基于随机森林算法的服装3D人体特征识别

提出了一种基于随机森林算法的3D人体特征识别算法.首先,利用bootsrap重抽样从3D人体特征样本中抽取多个样本,并对每个bootsrap样本进行建模,生成一定数量的决策树,在此基础上组合多个决策树的预测,通过投票预测特征点,把投票比例最高的点作为特征点.然后,利用3次B样条对特征点进行拟合得到3D扫描人体轮廓线,并测定人体尺寸数据.最后,将测试结果与标准测量结果进行比较,计算误差值.仿真实验表明,该方法对不同的3D扫描人体模型具有良好的识别效果.     

基于卷积神经网络的3D服用人体特征识别

提出了一种基于卷积神经网络的3D人体特征识别算法。首先,获取训练数据,具体包括数据的去冗余、3D到2D的投影以及人体局部区域图像的获取。然后,根据局部图像的大小,设计神经网络的结构,并进行参数初始化,对网络进行训练,通过调整网络参数提高网络的准确度。基于训练好的网络,通过对人体自上而下的扫描获取的人体局部图像进行特征识别并获取其对应的特征概率,通过阈值以及特征变化判定出特征出现在人体的的相对位置。然后,使用最小二乘拟合将经过该位置的横向切面与3D人体模型相交的二维点离散坐标点进行闭合曲线拟合,计算出人体各部位的尺寸。最后将测试结果与标准测量结果进行比较,计算出误差值。仿真实验结果表明,通过该方法可以较好的实现对各种差异性3D扫描人体模型的特征识别。     

基于弱监督迁移网络的3D人体关节点识别

针对2D图像缺少深度信息,行为姿态空间结构信息不完备的问题,提出一种基于弱监督迁移网络的3D人体关节点识别方法。首先,提出一种用于真实图像的端到端3D人体姿态估计框架,使用2D与3D混合标签图像对深度神经网络进行训练,在2D人体姿态识别子网络中,添加深度回归模块对2D人体姿态识别子网络进行改进,解决3D人体姿态识别出现的深度歧义性问题;其次,在3D人体姿态识别子网络中,引入3D几何约束对人体姿态识别进行规范化操作,针对无真实深度标签的情况,可更好地学习深度特征,有效解决存在遮挡情况的人体姿态识别问题。在Human 3.6M和MPII数据集中关节点预测平均误差低于其他方法,具有更好的3D人体姿态识别效果。     

基于几何特征信息融合的SAR图像目标识别

几何特征是进行合成孔径雷达图像目标识别的重要依据,根据检测后的高分辨率合成孔径雷达目标图像,分析并且提取其典型几何特征,然后依据所得到的结果进行特征级的融合识别。首先运用二次距离法构造分量识别器,然后采用绝对多数投票法进行集成,最后结合专家系统分析得到基于目标典型几何特征的识别结果。经数据实验验证,该方法具有良好的可靠性和准确性。     

基于3D-CBAM注意力机制的人体动作识别

针对已有的动作识别方法的特征提取不足、识别率较低等问题,结合双流网络、3D卷积神经网络和卷积LSTM网络的优势,提出一种融合模型. 该融合模型为了更好地提取人体动作特征,采用SSD目标检测方法将人体目标分割出作为局部特征和原视频的全局特征共同训练,并采用后期融合进行分类; 将3D卷积块注意模块采用shortcut结构的方式融合到3D卷积神经网络中,加强神经网络对视频的通道和空间特征提取; 并且通过将神经网络中部分3D卷积层替换为ConvLSTM层的方法,更好地得到视频的时序关系. 实验在公开的KTH数据集     

基于密集深度插值的3D人体姿态估计方法

3D人体姿态估计是计算机视觉任务中一直非常具有挑战的任务.由于样本标注难度大,往往只能获得有限场景下的离散关键点数据,给三维的预测带来了更大的挑战.研究发现,虽然人体是一个非常灵活的结构,但是单个躯干可以看作刚体.这意味着当只知道躯干两端的深度时,整个躯干的深度都可以通过密集插值得到估计值.因此,提出了一种可以将每个躯...     

