畢業(yè)論文是需要在學(xué)業(yè)完成前寫作并提交的論文，是教學(xué)或科研活動(dòng)的重要組成部分之一。以下是關(guān)于計(jì)算機(jī)類的畢業(yè)論文范文示例，希望對(duì)你有所幫助。
第一篇：虛擬現(xiàn)實(shí)技術(shù)的應(yīng)用研究
摘要：隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展，虛擬現(xiàn)實(shí)技術(shù)的應(yīng)用日趨廣泛和深入�；诖耍疚膶⑸钊霚\出地對(duì)虛擬現(xiàn)實(shí)技術(shù)的定義、應(yīng)用領(lǐng)域、未來的發(fā)展前景和存在的問題進(jìn)行介紹，重點(diǎn)闡述虛擬現(xiàn)實(shí)技術(shù)的應(yīng)用領(lǐng)域以及相關(guān)研究，以期使讀者對(duì)于虛擬現(xiàn)實(shí)有一個(gè)相對(duì)明晰的認(rèn)知。本文內(nèi)容介紹：在第2部分會(huì)對(duì)虛擬現(xiàn)實(shí)技術(shù)進(jìn)行簡單介紹;第3部分將部分應(yīng)用虛擬現(xiàn)實(shí)技術(shù)的領(lǐng)域進(jìn)行介紹;第4部分描述虛擬現(xiàn)實(shí)技術(shù)研究現(xiàn)狀和前景;在第5部分對(duì)全文進(jìn)行總結(jié)。
關(guān)鍵詞：虛擬現(xiàn)實(shí)技術(shù) 研究現(xiàn)狀 虛擬現(xiàn)實(shí)應(yīng)用 虛擬現(xiàn)實(shí)發(fā)展前景
一、引言
虛擬現(xiàn)實(shí)對(duì)于很多人來講還是一個(gè)比較新的詞匯，也可能你聽說過，但并不了解，只是認(rèn)為佩戴顯示設(shè)備，觀看虛擬出來的內(nèi)容，有身臨其境之感，以為這就是虛擬現(xiàn)實(shí)技術(shù)。不盡然，那虛擬現(xiàn)實(shí)技術(shù)究竟指什么呢?本文將為讀者解決這個(gè)困惑。
二、虛擬現(xiàn)實(shí)技術(shù)簡介
2.1什么是虛擬現(xiàn)實(shí)技術(shù)
虛擬現(xiàn)實(shí)技術(shù)即虛擬現(xiàn)實(shí)。虛擬現(xiàn)實(shí)(Virtual Reality，簡稱VR)是近年來出現(xiàn)的高新技術(shù)。從本質(zhì)上來說，虛擬現(xiàn)實(shí)是一種先進(jìn)的計(jì)算機(jī)用戶接口，它通過給用戶同時(shí)提供視、聽、觸等各種直觀而又自然的實(shí)時(shí)感知交互手段，因此具有多感知性、存在感、交互性、自主性等重要特征。虛擬現(xiàn)實(shí)技術(shù)并不是一項(xiàng)單一的技術(shù)，而是多種技術(shù)綜合后產(chǎn)生的，其核心的關(guān)鍵技術(shù)主要有動(dòng)態(tài)環(huán)境建模技術(shù)、立體顯示和傳感器技術(shù)、系統(tǒng)開發(fā)工具應(yīng)用技術(shù)、實(shí)時(shí)三維圖形生成技術(shù)、系統(tǒng)集成技術(shù)等五大項(xiàng)。
2.2虛擬現(xiàn)實(shí)技術(shù)特征
