基于皮尔逊相关系数的动态签名验证方法

针对动态签名验证中存在的动态特征长度不等、动态签名验证方法较复杂以及识别率较低等问题,提出了一种基于皮 尔逊相关系数的动态签名验证方法。 首先通过划分原始特征区域,筛选并计算对应区域内的特征权重和,然后利用皮尔逊相关 分析法计算各签名特征间的相关系数;再将皮尔逊相关系数作为新特征,分析真伪签名的皮尔逊相关系数分布情况;最后结合 高斯密度函数模型,并通过设置个体判别阈值来进行签名验证。 实验结果表明,真签名内的皮尔逊相关系数普遍高于真伪签名 间的皮尔逊相关系数,且本方法在 SVC 和 xLongSignDB 数据集上均展现了较优的签名验证性能,其中 xLongSignDB 数据集上的 误拒率和误识率分别为 2. 1% 和 1. 7% 。     

增强现实中基于自然特征的实时跟踪方法

在增强现实系统的复杂场景中,对目标的实时跟踪受到场景中诸多因素的制约,导致实时跟踪方法效率低且不准确,为此提出一种基于自然特征的实时跟踪方法。设计了一种螺旋分割模型,对捕获的图像进行螺旋分割,利用SURF算法在分割子块中提取特征点,并进行匹配。在对目标进行跟踪定位时,利用前一帧来预测当前帧目标出现的位置,以减少SURF算法的扫描区域,加速系统运算效率。实验中分别对场景光线强弱、视点和仿射变化以及目标被部分遮挡等不同情况进行测试,该方法均表现出较高的跟踪效率。     

笔式交互和触摸交互的融合策略

针对笔输入能力弱和触摸输入精度低的问题,提出笔式交互与触摸交互的融合策略,并设计了笔+触摸输入技术.首先定性考察笔输入和触摸输入的特性和优劣势,提出2种笔+触摸输入的融合策略;其次基于融合策略设计3种笔+触摸输入技术以及用于参照对比的单笔和单触摸输入技术;再通过3个实验比较这些输入技术的性能.实验结果表明,与单笔或单触摸相比,在颜色改变的直线轨迹任务中,笔+单指触摸、笔+多指触摸和笔+触摸手势的性能分别提升至少90.909%,80.165%和148.209%;在颜色和粗细均改变的圆形轨迹任务中,笔+触摸和笔+手势的任务完成时间比单笔分别减少16.552%和19.705%,而错误率不存在显著差异;在颜色和粗细均改变的绘画任务中,笔+单指触摸、笔+多指触摸和笔+触摸手势的综合指标分别为5.933, 3.333和4.700.最后给出面向笔+触摸输入的交互设计建议、应用场景和改进思路,对笔和触摸的混合输入与界面设计具有指导意义.     

触控、笔和空间手势的混合输入

针对单通道输入条件下输入能力受限的问题,以触控、笔和空间手势为输入通道,提出混合输入技术,允许用户通过双手配合的方式完成操作任务.首先分析了触控、笔和空间手势的性能特点;然后结合不同复杂程度的实际操作环境,提出以笔输入为主的10种双通道和三通道混合输入技术.性能对比的实证研究结果表明,相比于单通道笔式输入,双通道并行输入情况下触控+笔的综合性能最优,双通道二维空间划分下,触控点击+笔的性能最优;包含空间手势的混合输入技术错误率最低,但定性评估结果却最不理想.相关结论对基于触控、笔和空间手势的混合交互和界面设计具有参考意义.     

直接和间接的笔倾斜输入性能对比

越来越多的笔式设备通过增加笔倾斜输入来提高其输入能力。但在直接输入设备和间接输入设备上执行笔的倾斜操作时,由于操作环境和视觉反馈的不同,往往会导致操作性能产生差异。本研究以探索笔倾斜输入在直接设备和间接设备上的性能差异为目的,以实证手段考察在两种设备上获取不同角间距下的不同笔倾斜目标时的操作速度、稳定性和准确性,讨论导致直接设备和间接设备笔倾斜性能不同的原因,并提出适用的角间距和倾斜目标位置。实验结果表明,在直接设备和间接设备上操作笔倾斜角时,在操作速度上直接设备优于间接设备,但在稳定性和准确性上,间接设备优于直接设备。20°的角间距对两种设备来说都呈现较好的性能,若需要在更小角间距内完成目标选择操作,在间接设备上的效果更好。最后,对两种设备的用户使用习惯进行了总结,为基于笔倾斜角的用户界面设计提供了帮助和参考。     

