人脸特征跟踪和头部姿势估计

头部姿势估计在人机交互中有着重要的意义,为此提出了一种在单目图像序列中估计三维头部姿势的方法.运用块匹配方法跟踪人脸特征.结合人脸的几何知识提出了一个匹配评价标准.并提出了一种基于特定人脸几何信息和透视投影模型的算法来估计头部姿势,不需使用三维模型和任何面部标记.实验结果表明,该方法对于头部姿势估计是有效的.     

三维人脸纹理改善及其在模型匹配中的应用

为改善三维人脸库的颜色纹理,基于纹理映射技术,提出了一种改善方法．使用统计学中曲线拟合与线性回归的方法,根据扫描仪获取的三维人脸库颜色纹理空间,拟合、逼近真实纹理空间,进而得到改善的颜色纹理空间,建立了三维人脸库颜色纹理空间到改善的纹理空间之间的映射关系．根据该映射关系改善了三维人脸库颜色纹理,缩小了其与真实纹理之间的差异．实验结果证明,用该方法改善后的纹理与真实纹理的差明显小于扫描得到的纹理与真实纹理之间的差;在模型匹配过程中使用改善后的纹理,可提高模型匹配速度,缩短匹配时间．     

基于两层隐马尔可夫模型的可视语音合成

为了解决可视语音合成中语音与口型多对多的对应关系,本文提出基于两层隐马尔可夫模型的可视语音合成,该模型有效结合了语音和口型的上下文相关性,解决了语音与口型多对多的对应问题,合成出了准确率高、连贯、自然的口型序列,该方法具有完全自动化的特点．     

面向听障人士基于手语视频合成的信息表达

Among the human users of the Internet of Things, the hearing-impaired is a special group of people for whom normal information expression forms, such as voice and video are unaccessible, and most of them have some difficulty in understanding information in text form. The hearing-impaired are accustomed to receiving information expressed in sign language. For this situation, a new information expression form for the Internet of Things oriented toward the hearing-impaired is proposed in this paper, and the new expression is based on sign language video synthesis. Under the sign synthesis frame, three modules are necessary: constructing database, searching for appropriate sign language video units and transition units, and generating interpolated frames. With this method, text information could be transformed into sign language expression for the hearing-impaired.     

独立分量分析在MPEG-4入脸动画中的应用

为进一步提高MPEG-4人脸动画的真实感，引入了独立分量分析，将其应用在MPEG-4模型基编码的人脸动画参数分析方面．通过对获取到的人脸动画参数训练数据应用独立分量分析。获得了一般人脸动画模式，调整独立分量分析空间参数可以生成特定人的任意表情．实验结果表明：基于独立分量分析空间的MPEG-4人脸动画具有较强的真实感和鲁棒性。     

基于嘴部Gabor小波特征和线性判别分析的疲劳检测

为了提高驾驶的安全性,提出一种通过摄像头定位驾驶员的嘴部,利用嘴角的纹理特征检测打哈欠的方法.在人脸检测的基础上,用灰度投影定位左右嘴角,采用Gabor小波提取嘴角的纹理特征,通过线性判别分析(linear discriminant analysis,LDA)判定是否打哈欠.试验数据为30人的3 000幅图像,数据中包含了光照、姿态、面部饰物(眼镜)等变化.试验结果表明,该方法符合实时打哈欠分析的需要;Gabor小波特征比几何特征更适合描述打哈欠时嘴部的变化;算法的平均识别率为91.97%,比嘴部宽高比的几何特征有较大提高.     

基于Creator与Vega Prime的虚拟奥运场馆漫游系统

以奥运羽毛球场馆为三维虚拟场景,采用建模工具软件Creator与三维图形高级开发环境Vega Prime为基本开发平台,结合Visual C++与OpenGL语言,改进计算机图形学边折叠网格简化算法,实现了具有不同复杂度的虚拟奥运羽毛球场馆三维模型简化,搭建了具有真实感的可以实时绘制的虚拟场馆三维模型;并根据Vega Prime绘制界面的不足,构建了具有友好用户界面的虚拟漫游系统,使得人们可以在进入奥运羽毛球馆观看比赛之前,提前了解场馆内座椅分布情况,同时方便管理人员更好的组织场馆内人群运营.实验证明,本系统具有很好的交互性和实时性.     

基于时空上下文模型的RGB-D序列目标跟踪方法

为了实现更为精确的视频目标跟踪,提出一种以时空上下文模型为基础的RGB-D序列目标跟踪算法.通过引入更新模板的深度信息,该模型精准地区分了输入序列的目标区域与背景区域,实现了深度权值和颜色权值的融合;基于目标序列的深度及目标动量计算,该模型有效地实现了尺度更新与遮挡处理.通过在RGB-D图像序列数据集上的详细实验评估,该时空上下文模型相对于其他先进的同类方法表现出更好的性能.因此,该方法实现了更为精确可靠的视频目标跟踪.     

序言

人工智能是世界新一轮科技革命和产业变革的重要驱动力量,正在赋能各行各业,快速改变着人类的生产、生活方式.作为国家"十四五"规划和2035年远景目标中的一项核心技术,近年来人 工智能在中国得到了快速发展,并在一些领域成为全球新发展格局中的引领者.     

深度聚类算法研究综述

聚类分析是挖掘数据内在结构的关键技术,在大数据时代,人们面对的数据通常具有规模大、维度高、结构复杂等特点,直接应用传统聚类算法往往会失效.深度学习凭借层次化非线性映射能力使得大规模深度特征提取成为可能,因此基于深度学习的聚类(深度聚类)算法迅速成为无监督学习领域的研究热点.该文旨在对深度聚类的研究现状进行归纳和总结.首先,从神经网络结构、聚类损失和网络辅助损失3个角度介绍深度聚类的相关概念;然后,根据网络的结构特点对现有的深度聚类算法进行分类,并分别对每类方法的优势和劣势进行分析和阐述;最后,提出好的深度聚类算法应具备的三要素:模型的可扩展性、损失函数的鲁棒性和特征空间的平滑性,并从这3个方面分别阐述未来可能的研究方向.