基于体感交互设备的人体重心计算方法

人体重心是反映人体形态结构和质量分布特征的基本参数,本文探讨利用体感交互设备获取较为精确的重心位置。首先借助体感交互设备Kinect获取人体实时的关节点坐标数据,构建适合于体感交互设备Kinect的人体重心计算的环节模型,结合人体重心计算方法中力矩合成法的改进算法"乘系数法",提出计算人体重心的实时线性计算方法。为验证该方法获得重心的准确性,实验利用平板压力测试系统Footscan提供的同步重心数据作为标准重心数据对该方法进行检验,结果表明本方法的重心计算结果与Footscan有类似的结果,在大幅度动作中有更好的准确性和稳定性。     

基于行为交互的工艺美术品三维体感交互模拟系统设计

为提高工艺美术品三维体感交互能力,提出基于行为交互的工艺美术品三维体感交互模拟系统设计方法.构建工艺美术品三维体感交互模拟的视觉成像特征分析模型,采用双目视觉成像技术是对工艺美术品三维体感交互模拟的视觉成像处理,构建图像信息检测模块、工艺美术品三维体感图像融合模块、信息输出模块和人机交互模块等.采用行为交互和环境适应性...     

基于WiFi和体感交互的演示系统设计与实现

基于智能手持终端系统内置的三轴陀螺仪捕获手势命令,利用自适应模板匹配方法进行手势识别,在不降低识别率的情况下,提高了识别效率。以WiFi网络作为信息传递载体,将手势命令传输到服务器,以控制演讲时幻灯片的放映。这种基于WiFi和体感交互的演示方式,能克服传统USB激光笔操作方式单一、接收距离有限等问题,提供更好的用户体验。     

基于Leap Motion的沉浸式体感交互系统研究

Leap Motion是采用双目视觉原理来对手部进行距离的精准测量的体感交互设备,因此常被用作交互式沉浸系统的开发.以Leap Motion传感器为手势识别设备,采用TBD(Track-Before-Detect检测前跟踪)技术对手部进行追踪,根据两个摄像机进行深度成像,从而提取人体手部各关节点的深度信息并建立手部立体...     

基于体感交互的智能家居控制与监护系统

为实现通过手势对家居电器设备的控制,并对室内危险情况进行实时监测和报警,设计了基于体感交互的智能家居系统。该系统利用Kinect设备捕获RGBD图像信息,将识别出的手势信息作为控制信号,通过ZigBee局域网对家居设备进行控制;同时对场景中可能出现的老人或小孩摔倒情况进行实时检测判定,对危险情况报警。实验结果表明,该系统能满足通过手势对家居设备进行控制的需求,并且对摔倒情况能进行检测和报警。     

基于kinect的体感交互系统在多媒体教学中的应用研究

随着多媒体技术的飞速发展,多媒体计算机辅助教学被广泛应用于教学实践中。几乎所有的高校甚至中小学都采用这种教学模式来完成教学的最重要环节。本文将体感交互系统巧妙地应用于多媒体教学,利用kinect强大的骨骼跟踪功能,实现通过肢体动作对幻灯片的播放控制,给教学方式带来莫大的方便,同时使课堂气氛活泼,趣味生动。     

人机体感交互中的情感化设计研究

人机体感交互是继鼠标、多点触摸之后人机交互模式变革的一个新起点。文章针对本能水平、行为水平、反思水平情感化设计的特点,研究了人机体感交互中的情感化设计目标,并对影响情感化设计的关键要素进行了深入分析。     

动态灰度预测算法在体感交互设计中的应用

体感交互应用是通过新型的体感交互设备来进行人机交互操作,在虚拟仿真、项目展示等方面有着重要应用。为解决体感交互过程中由于骨骼抖动导致行为误判的问题,提出了在Kinect与UnrealEngine4成功对接的基础上,加入动态灰度预测算法处理数据,同时利用灵敏度分析对数据量进行优化,在不影响正确率的情况下减少响应时间,提高识别速率。经过实验,该方法相比于移动平均法等过滤器在正确率和效率方面有了较大的提升。     

基于Kinect的体感交互的应用

随着计算机系统输入设备的发展,各种专业的传感器被嵌入到人们日常生活的设备中.近年来微软开发的Kinect传感器的引入为解决人体行为分析提供了新的思路.本文主要介绍了Kinect相比较传统的人体行为分析方法的优点和Kinect所提供的功能,分析了Kinect体感操作的应用.     

