基于人体感应的智能紫外线消毒控制系统设计

针对办公环境的消毒要求,使用嵌入式微处理器STM32F103C8T6作为控制单元,采用蓝牙作为无线通信协议,再配合红外人体感应模块和语音提示,利用紫外线消毒的特性,设计了一款智能紫外线消毒控制系统.该系统能够远程配置消毒时间段,自动根据配置的时间进行消毒,并在紫外线消毒期间对进入消毒区域进行人体检测和语音提示.既有效完...     

结合边缘轮廓和姿态特征的人体精确解析模型

针对着装场景中由于人体姿态、边缘轮廓、服装配饰的复杂性以及着装部位关节点被遮挡等因素导致人体解析精度较低的问题,提出一种结合边缘轮廓和姿态特征的人体精确解析模型.首先采用残差网络ResNet-101作为主干网络表征输入人体图像进行初步人体解析,得到粗解析特征;然后构建边缘轮廓模块,结合上采样后的全局和局部特征得到人体边...     

基于时空注意力图卷积网络模型的人体骨架动作识别算法

针对现有的人体骨架动作识别算法不能充分发掘运动的时空特征问题,提出一种基于时空注意力图卷积网络(STA-GCN)模型的人体骨架动作识别算法.该模型包含空间注意力机制和时间注意力机制:空间注意力机制一方面利用光流特征中的瞬时运动信息定位运动显著的空间区域,另一方面在训练过程中引入全局平均池化及辅助分类损失使得该模型可以关...     

人工神经网络及其应用

本文首首先介绍了人工神经网络的源泉一体神经网络的主要基本内容，然后简要论述了人工神经网络的主要内容，进程和问题，人工神经网的应用。     

关节动画人体动画基于物理模型的动画技术

在三维计算机动画中，把人体作为其中的角色一直是研究者感兴趣的目标，因而关节动画越来越成为人们致力解决的研究课题。在这一方面引人注目的早期工作从动画电影《TonydePeltrie》和《RendezvousaMontreal》可见一斑，而近期在这一方面的工作更是令人惊叹不已，如电影《终结者Ⅱ》、《保罗纪公园》。虽然计算机动画在广告、娱乐、教育、科学计算可视化和仿真等领域占据越来越重要的角色，人体和动物动画的许多问题仍未很好解决。人体具有200个以上的自由度和非常复杂的运动，人的形状不规则，人的肌肉随着人体的运动而变形，人的个性、…     

基于USB电源的智能风扇控制技术

介绍基于计算机USB电源的智能风扇控制技术。     

非传统信息安全下的搜索引擎

搜索引擎已成为当今人们上网获取信息所不可缺少的一种手段,在得到自己所需要信息的同时也在暴露着自己的行踪,从而引出了保护个人隐私的大讨论。本文利用社会工程学原理从非传统信息安全角度分析,以通过QQ号入手,利用现有的搜索引擎的例子,来揭示搜索引擎在非传统信息安全下带来的危害,阐明社会工程学原理对非传统信息安全的重大影响,并提出相应的防范对策。     

结合模型匹配与特征跟踪的人体上半身三维运动姿态恢复方法

人体姿态空间的高维性及单目视频深度信息丢失,导致从单目视频恢复人体三维运动姿态非常困难,为此,利用特征跟踪的快速性及模型匹配的鲁棒性,提出一种无标记人体上半身三维运动跟踪方法.该方法利用匹配SIFT特征,并根据长度不变性约束建立优化目标函数,再采用迭代优化算法得到全局运动位姿;其他关节的姿态先根据逆运动学计算初始估计值,并通过模型匹配验证其可信度,当初始姿态估计错误时,则使用局部搜索获得关节姿态.实验结果表明,文中方法可以准确地恢复单目视频中人体上半身三维运动姿态.     

高速动车组驾驶室设计中的人机界面分析

在高速动车组驾驶室的人机关系分析与设计中,驾驶室的空间尺度关系、视野、操纵设备的分布和人机环境等因素,将直接影响列车行驶的安全、效率、舒适和健康。应用人机关系分析与研究,合理地配置驾驶室室内环境以及操作和显示设备,将有效地提高司机操作的安全性、便利性和作业效率,从而给司机提供一个方便舒适的操作空间,减少体力、心理疲劳,降低人为误操作带来的安全隐患,提高系统运行的可靠性,使人-机匹配达到最优,以保证车辆行驶的安全。     

自适应骨骼中心的人体行为识别算法

目的 基于3维骨架的行为识别研究在计算机视觉领域一直是非常活跃的主题,在监控、视频游戏、机器人、人机交互、医疗保健等领域已取得了非常多的成果。现今的行为识别算法大多选择固定关节点作为坐标中心,导致动作识别率较低,为解决动作行为识别中识别精度低的问题,提出一种自适应骨骼中心的人体行为识别的算法。方法 该算法首先从骨骼数据集中获取三维骨架序列,并对其进行预处理,得到动作的原始坐标矩阵;再根据原始坐标矩阵提取特征,依据特征值的变化自适应地选择坐标中心,重新对原始坐标矩阵进行归一化;最后通过动态时间规划方法对动作坐标矩阵进行降噪处理,借助傅里叶时间金字塔表示的方法减少动作坐标矩阵时间错位和噪声问题,再使用支持向量机对动作坐标矩阵进行分类。论文使用国际上通用的数据集UTKinect-Action和MSRAction3D对算法进行验证。结果 结果表明,在UTKinect-Action数据集上,该算法的行为识别率比HO3D J2算法高4.28%,比CRF算法高3.48%。在MSRAction3D数据集上,该算法比HOJ3D算法高9.57%,比Profile HMM算法高2.07%,比Eigenjoints算法高6.17%。结论 本文针对现今行为识别算法的识别率低问题,探究出问题的原因是采用了固定关节坐标中心,提出了自适应骨骼中心的行为识别算法。经仿真验证,该算法能有效提高人体行为识别的精度。