海量层次信息的Focus+Context交互式可视化技术

综述了海量层次信息可视化与Focus Context技术的相关工作,针对海量层次信息可视化的交互问题,在嵌套圆可视化技术的基础上提出了基于上下文感知的Focus Context交互式可视化技术.首先,基于外切圆排列方法提出对圆心进行三角网格剖分的方法,为变形计算建立上下文;然后,针对变形计算前后上下文一致性问题,在三角网格邻居跟踪方法的基础上,提出了用于同层兄弟节点上下文感知的外切圆变形排列方法,以及用于父子节点上下文感知的嵌套圆迭代排列方法.实验结果表明。上述方法在实现焦点突出的鱼眼视图的同时,能够有效地解决Focus Context交互式可视化的上下文感知问题.上述方法应用于文件系统海量层次信息的交互式可视化问题,提供了交互式可视化工具.     

在线修正的人脸姿态跟踪算法及交互应用

针对人脸在跟踪过程中可能存在大幅度的倾斜、旋转、遮挡以及肤色干扰等问题,提出一种基于在线修正的人脸跟踪算法.该算法当人脸检测失效时,人脸跟踪模块将用于提取目标参数;而在人脸跟踪过程中,为减小由连续跟踪造成的累积误差,利用人脸实时检测机制新检测到的人脸目标参数来修正跟踪模块的参数,包括跟踪窗口的位置和尺度,从而利用了人脸检测和人脸跟踪各自的优点.通过实验,其结果表明,该算法能够精确地跟踪复杂姿态下的人脸目标,并且能够解决肤色干扰和遮挡的问题,具有很好的适应性和鲁棒性.另外,将在线修正的跟踪方法应用于娱乐游戏控制,为人机交互提供了新的方式.     

交互技术在手写公式编辑中的应用

遵循泛化计算理论，设计实现了一个联机手写公式编辑系统，以提高识别率和交互(效)率．该系统采用上下文感知技术来辅助切分、解决符号的二义性；采用备选择优、直接指定技术来修正字符的识别结果；采用局部放大解决笔画交叉时的分割问题；最后还给出一个补笔算法．实验表明，这些技术的应用使得数学公式的识别率和系统交互(效)率得到有效的提高，同时使该系统具有自然、隐式交互的特点。     

ICOMDT:一个面向动态任务的交互计算模型

近年来,包含动态任务的交互式系统得到了广泛的应用.基于现有对用户与动态任务交互的研究,提出一个面向动态任务的定量化可计算的交互模型ICOM^DT,用于解释用户与动态任务的交互行为,并实现用户意图预测.更具体地,将ICOM^DT应用于运动目标选择任务,设计了两个实验以验证模型的有效性.实验1收集用户数据对模型进行拟合并预测用户选择的错误率,实验结果表明,能够很好地拟合且预测值也与真实值接近;实验2将模型对用户意图的理解拓展为一种辅助运动目标选择技术ICOMPointer,通过在具体的游戏场景中与Windows原本的选择技术及两种现有的增强目标选择技术对比,发现使用ICOMPointer选中目标的平均完成时间更短,完成速度更快.ICOM^DT模型的提出对计算机理解用户意图,提高用户与动态任务的交互效率有着重要意义.     

面向网状信息的Radial+Focus可视化*

针对当前网状信息可视化技术忽略了网状信息节点的可视信息的问题,提出一种面向网状信息的Radial+Focus可视化技术。首先介绍网状信息节点的信息详细度与先验重要度,并研究通过节点的交互历史计算节点的先验重要度的方法;然后研究了基于节点先验重要度的Radial+Focus布局算法;最后,给出了Radial+Focus可视化技术的应用实例和实验评估。实验评估表明,该技术能自然、高效地可视化网状信息,为用户对网状信息关系及网状信息节点的可视信息的分析提供有力的支持。     

多窗口目标跟踪算法

目标在复杂环境下运动,特征会受到光照、摄像机角度等因素影响,并且目标可能会被自身其他部分或者场景物体遮挡,为此,提出一种多窗口概念的视频目标跟踪算法,基本思想就是将目标用多个不同的窗口表示,每一个窗口对应一个跟踪器.这些窗口之间可以存在重叠,也可以包含被跟踪目标上下文信息,如在人脸跟踪中,有些跟踪窗口可以包含颈部信息、上衣颜色信息.然后利用这些窗口之间的位置关系以及在后继跟踪过程中的相似度来估计目标的真实位置.通过实验可以看出,提出的多窗口均值移动跟踪算法可以提高系统在遮挡、光照变化等复杂条件下的跟踪性能.     

基于手绘草图的概念设计工具研究与设计

从认知心理学的角度,研究了概念设计的过程,探讨性地指出辅助设计工具应当以灵感为中心。阐述了适合概念设计过程的新的设计方法和交互技术,并介绍了基于手势的草图技术及新一代交互范式——PIBG交互范式。全面分析了约束捕捉、约束求解等关键问题,最后在此基础上给出智能图板系统的设计与实现,为用户提供了一种自然和谐的界面。     

基于组块及记忆的词性自动标注

基于组块及记忆的模型(BMM)采用与传统方法明显不同的标注思路,以汉语中的整句为处理单元,从组块出发,立足于单个词汇,分析更为丰富的上下文语境知识,并借助知网词典记忆词性集合,同时采用渐增式的机械学习方式获取参数值。对于棘手的稀疏数据问题只简单地设置平伏常数加以平滑,最后利用少量人工规则修正标注结果。实验表明,该模型的封闭式测试准确率将近99%,开放式测试准确率为95%以上。     

一种基于模糊集合论的手势分割算法

提出了一种基于单目的复杂环境下强抗干扰性的手势分割算法,使用模糊集合的概念来描述视频流时域和空域上的不同信息,以模糊运算作为信息加工处理的工具。定义了三个模糊集合非背景集、肤色集和模糊手势集,讨论了对模糊集合的腐蚀和膨胀运算。通过对非背景集和肤色集进行模糊运算,得到原始的模糊手势集,然后对原始的模糊手势集进行求精处理。试验结果证明,该文算法实现了对人手的精确分割,且能满足实时性要求。