别提升了1.1%和0.5%,证实了提出的场景关系图在描述个体特征和群组特征上的有效性。     

群体动力学的群组行为仿真

目的 许多群体动画算法侧重从宏观或微观角度模拟人群运动,而结合两种方法模拟群组动态的算法较少,为解决这个问题,提出一种基于群体动力学的群组行为仿真算法。方法 首先,采用连续模型构建动态势能场,为个体计算运动初始速度;然后,基于群体动力学模拟组内跟随和组间避让行为;在组内跟随行为中采用“Car-following”模型为个体计算跟随加速度;在组间避让行为中提出群组的凸包表示方法,并引入局部势能场;最后,结合动态势能场和局部势能场实现群组行为仿真。结果 在每个仿真循环中动态更新全局势能场信息,对比不同群体规模及网格精度的人群仿真效率。实验结果表明本文算法能用于模拟规模较大的多样性群组运动。在网格分辨率为80×80像素的场景中对5 000个个体的运动进行仿真,平均帧速率为35.7 ms（约28帧/s）,与传统的连续模型相比产生了更多的群组行为。采用快速行进法构建全局动态势能场,即使在粗糙网格中也能得到较为平滑的路径。结论 提出算法适用于多样性群组行为仿真,同时结合全局规划和局部控制,无需额外碰撞检测便能真实地模拟组内跟随和组间避让行为,仿真效果具有高效性和多样性。     

基于VTK三维地震数据体绘制系统框架

针对地震数据信息量大的特点,文中提出了一种针对三维地震数据体绘制系统的框架。解决的方法是将数据处理、用户交互、渲染绘制分离成三个模块,并且设计了层次结构来保持模块之间的独立性,便于各个模块的修改、更换和扩展,提高了可视化绘制系统快速开发的灵活性。基于三维可视化开发工具包VTK,设计并编程实现了一个地震数据体绘制系统界面。通过实验结果证明,此体绘制方案是可行的、有效的。     

基于Open Inventor的虚拟数控培训系统开发

针对传统数控培训中存在的场地受限、经费不足等问题,结合虚拟现实与人机交互等技术,提出了一种基于Open Inventor的数控培训系统实现方案.阐述了虚拟数控培训系统的软硬件开发平台,给出了软件系统的结构框架及开发流程.重点研究了虚拟加工场景的绘制及其模型优化、数控代码编译处理,给出事件处理的编程模型,并以直线进给为例阐述了机床的运动行为仿真.运用Open Inventor工具包在Visual C++6.0环境下实现初步原型系统,该系统运行效果良好.     

基于对象对应关系的LOD模型连续过渡

细节层次模型是指对同一场景或场景中的物体,使用具有不同细节的描述方法得到一组模型,供绘制时选择使用。它可用在复杂3D场景快速绘制、飞行模拟器、3D动画、交互式可视化和虚拟现实等应用系统中。本文对多细节层次模型间的连续过渡技术进行了研究,提出一种基于建立对象对应关系的多细节层次模型间连续过渡的方法。该方法具有实现简单、速度快和过渡平滑的特点,并且适用于任意三角网格模型。     

基于分块注意力机制和交互位置关系的群组活动识别

复杂场景下的群体活动识别是一项具有挑战性的任务,它涉及一组人在场景中的相互作用和相对空间位置关系。针对当前复杂场景下群组行为识别方法缺乏精细化设计以及没有充分利用个体间交互式特征的问题,提出了基于分块注意力机制和交互位置关系的网络框架,进一步考虑个体肢体语义特征,同时挖掘个体间交互特征相似性与行为一致性的关系。首先,采用原始视频序列和光流图像序列作为网络的输入,并引入一种分块注意力模块来细化个体的肢体运动特征;然后,将空间位置和交互式距离作为个体的交互特征;最后,将个体运动特征和空间位置关系特征融合为群体场景无向图的节点特征,并利用图卷积网络（GCN）进一步捕获全局场景下的活动交互,从而识别群体活动。实验结果表明,此框架在两个群组行为识别数据集（CAD和CAE）上分别取得了92.8%和97.7%的识别准确率,在CAD数据集上与成员关系图（ARG）和置信度能量循环网络（CERN）相比识别准确率分别提高了1.8个百分点和5.6个百分点,同时结合消融实验结果验证了所提算法有较高的识别精度。     