基于数字光处理技术的3D打印技术

介绍了以数字光处理(digital light processing,DLP)技术发展出的3D打印技术并讨论了其光学系统对成型效果的影响.介绍了现有3D打印技术的种类、光固化快速成型技术以及DLP技术的原理.说明了以DLP技术为核心的3D打印系统的基本结构,具体说明了DLP技术如何运用于快速成型领域.内容包括数字微镜器件(digital micro-mirror device,DMD)的组成和驱动原理、DLP技术中使用的典型光学系统结构,以及它们在3D打印技术中起到的作用.接着,讨论了在3D打印应用中,DLP技术需要注意的问题.内容包括DLP系统适用的光波长、投影幅面的均匀性和成型精度.最后,总结了DLP技术在3D打印领域的优势及不足.     

基于3D运动历史图像和多任务学习的动作识别

针对使用深度传感器采集的深度图像序列,在3D运动历史图像的基础上提出一种基于Gabor特征提取和多任务学习的人体动作识别方法。为了解决基于轮廓特征对运动历史图像不能充分表达的问题,引入Gabor滤波器组对3D运动历史图像进行特征提取;为了刻画在不同时间维度上人体动作的变化过程,引入时域金字塔对动作视频进行划分;最后,为了挖掘动作识别任务间的相关性,采用多任务学习训练动作分类模型。实验结果表明,该方法可有效提高动作识别的准确率。     

3D CNN人体动作识别中的特征组合优选

为了提高人体动作识别准确率,改进原有3D CNN网络模型以获得更为丰富细致的人体动作特征,并通过对比实验为模型输入优选出识别效果最好的特征组合.该模型主要包括5个卷积层、3个下采样层和2个全连接层,二次卷积操作有利于提取到更为细致的特征,BN算法和dropout层用以防止模型过拟合,空间金字塔池化技术可以使网络能够处理...     

基于动态识别框架D S的多源冲突决策信息融合模型

信息化条件下的决策影响要素的多样性,使得个体决策难度提高,多人协同决策成为当前一种重要模式。针对多人协同模式下多人决策活动,对多源冲突决策信息融合问题进行了研究。首先提出多源决策信息融合思路,根据决策信息特点,对传统的D S理论应用动态识别空间进行扩展;之后在决策信息一致性、冲突性情况下,构建了多源决策信息融合模型,提出了决策信息一致性判别方法及融合规则;最后对模型的可行性进行了验证分析。      

基于三维点云数据的人体躯干特征点的识别方法

人体特征点的识别是三维人体建模的基础,在简介人体特征点和特征部位相关基本知识的基础上,介绍采用极值法、曲率辨别法和建模法进行特征部位识别的思路和过程,根据每种方法的特点,确定人体不同特征部位识别更适宜的方法.     

几何系数赋权纹理特征的小样本人脸表情识别

针对只有少量人脸表情图像样本的约束条件,为构造更为有效的统计特征实现小样本表情识别,提出了几何系数赋权纹理特征的小样本表情识别方法。利用主动外观模型(Active Appearance Model, AAM)定位出人脸表情关键点,拟合关键点椭圆区域,计算椭圆离心率对比中性表情得到人脸表情几何系数;拟合关键点矩形区域,利用韦伯梯度编码(Weber Gradient Coding,WGC)提取拟合区域的纹理特征;将几何系数权重赋权拟合区域WGC特征联合支持向量机实现小样本表情识别。结果表明：在公共人脸表情库JAFFE、CK上进行测试,并与其他表情识别方法进行比较,文中算法识别率最大分别提高了1.95%与5.24%。     

3-UPU并联机床关于3D自由曲面刻字的计算机辅助几何法

基于一种新的计算机辅助变量几何法,以新型3-dof（3自由度）3-UPU并联机床为对象,加工具有任意复杂形状的工件以及在任意3D自由曲面或平面上刻字。通过几何约束和尺寸驱动技术,先建立3-UPU并联模拟机构,再构造任意3D自由曲面和刀具轨迹的引导平面,与3-UPU模拟并联机构合成,得到用于加工任意3D自由曲面的模拟并联机床。给定加工路径,各驱动杆长和动平台的位置能自动求解出来。通过解析的方法验证对比,得出计算机辅助变量几何法不仅简单直观,而且省去了大量的编程计算。     