虛擬現(xiàn)實(shí)技術(shù)主要有四個(gè)特征：(1)沉浸性：主要是指讓計(jì)算機(jī)產(chǎn)生一種虛擬的環(huán)境，讓參與到其中的人有一種和現(xiàn)實(shí)世界一樣的感覺，就如身臨其境一般。(2)交互性：主要是指用戶對(duì)計(jì)算機(jī)模擬出的虛擬環(huán)境中的物體具有可操作性和從虛擬環(huán)境中的物體上得到的反饋。(3)想象力：主要是指虛擬現(xiàn)實(shí)技術(shù)它具有很廣闊的想象空間，不僅可以模擬出現(xiàn)實(shí)存在的世界，而且還可以模擬出不存在的環(huán)境。(4)多感知性：主要是指這項(xiàng)技術(shù)不僅能夠讓我們感受到視覺和聽覺這兩種一般計(jì)算機(jī)就可以給我們提供的感覺外，還可以給我們提供觸覺、味覺等一般計(jì)算機(jī)難以模擬出的感覺。
三、虛擬現(xiàn)實(shí)技術(shù)的應(yīng)用領(lǐng)域
虛擬現(xiàn)實(shí)技術(shù)在很多領(lǐng)域內(nèi)均有比較理想的應(yīng)用，如教育與培訓(xùn)、娛樂與藝術(shù)、醫(yī)學(xué)、軍事、商業(yè)等領(lǐng)域，下面我們將就其中幾個(gè)比較典型的應(yīng)用領(lǐng)域展開敘述。
3.1教育與培訓(xùn)
虛擬現(xiàn)實(shí)應(yīng)用于教育是教育技術(shù)發(fā)展的一個(gè)飛躍。在教育領(lǐng)域中，把虛擬現(xiàn)實(shí)技術(shù)的產(chǎn)品作為一種新的學(xué)習(xí)工具，一方面可以使學(xué)習(xí)者從逼真的虛擬假想空間中獲取真實(shí)世界中得不到或難以得到的經(jīng)驗(yàn)和感受，另一方面也使教師等教育工作者逐漸養(yǎng)成用數(shù)字時(shí)代的思維方式去教育學(xué)生的行為方式與習(xí)慣。
在教育領(lǐng)域的實(shí)踐中，虛擬現(xiàn)實(shí)技術(shù)在教育中的應(yīng)用大致可分為以下幾個(gè)方面：(1)模擬訓(xùn)練(2)科學(xué)研究(3)虛擬學(xué)習(xí)環(huán)境(4)虛擬實(shí)驗(yàn)室(5)仿真虛擬校園等。
3.2娛樂與藝術(shù)
如電視臺(tái)使用的虛擬演播室也是一種虛擬現(xiàn)實(shí)技術(shù)。虛擬演播室系統(tǒng)是一種只需要有演員和道具，不需要實(shí)際的真實(shí)場(chǎng)景的演播系統(tǒng)。這個(gè)讓觀眾耳目一新的系統(tǒng)不但為電視制作人提供了廣闊的創(chuàng)作空間，而且在豐富節(jié)目包裝方式、降低節(jié)目成本方面有著十分可觀的優(yōu)勢(shì)。不過，目前，除中央電視臺(tái)或鳳凰衛(wèi)視、北京電視臺(tái)等大媒體外，我國電視臺(tái)或傳媒機(jī)構(gòu)對(duì)于虛擬現(xiàn)實(shí)技術(shù)的應(yīng)用與研究還比較粗淺，成功的實(shí)例還不是很多。
3.3商業(yè)領(lǐng)域
網(wǎng)絡(luò)購物相對(duì)于傳統(tǒng)的購物方式具有方便、經(jīng)濟(jì)等一系列的優(yōu)勢(shì)，同時(shí)隨著近年來物流行業(yè)的迅速發(fā)展，網(wǎng)絡(luò)購物在時(shí)效性方面也有了很大的提高。但是由于網(wǎng)頁技術(shù)的限制，購物網(wǎng)站往往通過圖片和文字來展示網(wǎng)站商品。通過網(wǎng)頁中的圖片，消費(fèi)者很難完整和準(zhǔn)確地掌握產(chǎn)品的信息，過多的文字介紹也讓購物過程變得繁瑣和枯燥無味。