儿童骨骼的法医人类学鉴定

法医人类学是运用体质人类学的理论和方法的一门新兴应用学科,个体识别是法医人类学的重要内容。在法医人类学实践中,儿童骨骼的个体识别一直是个难题。对儿童骨骼的法医人类学鉴定主要运用形态测量法、放射线检查、组织学检查进行性别鉴定、种属鉴定、年龄判定、身高推断等。此外,化学元素分析、DNA检测、超声骨龄评测等一些其他的儿童骨骼个体识别方法也有所应用。     

儿童少年生长发育特点、规律、身高预测10年追踪研究

研究男、女儿童少年手、腕部骨骼发育、形态发育、机能发育、性征发育等方面的规律及相互关系.特别是引入第二掌骨长度、身高年增长值、骨龄年增长值、月经初潮、首次遗精等指标建立的预测儿童少年成年身高的多元性回归方程为国内首创.该成果丰富了学科理论,为儿童生长发育标准的制订提供了科学依据,可广泛应用于教育、卫生、体育和文艺部门合理选材及儿科内分泌疾病的诊治.     

计算机评定骨龄过程及发展

骨龄评分法的量化特点便于计算机辅助。针对计算机在骨龄中的应用,从数据化处理、模板创建、操作方法等几方面做出初步讨论与研究,指出数字化信息技术的应用使骨龄测定的可靠性和有效性得到了明显提高。     

篮球运动对青年学生骨密度及骨龄的影响

选择高校男性青年学生72名,根据是否参加过篮球运动分为运动组和对照组,分别测定骨密度和骨龄.结果显示,运动组左右脚跟骨密度以及左右桡骨和尺骨骨密度均显著高于对照组(P0.05);运动组和对照组的左右脚跟骨密度显著高于左右桡骨和尺骨骨密度(P0.05);运动组学生的骨龄显著高于其实际年龄(P0.05),对照组学生的骨龄略低于其实际年龄(P0.05);运动组的骨龄显著高于对照组(P0.05).因此,有规律的篮球运动可以提高青年学生的骨密度,延长其骨龄,而且骨龄和骨密度优于同龄非运动类青年学生.     

基于骨架的自适应尺度图卷积动作识别

基于骨架的动作识别任务中,一般将骨骼序列表示为预定义的时空拓扑图.然而,由于样本的多样性,固定尺度的拓扑图往往不是最优结构,针对样本特性构建自适应尺度的骨骼拓扑图能够更好地捕捉时空特征;另外,不同尺度的骨骼图能够表达不同粒度的人体结构特征,因此对多个不同尺度的拓扑图进行特征提取与融合是有必要的.针对这些问题,提出了一种自适应尺度的图卷积动作识别模型.该模型包含自适应尺度图卷积模块和多尺度融合模块两部分.自适应尺度图卷积模块基于先验与空间注意力机制,构建关键点的活跃度判决器,将活跃点细化为小尺度结构、非活跃点聚合为大尺度结构,在加速节点间特征传递的同时最小化特征损耗;多尺度融合模块基于通道注意力机制,动态融合不同尺度的特征,进一步提升网络的灵活性;最后,综合关键点、骨骼、运动信息实现多路特征聚合的动作判别,丰富模型的特征表达.结果表明:该算法在NTU-RGBD数据集的CS和CV子集上分别取得了89.7%和96.1%的分类准确率,显著提高了动作识别的准确性.     

红隼与长耳鸮的骨骼形态比较

对红隼与长耳鸮的骨骼进行了系统的比较.红隼与长耳鸮在前肢骨骼等部位结构比较相似,头骨,肩带和后肢等部位具有比较明显的差异.红隼与长耳鸮骨骼的结构特点与其各自独特的摄食行为,飞行方式和栖息习惯等密切相关.结构上的不同反映了功能上的不同.     