一种基于多线程加速的大规模群体仿真方法

大规模群体仿真技术可以提高虚拟场景的临场感和趣味性,在游戏娱乐、演习训练、建筑设计等领域具有重要的应用价值。然而,常用于虚拟场景开发的游戏引擎难以实现大规模群体仿真。设计一种基于多线程加速的大规模群体仿真方法,提升大规模群体仿真包含的群体动画渲染和群体行为模拟性能。针对大规模群体动画渲染,在GPU蒙皮渲染算法上加入群体动画状态的多线程计算,实现群体动画状态与蒙皮动画的加速计算;针对大规模群体行为模拟,将自主性群体行为算法修改为速度模型,与多线程优化后的最优互相碰撞避让算法结合,实现群体的避让行为,提升群体行为模拟效率。实验结果表明,该方法可以很好地与游戏引擎结合,实现复杂场景的大规模群体仿真,提升大规模群体场景帧率。     

基于实时视频感知的虚拟体育交互系统

针对疫情常态化背景下,传统体育项目受场地、器材等限制,市场上相关产品价格昂贵、可扩展性不足等问题,提出了一种基于实时视频感知的虚拟体育交互系统.该系统设计视频数据采集模块和人体关节点提取模块,结合OpenPose获取人体的关节点坐标,实时捕捉人体手势以及肢体动作.动作语义理解模块包括运动动作理解和绘图动作理解.前者根据运动中肢体关节点的相对位置关系,识别运动动作语义.后者将手腕部关节点绘图动作轨迹生成为草图图像,使用AlexNet进行识别分类,解析为对应的绘制动作语义.该模型在边缘端设备的分类准确率为98.83%.采用基于Unity设计的草图游戏应用作为可视化交互界面,实现在虚拟场景中的运动交互.该系统使用实时视频感知交互方式实现居家运动健身,无需其他的外部设备,具有更强的参与度和趣味性.     

基于行为的移动协同感知模型研究

移动协同一般受到资源的限制和移动环境的干扰，影响协同工作的有效进行。基于行为（Activity）设计移动协同系统，以行为为中心构建系统，可以克服上述困难。其中，如何提供行为所围绕的感知信息是关键所在。文章提出了一个基于行为的移动协同感知模型，通过定义行动者实体、目标实体、行为阶段实体等一组感知实体对象及感知行为服务，来提供基于行为的感知信息，并在原型系统中进行了实现。模型提供了移动用户在协同工作行为中群组工作（Team Work）的所有感知要素，从而支持了用户有效完成协同工作。     

基于NPR技术的建筑CAD系统

介绍了E—CAD，一个模拟钢笔画绘制生成建筑场景以及设计图纸的CAD系统，以及系统中实现的一种参数化过程纹理描述语言。从系统的角度具体阐释了为了支持NPR绘制，系统在内核的选择、开发、实体造型、系统框架、渲染体系结构、控制流程和显示模块方面相应的设计和实现。     

基于聚类关联网络的群组行为识别

目前群组行为识别方法没有充分利用群组关联信息而导致群组识别精度无法有效提升,针对这个问题,提出了基于近邻传播算法（AP）的层次关联模块的深度神经网络模型,命名为聚类关联网络（CRN）。首先,利用卷积神经网络（CNN）提取场景特征,再利用区域特征聚集提取场景中的人物特征。然后,利用AP的层次关联网络模块提取群组关联信息。最后,利用长短期记忆网络（LSTM）融合个体特征序列与群组关联信息,并得到最终的群组识别结果。与多流卷积神经网络（MSCNN）方法相比,CRN方法在Volleyball数据集与Collective Activity数据集上的识别准确率分别提升了5.39与3.33个百分点。与置信度能量循环网络（CERN）方法相比,CRN方法在Volleyball数据集与Collective Activity数据集上的识别准确率分别提升了8.7与3.14个百分点。实验结果表明,CRN方法在群体行为识别任务中拥有更高的识别准确精度。     

多维信息空间的动画设计与实现

在研究和探讨虚拟环境之下构造以人为中心的多维信息空间的基础上,提出了虚拟环境下的多维信息空间动画模型.该模型综合了空间、时间以及知识处理的优点,很好地表达了动画系统中各个对象的行为、智能性及场景转换过程.根据这一模型构造了动画引擎的核心模块,并且在实验教学软件中实现了物质微观状态的可视化模拟,实验结果验证了该模型的有效性.     

