基于单目视觉测量的数字化人体模型重建

针对一套基于单目视觉的双扫描头人体扫描系统所获取的三雏原始点云数据,提出一种人体曲面模型重建方法.该方法首先将获取的扫描线点云构造为切片数据的形式.将人体数据分割为肩头部、躯干、左右手臂及左右腿6个部分,并对点云中的孔洞进行了填补;通过相邻轮廓线同步前进法构建连接人体相邻截面的三角网格,并对分割后的几个部分进行拼接得到人体曲面模型.所建立的模型为后续进行虚拟试穿等提供了前提.     

服装三维衣领结构模型

从人体工效学角度出发,通过对人体颈部的试验测量和衣领模型的理论研究,提出一种根据个体颈部特征尺寸自动生成三维衣领模型的方法,运用VC++和OpenGL开发服装三维衣领结构模型系统,实现三维衣领模型到二维样版的计算机自动生成.该系统可设计出更符合个体颈部形态的衣领,探索出一条实现电子化量身定制服装的可行之路.     

基于人体机能性的正常体女装衣身结构研究

依据人体机能学理论，分析女性人体形态、上肢构造、体表、运动状态、体型和皮肤等数据，明确正常体女装衣身结构与人体结构之间的关系，以及正常体女装衣身结构的设计方法。探讨了运动状态下正常体女装肩部、胸部、背部和腰部的合理活动范围，得出女装衣身部位与人体结构相吻合的最佳造型，达到女装衣身部位内在结构与外观造型的协调统一，充分体现正常体女装衣身部位的合体度与舒适度。     

一种采用单照相机的三维人体测量方法

非接触式三维人体自动测量是现代化人体测量技术的主要特征,也是今后人体测量的趋势所在.在分析国内外非接触式三维人体测量方法的基础上,提出一种采用单照相机的三维人体测量方法.首先通过在单照相机前加一套镜面组合系统,进行实时拍照,获得一张同时记录人体的正面和侧面的照片;然后通过基于图像的人体特征区域和特征参数提取得到人体尺寸信息(尺寸、轮廓点和轮廓线).试验结果验证了此方法的可行性.     

青年女性体型特征对斜裙造型的影响

在裙装结构、面料等其他影响斜裙造型的因素一致的前提下,利用三维人体扫描仪获取腰围在（72±4）cm内190个样本的人体参数,并对其穿着同一条四片斜裙后的裙装参数进行拍照、测量.通过两次聚类分析,将190个人体体型进行初分、细分,研究相应裙装的造型形态,发现臀部较宽较厚、腰部略粗、臀部略凸的匀称体型,穿着效果最佳.对人体参数和裙装参数进行相关分析、回归分析,找出它们之间的匹配性,并对存在显著相关性的参数进行模型预测.实验结果表明,人体参数与裙装参数联系紧密,其中腰围和腰臀围差对斜裙造型的影响最大.     

应用小波能量熵的人体活动时序自动标记方法

在基于可穿戴传感器的人体活动识别研究中采用的传统人工标记原始数据的方法步骤繁琐、效率低下,在一定程度上制约了相关研究的深入开展.为此,特提出一种基于小波能量熵的人体活动时间序列自动标记方法.该方法采用分布于人体躯干9处主要部位的多惯性测量单元同步采集17种人体活动加速度与角速度数据,通过滑窗对人体前腰部合加速度数据分段并使用多分辨率分析计算滑窗内小波能量熵,然后利用采集序列的时间约束选择初步分割阈值,对滑窗小波能量熵随时间变化曲线进行自动分割,并最终实现对6位受试人体活动时序数据的自动标记.结果表明,该方法的标记平均准确率为95.82%,总耗时约18.6 min,比人工标记平均耗时76.75 min减少75.76%,标记效率显著改善.      

基于图像的人体参数测量系统的设计与实现

给出一种基于图像的人体参数自动测量方法,并设计与实现人体参数测量系统.通过2个数码相机拍摄人体的正视图和侧视图,运用图像分割和特征提取等图像处理方法提取2幅图像上的人体特征点;利用三维标定架标定相机的内外参数;利用双目视觉原理从2幅图像上的特征点计算出人体的测量点,完成人体尺寸参数计算.试验结果表明:与传统手工测量相比,本方法能实现自动测量,缩短了测量时间,提高测量的精度和效率;与三维非接触测量相比,本方法测量设备简单和便携,测量速度更快,操作更加方便.     