基于多步态特征融合的情感识别

在情感计算、心理治疗、机器人、监视和观众理解等方面,基于步态特征的情感识别有着广泛的应用前景。已有方法表明,考虑手势位置等上下文信息可以显著提高情绪识别性能,且时空信息能显著提高情绪识别精度。但是单纯使用骨骼空间信息无法充分表达步态中的情绪信息。为了充分利用步态特征,本文提出自适应融合的方法,将骨骼时空信息与骨骼旋转角度结合,提升了现有模型的情感识别精度。本文模型利用自编码器,学习人类行走时的骨骼旋转信息,利用时空图卷积神经网络提取骨骼点时空信息,将骨骼旋转信息与时空信息输入自适应融合网络,得到最终特征进行分类。模型在Emotion-Gait数据集上测试,实验结果显示：悲伤、愤怒和中立情绪的AP值比最新HAP方法分别提升5、8、5个百分点;总体分类的平均MAP值提高了5个百分点。     

基于遗传算法的关节特征选择

随着低成本深度传感器(如微软Kinect)的出现,人体行为识别研究吸引了很多研究人员.由于这些设备提供了身体关节的三维位置等骨骼数据,使得基于骨骼的人体行为识别变得简单.但这些关节特征的信息存在部分冗余或者不必要的肢体特征,从而降低识别精度.为此,提出一种智能算法来优化关节点信息的方法过滤掉一些不必要的关节点的特征信息,从而提高识别精度.实验结果表明,提出的方法在UTKinect数据集上测试得到的精度达到97.39%,在Florence3D数据集上测试得到的精度达到93.05%.     

基于骨骼线约束的随机蕨抗干扰三维体态识别方法

针对复杂环境下体态识别易受他人遮挡干扰,识别准确率低等问题,提出了一种基于骨骼线几何特征约束的随机蕨抗干扰三维体态识别方法。首先检测目标运动区域,融合运动目标多尺度深度信息和梯度特征;再采用kinect提取人体骨骼,获得骨骼几何特征,建立骨骼特征约束项,排除他人遮挡干扰;最后采用随机蕨进行三维体态分类识别。实验结果表明,该方法识别准确率可达80%以上,抗他人遮挡干扰性强。     

基于边界检测和骨骼提取的显著性检测网络

目前一些方法通过多任务联合实现显著性检测，在一定程度上提升了检测精度，但仍存在误检和漏检问题，其原因在于各任务优化目标不同且特征域差异较大，导致网络对显著性、物体边界等特征辨识能力不足．基于此，借助边界检测和骨骼提取提出一种多任务辅助的显著性检测网络，其包括特征提取子网络、边界检测子网络、骨骼提取子网络以及显著性填充子网络．其中，特征提取子网络利用ResNet101预训练模型提取图像的多尺度特征；边界检测子网络选择前3层特征进行融合，可完整保留显著性目标的边界信息；骨骼提取子网络选择后两层特征进行融合，可准确定位显著性目标的中心位置；所提方法基于边界检测数据集和骨骼提取数据集分别对两个子网络进行训练，保留最好的边界检测模型和骨骼提取模型，作为预训练模型辅助显著性检测任务．为降低网络优化目标与特征域之间的差异，设计了显著性填充子网络将提取的边界特征和骨骼特征进行融合和非线性映射．在4种数据集上的实验结果表明，所提方法能有效恢复缺失的显著性区域，优于其他显著性目标检测方法．     

基于SV形态学方法的图像分解问题的研究

在固定结构元的形态学方法对图像分解问题研究的基础上，进一步研究了基于空间变化的形态学方法的 图像内、外骨架提取及图像分解问题，建立了图像空间变化的内、外骨架变换，并将内、外骨架同时作为分解成分建 立了图像分解公式的推广形式，所有公式的建立都给出了相应的推算和证明过程．     

浅谈施工过程中的“浮笼”问题

深长钻孔灌注桩施工过程中,可能出现"浮笼"现象,导致工程桩承载力降低,建筑物产生不均匀沉降等严重后果。主要分析了灌注桩施工产生"浮笼"顶笼"和"括笼"的原因以及工程预防措施,对防止和避免此类工程事故有重要的指导作用。     

基于机械零件三维模型骨架相似性度量算法

提出了一种基于机械零件模型骨架的检索方法.将零件库中提取的机械零件进行预处理去倒角、圆角以及圆孔等,保证处理之后得到无中空结构的零件模型;运用电场法对预处理后的零件模型骨架提取,得到完整的骨架模型;利用骨架树匹配计算出零件模型相似度.试验证明该方法能够快速实现零件模型骨架检索.     

