用于手势识别的时空融合网络以及虚拟签名系统

由于新型冠状病毒的流行,非接触式个人签名可以在一定程度上降低感染的风险,其将在人们日常的生活中发挥重要作用。因此,提出了一种简单而有效的时空融合网络来实现基于骨架的动态手势识别,并以此为基础开发了一款虚拟签名系统。时空融合网络主要由基于注意力机制的时空融合模块构成,其核心思想是以增量的方式同步实现时空特征的提取与融合。该网络采用不同编码的时空特征作为输入,并在实际应用中采用双滑动窗口机制来进行后处理,从而确保结果更加的稳定与鲁棒。在 2 个基准数据集上的大量对比实验表明,该方法优于最先进的单流网络方法。另外,虚拟签名系统在一个普通的 RGB 相机下表现优异,不仅大大降低了交互系统的复杂性,还提供了一种更为便捷、安全的个人签名方式。     

概率加权测地距离的脑部MR图像超像素分割

超像素是一种重要的图像过分割,因为医学图像具有边界模糊、不同组织的灰度范围互相重叠的特点,为超像素分割带来极大困难.针对脑部MR图像超像素生成问题,从脑部MR图像的特点出发,充分利用脑部MR图像表达先验知识,结合脑部MR图像的一般结构,定义每个像素属于脑组织中一个类别的概率,并基于分类概率提出一种有效的边界梯度计算方法;在此基础上,提出一种概率密度加权的测地距离脑部MR图像超像素分割算法;最后应用模糊C均值聚类算法作为后续分割处理,获得脑部MR图像的组织分类.与现有算法在分割性能上进行定量比较的实验结果表明,文中算法能够产生更准确的分割边界.     

结合DBSCAN聚类的室内场景分割

针对RGB-D图像具有丰富的三维几何特征,复杂度高这一具有挑战性的难题,提出一种针对室内场景RGB-D图像的分割算法.首先,经过RGB-D图像过分割生成超像素,并基于超像素之间的距离度量测量超像素之间的相似性;然后,采用DBSCAN算法将具有相似的颜色信息和几何信息的超像素聚类到一个分类中.在该聚类过程中,通过限制扩散区域来降低计算复杂度.在室内场景RGB-D图像库上大量实验结果表明,文中算法分割精确度和速率均超过了其他算法,证明了其高效性和准确性.     

散乱数据点分片二次多项式加权平均插值

将空间散乱数据点划分为三角形网格，在每个给定数据点处构造C^1连续的分片二次多项式曲面片，每个三角形上的曲面片由各个顶点处的C^1连续的分片二次曲面片加权平均确定，整体的C^1曲面由各三角形上的曲面片拼合而成．该方法所构造的曲面函数结构简单、易于计算，具有数据点建议的形状．最后通过实例同其他方法所构造的插值曲面形状进行比较．     

最小旋转标架下的虚拟内窥镜自动漫游方法EI北大核心CSCD

为了准确地提取虚拟内窥镜的漫游路径,消除漫游过程中视觉上的画面旋转的现象,提出一种结合骨架提取与路径优化的虚拟内窥镜自动漫游方法.首先采用一种基于体素密度值加权的最短路径生成算法,在细化后的三维医学影像数据初始骨架上提取简单漫游路径;然后采用三次B样条曲线拟合方法得到最终的漫游路径;在沿此路径漫游时,通过计算最小旋转标架来优化虚拟摄像机的向上矢量,并设定向上矢量角度旋转阈值对漫游路径进行动态重采样,优化虚拟摄像机的位置参数.实验结果证明,该方法能提取准确的虚拟内窥镜漫游路径,并能获得较好的漫游视觉效果.     

改进的解耦双同步坐标系锁相环的设计与实现

微网中的电压可能会存在较大的谐波和不平衡,因此要求锁相环(PLL)能够迅速、准确地确定电网正序电压的相位。提出的改进型解耦双同步坐标系PLL通过在q轴加入6次谐波的陷波器,可抑制电网中的5次负序电压和7次正序电压对锁相的影响。锁相程序在相位变化较大时改变正弦表的指针,在相位或频率变化较小时调节DSP周期寄存器。实验证明了该锁相方法的有效性。     

壳空间剖分的隐式曲面三角化

提出了一种曲率自适应的壳空间剖分隐式曲面三角形化新方法.新方法首先采用粒子系统对隐式曲面进行采样,通过高斯曲率约束粒子的生成,使生成的网格模型在曲率大的区域具有较多的小三角形,在曲率小的区域具有较少的大三角形,从而使网格模型更好地逼近隐式曲面.新方法在每个采样粒子处沿曲面法线正负方向延伸适当距离得到两个附加点,对所有附加点进行四面体化形成对隐式曲面逼近的壳空间四面体网格,在每个壳空间四面体中抽取三角形,所有抽取的三角形拼合得到隐式曲面的三角网格表示.与以往方法相比,新的三角网格化方法更具有鲁棒性,可一次性获得高质量的三角形网格.最后给出了对常用隐式曲面进行三角化的实例比较,显示了新方法的有效性.     

面向人体动作识别的局部特征融合时间卷积网络

针对3D人体骨架序列动作识别这一问题,提出了一种结合了局部特征融合的时间卷积网络方法.首先,对一个动作中整个骨架序列的所有关节点的空间位置变化进行建模,提取其骨架序列的全局空间特征;然后,根据人体关节点及连接关系的拓扑结构将全局空间特征划分为人体局部空间特征,并将得到的局部空间特征分别作为对应TCN的输入,进而学习各关节内部的特征关系;最后,对输出的各部分特征向量进行融合,学习各部分关节之间的协作关系,从而完成对动作的识别.运用该方法在当前最具挑战性的数据集NTU-RGB+D进行了分类识别实验,结果表明,与已有的基于CNN,LSTM以及TCN的方法相比,其在对象交叉(cross-subject)和视图交叉(cross-view)的分类准确率上分别提高到了79.5%和84.6%.     

一种隐式曲面交互调整的新方法

提出了一种对隐式曲面形状进行交互调整的新方法,为隐式曲面的调整提供了两种交互工具,分别是对曲面上点的位置调整和法向调整.该方法以调整后的位置和法向为新曲面的插值条件建立目标函数,极小化该目标函数求解曲面参数的变化量,从而确定新的隐式曲面.文中采用拟牛顿法和序列二次规划法(SQP)求解该非线性优化问题.在调整过程中用粒子的方法对隐式曲面进行绘制,实现了对隐式曲面形状的实时交互调整.最后用实例说明了新方法的有效性.     

体积平方度量下的特征保持网格简化方法

提出了一种基于体积平方度量的三角形折叠网格简化新方法.新方法通过极小化误差目标函数简化三角形网格.简化误差定义为三角形简化后产生的网格模型平方体积变化,并以三角形几何形状因子和法向因子作为约束.简化误差的表示形式为一个二次目标函数,因此,每次简化后三角形网格的新顶点是一个线性问题的解.与目前简化效率最好的QEM方法相比,新方法不增加算法复杂度.如果被简化的三角形是强特征三角形,则用其高斯曲率最大的顶点作为新顶点,以保持原始模型的细节特征;对于非强特征三角形,新顶点用极小化折叠误差确定.对于边界三角形,新顶点的位置由不同于内部三角形的方法进行计算,保持了网格的边界特征.最后用实例说明新方法的有效性.