医学图象处理及其三维重建是目前研究的热点问题，它涉及计算机图形学、数字图像处理计算机视觉、以及人机交互技术。 医学图像预处理与三维重建是可视化技术的核心环节，二者直接关系着三维可视化的效果和速度。本文介绍了灰度变换噪声消除以及 伪彩色编码等图像预处理技术。然后着重探讨了三维重建技术中的体绘制和面绘制算法以及这两种算法的优点和不足。最后总结了网格消减算法，并利用它对MC算法进行表面网格简化。 -Medical processing and 3D reconstruction is a

针对行为识别中行为者朝向变化带来的问题,提出了一种基于人体行为3D模型的2D行为识别算法.在学习行为 分类器时,以3D占据网格表示行为样本,提取人体3D关节点作为描述行为的特征,为每一类行为训练一个基于范例的隐马 尔可夫模型(Exemplar-based hidden Markov model,EHMM),同时从3D行为样本中选取若干帧作为3D关键姿势集,这个 集合是连接2D观测样本和人体3D关节点特征的桥梁.在识别2D行为时,2D观测样本序列可以由一个或多个非标定的摄 像机采集

DeepFace一文依旧是沿着“检测-对齐-人脸表示-分类”这一人脸识别技术路线来的，其贡献在于对人脸对齐和人脸表示环节的改进。1）在人脸对齐环节，引入了3D人脸模型对有姿态的人脸就行分片的仿射对齐。2）在人脸表示环节，利用一个9层的深度卷积在包含4000人、400万张人脸的数据集上学习人脸表示，这个9层的DCNN网络有超过1.2亿个参数。本文的模型在LFW数据集上取得了97.25 的平均精度（逼近了人类97.5 的极限），同时在Youtube数据集上取得了当前最好的结果，比之前的NO.1整整高