Linux操作系统内核的升级

Linux目前是国内外较为流行的一种操作系统，其采用开放源代码的方式，使得Linux在几年内有了长足的发展。尤其对中国软件产业的发展，蕴含着很大的商机。针对Linux操作系统强大、稳定的功能，分析了其新内核的技术特性，并介绍了Linux内核升级的方法、步骤和注意事项，给学习和使用Linux提供了一个参考。     

移动手持触摸设备中提高目标选择精度的研究

在直接触摸设备上,利用手指直接点击/选择小目标通常会产生误操作。针对此问题,实证地研究了用户使用不同目标选择技术在移动触摸设备上的性能表现。除了传统的直接点击选择目标技术之外,本研究还设计和实现了三种改进的目标选择技术,分别为：平移放大技术、倾斜技术和吸引技术,而且通过设计实验程序并采集实验数据,评价、对比了四种目标选择技术的性能。研究结果表明三种改进的目标选择技术都比直接点击技术效果好。详细的数据分析进一步阐述了不同目标选择技术的特点和差异。基于实验结果,本研究阐明了改进的目标选择技术在实际应用中的适用场景,以及在用户界面设计中的指导意义。     

基于Kinect的人体动作识别方法

为解决在Kinect平台下人体动作识别中时空复杂性的问题,提出一种基于特征选择的模板识别方法。根据人体不同位置关节点对动作表达的贡献度的不同,将骨骼模型60维的关节点数据转化成24维的距离特征向量,该特征模型能够在空间上对动作进行表示,具有一定不变性,计算复杂度低;结合动态时间规整的思想,解决动作识别在时间轴上不统一的问题;基于所提出的方法实现动作识别系统,定义6种基于交互的上肢动作,在此动作库中进行两个实验共1320次测试,两个实验的平均识别率为93.6%和89.8%,实验结果验证了该方法的鲁棒性和有效性,可以满足交互任务的需求。     

屏幕区域对笔通道输入性能的影响

针对笔通道输入在不同屏幕区域上的差异,分析了屏幕区域对笔通道输入的影响.首先设计了轨迹非受限的书写和轨迹受限的划动2种不同的笔式输入实验任务,然后在WacomCintiq21UX上展开实验并对比考察了笔通道输入在不同屏幕区域的性能.实验结果表明,以屏幕一角为极点所形成的极坐标系中,笔通道值随极径的增加而增大,笔通道值与极径之间呈幂函数关系或线性关系;各笔通道值的极值通常出现在屏幕的角落区域;对以右手为惯用手的用户来说,屏幕上侧的笔倾斜角通常大于屏幕下侧的笔倾斜角,笔的方位角随屏幕区域位置呈顺时针减小再增加的趋势;屏幕被划分的数量和屏幕上的不同区域位置均对交互性能存在显著影响;随着屏幕区域划分数量的增加,各区域之间的均值差异减小;结合划动速度、脱离错误率、偏出轨道率和偏离中线值,中部区域的综合性能优于四周区域,小尺寸区域的综合性能优于大尺寸区域,上侧区域的综合性能优于下侧区域.最后给出了面向屏幕区域的交互设计建议,为面向屏幕区域的笔通道交互提供了参考依据.     

笔方位及与笔倾斜的混合输入

针对传统笔式设备输入能力有限的问题,引入笔方位并考查其性能及其与笔倾斜的混合使用.首先设计笔方位目标选择和笔方位与笔倾斜混合目标选择2个实验;然后采用组内重复方法展开实验,考查笔方位及其与笔倾斜混合输入的性能.实验结果表明,正方向的笔方位输入优于斜方向; 30°, 60°和90°笔方位容限划分下,分别形成了6个、4个和1个速度一致区间;笔方位和笔倾斜划分越密集,用户完成目标选择任务的难度越大;当笔方位容限区间为60°且笔倾斜容限区间为20°时达到最优的划分.最后给出笔方位与笔倾斜混合使用的建议和应用场景,为基于方位和倾斜的笔式交互技术设计提供了参考依据.