检索结果-南通市图书馆

基于卷积姿态机和GrabCut的服装图像轮廓分割方法

在线全文

学校读者我要写书评

暂无评论

毛纺科技 2022年第5期50卷 86-90页

作者：游小荣李淑芳熊宗志常州纺织服装职业技术学院江苏常州213164 常州市生态纺织技术重点实验室江苏常州213164

GrabCut在服装图像分割中得到广泛应用,为解决GrabCut需要人工干预以及复杂背景下精度不高的问题,提出了一种基于卷积姿态机(Convolutional Pose Machines)和GrabCut的服装图像分割方法。借助卷积姿态机,使用包含服装的图片数据进行训练... 详细信息

GrabCut在服装图像分割中得到广泛应用,为解决GrabCut需要人工干预以及复杂背景下精度不高的问题,提出了一种基于卷积姿态机(Convolutional Pose Machines)和GrabCut的服装图像分割方法。借助卷积姿态机,使用包含服装的图片数据进行训练,得到卷积姿态机网络,从复杂背景中定位出服装关键点,形成包含服装的矩形框,并以此作为GrabCut算法的初始矩形框,经过GrabCut算法处理,从复杂背景分割出服装图像。结果证明:与传统需要人工干预的GrabCut方法相比,本方法无需人工干预,便可将复杂背景中的服装图像自动分割出来,在不损失精确度的基础上,可实现大批量服装图像的自动分割。

关键词：服装轮廓图像分割卷积姿态机 GrabCut

在线全文

学校读者我要写书评

暂无评论

基于时空特征融合的交通警察手势识别

计算机工程与应用 2023年

作者：杜兵赵骥辽宁科技大学计算机与软件工程学院

近年来，随着人体姿态估计技术的发展，基于骨架关键点的手势识别技术应运而生。本文提出了一个GCPM-AGRU模型进行交通警察手势识别。为了更准确的定位人体关键点，对卷积姿态机(CPM)进行改进。首先，在特征提取模块中加入残差思想、通... 详细信息

近年来，随着人体姿态估计技术的发展，基于骨架关键点的手势识别技术应运而生。本文提出了一个GCPM-AGRU模型进行交通警察手势识别。为了更准确的定位人体关键点，对卷积姿态机(CPM)进行改进。首先，在特征提取模块中加入残差思想、通道拆分和通道重组，设计后的特征提取模块更好提取图片特征；此外，在CPM第一阶段加入并行多分支Inception4d结构，使CPM网络具有多尺度特征融合思想，有效改进对人体关键点定位的问题；其次，提出基于注意力机制的GRU，通过为每帧分配不同权重来达到对每帧不同程度的关注，从而更好获取时间信息；最后，结合时空特征信息进行交通警察手势识别。交通警察手势识别的准确度达到了93.7%，相比网络改进之前提高了2.95%。

关键词：手势识别人体关键点卷积姿态机 GRU 时空特征信息

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的交通警察手势识别研究

基于深度学习的交通警察手势识别研究

作者：杜兵辽宁科技大学

学位级别：硕士

随着我国经济和科学技术的迅速发展,无人驾驶技术逐渐应用到人们生活领域中。鉴于我国道路复杂和环境因素影响的特殊情况,仅仅依靠固定呆板交通信号灯难以满足实际需求。此外,交通警察手势识别一直都是计算机视觉的热门方向,受到许多研... 详细信息

随着我国经济和科学技术的迅速发展,无人驾驶技术逐渐应用到人们生活领域中。鉴于我国道路复杂和环境因素影响的特殊情况,仅仅依靠固定呆板交通信号灯难以满足实际需求。此外,交通警察手势识别一直都是计算机视觉的热门方向,受到许多研究者的热爱。因此,基于动态的交通警察手势识别研究具有一定的实际意义。在研究交通警察手势识别的过程中,其交通警察手势识别的准确度容易受到复杂环境、光照强弱变化和遮挡等因素的影响。针对上述问题,本文提出了基于时空特征信息融合的方法对动态交通警察手势识别进行研究。本文使用卷积姿态机(CPM)来对交通警察手势识别进行研究。针对CPM网络在研究过程中存在的问题,进行相应的改进。首先,对其特征提取模块进行优化。在特征提取模块使用残差结构、通道拆分和通道重组,改进后的特征提取模块能更好的提取图片特征。其次,CPM是由多个阶段组成,每个阶段都会生成人体关键点,且后面阶段人体关键点的生成会受到前一阶段的影响。因此,CPM网络第一阶段人体关键点的生成就极为重要。本文在CPM的第一阶段加入改进的Inception4d结构,Inception4d是一个典型的多尺度特征融合网络。可以让CPM网络使用多尺度处理特征信息,从而对人体关键点的定位更准确。然后,为了能更好的获取时间信息,构建了一个基于注意力机制的门控循环单元(GRU)模块。通过为每个帧视频分配一个相应的权重分数,权重大小可以代表每帧视频的重要性。根据权重大小从而可以更好关注关键帧,减少一些冗余帧对实验的影响,从而使GRU利用有限的资源来获取更好的时间信息。最后,融合时空特征信息进行交通警察手势识别。本文使用AI Challenger数据集进行人体关键点训练,使用中国交警手势数据集进行交通警察手势识别。其交通警察手势识别的准确度达到了93.7%,相对网络改进之前准确度提高了2.95%。尤其是对一些复杂环境下的交通警察手势识别的准确度也在一定程度上得到提升,这也说明本文改进的网络模型具有较好的优越性。

