一种基于视觉的手指屏幕交互方法

本文提出了一种新的基于视觉技术的手指屏幕交互方法,利用手指在屏幕上的移动和点击等动作完成与计算机的交互.该方法使用两个摄像头从不同视角实时拍摄计算机屏幕,结合人手肤色和轮廓信息对手指进行实时跟踪,并根据两幅图像中的指尖位置和摄像头参数来判断指尖是否接触屏幕.实验结果表明,该方法可以完成鲁棒的手指跟踪和准确的点击检测,对光照条件没有严格的限制,实现了自然友好的人机交互操作,可以运用于智能交互、数字娱乐、穿戴计算等多种应用场合.     

材料领域科研项目的投入产出特征分析

以材料领域的国家自然科学基金项目为例,通过对科研项目的经费投入、论文发表数量、论文影响力、论文产出周期等指标进行科学计量分析,分别从年度趋势、领域变化和地区差异3个维度揭示了材料领域科研投入产出的特征和一般规律.分析结果表明,我国科研基金资助的材料领域的研究水平随时间推移呈上升趋势,但在地域分布上并不均衡.科研项目的组织实施加强了材料领域与其他学科领域的渗透融合.项目经费的规模与论文产出数量基本符合正相关的规律,但与论文平均影响力没有直接的关系.     

EyeScreen： A Vision-Based Gesture Interaction System

EyeScreen is a vision-based interaction system which provides a natural gesture interface for humancomputer interaction （HCI） by tracking human fingers and recognizing gestures. Multi-view video images are captured by two cameras facing a computer screen, which can be used to detect clicking actions of a fingertip and improve the recognition rate. The system enables users to directly interact with rendered objects on the screen. Robustness of the system has been verified by extensive experiments with different user scenarios. EyeScreen can be used in many applications such as intelligent interaction and digital entertainment.     

一种快速的自适应目标跟踪方法

由于光照变化、视角差异、相机抖动和部分遮挡等因素的影响,鲁棒的目标跟踪仍然是计算机视觉领域极具挑战性的研究课题.受协同训练和粒子滤波算法的启发,提出一种快速的自适应目标跟踪方法.该方法采用HOG(histogram of oriented gradients)和LBP(local binary pattern)描述目标特征并建立分类器,通过协同训练实现分类器的在线更新,有效解决了误差累积问题.为缩小目标搜索的状态空间,利用ICONDENSATION的运动模型和重要采样提高粒子采样的准确性和效率,并引入校正因子抑制虚假目标的干扰,从而提升了跟踪算法的鲁棒性和分类器更新的准确性.在两组标准测试集和两组自建测试集上的对比实验结果验证了所提出跟踪算法的有效性.与基于全局搜索的跟踪方法相比,该算法在不降低跟踪性能的前提下将处理速度提高25倍以上.     

基于动态网络位置的颠覆性技术识别方法

根据颠覆性技术的发展特点,通过组合使用度中心性、中介中心性和接近中心性等网络指标,提出基于网络位置动态性的颠覆性技术识别方法,在技术没有造成显著市场变化时实现预警决策。首先基于论文关键词构建技术主题网络;其次计算每个主题节点的中心性指标并划分区间;最后定义4种网络初始位置,并根据网络位置的变化特征提出4种潜在的颠覆类型。以脑机接口领域论文数据开展实证,验证了该方法的可行性和有效性。