而將虛擬現(xiàn)實(shí)技術(shù)引入到網(wǎng)絡(luò)購物中來，用該技術(shù)創(chuàng)建能夠與用戶產(chǎn)生互動(dòng)的三維虛擬超市場(chǎng)景，使人置身于真實(shí)的互動(dòng)的三維購物場(chǎng)景之中，將使網(wǎng)絡(luò)購物變得更加真實(shí)。將傳統(tǒng)購物與傳統(tǒng)的網(wǎng)絡(luò)購物特點(diǎn)相結(jié)合，使網(wǎng)絡(luò)購物的用戶體驗(yàn)性能得到極大的提高。
四、虛擬現(xiàn)實(shí)技術(shù)研究現(xiàn)狀與前景
4.1目前存在的問題
(1)硬件的限制。一般情況下，想要實(shí)現(xiàn)一個(gè)高質(zhì)量虛擬現(xiàn)實(shí)系統(tǒng)，外部設(shè)備的規(guī)格就要非常高，而且設(shè)備的精度、舒適度等方面還有待提高。(2)圖形生成速度滯后。圖形生成速度就是虛擬現(xiàn)實(shí)中場(chǎng)景要隨著人的動(dòng)作的變化而做出相應(yīng)的改變，而以我們現(xiàn)在的技術(shù)想要做好還是很難。(3)三維數(shù)據(jù)量大。虛擬現(xiàn)實(shí)技術(shù)中有很多的模型，其占用的空間很大，而以我們現(xiàn)在的寬帶的速度跟不上，而且會(huì)對(duì)計(jì)算機(jī)帶來很大的負(fù)載。(4)缺少人性化。我們現(xiàn)在只能通過鼠標(biāo)、鍵盤、頭盔等簡單的工具實(shí)現(xiàn)虛擬化，猶如機(jī)器人一般，所以要增加人性化處理。
4.2未來發(fā)展方向
發(fā)展方向與上面提到的瓶頸是相對(duì)的，所以未來虛擬現(xiàn)實(shí)技術(shù)將主要朝著以下幾個(gè)方面去發(fā)展：(1)人機(jī)交互界面;(2)感知研究領(lǐng)域;(3)高效的虛擬現(xiàn)實(shí)軟件和算法;(4)廉價(jià)的虛擬現(xiàn)實(shí)硬件系統(tǒng);(5)智能虛擬環(huán)境。
五、結(jié)語
虛擬現(xiàn)實(shí)技術(shù)經(jīng)歷大半個(gè)世紀(jì)科學(xué)研究，從一開始的簡單仿真到現(xiàn)在涉及到了人的感覺、觸覺等，在這大半世紀(jì)里，有許多的科學(xué)研究者付出了自己畢生的心血。
而隨著科技和社會(huì)的不斷發(fā)展，虛擬現(xiàn)實(shí)技術(shù)也在向我們展示它未來廣闊的前景。作為新世紀(jì)最有前途的技術(shù)之一，它一定會(huì)不停的帶給我們驚喜。同時(shí)我們也希望我國科學(xué)家們能夠努力研究，讓我國的虛擬現(xiàn)實(shí)技術(shù)的研究處于世界領(lǐng)先水平。
參考文獻(xiàn)：
[1]李袁.虛擬現(xiàn)實(shí)技術(shù)在數(shù)字圖書館中的應(yīng)用[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2009，19(36)：3-5.
[2]陳浩磊，鄒湘軍，陳燕，劉天湖.虛擬現(xiàn)實(shí)技術(shù)的最新發(fā)展與展望[J].中國科技論文在線，2011(3)：21―22.
[3]胡小強(qiáng).虛擬現(xiàn)實(shí)技術(shù)基礎(chǔ)與應(yīng)用[M].北京：北京郵電大學(xué)出版社，2009.24―27.
