首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   21篇
  免费   7篇
  国内免费   9篇
综合类   1篇
自动化技术   36篇
  2019年   1篇
  2018年   2篇
  2016年   1篇
  2015年   3篇
  2014年   2篇
  2013年   3篇
  2012年   6篇
  2011年   3篇
  2010年   5篇
  2009年   1篇
  2008年   2篇
  2007年   4篇
  2006年   2篇
  1999年   2篇
排序方式: 共有37条查询结果,搜索用时 15 毫秒
1.
非手部手势是手语表达中不可缺少的一部分,头部运动的实现并与手势进行协同表达是其重要研究内容。对真人手语表演数据中的手势与头部动作之间的关系进行了深入研究,提取二者的动作特征,利用核典型相关分析方法(kernel canonical correlation analysis,KCCA)建立起手势与头部动作之间的预测关系模型。动画合成结果以及评价实验表明,KCCA方法能更好地刻画手势与头部动作的协调性,实现虚拟人行为动作合成的逼真性。  相似文献   
2.
由于Wi-Fi环境的高动态性,当标定样本类稀少或者逐渐失去其原始价值时,将严重影响定位精度;若重新标定样本,又会带来大量人力物力投入,不利于实际应用。针对这一问题,提出了一种基于多终端动态协同的室内定位方法——OC-ELM。该方法利用环境中多个终端提供的Wi-Fi信息动态协同定位,并在每轮定位结束后及时更新样本库。实验结果表明此方法不仅能实现高精度定位,更重要的是避免了重复的标定工作,提高了实际应用能力。  相似文献   
3.
为了捕捉用于动态手势识别的完整手势运动序列,需要同步获取手掌空间位置变化和手掌姿态变化两部分信息,而现有的单一传感器都由于自身的限制而难以实现.因此,提出一种基于双通道异构传感器深度摄像头和陀螺仪融合的动态手势协同识别模型,该模型同时从手掌空间位置的变化和姿态的变化两方面获取完整的手势运动数据,通过数据预处理、基于互信息的特征层融合和分类识别,提高手势识别效率和准确率.通过对数字手势0-9和小写英文字母手势a z的识别实验结果表明,提出的动态手势协同识别模型能够在有效降低特征向量维数和计算复杂度的同时,提高手势识别的准确率.  相似文献   
4.
为了使人们在各种各样的室内环境中,也能享受到定位服务带来的便利,基于Android手机平台通过采用RSSI定位的方法,设计和实现了一个LBS系统平台.该平台整合了室内定位的功能以及时下最流行的微博功能,使其他用户可以通过调用平台的接口,基于该平台设计出各种应用于不同环境的购物辅助系统.当消费者购物时可以通过该系统更方便的进行购物,从而使人们在室内环境下也能享受到普适计算带来的便利.通过一个实例验证了该系统的可行性及实用性.  相似文献   
5.
本文给出了一个面向移动数字娱乐的肖像漫画生成系统。该系统的输入是一张真实人脸照片,输出为具有娱乐效果的夸张人脸肖像。主要研究内容包括;第一,人脸照片的肖像插图画的生成。文中采用了Unsharp Mask锐化处理结合色彩缩放运算的方法,本方法不仅考虑到移动设备用户对计算速度的要求,而且能保留人脸的绝大部分特征,从而更为有效地生成人脸的肖像插图画。第二,人脸表情变形以产生人物的幽默漫画。对基于特征的变形方法进行了改进,使其更加自动化。此外,本文改进了传统的ASM方法,用来帮助去除人脸图像背景信息和更为方便地控制人脸上的特征点。整个系统在局域网和PDA上表现出了很好的娱乐效果。  相似文献   
6.
