体感交互在虚拟校园漫游系统中的设计与实现

在安庆职业技术学院虚拟校园的基础上,结合最新的自然人机交互技术,摆脱传统的鼠标键盘交互,利用Kinect体感摄像机,采集人体运动数据,驱动虚拟人运动,并实现利用体感特征识别来操作虚拟人的行为,驱动虚拟人在校园系统中漫游。在Unity3D漫游系统中接入Kinect的驱动,实现Unity3D中Kinect方法的调用;在虚拟校园漫游系统中的体感交互漫游栏目中,实现Kinect的体感与场景虚拟人进行骨骼匹配。实验表明,虚拟校园以体感交互漫游为特色,增强了系统的创新性。同时可以开放很多接口,以便为后期的功能添加和完善。     

动态视角下人体行为识别研究

3D人体行为识别数据库发展给人体行为识别研究者提供了便利,然而现存数据库视角固定等问题限制了机器人移动范围。为了研究真实环境下的人体行为识别,建立一个基于RGB-D摄像机的动态多视角人体行为数据库DMV Action3D,收集了20人的600多个行为视频,约60万帧彩色图像和深度图像。另外,在DMV Action3D数据库基础上,利用CRFasRNN图片分割技术将人像进行分割并分别提取Harris3D特征,利用隐马尔可夫模型对动态视角下的人体行为进行识别。实验结果表明,在动态视角下使用CRFasRNN图像分割方法,人像分割效果突出,且不受环境、场景、光照因素影响,与真实环境下人体轮廓的相似度极高。DMV Action3D数据集对于研究真实环境下人体行为具有较大优势,为服务机器人识别真实环境下人体行为提供了一个较佳资源。     

大数据在基于Kinect的中风康复训练中的应用

为了根据不同中风患者的康复情况制定相应的中风治疗标准,对基于大数据改进中风康复训练行为的识别进行了研究。首先,通过Kinect获取人体20个骨骼关节点的数据信息,然后提取关节点极坐标的位置信息,定义运动特征分类集合,完成朴素贝叶斯分类器设计。根据捕获的各种人群数据信息,在云服务器上的数据分析系统加以量化和分析后进行阈值计算。基于此,可对中风康复训练动作识别阈值进行偏差处理,从而设定不同的患者人群最合适的动作标准。     

基于Unity3D的沉浸式机械手表虚拟仿真系统研究

本文以Unity3D游戏引擎为开发平台、Kinect为人体识别交互设备,对开发流程、动画制作、API数据连接、手势识别、光线追踪法碰撞检测、物理模型交互操作六个方面进行研究设计,利用Ray射线进行物理识别,选择和UI图标点击,设计了具有培训模式、练习模式、拓展模式三种模式交互沉浸式机械手表虚拟仿真系统,具有前瞻性和借鉴意义,能够有效促进学生深层次理解知识点、增强实践能力和培养创新意识。     

多通道融合的虚拟实验环境设计

在实验技术的模拟仿真方面,虚拟现实因其高度模拟真实的特点,在获取用户行为数据、产品评估与模拟仿真等领域具有其他技术无法比拟的优势。为获取用户真实的行为数据,构建自然手势交互的虚拟现实实验环境,其中主要研究内容包括:(1)构建沉浸性好的四通道融合虚拟现实实验环境;(2)利用Kinect的深度摄像头与机器训练实现虚拟现实环境下的自然手势交互;(3)设计人体骨骼信息、位置信息、交互信息与虚拟实验环境的通信方式。方案能够很好地运用于用户行为收集、产品测试与评估以及其他仿真与测试技术方案。     

基于Kinect的汽车底盘交互式展示设计与实现

借助Unity3D开发平台,从整体流程设计、交互式展示动画的制作、数据的连接、手势的识别、汽车底盘模型的交互操作等方面入手,对汽车底盘结构进行三维建模,设计交互式展示的仿真系统。采用Kinect深度传感器作为人体识别交互设备,应用到虚拟仿真系统中的汽车底盘展示和拆装训练中,提高用户的体验感,帮助识别汽车底盘部件,增强拆装训练立体感,具有前瞻性。该设计能够减少传统汽车底盘拆装训练耗费的财力物力,有效促进学生对知识点的深入理解,提高其实践能力和创新意识。     

