基于多示例学习的颈椎健康评分方法

为解决颈椎健康评分及数据标注困难的问题,提出一种基于多值输入多示例学习的颈椎健康状态在线评分算法,仅需在训练阶段对颈椎运动数据长时序列的简单评分标注,即可估计颈椎短时状态的健康评分.首先将多值输入的多示例学习模型划分为多个二值输入的子分类器并分别进行训练,然后使用高斯模型将各个子分类器训练得到的示例分值融合,最后以一种新的包得分机制计算包的分值并完成颈椎健康状态的实时评分.通过包的分值预测准确率计算、示例可视化显示与分析、包得分曲线显示与分析和实时分值评分分析这些定性和定量实验,说明了该算法评估用户颈椎健康的有效性.     

一种基于偏最小二乘法的室外光照估计算法

针对固定视点下的室外场景在线视频光照求解问题,提出一种基于偏最小二乘室外场景实时光照估计算法.在离线阶段提取场景中对光照变化较为敏感的区域,并将这些区域像素值的均值与方差的无偏估计作为场景图像的统计参数,再利用偏最小二乘回归分析建立场景的光照参数与图像统计参数之间的模型;在在线阶段使用所建立的模型实时估计视频每一帧的光照条件.实验结果表明,使用该算法所求解的光照参数对虚拟物体进行绘制并将其融入视频中后,合成场景真实感很强.     

面向手持式3维扫描设备的本征纹理重建

目的 针对目前手持式3维扫描设备生成的模型纹理分辨率不够,且部分区域存在高光、阴影及明暗变化等问题,提出一种基于多幅实拍照片的纹理重建方法。方法 首先使用基于特征匹配的方法将照片图像与几何模型进行配准;其次根据重建纹理大小,采用特殊编码方式的位置纹理建立照片像素到纹理像素直接且精确的对应关系;然后根据多幅使用闪光灯作为光源拍摄的照片,通过位置纹理建立联立方程,求解漫反射分量;最后采用改进的基于混合权重的融合方法对求解的漫反射分量进行纹理融合。结果 使用本文方法对3个实验模型进行本征纹理重建,与3维扫描设备生成纹理和直接用照片生成纹理相比,该方法操作简单、使用方便,可获得高度清晰的,不含高光和明暗效果的本征纹理图像。结论 实验结果表明,重建纹理质量在分辨率、色彩还原性及一致性方面明显优于原有纹理,且该方法具有很高的精确性和鲁棒性,可满足高质量的纹理重建需求。     

基于图形模拟的精细三维注册优化方法

为了处理不可解析求导的目标函数,并克服传统方法对图形绘制解像度敏感,易陷入局部极值的问题,提出一种基于模拟求解的三维注册优化方法.以首先定义基于轮廓特征的目标函数,并采用LM(Levenberg-Marquardt)算法进行求解;在每次迭代过程中,根据位置与姿态参数特征的不同自适应地调整方向导数计算,并分别采用解析式增量估计和随机采样式估计方法计算相应梯度方向,为目标函数模拟出光滑的表达.定量和定性的实验结果表明,文中方法可以快速收敛,很好地克服了局部极值问题.     

虚拟群体与动态视频场景的在线实时融合

将虚拟人群与实拍视频场景融合实现虚拟人群对现实场景中动态目标的合理避让,是增强现实技术有待解决的一个新问题.文中首先对实拍视频流进行分析,获取真实动态目标在三维空间中的运动信息;然后将动态目标的运动转化为每个虚拟角色的约束条件,实时更新虚拟角色的运动决策,实现其对现实场景中动态目标的避让以及虚拟角色之间的避让.为了清晰地展示现实世界中多个目标的空间位置关系,还对视频画面中的目标体做了精确的实时分割,以产生正确的遮挡关系和目标定位.最后通过实验结果表明了该算法的有效性.     

复杂三维模型的遮挡检测加速算法

在环境光照下渲染复杂三维植被模型时,其自身阴影的计算极为耗时;对它进行预处理是加速运算的一个重要方法。笔者对三维模型各处的自身阴影遮挡测试的预处理计算进行优化,即按坐标轴向对三维模型进行分层,用每层的正交投影图像代替层内的复杂三维结构,使遮挡计算可以快速进行;同时还利用层层合并的技术以节省存储空间。实验结果表明,笔者提出的算法明显提高了三维模型自身阴影遮挡测试的运算速度。     

雾天室外场景光照参数估计

在雾天情况下,雾对光线的散射使得室外场景的光照发生很大变化,太阳光和天空光的参数估计变得更为复杂.结合雾天情况下的大气散射模型,提出了室外场景的雾天基图像模型,并基于该模型提出了雾天室外场景图像光照参数估计算法.在已知场景基图像的条件下,利用迭代散射系数方法,优化求解雾浓度与场景深度图像,然后通过对去雾图像进行分解,获得最佳的去雾图像以及正确的光照分解系数.算法能够得到较为精确的雾浓度与场景深度图像.实验结果表明了算法的有效性.     

基于3维模型的单视图不规则物体定位

单幅图像中物体的定位需要估计物体在3维空间中的位置和姿态,在静态场景中等价于摄像机定标,具有广泛的应用价值.针对具有3维模型,但缺失纹理信息的不规则物体的定位问题,提出一种基于轮廓匹配的定位方法.首先使用基于图像分割的方法提取输入图像中物体轮廓线,然后可以将图像轮廓线与给定位置和姿态参数下渲染3维模型的轮廓线进行匹配,匹配误差可以表示为位置与姿态参数的函数.由于该函数不能解析表达与求解,需要通过离散采样计算导数及目标函数值.位置与姿态参数的最优值可以通过LM(Levenberg-Marquardt)方法进行求解.实验结果表明,该方法可以快速收敛,并具有很高的精确性和鲁棒性.     

基于卡尔曼滤波和随机回归森林的实时头部姿态估计EI北大核心CSCD

头部姿态估计在许多高层次的人脸分析任务中起着至关重要的作用,然而准确鲁棒的头部姿态估计仍然是具有挑战性的.针对当前流行的Kinect,提出一种基于卡尔曼滤波和随机回归森林的准确头部姿态估计方法.首先使用卡尔曼滤波在深度图中预测头部的位置,并在预测区域内采样深度块;然后将采样深度块通过已训练的随机回归森林进行头部姿态估计,并将姿态估计值作为卡尔曼滤波的测量值;最后利用卡尔曼滤波结合预测值和测量值得到最终的头部姿态估计参数.实验结果表明,与现有的随机森林算法相比,该方法具有更快的速度、更好的鲁棒性和更高的准确率.     

基于时间一致性局部颜色特征的无纹理3D物体实时跟踪

针对无纹理3D物体跟踪算法在复杂背景和运动模糊的情况下容易跟踪失败、跟踪速度难以达到强实时等问题,提出一种基于时间一致性局部颜色特征的3D物体实时跟踪算法.首先在物体3D模型投影轮廓法向搜索线上计算像素颜色的加权均值作为局部颜色特征,增强颜色特征在复杂环境中的表征能力,并对局部颜色特征进行时间一致性更新,剔除前景背景颜色相似的局部颜色特征,以避免相似前景背景颜色导致的跟踪失败;然后定义基于局部颜色特征的能量函数,并推导该能量函数的解析导函数;最后改进了优化物体姿态的高斯牛顿法,通过添加阻尼参数防止姿态优化陷入局部极值,提高姿态估计精度和跟踪速度.实验使用7组测试视频验证文中算法,结果表明,该算法能更有效地克服复杂背景和运动模糊的干扰,在未使用并行计算的前提下可实现强实时跟踪.