夏时洪
- 作品数：174 被引量：368H指数：12
- 供职机构：中国科学院计算技术研究所更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术理学文化科学环境科学与工程更多>>
- 一种基于运动捕获数据的虚拟角色运动合成方法
- 本发明公开了一种基于运动捕获数据的虚拟角色运动合成方法，包括：获得运动数据样本；对约简得到的样本运动数据序列进行基于函数的统计分析，得到特征运动；根据用户的控制或者应用需求合成新的运动数据序列；对合成的运动数据序列进行后...
- 夏时洪李淳芃
- 文献传递
- 一种动物体模型层次划分方法
- 本发明公开了一种动物体模型层次划分方法，包括：输入动物体模型；根据所述皮肤表面模型顶点与骨骼间的绑定关系，将所述皮肤表面模型划分为多个块；在每个块中，将块中对应的骨骼划分成多个段，并根据所述皮肤表面模型上的顶点到骨骼投影...
- 毛天露朱小龙夏时洪王兆其
- 文献传递
- 一种三维人脸关键点检测方法、装置及存储介质
- 本发明公开了一种三维人脸关键点检测方法、装置及存储介质，该三维人脸关键点检测方法包括：获取原始输入数据，用于表征三维人脸形状和纹理数据；对所述原始输入数据进行点云网格均匀采样，生成第一采样数据；填充所述第一采样数据，生成...
- 范振峰夏时洪赵泽军丁博
- 一种基于光学的运动捕获数据的骨骼运动提取方法
- 本发明公开一种基于光学的运动捕获数据的骨骼运动提取方法，含以下步骤：由标志点位置估计关节中心位置，构造与捕获对象粗糙匹配的骨骼系统；在骨骼系统上建立骨骼局部坐标系；由骨骼局部坐标计算初始的骨骼运动数据，建立与运动捕获对象...
- 王兆其文高进朱登明夏时洪
- 文献传递
- 检测伪造人脸图像视频的增量学习方法及系统
- 本发明提出一种检测伪造人脸图像视频的增量学习方法和系统，包括：获取待增量学习的伪造人脸图像检测模型作为基础模型，基础模型包括用于提取图像特征的特征提取器，以及为图像特征分配伪造人脸图像检测类别的分类器；获取已标注伪造类别...
- 夏时洪范振峰赵泽军丁博
- 计算机技术助运动员备战奥运
- 2007年
- 体育训练是一个复杂的系统工程,它涉及到许多学科,其过程已经体系化。在这一过程中,影响运动员成绩的因素主要有技能、体能、心理能力、战术能力、运动智能等。而计算机技术在体育训练中的作用主要体现在：辅助运动员改进运动技能。如何运用科技手段，帮助运动员提高运动成绩，是科技奥运的重要内容。
- 夏时洪
- 关键词：计算机技术科技奥运运动员体育训练心理能力
- 不等式自动推理的新进展
- 不等式的自动推理一直是自动推理领域的一大难题,该文在多项式完全判别系统、柱形代数分解算法及降维算法等理论的基础上提出了用于不等式自动推理的一般算法,并就一类不等式的可读证明作了比较详细的阐述.据此编制的通用程序AGMI不...
- 夏时洪
- 关键词：不等式极值
- 文献传递
- 一种基于交互式运动编辑与轮廓分析的体育训练方法
- 2008年
- 已有基于信息高技术的体育运动训练方法主要分为弱类。一类是基于虚拟现实的,往往需要受训者通过虚拟设备与虚拟环境交互,达到学习和改进动作的目的;一类是基于视频分析的,通过对比分析受训者与优秀运动员的动作视频,给出改进技能的建议。本文提出了一种基于交互式运动编辑与轮廓分析的体育训练方法。在事先记录好的示范动作基础上,它允许教练以三维图形方式交互修改和设置动作约束,交互使用运动偏移和动力学验证公式以生成个性化虚拟运动员的模拟动作,按照训练视频的视点显示模拟结果,并通过虚拟运动员和受训者轮廓的矩不变量计算分析受训者的动作。该方法较好地规避了已有方法在实际应用中遇到的困难,它既不受虚拟交互设备的限制,更适用于体操等竞技体育运动训练,又能提供与训练视频视点一致的个性化模拟动作的参照视频,比传统视频分析体育训练方法具有更强的指导意义。
- 夏时洪王兆其
- 关键词：矩不变量
- 一种人体模型与柔性物体间的冲突检测方法
- 本发明涉及一种人体模型与柔性物体间冲突检测的方法，包括如下步骤：1)预处理阶段，在人体模型表面建立局部距离表，按一定顺序记录人体表面每一区域与底层相关骨骼之间的距离信息；2)检测过程中，遍历柔性物体上每个顶点/面片，求得...
- 毛天露王兆其夏时洪
- 文献传递
- 支持表情细节的语音驱动人脸动画被引量：2
- 2013年
- 针对语音驱动人脸动画中如何生成随语音运动自然呈现的眨眼、抬眉等表情细节以增强虚拟环境的沉浸感的问题,提出一种可以合成表情细节的语音驱动人脸动画方法.该方法分为训练与合成2个阶段.在训练阶段,首先对富有表情的三维人脸语音运动捕获数据特征进行重采样处理,降低训练数据量以提升训练效率,然后运用隐马尔可夫模型(HMM)学习表情人脸语音运动和同步语音的关系,同时统计经过训练的HMM在训练数据集上的合成余量;在合成阶段,首先使用经过训练的HMM从新语音特征中推断与之匹配的表情人脸动画,在此基础上,根据训练阶段计算的合成余量增加表情细节.实验结果表明,文中方法比已有方法计算效率高,合成的表情细节通过了用户评价验证.
- 范懿文夏时洪
- 关键词：人脸表情动画隐马尔可夫模型