二维桁架路径模型的自动生成算法

针对传统的基于工件CAD模型或建筑CAD图纸的路径模型生成和规划方法不适用于复杂桁架结构的问题,提出了一种基于桁架结构CAD图纸的二维桁架路径模型的自动生成算法.该算法首先使用图像处理算法(如图像膨胀、面积滤波、腐蚀和细化)结合特征点提取算法对输入的图像进行处理,并获得桁架图像的特征点集,通过求取特征点间的连接关系得到邻接矩阵,然后利用特征点集和邻接矩阵重构出二维桁架路径模型.以输电线路铁塔路径模型的生成为例,阐述了算法的具体实现过程,并利用Floyd算法实现了机器人的全局路径规划.该算法只需输入桁架结构CAD图纸,程序即能自动生成路径模型.利用Floyd算法完成了机器人的全局路径规划,其结果可以应用于桁架攀爬机器人的智能导航领域.     

基于Kinect的三维人体扫描测量技术

由于Kinect设备具有快速安全、经济便携的特点,提出了利用Kinect实现扫描、重建以及测量的人体成分分析系统框架.通过非接触式光学技术捕捉人体表面几何特征数据,利用KinFu实时进行三维数据的点云配准与模型的表面重建,并采用类积分法与蒙特卡罗法分别计算模型相关部位的周长与体积.从扫描到模型重建过程耗时约3min,模型光滑精细,腰围等部位的尺寸测量精确度为97.7%,体积测量精确度为96.8%.试验结果证明了系统的效用性.     

基于点云模型的人体尺寸自动提取方法

基于点云数据的人体尺寸自动提取是三维人体非接触测量的难点问题,提出一种基于点云数据的人体尺寸自动提取方法。其步骤为:对人体点云去噪并建立标准测量坐标系;给出一种自动分割算法将人体分为6部分;将人体测点分为极值点、局部极限点和一般点3类,在模型分割的基础上给出每类测点的识别算法;最后给出人体测量项目的计算方法。研究结果表明:与传统方法相比,本方法具有全自动、速度快、操作便捷的特点;所提出的测点识别算法和测量项目的计算方法是有效的,在准确率上满足GB/T 23698—2009的要求。     

青年女子体型部位尺寸的灰色关联分析

采用非接触式激光三维人体扫描仪获得18～25岁青年女子体型数据,运用灰色关联分析的方法,分别研究身高、胸围、腰围、臀围等基本部位与其他各控制部位之间的影响关系。通过分析可知腰高与身高的关联度最高,说明下体长度对身高有更大影响;胸围尺寸与臀围尺寸之间关系更密切,与腰围等其他部位的关联度较低;上裆部位尺寸与腰围的关联性要大于上体和下肢的部位尺寸与腰围的关联性。     

女性紧身裤结构参数与样板优化设计的探讨

通过分析女下肢体特征及下肢体工学,指出常见紧身裤结构设计中,臀围松量、臀围与腰围前后差处理以及备细部结构数据的不合理性.探讨紧身裤的结构与样板优化设计,使紧身裤既能体现人体的曲线美,又不影响人们的活动与健康,并能与女下肢体达到吻合,符合下肢体运动功能,从而得到合理的、科学的紧身裤结构样板,为女紧身裤结构样板设计提供参考.     

基于三维人体测量的福建地区青年男性腰臀区间形态分析

为提高男性裤装合体度与舒适度,本文着重探讨与人体裤装密切相关的腰臀区间形态特征。随机抽取福建地区182名18~22岁青年男性为样本,通过三维人体测量方式采集人体腰臀区间的相关数据,分别对腰臀区间截面形态、围度形态、立体形态进行分析。结果表明臀横矢比与腰横矢比离散程度较小,横矢比较腰横矢比略大;腰围与臀围存在较强的线性关系;通过主成分分析提取8项典型指标,运用K-均值聚类法和方差分析,最终将腰臀区间曲面形态分为6类,为福建地区男性裤装设计提供理论参考。     

基于频数分布的成年女子人体测量值的分析

利用TC2非接触三维测量仪对367位成年女子的体型进行了测量，提取了23个主要测量项目，并对频数分布进行了正态性检验分析。结果如下：长度和宽度除膝关节高以外都近似服从正态分布，而围度均为左偏型分布；胸围、腰围、臀围的分布范围和分布比例与正态分布存在差异。     