基于Kinect的虚拟放风筝系统设计

为了在虚拟环境中实现风筝放飞效果,采用Kinect作为输入设备,利用体感设备的骨骼跟踪技术,定义手臂上举、振臂和双手交叉模拟放风筝的常用姿势,设计了虚拟放风筝系统,让用户通过手臂动作在虚拟环境中放飞风筝。在WPF平台上实现风筝场景设计和风筝运动时的动画设计。通过单元测试和集成测试,表明系统使用骨骼数据跟踪技术结合用户自定义手势,操作合理,WPF动画实现场景及风筝运动突破了传统动画限制,用户能在虚拟场景中体验到放风筝的乐趣。     

基于虚拟现实技术的数字化体育舞蹈教学平台设计与实现

为丰富体育舞蹈教学方法、增强学生学习兴趣,构建基于虚拟现实技术的数字化体育舞蹈教学平台。首先基于Kinect体感设备采集人体深度数据,并提出动态光线投影算法,重建人体运动三维模型;接着采用多特征融合算法对人体动作姿态进行权重赋值匹配;最后将教学服务器与构建的可视化虚拟模型及人体运动姿态相衔接。测试结果表明：文中提出的改进光线投影算法能显著提高人体运动三维模型的重建效率,对体育舞蹈动作识别具有良好的精度和稳定性;同时,数字化体育舞蹈教学平台在教学实践中获得了较高满意度。     

美国公司推进3D技术在高校教学中的应用

据美国《高等教育纪事报》网站报道,美国加州Infinite Z公司拟将其产品Z Space推向高校市场,利用形象生动的3D全息投影技术,提高高校的教学效果,推动科研进步。Z Space是由Infinite Z公司研发的3D显示屏,可以通过跟踪用户的头部动作(包括眼球运动)和手部动作,实时调整用户看到的3D影像。Infinite Z公司将这项技术称为"虚拟全息3D"技术,用户可利用Z     

数据手套在医学虚拟实验中的应用

在虚拟现实交互设备上的运用,将数据手套与虚拟医学仿真训练相结合,为未来的虚拟医学实验教学平台建设打下良好的基础。根据人手的生理结构特点,利用三维软件Maya构建逼真虚拟手的三维模型,并为其添加骨骼蒙皮,利用权重法对其变形效果进行修正,导入虚拟现实引擎Unity3D为数据手套与虚拟手进行装配。结合虚拟手术训练中的常用手势进行实验验证,结果表明,真实手与虚拟手匹配精度高,动作流畅,仿真度高,增加了用户的沉浸感。     

基于手势识别技术的3D虚拟交互系统

系统以英特尔凌动处理器嵌入式平台为核心,运用手势识别、多目视觉立体定位、电机控制及3D建模等多种算法和技术,构建了一个真实人与虚拟世界进行实时交互的浸入式环境。一方面以图像处理算法为核心,进行基于肤色模糊识别和多智能体协作思想的图像分割,实现了基于形状特征的手势识别算法;另一方面采用了3dsmax辅助建模的方法,实现了手的骨骼模型这种复杂物体的建模,结合Direct3D开发3D虚拟环境系统,采用DirectSound产生环境的声音。通过对虚拟手的控制实现人与虚拟环境中三维物体的交互操作,如抓取、移动物体等动作。随着3D场景和动作的切换,伴随发出不同的声音。测试表明,该系统的手势识别成功率达到80%,人机交互较为生动、直观和真实。     

基于Kinect医疗服务机器人的LabVIEW实现

以Kinect技术为基础,提出了一种基于LabVIEW实现的医疗服务机器人设计.利用Kinect对人体的运动参数进行采集,通过LabVIEW软件平台实现对人体骨架3D模型的还原重建,并对其数据进行处理得出操纵指令.机器人按照接收的指令进行运动,完成对人体的运动跟踪.     