基于Simulink/MEX编程的MATLAB仿真教学动画演示

给出一种基于MATLABS函数和MEX编程的仿真过程动画显示模块实现方法,利用S函数实现动画显示窗口管理和动画帧的显示,通过MEX函数来利用其他编程语言和图形函数库实现动画帧便捷美观的绘制,最终实现仿真过程动画显示。通过此方法得到的S函数模块可集成到Simulink模型中,方便地提供仿真过程的动画演示。     

深度残差收缩网络下的定位与行为联合识别

基于WiFi信道状态信息（channel state information,CSI）的人体感知方法在许多物联网场景得到了应用,但现有大部分基于CSI人体感知的系统仅进行定位或行为识别其中一项工作,而物联网的发展对两者能同时识别提出了新的要求。针对这一问题,提出一种基于深度残差收缩网络的定位与行为联合识别方法。通过普通商用WiFi设备获取两种场景（暗室、会议室和走廊）的CSI数据,将预处理后的数据输入结合了深度残差收缩网络的学习模型,进行12个位置与和6种日常行为（站起、坐下、跳跃、深蹲、跌倒、捡起）的联合任务识别。实验结果显示,针对在暗室、会议室和走廊三种场景下的室内定位的平均识别率达到97.29%,行为识别的平均识别率达到90.02%。能够实现定位与行为的高精度联合识别。     

基于虚拟现实技术的机房动力环境监控系统设计

由于目前C/S架构的基于虚拟现实技术的动力环境监控系统模块之间耦合度高,开发调试工作量大。针对这种情况,提出一种基于虚拟现实技术的机房动力环境监控系统设计方案。通过3dsMax进行设备建模,并用Photoshop构建贴图;在Unity3D上导入模型和贴图搭建虚拟机房场景;使用Qt开发客户端与服务器端程序,并通过TCP/IP协议实现虚拟场景与客户端控制界面的交互;最终完成整个系统的开发。经测试表明:设计方案能够降低系统各部分的耦合度,减少开发调试的工作量。为基于虚拟现实技术的动力环境监控系统的开发提供了一些参考。     

基于Quest3D的钻床加工虚拟教学系统的研究

针对培训系统要求人机交互界面好以及沉浸感强等特点,在钻床教学系统开发中采用实时3D建构工具Quest3D,提出了一种针对钻床教学培训的虚拟现实系统的开发方案,将虚拟现实系统分为三维显示模块,运动控制模块,场景交互模块和场景声控模块等,通过Quest3D的图形编程使得整个系统开发周期缩短,运行效率提高。成功将三维场景虚拟交互技术运用于钻床教学培训系统中。     

基于聚类关联网络的群组行为识别

目前群组行为识别方法没有充分利用群组关联信息而导致群组识别精度无法有效提升，针对这个问题，提出了基于近邻传播算法（AP）的层次关联模块的深度神经网络模型，命名为聚类关联网络（CRN）。首先，利用卷积神经网络（CNN）提取场景特征，再利用区域特征聚集提取场景中的人物特征。然后，利用AP的层次关联网络模块提取群组关联信息。最后，利用长短期记忆网络（LSTM）融合个体特征序列与群组关联信息，并得到最终的群组识别结果。与多流卷积神经网络（MSCNN）方法相比，CRN方法在Volleyball数据集与Collective Activity数据集上的识别准确率分别提升了5.39与3.33个百分点。与置信度能量循环网络（CERN）方法相比，CRN方法在Volleyball数据集与Collective Activity数据集上的识别准确率分别提升了8.7与3.14个百分点。实验结果表明，CRN方法在群体行为识别任务中拥有更高的识别准确精度。     

基于多Agent的人工鱼群自组织行为算法

在基于认知的人工鱼行为模型的基础上，增加实现鱼群个体间通信及鱼群与环境交互的互操作行为模块，建立面向群体行为的人工鱼体系结构与模型。提出了一种基于多Agent的人工鱼群自组织行为的研究方法：将基于这种体系结构的人工鱼作为Agent，其能感知环境信息，产生意图，规划行为。建立鱼群中Agent的运动、捕食、逃逸模型，通过个体间的相互作用涌现出群体的自组织行为，从而实现对鱼群的逼真模拟。     

基于GeoFusion的三维地形和目标模型调度显示研究

针对大型场景的实时绘制问题,提出了一种基于GeoFusion的三维可视化技术.首先分析了GeoFusion三维视景平台的基本情况及对用户应用程序的支持,详细阐述了三维地形数据的坐标转换、格式转换和生产制作处理流程,结合GeoMatrix给出了地形调度显示方法,建立了DSM三维目标模型,提出了三维目标模型的调度算法.开发了仿真系统,并通过实例表明了所提地形和目标模型创建及调度显示算法能够实现实时调度和场景的实时显示,并保证了场景的真实感.     

基于DirectX的游戏动画技术研究

介绍了计算机游戏动画原理和实现方法,概述了DirectX用于开发游戏的接口技术,重点描述了游戏动画的后备缓冲模型及其算法的程序实现,介绍了一种8位深度调色板的设计和绘制技术,使窗口模式下游戏动画运行时,其它应用程序能正常工作。提出了有待探讨的窗口模式下真彩色游戏动画的绘制问题。