检索结果-南通市图书馆

作者：刘晓克燕山大学

学位级别：硕士

人体关节点检测是计算机视觉中的基础问题,在行为识别、人机交互、行人再识别等领域有着广阔的应用前景。随着深度学习的兴起,人体关节点检测算法研究取得了较大进展,但是仍然存在一些问题:检测人体位置,剔除自然场景下的背景信息,降低... 详细信息

人体关节点检测是计算机视觉中的基础问题,在行为识别、人机交互、行人再识别等领域有着广阔的应用前景。随着深度学习的兴起,人体关节点检测算法研究取得了较大进展,但是仍然存在一些问题:检测人体位置,剔除自然场景下的背景信息,降低人体关节点坐标检测难度;建立人体关节点关系模型,提高检测精度;兼顾模型精确度与模型计算量,提高模型实用性。本文围绕上述问题展开研究。检测人体位置,剔除无用背景信息以降低关节点检测难度。对现有算法优缺点进行分析比较,选择YOLO算法作为人体检测算法框架,通过融合DenseNet网络思想、加入inception模型和时空金字塔下采样层、对损失函数的目标物体边框进行归一化,改进YOLO算法的不足之处。通过对比实验,验证改进的YOLO算法可有效去除大部分无用背景信息,提高人体位置检测准确率。基于人体关节点检测建立关节点相互关系模型。针对现有算法因未考虑不同关节点检测难度不同导致检测准确度不能进一步提高的问题,提出一种基于关节点相互验证关系的人体关节点检测算法,将意识学习法和卷积神经网络相结合,采用先易后难的渐进方式进行关节点检测,利用所建多目标意识学习网络模型在LSP数据集和FLIC数据集上进行实验,并与其它模型进行对比分析。实验证明在两个数据集上模型都取得了较高的检测准确度,即所建模型可提高检测准确度。保证模型精度减少模型计算量,提高模型实用性。针对现有单人人体关节点检测算法模型参数量大的问题,提出基于尺度可调沙漏模块的多阶段回归人体关节点检测算法。利用尺度可调沙漏模块在各阶段构建分支网络,实现多尺度特征学习,保证模型精度、降低模型计算量。在MPII和LSP数据集上给出模型训练阶段和测试阶段的计算量、模型的参数量以及模型的精确度,证明所提模型可有效降低计算量并保证模型精确度。

关键词：人体关节点检测深度学习尺度可调沙漏模块关节点相互验证建模

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

部位级遮挡感知的人体姿态估计

引用

计算机研究与发展 2022年第12期59卷 2760-2769页

作者：褚真米庆马伟徐士彪张晓鹏北京工业大学信息学部北京100124 北京邮电大学人工智能学院北京100876 模式识别国家重点实验室(中国科学院自动化研究所) 北京100190

随着深度学习的快速发展,人体姿态估计技术近年来取得显著进步,但是现有方法仍难以较好地处理普遍存在的遮挡问题.针对此问题,提出一种部位级遮挡感知的人体姿态估计方法.首先,采用基准人体姿态估计网络从含遮挡噪声的图像中获得各人体... 详细信息

随着深度学习的快速发展,人体姿态估计技术近年来取得显著进步,但是现有方法仍难以较好地处理普遍存在的遮挡问题.针对此问题,提出一种部位级遮挡感知的人体姿态估计方法.首先,采用基准人体姿态估计网络从含遮挡噪声的图像中获得各人体部位的带噪声特征表达.然后,通过遮挡部位预测模块估计人体被遮挡部位,从而获得可见性向量.遮挡部位预测模块由遮挡部位分类网络和可见性编码器组成,前者预测关节点的遮挡状态,后者利用注意力机制将遮挡状态转换为一组权重.最后,通过通道重加权方式融合可见性向量和带噪声特征,获得部位级遮挡感知的人体部位相关特征,用于计算关节点热图.在MPII和LSP(leeds sports pose)数据集上的实验结果表明,相比基准姿态估计网络,该方法能够在较小的额外计算代价下更好地应对遮挡问题,并且取得了比目前先进方法更佳的结果.

关键词：人体姿态估计人体关节点检测遮挡推理通道注意力机制多任务学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于单目视频的跳台滑雪飞行阶段数据提取方法

引用

系统仿真学报 2023年第9期35卷 2035-2044页

作者：沈梓祎杨猛杨超唐伟棣伍勰刘宇盛斌北京林业大学信息学院北京100083 国家林业草原林业智能信息处理工程技术研究中心北京100083 上海体育学院上海200438 上海交通大学计算机科学与工程系上海200240

针对跳台滑雪运动难度系数高,穿戴式传感器等入侵式设备易发生危险且价格昂贵而导致该运动数据提取困难的问题,提出了一种基于单目视频的跳台滑雪飞行阶段的数据提取方法。针对单目视频存在畸变和画面背景杂乱的问题进行预处理,通过标... 详细信息