基于多尺度3D卷积神经网络的行为识别方法

近年来卷积神经网络(convolutional neural network,CNN)在行为识别任务中取得了较大的进展.然而,现有的神经网络方法往往只注重高层语义信息的利用,对浅层特征信息挖掘利用不够.针对这一问题,提出一种基于3D卷积(convolution 3D,C3D)的多尺度3D卷积神经网络的行为识别方法.该方法受到特征金字塔结构的启发,在原C3D的基础上融合C3D的浅层特征信息,实现端到端的行为识别.同时该方法以现有的深度学习理论为基础,利用迁移学习的思想,将C3D和该方法中相同模块部分的参数迁移到本方法中,以降低模型的训练时间.通过在UCF101数据集上进行实验,实验结果表明,提出行为识别方法的分类精度达到84.56％,分类效果优于原C3D分类网络.     

用于人体行为识别的Inflated VGGNet-16网络

针对目前人体行为识别算法中C3D网络结构较浅、特征提取能力差,以及无可用预训练模型、训练耗时长等问题,以更深的VGGNet-16网络为基础,通过添加批归一化层（batch normalization layer）以及使用Inflating方法将ImageNet预训练模型用于网络初始化,设计了一种新型的人体行为识别3D网络。通过在标准数据集UCF101与HMDB-51上的实验分析,将图片进行中心剪切后作为所设计网络的输入,从零训练时在UCF101数据集上比原始C3D网络的精度提高了9.2%,并且网络收敛速度更快,验证了所设计的Inflated VGGNet-16网络具有更强的特征提取与泛化能力。最后,将所设计网络加上10倍数据增强,在两个标准数据集上准确率分别达到了89.6%与61.7%,相比于较浅的C3D网络在UCF101数据集上提升了7.3%,超过了传统的改进密集轨迹法（iDT）以及经典的双流卷积神经网络（two-stream）,具有较高的行为识别准确率。     

基于改进的稀疏降噪自编码网络的三维模型识别方法

针对海量数据挖掘中三维模型特征识别准确率较低的问题, 提出一种改进的稀疏降噪自编码神经网络模型. 先基于改进的稀疏降噪自编码方法构建深度神经网络模型, 再利用无监督预训练方法及受限的拟牛顿计算方法对自编码神经网络进行训练, 最后采用softmax回归和得到的特征训练最终的分类器. 结果表明: 该方法对有噪声的三维模型特征信息具有较好的鲁棒性; 与栈式自编码神经网络和自学习神经网络相比, 该方法识别率较高.     

神经网络在岩石多角度偏振光谱识别中的应用

依据岩石多角度偏振光谱反射特征数据,运用神经网络方法,对反射特征相近的岩石加以识别.在识别中以不同方位角、反射角及入射角的反射比等参数作为训练样本及测试样本,训练样本经过网络学习、训练得到神经网络模型,测试样本对神经网络模型进行检验,实验证明将神经网络应用于岩石多角度偏振遥感技术是岩石识别的一种切实可行的方法.     

基于辅助模态监督训练的情绪识别神经网络

为了解决多模态数据中数据样本不平衡的问题,利用资源丰富的文本模态知识对资源贫乏的声学模态建模,构建一种利用辅助模态间相似度监督训练的情绪识别神经网络。首先,使用以双向门控单元为核心的神经网络结构,分别学习文本与音频模态的初始特征向量;其次,使用SoftMax函数进行情绪识别预测,同时使用一个全连接层生成2个模态对应的目标特征向量;最后,利用该目标特征向量计算彼此之间的相似度辅助监督训练,提升情绪识别的性能。结果表明,该神经网络可以在IEMOCAP数据集上进行情绪4分类,实现了82.6%的加权准确率和81.3%的不加权准确率。研究结果为人工智能多模态领域的情绪识别以及辅助建模提供了参考依据。     

基于近红外光谱的人体血液酒精含量无创检测方法研究

研发一种人体血液酒精含量无创检测方法迫在眉睫.近些年来,随着近红外光谱在定量分析化学物质含量方面的迅速发展,以及人工神经网络在电子信息领域的延伸,可以利用近红外光谱的方法,在MATLAB软件环境下,用神经网络方法进行建模,然后将适当的样本数据训练后,最终预测人体血液酒精含量.就如何在BP神经网络和RBF神经网络建模的基础上,对人体血液酒精含量的数据处理作了详细论述.