摘要：针对增强现实系统中电磁跟踪测量值存在较大误差,现有空间坐标校正方法所采用的采样方法工作量大,且系统对新工作环境适应性差的问题,提出一种定长连续采样方法,设计基于双流结构的BP神经网络集成学习模型的坐标校正方法,并提出一种电磁跟踪系统在新场景部署过程中的快速评估方案。该方法根据测量值误差分布规律进行样本空间划分,生成子神经网络模型池;根据子模型匹配规则分别估计测量点的距离与坐标值;进行融合计算得到空间坐标校正值。实验结果表明,该方法能有效提高电磁跟踪系统空间坐标的校正精度,并能增强系统的抗干扰能力。

摘要：动态手势视频流预处理过程中,随机采样或密集采样存在关键帧丢失或数据冗余的问题,导致特征融合在单个特征的时序建模中,可能丢失重要的时序信息,由此提出基于注意力机制和特征融合的手势识别方法。通过含注意力机制的长短期记忆网络,在时序建模过程中抽取重要数据,有效避免了采样方法的随意性或盲目性;设计具有三层结构的特征融合网络对抽取的RGB特征和深度图像特征进行融合处理,提升了动态手势识别的准确率。实验结果表明引入注意力机制的必要性,验证了特征融合的有效性和该方法的鲁棒性。