第二篇：基于AdaBoost+膚色模型的多人臉檢測(cè)考勤系統(tǒng)
摘要：為解決多人場(chǎng)景下的身份注冊(cè)問題，將人臉檢測(cè)作為依據(jù)，提出一種多人臉檢測(cè)考勤系統(tǒng)。該系統(tǒng)以智能終端拍攝圖像作為輸入，基于人臉檢測(cè)獲取考勤目標(biāo)，最后通過用戶注冊(cè)獲得待考勤目標(biāo)的身份信息。目前系統(tǒng)已投入課堂學(xué)生的點(diǎn)名應(yīng)用中，實(shí)驗(yàn)結(jié)果驗(yàn)證了該系統(tǒng)中各環(huán)節(jié)方法的有效性和魯棒性。
關(guān)鍵詞：人臉檢測(cè);考勤;多人;自動(dòng)識(shí)別
一、概述
人臉檢測(cè)不僅是生物特征識(shí)別領(lǐng)域的重要課題，同時(shí)也是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。它是人臉定位、身份驗(yàn)證、身份查找等多種應(yīng)用的基礎(chǔ)。由于具有重要的理論和應(yīng)用價(jià)值，因此越來越受到研究人員的重視。目前，人臉檢測(cè)技術(shù)已經(jīng)廣泛的應(yīng)用于門禁、攝像監(jiān)視等系統(tǒng)中。
人臉檢測(cè)利用圖像或視頻作為輸入，對(duì)探測(cè)區(qū)域進(jìn)行檢測(cè)，以確定其中是否存在人臉及其可能的位置和區(qū)域。常用的人臉檢測(cè)的方法主要分為兩大類：(1)基于知識(shí)的方法。這類方法主要利用人臉的明顯特征如眼睛、眉毛、嘴巴、鼻子等器官特征及其相互之間的位置關(guān)系進(jìn)行判斷。包括基于人臉幾何特征的人臉檢測(cè)、基于膚色模型的人臉檢測(cè)等。(2)基于統(tǒng)計(jì)的方法。這類方法將人臉看成一個(gè)整體，用統(tǒng)計(jì)的方法使用大量人臉圖像樣本的訓(xùn)練構(gòu)造人臉模式空間，再根據(jù)相似度量檢測(cè)人臉是否存在。包括基于神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)、基于AdaBoost算法的人臉檢測(cè)等。
AdaBoost具有精度高、弱分類器構(gòu)造簡單、檢測(cè)率高且速度快等優(yōu)點(diǎn)，但是AdaBoost算法僅考慮灰度特征，容易造成誤檢�；谀w色模型的人臉檢測(cè)方法在實(shí)際應(yīng)用中容易將與顏色相近的區(qū)域誤檢為人臉。通過AdaBoost定位出入臉位置，再運(yùn)用膚色模型對(duì)其進(jìn)行膚色校驗(yàn)則可以很好的規(guī)避兩者缺點(diǎn)。因此本文提出了一種基于AdaBoost與膚色模型的人臉檢測(cè)方法，并應(yīng)用于多人臉考勤系統(tǒng)中。
二、人臉檢測(cè)
2.1數(shù)據(jù)采集
人臉數(shù)據(jù)獲取是人臉檢測(cè)的基礎(chǔ)。系統(tǒng)對(duì)輸入數(shù)據(jù)并無過多限制條件，輸入數(shù)據(jù)可來自用戶隨身攜帶的智能手機(jī)，也可以是室內(nèi)監(jiān)控?cái)z像機(jī)的拍攝結(jié)果。對(duì)于某些無法用一副圖像采集完全的大尺度場(chǎng)景，可利用智能手機(jī)中自帶的全景拍攝功能，完成拼接后上傳全景數(shù)據(jù)。經(jīng)過調(diào)查，目前包括iPhone、三星、小米等絕大多數(shù)智能手機(jī)均自帶全景拍攝功能。即使用戶手機(jī)中無此功能，官方的應(yīng)用商店如App Store. Google Play也具有諸多相關(guān)應(yīng)用如：Photosynth，可免費(fèi)下載用以獲取拍攝場(chǎng)景的全景圖像。實(shí)驗(yàn)證明，借助手機(jī)全景拍攝功能采集的圖像可以作為有效的輸入，同時(shí)方便考勤人員采集考勤數(shù)據(jù)，獲取數(shù)據(jù)的便襯|生大幅增加。