航天员虚拟交互操作训练多体感融合驱动方法研究

针对航天员虚拟训练中的人机自然交互问题,基于体态/手势识别和人体运动特性, 提出一种多通道数据融合的虚拟驱动与交互方法。结合Kinect 设备能够完整识别人体姿态特点 及LeapMotion 设备能精确识别手势姿态的优势,提出了基于判断的数据传递方法,在人体关节 识别的基础上对手部关节进行识别与数据处理计算,采用多通道体感识别融合方法将二者结合, 并进行了实验。结果表明,通过采用LeapMotion 和Kinect 对手部识别的判别,当手势在 LeapMotion 识别范围内,能够在实现人体体感识别的基础上增加较为精确的手势识别。此方法 成功实现了人体姿态识别和手势精确识别的结合,可应用于航天员虚拟训练中的人机自然交互 中去。     

基于限幅加权骨骼节点滤波的体感交互技术

为了改善机器人的操作方式,提高体感交互的识别精度,提出了一种基于限幅加权骨骼节点滤波的体感交互技术。首先利用Kinect传感器获取深度场景信息,并通过骨骼追踪技术处理所获得的深度信息以此匹配人体各个关节,建立人体各关节的3D坐标;然后采用空间向量映射的形式计算出各关节转动角度,并利用本文所提出的限幅加权滤波算法,即通过对采集并计算出的关节转动角度进行限幅加权滤波处理,减少了骨骼噪声的影响;最后将转动角度转化为控制指令,通过蓝牙串口将控制指令发送给机械臂控制器,操控机械臂舵机转动。实验结果表明,该方法能够实现体感交互效果,机械臂随人体手臂运动的识别率为96.3%,且限幅加权滤波算法能有效减少骨骼噪声影响。     

基于体感技术的游戏重构框架的应用研究

为满足体感游戏市场需求,降低3D游戏前期投入风险,文章提出通过开发中间件模块对游戏开发过程进行简单改造,实现3D游戏向体感游戏平滑过渡的过程;先是简单介绍了体感技术的原理和工作过程,接着结合Kinect硬件系统提出了3D游戏到体感游戏重构框架(3D-MS重构框架),然后设计和实现了中间件模块,并对现有3D游戏的提出具体改进策略和方法;最后以《神龙》游戏为案例进行了重构和实验测试,实验表明3D-MS重构框架是可行的,采用中间件技术可平滑、快速实现从3D游戏到体感游戏,比直接改造游戏的效率高2.2倍,同时能提高游戏的人机互动效果。     

体感交互在大型触摸屏环境中的应用与研究

大型触摸屏环境带来高沉浸感的触控体验,然而当用户离大屏幕过近时体验效果欠佳。为改善其交互体验,引入体感交互技术,基于用户与屏幕的距离提出2种交互模式。通过设计并实现一套测试系统,将体感交互技术应用到大型触摸屏环境中。利用该系统进行用户测试,并对测试结果进行统计学分析。测试结果显示,体感交互技术能有效减少大型触摸屏环境体验效果欠佳的局限性。体感交互技术与大型触摸屏环境的结合有利于改善公共空间的交互体验。     

基于深度学习的输电线路风险预警识别研究

“三跨”输电线路出现的故障,对于电力保障及铁路公路等基础交通设施均会造成重大影响。因此对“三跨”输电线路的潜在风险进行识别与预警,是至关重要的。针对这一问题,本文提出了一种结合深度学习和图像处理技术的输电线路安全区域内工程机械设备的的识别与检测方法。采用区域卷积神经网络（Faster-RCNN）对位于输电线路安全区域内的各类工程机械设备进行识别与检测,并基于caff框架下进行了实现;算法还结合同态滤波等图像处理技术,以进一步提高在不良光照等复杂环境下的目标检测结果的准确度。多组实验结果表明算法对于各种复杂环境下的各类工程机械设备均具有较高的检测识别率,算法实现了对位于输电线路安全区域内的工程机械类的风险预警识别,为输电线路故障与风险智能识别平台的建立提供了基础。     