针对跳台滑雪运动难度系数高,穿戴式传感器等入侵式设备易发生危险且价格昂贵而导致该运动数据提取困难的问题,提出了一种基于单目视频的跳台滑雪飞行阶段的数据提取方法。针对单目视频存在畸变和画面背景杂乱的问题进行预处理,通过标定相机参数对拍摄画面进行畸变矫正,并使用帧间差分法去除背景;利用OpenPose人体姿态识别库对运动员的关节位置进行初步识别,得到每一帧各个关节点的二维像素坐标;结合跳台滑雪运动员的姿态特性,针对识别出现误差的关节点,提出一种迭代拟合算法对其进行修正;根据修正后的关节点对运动员的运动特征进行提取与计算,并应用生成的人体模型与视频中运动员姿态进行动作比对。实验结果表明,迭代拟合算法提高了关节点识别准确率和识别精度,且修正关节点后生成的SMPL(skinned multiperson linear)三维人体模型更加贴合实际,证明了该算法对关节点修正的有效性。

关键词：跳台滑雪飞行阶段人体关节点检测坐标修正二维轨迹提取三维人体模型对比

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

姿态检测网络在服装关键点检测中的应用

引用

中国科技论文 2020年第3期15卷 255-259页

作者：季晨颖赵鸣博李潮东华大学信息科学与技术学院上海201620

为了提供全面且精度较高的关键点用于确定服装的具体轮廓,提升服装配准和检索的精度,运用估计人体姿态的深度神经网络卷积姿态机(convolutional pose machine,CPM)建立模型,对数据图片进行色度等增强,利用高斯核函数建立图片真实标签,... 详细信息

为了提供全面且精度较高的关键点用于确定服装的具体轮廓,提升服装配准和检索的精度,运用估计人体姿态的深度神经网络卷积姿态机(convolutional pose machine,CPM)建立模型,对数据图片进行色度等增强,利用高斯核函数建立图片真实标签,并且仿照特征金字塔改变前端网络结构,对模型进行训练。实验结果表明:卷积姿态机可以有效地应用于服装关键点检测;与其他模型相比,能够检测单个人全身的穿着及5种不同类别的服装,提升裤子或者衬衫等大种类的检测精度为1%。

关键词：工业技术自动化技术人体关节点检测姿态神经网络服装关键点检测深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的二维人体姿态估计的研究

基于深度学习的二维人体姿态估计的研究

引用

作者：范冬艳上海工程技术大学

学位级别：硕士

人体姿态估计作为处理人类活动的关键步骤,其主要内容是让计算机从图像或视频中定位出人物的关节点。人体姿态估计可分为传统的图模型方法和基于深度学习的方法。图模型方法过于依赖先验知识,难以应付复杂的姿态变换;基于深度学习的方... 详细信息

人体姿态估计作为处理人类活动的关键步骤,其主要内容是让计算机从图像或视频中定位出人物的关节点。人体姿态估计可分为传统的图模型方法和基于深度学习的方法。图模型方法过于依赖先验知识,难以应付复杂的姿态变换;基于深度学习的方法不依赖模型先验知识,并能取得更好的效果。人体姿态估计按维度可分为二维和三维两种,因为使用二维姿态估计进行推理可以得到三维估计,所以二维姿态估计有着重要的研究价值。现有的一些基于深度学习的二维人体姿态估计算法,存在以下问题:只使用最后一层的卷积特征、忽略卷积层之间的联系,容易造成信息丢失;只考虑人体关节点局部特征,忽略全局特征,容易造成关节点识别准确率低下;采用回归关节点坐标或分类预测关节点热力图的方式,容易造成关节点误判及精度受限;对于多人解析,传统方法从所有的候选关节点出发进行关节点匹配,容易产生错误的连接。本文针对以上问题展开深入研究,主要研究内容如下:（1）提出基于多级稠密块沙漏网络的单人体姿态估计算法。算法由以下部分组成:首先,利用稠密块进行特征提取,因为稠密块具有每层互相连接这一特性,所以可以极大减少整个网络的特征信息丢失;其次,利用沙漏单元实现多分辨率特提取并融合,即先从高分辨率降至低分辨率,再从低分辨率升至高分辨率,这种在多分辨率上进行特征采样并融合的网络结构,可以丰富全局信息,捕获并整合不同尺度的人体关节点信息;最后,对每个沙漏单元使用中继监督机制,用于缓解梯度消失。（2）提出基于深度学习的多人姿态估计算法。算法由以下两阶段组成:编码阶段（encoder）和解码阶段（decoder）。在encoder阶段,提出同时分类预测关节点热力图和回归关节点坐标的2-D偏移向量,进行关节点检测,可以实现更加精确定位关节点位置;使用部件关联字段进行关节点关联,部件关联字段具有在低分辨率激活图上存储细粒度信息的能力。在decoder阶段,提出采用Hopcroft-Carp算法进行多人姿态解析,Hopcroft-Carp算法将一个K分图匹配问题转变为二分图匹配,能够极大提高准确率且减少时间复杂度。为验证本文提出的两种模型的性能,分别对其在FLIC、MPII和MS COCO数据集上进行训练和测试。实验结果表明:基于多级稠密块沙漏网络准确率均高于其他几种单人姿态估计算法,且对于手肘和手腕这些比较难以预测的小关节尤为显著;基于深度学习的多人姿态估计算法平均准确率和召回率均高于其他几种主流算法,可以有效减少关节点的误检与漏检。

关键词：深度学习人体姿态估计人体关节点检测中继监督多分辨率融合二分图匹配

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：