2001年，双旗世纪科技公司在北京中关村成立，是中国较早投身商用显示领域的企业，是国内业界同时拥有硬件、软件、内容三大研发和设计团队的商用显示科技企业。 双旗科技是SHARP,HONEYWELL等商用显示品牌代理商，同时创立自主显示品牌：唯瑞Vewell。在软件和设计领域，针对信息发布、互动展示、大数据可视化、人工智能、显示控制等多个技术领域不断研发和创新，为政府、交通、零售连锁、新媒体、教育、军队、安防、广电等行业提供系统解决方案和服务。 双旗科技相继成立了软硬件研发中心，互动创意设计中心、以及生产制造中心；为客户提供从项目咨询到方案设计，从软硬件研发生产到工程实施、后期维护的"全方位一站式服务"。

简单介绍： 满足用户两种药液同时注射需求，微量给药双套管用于颅脑内双侧植入，适用于两种不同或相同的**在两个不同的位置 详情介绍： 微量给药双套管：双管基座 、管芯、内芯、螺母、螺帽 采用304医用 不锈钢或316不锈钢作为流体给药管道或直接埋在组织内保证生物相容， 动物实验长期留置观察时通过导管帽钢线保证组织不渗进基座孔内；拔出套管帽可给药或下电极、需更小流量通过注射内管给药。为降低植入套管对动物的损伤，我们根据不同体重制定相应基座主管尺寸：鼠类400um-650um、狗猴650um-800um 为满足用户多种药液同时注射需求，用于颅脑内双侧植入，适用于两种不同或相同的**在两个不同的位置注射。   序号 型号 品号 名称 规格 1 23G M8110 基座 23G M8111 注射内管 27G M8112 导管帽芯 0.40实芯 2 24G M8120 基座 24G M8121 注射内管 28G M8122 导管帽芯 0.30实芯 3 26G M8130 基座 26G M8131 注射内管 30G M8132 导管帽芯 0.30实芯 4 27G M8140 基座 27G M8141 注射内管 32G M8142 导管帽芯 0.20实芯 5 M5 M8013 锁紧螺母 通用 6 M5 M8014 导管帽 通用

目前无卤低烟阻燃热塑性弹性体电缆料虽然已有较多应用，但不论在技术发展上或市场 应用上，无卤低烟阻燃TPEE电缆料依然潜藏着很大的发展潜力。但目前该产品在使用和推广 中仍存在着很多实际问题，例如阻燃难、加工性能不好、发烟量较大及成本较高等。根据市场 应用情况和技术发展情况，本项目以TPEE为基材，开发无卤低烟阻燃TPEE电缆专用料，并考 虑添加合适的抗滴落剂防止燃烧中的滴落现象。同时设计采用膨胀型阻燃剂体系，使无卤阻燃 TPEE电缆在具有良好的低烟阻燃性能。

针对当前车用无油涡旋空压机加工精度要求高、涡旋盘容易磨损的问题，本 项目团队提出了水冷无油涡旋空气压缩机技术。采用这一技术可将涡旋盘最高温 度控制在 120℃以内，从而降低动静盘热变形，提高压缩机的可靠性与效率。

"印制电子技术是将功能性材料墨水印制在基材上，是微电子行业的一项重要革新，解决了传统光刻技术存在的生产周期长、操作复杂、污染严重等问题。 课题组发明了一种无固体颗粒的喷墨打印用银基导电墨水，该导电墨水是通过将一种有机银络合物溶解在溶剂中，同时加入微量的助剂充分溶解而获得。突出优点：（1）固化温度低：在很低的分解温度获得纳米银颗粒（最低可

传统的电解工业（电解水、氯碱工业）阴、阳极会同时产生两种气体，一般采用离子交换膜防止两种气体的混合，避免爆炸性混合气体的产生。离子交换膜的使用增加了电解的成本，此外膜内阻也增加了电解的能耗。且由于阳极和阴极室的气体压力必须通过稳定的电源输入保持平衡，很难利用风能和太阳能等不稳定的可持续能源来直接为离子膜电解池供电。另一方面，电解池中的高压气体和阳极氧化过程的中间产物也会加剧膜的老化降解，近一步增加电解成本。基于电池电极的分步法无膜电解技术有望为电池电极反应推出一个新的研究方向，随着电池工业迅速发展，电池电极的制备已经非常成熟，分步法电解技术很容易利用现有的商业化电极实现产业化。