基于3D卷积神经网络的人体行为识别方法

为了提高视频中人体行为识别的准确率,更好地利用视频中的原始信息,提取出更具有代表性的特征,提出一种基于3D卷积神经网络的人体行为识别方法。该方法构建了一个深层三维卷积神经网络模型,使用三维卷积核进行卷积操作,提取视频中人体行为的时域和空域特征,通过多层卷积操作对底层特征进行再组合,得到抽象的高维特征。在KTH数据集上的实验结果表明,该方法有较好的识别效果。     

基于机器视觉的足球运动员犯规动作特征提取研究

由于视觉分析存在误差,在高水平足球运动员人群中,传统足球运动员犯规动作特征提取方法存在犯规动作特征提取准确率低等问题.为此,提出基于机器视觉的足球运动员犯规动作特征提取方法.利用机器视觉系统获取足球运动员动作图像,基于阈值识别算法识别足球运动员犯规动作,以识别犯规动作图像为前提,采用Harris 3D算子建立犯规动作序列势函数,以犯规动作序列势函数为依据,通过AdaBoost算法筛选足球运动员犯规动作特征数据,以此为训练样本实现足球运动员犯规动作特征提取.仿真结果表明,所提方法在高水平足球运动员范围内犯规动作识别准确率较高,有效降低了识别的误差.     

美国公司推进3D技术在高校教学中的应用

正据美国《高等教育纪事报》网站(chronicle.com)2014年7月22日报道,美国加州Infinite Z公司拟将其产品Z Space推向高校市场,利用形象生动的3D全息投影技术,提高高校的教学效果,推动科研进步。Z Space是由Infinite Z公司研发的3D显示屏,可以通过跟踪用户的头部动作(包括眼球运动)和手部动作,实时调整用户看到的3D影像。InfiniteZ公司将这项技术称为"虚拟全息     

基于Kinect传感器和HOG特征的静态手势识别

手势识别是人机交互领域的一种重要手段。针对现有算法识别率低,鲁棒性弱的问题,本文基于Kinect传感器获取的手势深度图像,对复杂背景干扰下的手部区域进行分割,然后利用梯度方向直方图(HOG)对手部灰度图像进行特征提取,最后利用最小马氏距离分类器进行建模、分类,实现静态手势识别。根据Kinect传感器获取的深度信息结合阈值分割法,能够准确地检测手部区域,为后续识别打下良好的基础。而HOG特征适应光照的变化,且具有几何不变矩的特性。实验结果表明,本文提出的手势识别方法在光照变化和复杂背景干扰下具有较强的鲁棒性和较高的识别率。     

解读医学影像设备学的教学方法

医学影像设备是指利用各种不同媒介作为信息载体,将人体内部的结构重现为影像的各种仪器,其影像信息与人体实际结构有着空间和时间分布上的对应关系.     

面向考场视频中作弊行为的层次式检测方法

针对当前考场视频作弊行为检测精度低、难以实际应用的问题，本文提出一种高效的作弊行为层次式检测方法。该方法首先使用帧间差分，快速筛选出包含异常行为的关键帧图像；随后采用ResNet50作为分类器进行基于骨骼图像的行为识别，检测出疑似作弊行为；最后使用改进的三维卷积（3D-CNN，简称C3D）网络作为主干网络，融合时空注意力机制，构建C3D+attention动作识别网络，使用包括疑似作弊行为在内的单人图像序列单元，精确检测出作弊行为。实验结果表明：本方法融合二维卷积（C2D）网络速度快和C3D网络精度高的优点，能够高效地检测出数量稀少的作弊行为视频片段，对光照变化和低分辨率视频具有强鲁棒性，使智能监考成为可能。     

基于Mean—shift分割的高分辨率遥感影像变化检测方法

针对Geoeye,QuickBird等高空间分辨率遥感影像变化检测精度不高的问题,本文研究了面向对象的分类后比较的变化检测方法。该方法是先利用均值平移法进行图像分割,再以分割对象为基本单元,采用支持向量杌分类器进行分类,最后识别变化区域。该方法充分考虑了影像中地物的光谱、几何、上下文特征,以及目标间的拓扑关系,以弥补基于像素的变化检测方法的不足。最后,用QuickBird多时相影像作为测试数据,验证了本方法能有效提高高分辨率遥感影像变化检测的精度,且有利于GIS数据更新。     

基于Kinect体感交互技术的虚拟装配实验系统开发

在分析体感交互虚拟装配系统架构的基础上,讨论了基于Kinect体感交互技术的虚拟装配模型数据建立、手势识别及交互语义扩展、场景视角的真实体感控制3个关键问题的实现方法,并使用这些方法开发了"减速器"虚拟装配实验系统。实际应用表明,体感交互技术能提高与三维对象的交互效率、增强学习沉浸感。