2.2基于AdaBoost人臉檢測(cè)
AdaBoost是由Yoav Freund和Robert E.Schapire在1995年提出的一種迭代分類算法，其核心思想是將同一訓(xùn)練集的不同弱分類器集合起來，從而構(gòu)造一個(gè)強(qiáng)分類器。不同的弱分類器具有不同的權(quán)值，且它能根據(jù)上一次的結(jié)果確定每個(gè)樣本的權(quán)值，然后繼續(xù)通過分類器訓(xùn)練，最后將每次訓(xùn)練得到的分類器集合起來得到最終的分類器。
AdaBoost在人臉檢測(cè)應(yīng)用中需要通過訓(xùn)練大量可以區(qū)分人臉和非人臉區(qū)域的Haar特征，并從中挑選一些重要的特征并組合起來構(gòu)成級(jí)聯(lián)分類器，最終生成強(qiáng)分類器。這個(gè)過程中需要大量的Haar特征參與訓(xùn)練。經(jīng)過大量樣本訓(xùn)練來區(qū)分人臉和非人臉區(qū)域，最后經(jīng)過AdaBoost對(duì)分類器進(jìn)行計(jì)算，即可用于人臉檢測(cè)。
2.3膚色模型檢測(cè)
應(yīng)用AdaBoost方法的漏檢率相對(duì)較低，但誤檢率相對(duì)較高。因此需要通過處理將一些誤檢區(qū)域去除。本文選取基于膚色模型的方法對(duì)已檢測(cè)到的人臉部分進(jìn)行分析，以減少單純利用AdaBoost方法造成的誤檢率過高問題。
三、系統(tǒng)實(shí)現(xiàn)
3.1硬件環(huán)境
系統(tǒng)硬件環(huán)境包括：Intel Core Duo E7500 2.93GHzCPU， 2G內(nèi)存以及NVIDIA GT210獨(dú)立顯卡。
3.2軟件系統(tǒng)
系統(tǒng)采用B/S架構(gòu)，前端采用ASP.NET開發(fā)，主要包括：考勤人員上傳考勤圖像模塊、結(jié)果、考勤人員登錄確認(rèn)模塊、顯示考勤結(jié)果等模塊。后臺(tái)服務(wù)器端采用C++借助OpenCV庫實(shí)現(xiàn)上傳圖像或視頻的多人臉檢測(cè)。
3.3考勤實(shí)現(xiàn)
系統(tǒng)中AdaBoost人臉檢測(cè)模塊包括收集樣本、訓(xùn)練樣本生成分類器、使用生成的分類器進(jìn)行人臉檢測(cè)等步驟。
樣本包括正樣本和反樣本，即包含人臉部分圖像和不包含人臉部分的圖像。樣本數(shù)量越多則生成的分類器越可靠，后期人臉檢測(cè)更準(zhǔn)確。樣本訓(xùn)練前需要對(duì)圖像進(jìn)行歸一化處理，即需要使各圖像像素尺寸一致。歸一化處理后，建立正反樣本描述文件，正樣本描述文件每行內(nèi)容包括圖像名字、該圖像中正樣例(人臉區(qū)域)個(gè)數(shù)、圖像的寬、圖像的高，使用空格間隔。反樣本描述文件每行內(nèi)容僅包括圖像名字。之后通過OpenCV提供的opencv_createSamples可執(zhí)行程序創(chuàng)建正反樣本vec文件。
正反樣本vec文件生成后需要通過_Opencv提供的opencv_haartraining可執(zhí)行程序進(jìn)行樣本訓(xùn)練。訓(xùn)練完成后將生成一個(gè)xml文件，即通過AdaBoost算法生成的用于人臉檢測(cè)的分類器文件。此處主要利用了AdaBoost的OpenCV實(shí)現(xiàn)。
使用生成的分類器進(jìn)行人臉檢測(cè)時(shí)主要使用了OpenCV提供的兩個(gè)方法：
(l)load()方法，其主要功能為載人生成的分類器。
(2)detectMultiScale()方法。此方法通過使用之前載入的分類器，在輸入的圖像中查找人臉區(qū)域并返回人臉區(qū)域的位置。
在AdaBoost初步確定人臉區(qū)域后，采用膚色模型校驗(yàn)。膚色檢測(cè)需要設(shè)置膚色范圍，通過將圖像中的像素點(diǎn)與“標(biāo)準(zhǔn)膚色”相比較，從而區(qū)分圖像中的膚色區(qū)域與非膚色區(qū)域。