关键词：交通警察手势识别卷积姿态机人体关键点门控循环单元注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于金字塔型网络的服装关键点检测方法研究

基于金字塔型网络的服装关键点检测方法研究

作者：汤启凡武汉纺织大学

学位级别：硕士

服装网购已经成为现代人选择购买服饰的重要方式,人们在便捷的选购衣服同时也对服装的款式、面料、颜色等提出了个性化的需求。为了尽可能准确地描述各种各样服装的特点,可以利用服装关键点对服装进行局部细节解析。服装关键点的定位是... 详细信息

服装网购已经成为现代人选择购买服饰的重要方式,人们在便捷的选购衣服同时也对服装的款式、面料、颜色等提出了个性化的需求。为了尽可能准确地描述各种各样服装的特点,可以利用服装关键点对服装进行局部细节解析。服装关键点的定位是一项基础性的工作,能够推动在线试衣、服饰部位对齐、服饰局部属性识别、服饰图像自动编辑等应用,在时尚大数据分析和应用中起关键作用。但服装数据存在种类繁多、姿态变化大、服装遮挡等问题,已有的研究主要根据服装纹理判断服装关键点的位置,未能很好的适应服装柔性多变的特点,对于服装遮挡问题未能很好的解决。因此,本文主要的工作包括:(1)传统服装关键点检测方法由于服装类别多、姿态复杂、小范围遮挡等问题导致部分关键点信息丢失且难以建立关键点之间联系。针对这些问题,提出了一种基于CPM和亲和度向量的两阶段服装关键点检测方法,首先使用目标检测的方法减小服装类别和背景对服装关键点检测的影响,其次利用并改进人体关键点检测的模型CPM对服装关键点进行检测,并使用亲和度向量对相邻关键点的坐标信息进行约束,增强相邻关键点相对位置关系,利用关键点间空间约束以提高检测的准确度。最后实现了一个两阶段的服装关键点检测框架。实验表明,该框架对服装关键点分散性、多类别和小范围遮挡都具有较强鲁棒性,相对于最优模型CPN,其归一化误差率降低了4.58%。(2)由于服装的遮挡、多角度等因素对服装关键点检测的准确率有着重要的影响,神经网络对服装关键点特征提取能力受服装遮挡和关键点信息模糊的限制。针对这些问题,本文提出一种基于金字塔网络和人体姿态的遮挡感知服装关键点检测方法,首先,通过注意力机制来表达关键点的自相关性以缓解部分遮挡的服装纹理特征不易捕捉的问题,并根据关键点特征值稀疏性分析防止离散点被遗漏。其次,通过对关键点有效高层特征的选择避免多余的计算,借助人体关节点与服装关键点的相近性进行关联计算,以缓解遮挡区域关键点的语意模糊性。实验表明,该方法具有一定的空间理解能力,对服装中的遮挡物有较强的感知能力,能有效的弥补遮挡服装语义模糊性。

关键词：服装关键点检测卷积姿态机亲和度向量特征分析人体姿态

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空特征融合的交通警察手势识别

计算机工程与应用 2024年第8期60卷 250-257页

作者：杜兵赵骥辽宁科技大学计算机与软件工程学院辽宁鞍山114051

近年来,随着人体姿态估计技术的发展,基于骨架关键点的手势识别技术应运而生。提出了一个GCPM-AGRU模型进行交通警察手势识别。为了更准确地定位人体关键点,对卷积姿态机(CPM)进行改进。在特征提取模块中加入残差思想、通道拆分和通道重... 详细信息

近年来,随着人体姿态估计技术的发展,基于骨架关键点的手势识别技术应运而生。提出了一个GCPM-AGRU模型进行交通警察手势识别。为了更准确地定位人体关键点,对卷积姿态机(CPM)进行改进。在特征提取模块中加入残差思想、通道拆分和通道重组,设计后的特征提取模块更好提取图片特征;在CPM第一阶段加入并行多分支Inception4d结构,使CPM网络具有多尺度特征融合思想,有效改进对人体关键点定位的问题;提出基于注意力机制的GRU,通过为每帧分配不同权重来达到对每帧不同程度的关注,从而更好获取时间信息;结合时空特征信息进行交通警察手势识别。交通警察手势识别的准确度达到了93.7%,相比网络改进之前提高了2.95个百分点。