基于Unity3D康复机器人数字孪生模型的实时驱动

人机共融是康复机器人领域研发创新的热点,数字孪生是实现人机共融的重要技术手段。以本课题组研制的康复机器人为研究对象,提出一种采用Unity3D平台接收传感器数据实时驱动数字孪生模型的方法。在SolidWorks软件中根据机器人下肢结构的物理参数建立物理模型,将其导入Unity3D平台中绑定相匹配的运动模型生成孪生模型;通过传感器建立下肢结构与孪生模型的联系,在平台中创建一种采用循环体流程设计的实时数据驱动脚本,实时收发代码并更新位置参数,达到实时数据驱动的目的,且对该方法的实时性和准确性进行验证。结果显示：下肢结构膝关节的实际活动范围与孪生模型预测的的活动范围基本相同,两者在6个周期内的峰值加权平均时差为134.26 ms。采用本文建立的孪生模型可准确表达实体运动机制,模型的实时性也较好。     

基于多特征融合的人体动作识别

提出复杂环境下基于特征融合的日常动作、突发异常(摔倒)行为检测方法. 利用人的姿态、姿态变化速率特征、人的位置变化特征表征人的运动状态,通过合成简单的姿态事件并结合特征来表达具有复杂时空关系的运动事件. 该方法计算复杂度小,对目标大小的变化具有较好的鲁棒性,在智能交互、服务机器人自主服务系统中具有实用价值.      

基于信道状态信息的人体行为识别系统

提出了一种基于无设备的人体行为识别系统,利用Wi-Fi信号的信道状态信息(CSI)来识别3个动态活动:行走、摔倒和坐。该系统只需要一台Wi-Fi路由器作为发射器和一台装有无线网卡的笔记本电脑作为接收器。系统从WiFi信号中提取CSI,然后经过低通滤波以消除噪声,并且为了降低CSI的维度和避免周围噪声所带来的不良影响,在整个CSI数据流中采用了主成分分析(PCA)算法。因此,该系统能够从CSI的时域和频域中得到有用的信号特征值。继而,采用支持向量机(SVM)算法来对人体行为进行分类。为了评优系统的可用性和稳定性,跟5个用户在动态环境中,分别在视距(LOS)和非视距(NLOS)的条件下做了大量的实验,这些实验表明该系统能够得到较高的准确率。     

基于组合特征和SVM的视频中人体行为识别算法

针对复杂场景中的人体行为识别困难的问题,提出了一种基于组合特征和SVM的行为识别算法.该算法使用光流特征、HOG特征、重心特征和3D SIFT特征构成的组合特征来描述人体的各种行为;使用一对一的方式训练SVM分类器对提取出的特征进行分类,并以投票的方式得到具体的行为类别.使用包含4个场景的KTH数据集进行仿真.结果表明,所提出的算法能适应各种复杂环境,且相比只采用单一特征的识别算法具有更高的分类精度.     

基于双通道混合3D-2D RBM模型的手势识别

为了挖掘基于视频的动态手势识别问题中手势的固有时空表示,提出一种3D-2D受限玻尔兹曼机（restricted Boltzmann machine,RBM）模型,以便建模手势视频数据的时空相关信息.特别地,为了更好地描述动态手势的时空特征,提出传统手工定义特征与3D-2D RBM结合的混合特征表示方法,该方法首先提取Canny-2D HOG表观特征以及光流-2D HOG运动特征,然后基于3D-2D RBM进一步学习动态手势潜在的高层时空语义特征,提升动态手势的特征描述力.融合手势外观判别和运动判别的双通道融合判别改进了单通道分类的能力.在公开的剑桥手势数据集上的实验验证了所提方法的有效性和优越性.

     

基于3D扫描技术的锈蚀钢筋形貌特征分析

氯离子导致的钢筋锈蚀具有显著的不均匀性,仅以平均质量损失率为指标难以准确预测锈蚀钢筋及钢筋混凝土结构力学性能的劣化程度。利用3D扫描技术分析锈蚀钢筋形貌特征,首先通过电化学快速锈蚀方法完成钢筋锈蚀,然后采用高精度三维扫描仪进行锈蚀钢筋表面形貌扫描,利用图形处理软件和自编程序计算锈蚀钢筋残余横截面面积,最后进行了残余横截面面积分布特征分析。结果表明：随着锈蚀率的增大,钢筋残余横截面面积不断减小,且残余横截面面积最小值较平均值下降更快;在质量锈蚀率接近时,随着钢筋直径的增大,残余横截面面积最小值与平均值的比值减小,而残余横截面面积标准差增大;锈蚀钢筋残余横截面面积分布随着锈蚀率的变化而变化。