设计了通过AD8232基于stm32的蓝牙无线传输简易心电图检测仪，能够将人体检测到的心电图信息经过AD转换通过蓝牙传输到电脑或者手机端，并可以在电脑端显示心电图波形以及心率情况，系统简易可行，误差较小

肤色特征是人体表面的重要特征，在人脸检测与识别、基于内容的不良图像过滤系统中有着重要的地位。
分析了YUV颜色空间系统的特点，提出了一种基于椭圆区域的皮肤模型，将该模型应用于基于内容的不良图像过滤系统的皮肤检测部分中。
实验表明，利用该模型进行皮肤检测能够达到很好的效果。

MATLAB实现人体识别，MATLAB实现人体识别，MATLAB实现人体识别，MATLAB实现人体识别，

基于关键帧的RGBD人体纹理映射

生物识别是一种根据人体自身的生理特征（如指纹、脸像、虹膜等）和行为特征（如笔迹、声音、步态等）来识别身份的技术。
近年来，随着模式识别、图像处理和信息传感等技术的不断发展，生物识别显示出更为广阔的应用前景。
众所周知，其他的生物测定方法如指纹、声音和虹膜等，由于要求被测定者的主动配合参与，才能达到识别的目的，而人脸识别却不受这种限制，因此人脸识别正在成为当前人们关注和投入较大研究力量的重点。
学习目标：（1）学习和掌握MATLAB人脸检测算法；
（2）学习和掌握MATLAB编程实现人脸图像分割；
（3）学习和掌握不同颜色空间下的人脸图像分割等

设计了无损检测光波沿人体经脉传输特性的实验方案，测量了658nm光波沿人体手臂心包经脉线与旁开非经脉线方向的漫射光辐出度，分析了光波斩波频率和经脉阻滞对测量光信号的影响。
结果表明,658nm光波沿心包经脉方向和非经脉方向传输时，光强度的衰减遵循一定规律，但衰减程度存在明显的差异，这种差异性具有高度的医学统计意义(P<0.01)。
研究表明斩波频率、经脉阻滞对光信号具有一定的影响，即在低频范围内(10-370Hz)，光信号随着斩波频率的增加而相应减弱，经脉线与非经脉线方向测得光波信号的相对差异随着阻滞压力的增加而增大。
研究结果对于揭示人体经脉现象的客观存在以及经脉腧穴理化特性研究具有参考价值。

标准的人体女模型布线，对于CG工作者和初学者来说这是个好用的东西

c语言编写的自动实时计算心率的源程序，速度快，准确。

可以输出17个点的简易姿态评估模型，我自己的企业级产品就在使用，效果还是不错的，只要背景不是乱得太可以，或者衣服的颜色与背景混合严重，基本上都是可以正常的评估出来的。
这个模型的好处就是速度非常快，基本上是所有已知模型中速度最快的一个。
包内的.h文件是已经被代码化后的定义文件，直接使用NCNN的二进制接口加载就可以了

#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。

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。