动作捕捉技术（motion capture）在影视、体育、安防等领域具有广泛应用。传统的动作捕捉分为两大类，光学动捕系统通过在采集环境部署多个红外摄像头，再在人员的动捕服上放置光学标记球来求解出采集者的姿态信息，从而实现对人体运动的捕捉与动画映射；惯性动捕系统通过惯性测量单元（IMU）来采集肢体的运动信息，采集设备相对更轻便，但采集精度不如光学动捕系统。光学动捕系统包括Motion Analysis，Vicon，Optitrack等，惯性动捕系统有Xsens，诺亦腾等。 然而，无论是光学动捕还是惯性动捕都需要动作人穿上特定的设备，不可避免地会影响到人体运动的真实性和动捕的使用范围。同时，相应的专业动捕设备往往价格不菲，很多有需求的小型工作室也会望而却步。因此，学术界和工业界都在极力研究“无标记运动捕捉”技术，即不需要任何穿戴设备，仅由相机观测和算法分析，就实现对多人体运动的实时准确捕捉。这种技术有着更加广泛的应用场景，例如无人售货超市、VR/AR游戏、远程全息通讯、数字人创建、虚拟主播、人机交互、全天候医疗监护等。 近几年，随着深度学习技术的广泛普及，无标记动捕领域也诞生了许多革命性技术，例如实时2D多人体关键点检测技术OpenPose等。然而，多目标实时3D运动捕捉仍然是一个极具挑战性的问题，主要挑战因素包括：如何实现实时计算，如何进行高效的多视角关联，如何解决紧密交互带来的观测失真等。举个例子，当两个人拥抱在一起的时候，当前大多数检测或重建算法都会失效。而理论上，多视角的观测信号能够在一定算法设计下互相补充，尽可能解决单视角运动重建的歧义性。如何充分利用多视角的视频信号，实现复杂、紧密交互场景下的多人体运动捕捉是当前无标记运动捕捉领域的核心问题之一。 该项目研究工作提出的多视角人体运动捕捉系统包括相机采集模块，2D姿态检测模块，4D关联图求解模块，三维骨架求解模块及渲染模块。其主要算法贡献在于提出并实现了4D Association算法。 当前的多视角运动捕捉系统大多采用的是序贯地匹配策略，首先对每个视角进行独立的人体检测和连接（例如，OpenPose检测关键点和关键点相互连接的概率，从而对人体进行连接；Mask-RCNN、AlphaPose和HRNet都需要先检测每个人的BoundingBox，然后对每个人进行独立的人体检测），然后对人体进行多视角关联和姿态求解，最后进行时域跟踪。这种常规方法的缺陷在于，当单个视角检测失败以后，后续的算法难以对失败的检测结果进行修正，从而将错误的检测传递到下一个步骤，影响跟踪效果，对于紧密交互（例如前文提到的两人拥抱）的情形，单视角的往往很难给出令人满意的检测结果，因此基于序贯式的算法一般会失效。 相较而言，该研究工作的创新性在于充分利用单图连接(2D)、多视角连接(1D)、和时域连接(1D)之间的相互约束从而进行全局优化，用多视角信息和时域信息来避免单视角连接的歧义性，同时也通过单视角连接结果来优化多视角的匹配，从而使得关联结果更趋向于全局最优。具体地，该研究工作提出了一种4D Graph的图结构，将上一帧的三维人体关键点（在初始帧或者人进入动捕范围的时候可以缺失，不影响算法的运行）和当前每一视角的2D关键点建模在同一个图结构中，用单图连接、多视角连接、时域连接的概率作为边的权值，将人体多视角关联的问题看成提取有效边的过程。为了快速地求解这个问题，进一步提出了一种基于完全子图的近似求解算法，高效地完成了从4D图结构中提出正确的人体连接。 最终，该研究工作实现了紧密交互下人体的三维姿态重建，并展示了实时系统效果。其算法在多个数据集上均表现出了良好的视觉效果，在Shelf数据集上也取得了当前最好的数值结果。