网上3D试衣系统技术研究

虚拟试衣系统是一种应用于服装电子商务的实时交互平台。为了满足虚拟试衣系统真实性、实时性、方便性等设计要求,该文采用服装操控技术为虚拟服装建立三维模型,并把其中的交互建模标记绑定到服装模型上,以此取代手工指定的标记,从而把原来需要人机交互的三维服装建模过程转化成一个后台计算过程。保留服装操控技术中的表面拖曳交互机制,作为用户对建模完成之后的虚拟服装的微调手段,并把原来需要人机交互指定的拖曳不动点信息固化到服装模型数据文件,以此提高虚拟试衣间实际应用中的方便性。在网上3D试衣系统的设计中,提出了布片无缝拼接算法以及二面角调整算法,并在实验中取得了较好的效果。     

人脸建模与动画的研究

1.引言人脸建模与动画(face modeling and animation)是计算机图形学中最富有挑战性的课题之一。这是因为:首先,人脸的几何形状非常复杂,其表面不但具有无数细小的皱纹,而且呈现颜色和纹理的微妙变化,因此建立精确的人脸模型、生成真实感人脸非常困难;其次,脸部运动是骨骼、肌肉、皮下组织和皮肤共同作用的结果,其运动机理非常复杂,因此生成真实感人脸动画非常困难;另外,我们人类生来就具有一种识别和     

结合密集神经网络与长短时记忆模型的中文识别

文本图像识别是计算机视觉领域一项重要任务,而其中的中文识别因种类繁多、结构复杂以及类间相近等特点很具挑战性.为改善这一问题,使用文本行端到端的识别模型.首次提出利用密集卷积神经网络（DenseNet）提取文本图像底层特征,同时避免手工设计、统计图像特征的繁琐;将整行图像特征直接送入双向长短时记忆模型（BLSTM）进行局部相关性分析,减少字符定位分割这一步骤;最后采用时域连接模型（CTC）解码获得识别的文本信息.实验表明所提出的模型可以高效的进行图像文本行的识别,并对图像的多种形变具有较好的鲁棒性.     

虚拟桌面系统的实现原理

设计和实现了一个虚拟桌面系统VDT,用于对Windows中的窗口进行管理,以方便Windows用户对窗口的使用,VDT创建了一个能够轻松操作的多个工作空间,这些工作空间将显示器扩展到一个虚拟空间中,重点介绍了这个系统的原理和实现。     

一种基于图像平均灰度值的快速图像修复算法

基于纹理合成的图像修复技术用于修复大面积破损区域,目前此类算法都存在时间复杂度高的缺点。针对纹理算法的匹配技术进行改进,提出了一种基于图像平均灰度值的快速图像匹配算法。该算法在匹配之前预先计算纹理块的平均灰度值以及分割后的纹理块的局部平均灰度值,以取代计算复杂的匹配项SSD（sum of squared differences）;匹配过程只需对平均灰度值进行快速比较,结合阈值控制筛选掉大部分候选纹理块。实验结果表明,该算法在不损害图像修复质量的同时,将纹理修复的效率提高到实时水平。同时在纹理合成和纹理修复中具有普遍的适用性。     

人脸动画中基于样条插值的器官拼接算法实现

人脸动画广泛地应用于游戏行业、远程会议、代理和化身等许多其它领域,近年吸引了很多学者的研究,其中口腔／眼睛等器官的动画一直是一个较大的难点。本文提出了一种将口腔／眼睛的器官样本图片融合到人脸图像中并根据单张中性人脸图片生成人脸动画的方法。该方法根据特征点生成样条,在极坐标上对样条插值来实现空间映射,然后采用后向映射和插值进行图像重采样得到融合图像。实验结果表明,该方法产生的融合图片较为自然,能实现口腔／眼球等器官的运动,能满足人脸动画生成的实时性要求。     

北海市干沙虫污染状况调查

了解北海市市售干沙虫有毒有害物质的污染状况。方法 对北海市4个主要养殖产区和1个具有代表性的品牌的43份干沙虫样品进行了重金属、农药残留、微生物等项目的检测,并参照有关标准做出安全评价。结果 除多氯联苯、农药残留和致病菌未检出外,部分样品的铬和菌落总数以及个别样品的挥发性盐基氮有不同程度的超标,其中铬的超标率为100%,组胺和其他重金属元素在所有样品中均有检出但未超过参考标准的限量。结论 北海市干沙虫的卫生质量状况总体较好,但铬和菌落总数仍有不同程度超标,应对干沙虫作进一步的安全风险评估并建立相应的产品质量标准予以管理和规范。     

分布式组件技术的电力市场管理软件系统结构

安徽省电力发、用计划及考核管理系统是安徽省电力中心调度所的一套独具有特色的软件,它为省电力内部市场的调度运营管理提供了新的技术手段。重点介绍了系统结构和分布式组件技术为该系统中的应用。它是一个高效的、充分利用Intranet和Internet技术的系统,分布式组件技术的应用使得整个系统的可扩充性、可维护性、稳定性大为提高。最后,介绍了一种简单可靠的系统备份。     

基于二维中垂线Hough变换的圆形印章定位算法

提出了一种在灰度图像上使用二维中垂线Hough变换定位圆形印章的方法。给出了印章定位算法的具体实现过程,并通过实验验证了定位效果。     

基于深度编解码网络的运动目标检测算法

运动目标检测算法在视频监控等领域应用广泛,但是现实场景中由于噪音、光照变化等因素导致背景复杂多变,传统的运动目标检测算法往往效果不佳. 为了提升算法效果,提出了一种新的基于深度编解码网络的运动目标检测算法,将问题转化为像素级的语义分割问题. 事先使用大量数据离线训练出一个编解码网络,来学习背景与视频帧之间的差异性,实际应用中首先使用高斯混合模型进行背景建模,之后将所得背景与视频帧作为网络输入即可直接获取检测结果. 该方法利用了深度卷积网络在抗噪及特征学习等方面的优点,无需进行复杂的参数调优即可实现高性能的运动目标检测. 我们在CDnet2014数据集上进行了实验评估,实验结果显示我们所提出的算法较原GMM算法有很大提升,甚至在一些场景中的表现优于现有的一些顶尖算法. 另外得益于非常简单的背景建模方法以及网络结构,我们的算法在使用GPU的情况下能够近乎实时地进行运动目标检测,实用性很强.