#3D_Garment_Tryon_System3D虚拟试衣系统随着网络的普及和虚拟现实技术的发展，三维虚拟试衣技术已成为国内外学术界普遍关注和研究的重要课题。
三维服装虚拟试衣系统(3DGarmentVirtualTry-OnSystem)主要包括四个部分：用户试衣时的人体识别、姿势检测；
三维虚拟人体模型的构建与匹配，三维虚拟衣物模型的构建，三维衣物在虚拟人体的着装试穿。
目前我们在三维试衣系统相关理论的基础上，从研究三维人体、衣物建模理论出发，结合物理模型、图形处理等方法，实现了以上四个部分，并对其中一些关键技术进行了研究。
人体识别和姿势检测的研究方面，针对精准度要求较高的情况，我们采用N-best人体识别模型，用深度置信神经网络来对模型进行训练，能够检测出图片中任意姿势各个身体部件；
针对实时性要求较高的情况，我们采用SVM模型，可以判断出几种常见的人们试衣时的动作。
三维虚拟人体建模中，首先我们建立集成于软件中的人体模型库，主要是使用专用的三维人体造型软件Poser，将其中人体模型导出为OBJ文件，再根据OBJ文件的存储格式，提取出人体曲面的顶点信息，然后采用稀疏表示和三角剖分技术，利用一个个小三角形来逼近人体各部件的曲面；
而用户人体模型则是根据用户输入的人体信息，查找模型库中相匹配的人体模型并进行一定调整，最后结合检测到的用户姿势来展示用户特定的人体模型。
对于虚拟试衣，通过衣片三角剖分优化、二维到三维的转化、三维衣片虚拟缝合，构建了简单的衣物模型，基于碰撞检测技术，研究并实现了衣物虚拟穿在了人体模型身上的真实样子，如有褶皱、垂悬等等效果。

信号处理、图像处理、计算机视觉、数值分析、数值线性代数和机器学习算法。
稀疏和冗余的表述在信号和图像处理方面的从理论到实际应用

稀疏分解图像重建程序，把图像分解成多个小块图像，然后再各个子块重建后边缘处理后合并成整个图像.rar

使用质量约束的稀疏编码进行盲目图像质量评估的监督词典学习

//稀疏矩阵的三元组顺序表存储表示#defineMAXSIZE100//非零元个数最大为100typedefstruct{inti,j;//非零元的行下标和列下标ElemTypee;//非零元}Triple;typedefstruct{Tripledata[MAXSIZE+1];//非零元三元组表,data[0]不用intmu,nu,tu;//矩阵的总行数,总列数,非零元总个数}TSMatrix;

C++编写的一元多项式的计数器，能实现多项式的加减，及计算其值

NetflixPrize上的奇异矩阵分解算法，在数据稀疏的时候可以较好的实现算法稳定性。
http://gustavonarea.net/blog/posts/korens-svd-python-implementation/内含使用说明。

梯度稀疏性先验图像matting算法

机器学习方面的三篇短小的文章，关于该领域面临问题，深度学习和稀疏表示的概要介绍。

此算法的代码是稀疏贝叶斯算法的实现代码，可以直接在MATLAB中运行

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。