一种改进的铅笔画的生成方法   总被引:11,自引:2,他引:11       下载免费PDF全文
给出了一种改进的根据真实2D图像自动生成相应的非真实感铅笔画的方法。首先将彩色图像进行霓虹处理,再进行反相计算和灰度化,就可以产生铅笔画中的轮廓效果。其次,为了更好地产生铅笔画的光照效果及其局部走势纹理,采用线积分卷积(LIC)的方法来生成类似的效果,并且用适当的图像分割方法来获取进行LIC处理的有意义的区域。实验结果表明,本文的方法与以往的方法相比,能生成具有不同风格的效果,并且生成的速度更快。  相似文献   
7.
手语合成中的多模式行为协同韵律模型   总被引:2,自引:0,他引:2  
利用大量真实多模式行为数据进行学习训练、获取单模式行为的韵律模型以及多模式行为之间的协同关联模型的方法,来实现虚拟人多模式行为之间的协同.重点给出了多模式行为的韵律模型描述,同时给出基于手语韵律参数与语音韵律特征融合的协同控制韵律模型以及韵律参数获取方法,并运用于多模式行为协同控制中,取得了较好的实验结果.与传统的规则法相比,该学习方法更能刻画多模式之间协同关联的复杂性,更好地实现虚拟人多模式行为合成的逼真性.  相似文献   
8.
动态环境中的WiFi指纹自适应室内定位方法?   总被引:1,自引:0,他引:1  
针对传统的基于WIFI信号的室内定位方法难以有效解决环境动态变化对RSSI值的影响问题,设计并实现了一种基于WIFI射频信号强度指纹的室内定位方法。该方法通过采用一种基于用户使用状况与布置定位参考点的方法来动态更新系统的WIFI指纹数据库,从而有效降低了在实际使用过程中用户手持手机的方向、用户的身体遮挡以及使用环境的动态变化对RSSI值所带来的影响。实验结果表明,本文设计并实现的定位方法比传统定位方法更稳定、易维护,同时也具有更高的定位精度和自适应性。  相似文献   
9.
室内定位是普适计算领域的热点研究问题。当前,室内定位方法主要分为基于信号传播模型的定位方法和基于无线信号指纹的定位方法。其中,基于指纹的方法由于不需要知道无线信号接入点(Access Point,AP)的位置而得到更加广泛的应用, 其需要通过离线阶段采集大量数据来构建丰富的指纹库,满足这一条件需要大量的人工标定工作。对此,文中提出了一种基于指纹空间关系的定位方法,相比于传统的指纹定位方法,该方法无需建立指纹库,只需要通过获取多终端的 Wi-Fi 信号强度,计算所有终端的不相似度并构建不相似矩阵;通过多维尺度分析(Multidimensional Scaling,MDS)算法,构建出所有终端的位置分布图,进而通过确定其中 3 个以上终端的位置来定位所有的终端。采用支持向量回归机(Support Vector Regression,SVR)计算任意终端间的距离,并将距离矩阵作为不相似矩阵。文中在商场场景下选择了约2500m2的区域进行实验,所提方法的平均定位误差约为7m。  相似文献   
10.
3D caricatures are important attractive elements of the interface in virtual environment such as online game. However, very limited 3D caricatures exist in the real world. Meanwhile, creating 3D caricatures manually is rather costly, and even professional skills are needed. This paper proposes a novel and effective manifold transfer algorithm to reconstruct 3D caricatures according to their original 2D caricatures. We first manually create a small dataset with only 100 3D caricature models and use them to initialize the whole 3D dataset. After that, manifold transfer algorithm is carried out to refine the dataset. The algorithm comprises of two steps. The first is to perform manifold alignment between 2D and 3D caricatures to get a "standard" manifold map; the second is to reconstruct all the 3D caricatures based on the manifold map. The proposed approach utilizes and transfers knowledge of 2D caricatures to the target 3D caricatures well. Comparative experiments show that the approach reconstructs 3D caricatures more effectively and the results conform more to the styles of the original 2D caricatures than the Principal Components Analysis (PCA) based method.  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号