AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

集成3D模型、视频、图片等各种素材，提供场景编辑、交互流程设定、渲染等功能，以实现3D模型自动重建的目标。 利用人工智能技术，构建模拟计算的算法和模型，根据数据实时进行仿真计算。 上传一张图片，可以在1分钟以内快速生成三维模型素材。 上传一段视频，可以在1个小时以内快速生成精细纹理三维模型素材。 支持本地化部署，支持分布式部署建模，支持大批量用户同时在线访问。 可实现实体设计、草图绘制、参数化建模和模型编辑功能。 支持导入*.glb、*.stl、*.obj、*.gltf格式模型。 可输出*.glb、*.stl、*.obj、*.gltf格式模型。 全方位的3D场景，上下、左右、前后360度观察模型所在环境，展示效果更逼真。 可以通过造型表面上的多个点来控制造型变形； 可对造型进行扭曲、折弯、锥度等多种变形处理。 可实现边学习边实操的教学模式，支持创建学习资源或教学课件。 可直接在软件里拖曳云盘中的三维模型，也可以将软件中模型直接上传到云盘。 系统采用PBR材质，基于物理的着色技术，最大程度还原工作环境，提高用户沉浸感； 采用LOD技术处理复杂场景的绘制，使软件运行更加流畅，分层级处理系统渲染效果； 采用三维模型构建场景及物体，物体多边形面数(poly)控制在≤30 万面，基础包大小＜50MB，支持多种分辨率(1280×720，1600×900，1920×1080)确保用户体验； 实训场景内模型无闪面、重面、破面，不能有多边面，保证场景演示无闪烁现象； 场景烘焙无曝光过度，无黑边现象，采用PostProcess进行场景后处理，真实逼真； 虚拟人物满足人设需求，着装符合角色身份； 虚拟人物能自主控制，具有多种动作，动作自然，可模拟操作主要过程；

中国海洋大学服务器、图形工作站、相机等设备采购项目（二次）竞争性磋商

京津冀三地教育融合发展逐步深化，教育改革创新与产业转型、区域发展结合更加紧密，产教融合共同体建设需要政府、高校、企业等各方努力和协作，通过搭建育人平台、构建运行机制、创新人才培养模式，推动共同体建设深入发展。天津市大学软件学院基于十余年的先行先试，围绕“更好发挥企业重要主体作用，促进人才培养供给侧和产业需求侧结构要素全方位融合”等产教融合深化课题，不断探索创新，凝练成果，创建了“需求传导明确、校企高效协同、资源集约共享”的校企协同育人组织形态，即产教融合共同体的实现路径，为高校开展产教融合、校企合作提供可复制可借鉴的经验。

"本项目属于信息处理、电子与通信技术领域。 超高清显示在电影电视、航空航天、文化传播、科学教育、广告传媒和虚拟现实等领域具有广阔的应用前景。超高清智能终端是市场发展的必然趋势，符合国家重大战略需求。项目组针对超高清智能终端视频处理与交互关键技术开展研究与应用，解决超高清视频智能转换、超高清视频高效编解码以及智能终端交互控制中的新问题，为超高清智能终端的产业转型提供了重要支撑。主要内容、特点如下： （1）发明了面向超高清视频的智能转换技术：提出通用显著性区域检测模型、基于像素融合的立体图像重定向及超高清视频分辨率转换方法，实现了超高清视频的智能转换，适用于不同种类的超高清智能终端。 （2）发明了基于内容特性的超高清视频编解码技术：提出基于空时域上下文和运动复杂度的码率控制、彩色与深度视频联合编码的比特分配及屏幕内容视频快速编码方法，实现了不同格式码流的集成解码，提高了编解码效率。 （3）发明了基于智能分析的终端交互控制技术：提出联合彩色与深度信息的用户检测、基于内容分析的信息推送及终端界面的自适应调整方法，实现了超高清终端的交互控制，提高了交互的智能性。"

该项目以基于信息融合的故障诊断技术为背景，研究传感器故障诊断相对于一般故障诊断的特殊性及其已有的各种方法的内在联系，建立能够融合主要诊断方法、具有广泛适应性的诊断框架体系。主要研究内容包括：故障诊断的对象由单个传感器变为传感器系统；故障诊断的技术由单一方法转变为适应传感器不同过程的相应方法共同作用；为传感器故障的在线检测与信号恢复提供一致的方法；对可能的故障传感器，利用正常工作的传感器信息，恢复其性能。