首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--计算机仿真论文

数据驱动的虚拟试衣系统若干关键技术研究

摘要第5-7页
Abstract第7-8页
第1章 绪论第14-32页
    1.1 研究背景和意义第14-19页
    1.2 研究现状分析第19-29页
        1.2.1 虚拟试衣技术第20-21页
        1.2.2 人体三维模型重建第21-26页
        1.2.3 深度和彩色相机标定第26-28页
        1.2.4 动态手势识别第28-29页
    1.3 研究内容与主要贡献第29-30页
    1.4 本文的组织结构第30-32页
第2章 基于稀疏关键点的参数化人体重建第32-58页
    2.1 概述第32-33页
    2.2 SCAPE参数化人体模型第33-35页
    2.3 基于稀疏关键点的参数化人体重建第35-46页
        2.3.1 算法总体描述第35页
        2.3.2 数据获取第35-36页
        2.3.3 自动关键点检测第36-42页
        2.3.4 关键点辅助人体重建第42-45页
        2.3.5 稠密细化第45页
        2.3.6 算法讨论第45-46页
    2.4 方法评估第46-56页
        2.4.1 关键点检测第46-49页
        2.4.2 关键点辅助重建第49-53页
        2.4.3 实验分析第53-55页
        2.4.4 讨论第55-56页
    2.5 本章小结第56-58页
第3章 基于混合参数的深度相机与彩色相机高效配准第58-72页
    3.1 概述第58-59页
    3.2 深度相机和彩色相机标定第59-64页
        3.2.1 标定系统设置及相关坐标系第59-61页
        3.2.2 基于混合参数的标定第61-62页
        3.2.3 实现细节第62-64页
        3.2.4 基于矩阵分解的显式参数估计第64页
    3.3 实验评估第64-69页
        3.3.1 真实数据评估实验第65-69页
        3.3.2 合成据评估实验第69页
    3.4 本章小结第69-72页
第4章 最近邻和最长公共子序列结合的动态手势识别第72-84页
    4.1 概述第72-73页
    4.2 手势识别系统概述第73-74页
        4.2.1 训练和识别的流程第73页
        4.2.2 LCSS模型第73-74页
    4.3 方向特征的离散表达第74-76页
    4.4 KNN和LCSS结合的手势识别第76-78页
        4.4.1 训练阶段第76-78页
        4.4.2 识别阶段第78页
    4.5 实验结果第78-81页
    4.6 服装选择的手势接口第81-82页
    4.7 本章小结第82-84页
第5章 总结与展望第84-88页
    5.1 全文工作的总结第84-85页
    5.2 未来工作的展望第85-88页
参考文献第88-96页
攻读博士学位期间主要的研究成果第96-98页
致谢第98-99页

论文共99页,点击 下载论文
上一篇:光线跟踪绘制中的光路重用技术研究
下一篇:脑机融合的混合智能系统:原型及行为学验证研究