基于AWE某半挂车车架疲劳寿命分析

采用UG软件建立了三维模型,并应用AWE软件完成了该产品试验的疲劳分析,从仿真分析计算所得到的疲劳寿命云图中,可直观的判断出车架的疲劳发生危险区域,为其改进设计提供了依据。     

基于自顶向下技术的轴承设计研究

骨架模型是Pro／ENGINEER中自顶向下设计产品的重要工具。论述采用骨架模型进行产品设计的基本步骤,然后介绍骨架模型应用于轴承设计的详细步骤,为实现产品的多样化和系列化设计提供了设计技巧和依据。     

Markov skeleton processes

A new class of stochastic processes--Markov skeleton processes is introduced, which have the Markov property on a series of random times. Markov skeleton processes include minimal Q processes, Doob processes, Q processes of order one, semi-Markov processes , piecewise determinate Markov processes , and the input processes, the queuing lengths and the waiting times of the system GI/G/1, as particular cases. First, the forward and backward equations are given, which are the criteria for the regularity and the formulas to compute the multidimensional distributions of the Markov skeleton processes. Then, three important cases of the Markov skeleton processes are studied: the (H, G, Π)-processes, piecewise determinate Markov skeleton processes and Markov skeleton processes of Markov type. Finally, a vast vistas for the application of the Markov skeleton processes is presented.     

基于改进凸分解的手势识别

提出了一种新的基于Kinect的实时静态手势识别方法,主要贡献包括:提出了一种简易可行的、结合图像深度信息与肤色信息的手势区域检测与分割方法;提出了一种改进的凸分解算法,对手势区域进行近似凸形状分解,以得到表征手势特征的骨架信息;采用基于路径相似性的骨架图匹配算法对手势进行匹配以实现识别.针对特定手势集进行了对比实验,实验结果表明,本文方法在识别结果的准确率以及算法的效率上都有着良好的表现.      

基于骨架特征的层次化识别算法在异形纤维识别中的应用

针对基于骨架的单一特征的算法在异形纤维图像识别方面的不足,提出一种基于骨架特征并融合其他几何特征的层次化识别算法.首先采用轮廓跟踪算法将骨架信息映射到一种骨架树结构中,然后构造骨架特征邻接矩阵并求出该矩阵特征值,以特征值对异形纤维图像进行大类识别,再结合骨架周长统计特征和异形纤维图像轮廓的凹凸特征对每一大类异形纤维图像...     

细鳞鲑颅后骨的解剖

本文用大体解剖学方法详细地观察了细鳞鲑颅后骨骼的形态，发现椎骨的髓弓与脉弓都不与椎体愈合，同时躯椎的髓棘也不愈合。这些明显的原始特征在不同大小的个体中均无变化。细鳞鲑没有特化的尾杆骨，只有在个别标本中，一些尾椎上具有双弓结构。另外，除前３０枚躯椎的前侧具两行髓弓小骨外，无肌间骨存在。     

基于骨架平滑与均匀膨胀的女书轮廓字形生成方法

针对手写女书字符目前尚未规范化,提取轮廓不平滑的问题,提出了一种笔画粗细均匀的女书轮廓字形生成方法,包括骨架提取、毛刺去除、骨架膨胀和轮廓提取等四个步骤。针对女书字符多呈菱形,弧笔和斜笔居多的特点,提出了一种单像素骨架提取算法;该算法结合八邻域模板邻域像素值分析与索引表遍历查找的思想,获得的骨架可以保持平滑性与骨架整体的单像素性。针对少量骨架结果伴有部分毛刺的情况,采用Rutoviz相交数分析法和Freeman方向链码法,设定不同的长度阈值和级别进行分级处理,有效去除毛刺。然后采用形态学运算对骨架进行均匀膨胀,得到笔画粗细均匀的女书字符,并采用边缘梯度和边缘跟踪的方法提取字符轮廓和生成轮廓字形。实验结果表明,该方法能快速、有效生成笔画粗细均匀、轮廓平滑的女书轮廓字形,对其他手写字符具有一定适用性。