基于深度强化学习的自适应虚拟机整合方法

能耗限制的服务质量优化问题一直以来都是数据中心虚拟机资源管理所面临的巨大挑战之一.尽管现有的工作通过虚拟机整合技术一定程度上降低了能耗和提升了系统服务质量,但这些方法通常难以实现长期最优的管理目标,并且容易受到业务场景变化的影响,面临变更困难以及管理成本高等难题.针对数据中心虚拟机资源管理存在的能耗和服务质量长期最优难保证以及策略调整灵活性差的问题,提出了一种基于深度强化学习的自适应虚拟机整合方法(deep reinforcement learning-based adaptive virtual machine consolidation method, RA-VMC).该方法利用张量化状态表示、确定性动作输出、卷积神经网络和加权奖赏机制构建了从数据中心系统状态到虚拟机迁移策略的端到端决策模型;设计自动化状态生成机制和反向梯度限定机制以改进深度确定性策略梯度算法,加快虚拟机迁移决策模型的收敛速度并且保证近似最优的管理性能.基于真实虚拟机负载数据的仿真实验结果表明：与开源云平台中流行的虚拟机整合方法相比,该方法能够有效地降低能耗和提高系统的服务质量.     

基于改进Faster R-CNN的垃圾检测与分类方法

针对人工分拣垃圾环境差、任务繁重且分拣效率低的问题,为提高垃圾识别与分类的精确度,同时克服垃圾体积小及图像分辨率较低的难题,基于现有深度卷积神经网络模型,提出改进的Faster R-CNN目标检测模型与VGG16及ResNet50卷积神经网络相结合的方法.根据卷积网络的特性,修改Faster R-CNN网络结构,提升小...     

深度学习的人-物体交互检测研究进展

人-物体交互检测(HOI),就是把图像作为输入,检测出图像中存在交互行为的人和物体以及他们之间的交互动词。它是计算机视觉范畴里继目标检测、图像分割和目标跟踪之后又一新任务,旨在对图像进行更深层的理解。针对目前基于深度学习的HOI检测综述性文章的空白,以HOI检测方法的发展历程为主线,对基于深度学习的HOI检测方法进行了分类与分析。首先简要总结了早期的技术方法,然后根据模型结构将现有算法分为两阶段方法和一阶段方法并对一些代表性算法进行分析介绍。将两阶段方法分为融入注意力、图模型以及姿势和身体部位三类进行重点论述,总结了每类方法的基本思想与优缺点。此外,还详细介绍了HOI检测任务的实验评价指标、基准数据集和大多数现有方法的实验结果,对不同类别的方法取得的结果进行说明。最后对该技术面临的主要挑战进行总结分析并对未来发展趋势进行展望。     

基于Kinect体感交互的多人在线虚拟实验系统

为了满足多人异地进行真实感虚拟实验的需求,使用Kinect体感设备和Unity 3D引擎搭建了一个多人在线虚拟实验系统。在该系统中,使用Unity 3D引擎搭建虚拟实验场景,通过导入3D Max制作的实验器材模型进行实验搭建,并通过网络通信技术实现远距离多人在线操作。对于真实感部分,采用Kinect体感技术捕捉的身体姿势被用来控制虚拟场景中第一人称角色的走动、抓取和操作实验器材以及选取虚拟场景中的菜单。实验结果证明,Kinect姿势识别具有很高的准确性和鲁棒性,并且不容易被光照条件和复杂的背景所影响,服务器与客户端的通信对于建立远程虚拟实验系统来说足够稳定。该系统具有成本低、真实感较强的优点。     

基于交互学习的柔性工作流

当前工作流系统普遍缺乏柔性，导致适应性和实用性较差．在工作流网(WF—Net)的基础上，增加了柔性场所和柔性迁移，提出了一种柔性工作流网(FWF—Net)的建模语言并对正确性进行了分析；同时在工作流系统中增加了建模和执行的交互学习机制，给出了学习的算法，使工作流系统从建模和执行都具有良好的柔性和适应性，同时降低复杂性．通过实验表明，不但能够实现柔性工作流系统，而且支持个性化的流程管理．