无条件稳定的显式降维非线性有限元

针对传统降维非线性有限元计算速度与精确度难以兼顾的问题,提出了一种无条件稳定的显式迭代算法。基于泰勒展开式得到速度、加速度的三阶精度差分表达式从而获得新的有限元显式迭代方程,并分析其单自由度系统下的传递矩阵谱半径。改进迭代方程使谱半径始终小于1从而满足无条件稳定的要求。实验表明,改进后的显式迭代算法在等效阻尼比的精度上优于中心差分法和隐式迭代法;在降维非线性有限元模型计算中的计算耗时优于隐式迭代方法,提高了降维非线性有限元的迭代计算速度。模型在降维后维度数值较高时,仍能维持良好的计算耗时和帧率,保证了模型的精确度。     

层次结构K-d树的立体图像快速匹配方法

特征匹配是计算机视觉和图形图像处理领域中很多研究方向的基础,也是当前的研究热点.SIFT （scale-invariant feature transformation）特征因其具有尺度、旋转不变性,对一定范围的仿射及视角变换具有鲁棒性等优点,自David G.Lowe提出后,10多年来一直受到众多研究人员的关注.匹配的快速性和准确性是很多应用对特征匹配的要求,如三维重建中立体图像对（stereo pairwise images,简称SPI）的匹配.针对这一问题,本文以SIFT特征为基础,提出用于SPI匹配的方向大约一致（approximately consistent in orientation,简称ACIO）约束关系,其描述了SPI的匹配特征向量间的空间位置关系,有效地避免了误匹配的发生,提高了匹配的精度;通过对标准K-d树（standard K-dtree,简称SKD-Tree）结构的分析,提出了层次结构K-d树（hierarchical K-d tree,简称HKD-Tree）,将SPI特征集根据ACIO约束关系划分成层次结构并建立映射,该方法缩小了搜索空间,从而达到加速匹配的目的;在ACIO和HKD-Tree基础上,提出了高效快速的匹配算法.实验结果表明,本文所提方法比SKD-Tree方法和最新的级联哈希方法（cascade hash,简称CasHash）在精度上略占优势,但是在匹配速度上比SKD-Tree快一个数量级以上,同时也数倍于CasHash.     

基于周期性校正神经网络的血流血管壁耦合

针对传统的血流血管壁耦合难以兼顾计算效率和视觉真实感的问题,提出了一种基于周期性校正神经网络（Periodic-corrected Network,PcNet）的血流血管壁耦合数据驱动仿真方法。设计基于平滑粒子流体动力学（SPH）的血流粒子状态特征向量,对邻域血流粒子和血管壁代理粒子的混合贡献进行建模。提出一种半监督的神经网络--改进的周期性校正神经网络,预测每个粒子在下一帧的加速度。实验结果表明该仿真方法实现了快速、稳定、逼真的血流血管壁耦合。     

基于人脸分割的复杂环境下表情识别实时框架

复杂环境下人脸表情识别由于人脸姿势、遮挡及光照等因素影响，相较于可控环境下的人脸表情识别具有更高的挑战性。针对复杂环境下人脸表情识别精度低以及现阶段用于表情识别的网络结构复杂造成的识别效率低等问题，提出了一种基于人脸分割的复杂环境下表情识别实时框架。该框架包括用于人脸区域分割的FsNet（Face segmentation Network）和用于表情识别的TcNet（Tiny classification Network）。FsNet旨在分割出对表情识别最相关的人脸区域以提升TcNet识别精度，其训练数据集基于已有数据集构建。两个网络的结构设计均趋于精简化以保证整体框架的实时性需求。在FER-2013和RAD-DB两个复杂场景人脸表情数据库上的实验表明，人脸区域分割的方式有利于提高复杂环境下人脸表情的识别率，且整体框架在保证实时性的同时达到了良好的识别效果。     

电磁力反馈中磁场特性分析与线圈姿态计算

电磁力反馈技术是人机交互领域的重要研究方向。电磁力反馈技术能克服机械力反馈技术的摩擦力误差、连接积累误差、操作空间有限等问题,但是线圈的空间姿态摆放对电磁力反馈交互性能影响很大。针对该问题,采用有限元法分析线圈磁场特性并提出了一种基于交互应用需求计算线圈姿态的算法。首先,分析了线圈磁场的盲区特性、线圈的姿态对电流与磁场变化关系的影响及磁场随线圈姿态变化的规律。在此基础上,采用概率云描述了交互应用需求并提出了一种针对不同交互应用需求计算线圈姿态的方法。最后通过实验验证了该线圈姿态算法能大幅提高电磁力反馈交互性能。