在設(shè)置“標(biāo)準(zhǔn)膚色”范圍時(shí)，實(shí)驗(yàn)中采用了三種廣泛使用的顏色空間：RGB色彩空間、HSV色彩空間、YCbCr色彩空間。
實(shí)驗(yàn)中，共設(shè)置兩個(gè)RGB標(biāo)準(zhǔn)膚色模型。RGB膚色模型一的閾值范圍應(yīng)滿足：G>40、B>20、R>G、R>B、MAX(R，GB)-MIN(R，GB》15。RGB膚色模型二的閾值范圍應(yīng)滿足：R>220.|R-G|<15. R>G. R>B。
將RGB顏色轉(zhuǎn)換為HSV顏色，然后設(shè)置HSV標(biāo)準(zhǔn)膚色閾值范圍應(yīng)滿足：O 將RGB顏色轉(zhuǎn)換為YCbCr顏色，然后設(shè)置YCbCr標(biāo)準(zhǔn)膚色閾值范圍為：Y>20、135 通過與標(biāo)準(zhǔn)膚色數(shù)據(jù)對(duì)比，圖像某區(qū)域像素同時(shí)符合三種標(biāo)準(zhǔn)膚色閾值范圍時(shí)即認(rèn)為是膚色區(qū)域。結(jié)合AdaBoost檢測(cè)結(jié)果綜合判定人臉區(qū)域。最后通過rectangle方法在圖像上使用矩形框標(biāo)注入臉位置。
使用時(shí)，首先由教師通過手機(jī)拍攝課堂照像(如圖1所示)并登錄系統(tǒng)上傳考勤圖像。后臺(tái)服務(wù)器監(jiān)測(cè)到有圖像上傳即對(duì)圖像進(jìn)行人臉檢測(cè)，并對(duì)不同人臉逐一標(biāo)注序號(hào)。被考勤人員分別登錄系統(tǒng)，選擇圖像與自身相對(duì)應(yīng)的序號(hào)。當(dāng)系統(tǒng)發(fā)生漏檢時(shí)，系統(tǒng)還向用戶提供手工框選接口，以修正系統(tǒng)對(duì)人臉的漏檢。系統(tǒng)會(huì)實(shí)時(shí)將每次考勤結(jié)果存人數(shù)據(jù)庫系統(tǒng)，同時(shí)生成考勤圖像、考勤表等方便考勤查看。系統(tǒng)流程圖如圖2所示。
四、實(shí)驗(yàn)結(jié)果
為驗(yàn)證該考勤系統(tǒng)的實(shí)際效果，作者將該考勤系統(tǒng)應(yīng)用于課堂的學(xué)生點(diǎn)名中。實(shí)驗(yàn)發(fā)現(xiàn)，僅在AdaBoost算法檢測(cè)下，會(huì)出現(xiàn)較為嚴(yán)重的誤檢現(xiàn)象。在加入了膚色校驗(yàn)之后，誤檢率明顯下降。結(jié)合兩種方法后，基于AdaBoost算法結(jié)合膚色模型進(jìn)行人臉檢測(cè)具有很好的可用性以及魯棒性，可顯著降低誤檢率。
基于人臉檢測(cè)結(jié)果，通過學(xué)生分別登錄選擇注冊(cè)，獲得了實(shí)際上課學(xué)生的考勤結(jié)果。
五、結(jié)束語
本文基于AdaBoost算法和膚色模型校驗(yàn)，結(jié)合用戶選擇注冊(cè)，實(shí)現(xiàn)了多入場(chǎng)景下的考勤。實(shí)驗(yàn)證明，該方法具有良好的可用性及魯棒性，目前，考勤系統(tǒng)已經(jīng)作為課堂考勤工具正在使用，能夠獲得準(zhǔn)確的學(xué)生到課結(jié)果。然而，該系統(tǒng)還存在較多問題，當(dāng)存在如遮擋、側(cè)臉、低頭等姿態(tài)時(shí)，檢測(cè)精度下降，尚不魯棒。系統(tǒng)可使用人臉識(shí)別方法取代人工注冊(cè)，減少用戶操作。在人臉檢測(cè)過程中，通過將采集到的人臉入庫，供后續(xù)人臉識(shí)別使用。由于傳統(tǒng)人臉識(shí)別方法如：PCA、LBP等，在多人大尺度場(chǎng)景中識(shí)別率較低，尚不滿足統(tǒng)計(jì)需求，因此探索多入場(chǎng)景下高精度人臉識(shí)別算法將是未來研究工作的重點(diǎn)。