关键词：手势识别人体关键点卷积姿态机 GRU 时空特征信息

在线全文

学校读者我要写书评

暂无评论

基于人体关键点的色情信息检测

计算机与数字工程 2023年第2期51卷 428-432页

作者：唐昱润宫法明李昕中国石油大学(华东)计算机科学与技术学院青岛266580

传统的色情检测在色情图像领域取得了较高的准确率,但对于视频中未出现肤色裸露但含有性暗示动作的色情信息检测难以实现。为解决这个问题提出一种基于人体关键点的色情信息检测框架。首先采用人体姿态估计算法获取人体关键点,然后利用... 详细信息

传统的色情检测在色情图像领域取得了较高的准确率,但对于视频中未出现肤色裸露但含有性暗示动作的色情信息检测难以实现。为解决这个问题提出一种基于人体关键点的色情信息检测框架。首先采用人体姿态估计算法获取人体关键点,然后利用可变形卷积、肢体2D矢量场进行身体部位定位和关联程度分析,形成关键点序列、提取人体轮廓,最后通过RNN对二种附加的时空姿势特征以及人体关键点轨迹叠加融合,完成视频中色情信息的检测。实验结果表明,该方法在Pornography-2k数据集上达到81.7%的准确率,能有效地检测视频中并未出现大面积肤色裸露却含有性暗示动作的色情信息。

关键词：人体关键点检测姿势归一化可变性卷积卷积姿态机

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的人体姿态估计研究

基于卷积神经网络的人体姿态估计研究

作者：薛珈萍西北大学

学位级别：硕士

人体姿态估计是一种从图像中获得人体关节点位置和方向的技术,即输出人体关节点及关节点之间的连接。人体姿态估计是计算机视觉技术中热点研究方向之一,其在医疗、安全防范、虚拟现实等领域有广泛的应用需求。本文重点围绕基于卷积神经... 详细信息

人体姿态估计是一种从图像中获得人体关节点位置和方向的技术,即输出人体关节点及关节点之间的连接。人体姿态估计是计算机视觉技术中热点研究方向之一,其在医疗、安全防范、虚拟现实等领域有广泛的应用需求。本文重点围绕基于卷积神经网络的人体姿态估计问题展开研究。在深入研究现有基于深度学习的人体姿态估计方法的基础上,提出了一种关联关节对约束的纠错匹配模型,并将其与卷积姿态机(Convolutional Pose Machines,CPMs)网络结合应用于单人姿态估计。实验结果表明,关联关节对约束的卷积姿态机单人姿态估计方法能够显著提高关节点定位的准确性,并将符合生理特征相关联的关节点正确连接。更进一步结合区域定位和多通道简化卷积姿态机(Multi-Channel Simplified Convolutional Pose Machine,MULC-SCPM)网络实现多人姿态估计。实验结果表明,区域定位结合多通道简化卷积姿态机多人姿态估计方法能够有效提高遮挡情况下关节点连接的准确率,提升多人姿态估计的准确率。本文的工作主要体现在以下三个方面:1.学习和研究了基于整体特征、基于模型和基于深度学习的三类人体姿态估计方法,并分析和实现了几种具有代表性的基于深度学习的人体姿态估计方法。重点研究了基于热力图回归的深度学习人体姿态估计方法,并说明高质量的人体姿态估计技术在实践中具有重要意义。2.提出一个关联关节对约束的纠错匹配模型,并将该模型与卷积姿态机(CPMs)网络结合实现人体姿态估计。关联关节对约束的纠错匹配模型其构建考虑了人体只能有唯一正确的左侧或右侧相关联的关节对连接、左右髋关节之间的距离必然大于同一膝盖范围内两类关节点之间的距离等人体结构生理特征。该模型可以纠正关节点的错误标定,并将符合生理特征相关联的关节点正确连接。实验结果表明,关联关节对约束的卷积姿态机网络在单人姿态估计中展示了好的效果,特别是能够有效解决常规的卷积神经网络在识别复杂姿态时出现的关节点重复计数以及关节点逆序排列连接错误等问题。3.结合区域定位和多通道简化卷积姿态机(MULC-SCPM)网络进行多人姿态估计。该方法首先引入区域定位实现单人区域分割;然后基于融合了关节点位置损失、连接距离损失和方向损失的多通道简化卷积姿态机(MULC-SCPM)网络进行姿态估计。区域定位有助于准确定位人体位置。多通道简化卷积姿态机(MULC-SCPM)网络能有效回归人体关节点位置及关节点之间的连接关系。实验结果表明,区域定位结合多通道简化卷积姿态机(MULC-SCPM)网络相较于卷积姿态机(CPMs)网络更优,特别是能够有效解决目标部分遮挡时关节点连接错误问题。实验结果表明,本文方法能够显著提高单人和多人姿态估计的准确率。

关键词：人体姿态估计关联关节对卷积姿态机区域定位多通道简化卷积姿态机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的实时人体姿态估计系统

基于深度学习的实时人体姿态估计系统

作者：许志强燕山大学

学位级别：硕士

人体姿态估计是计算机视觉领域一个重要的研究方向,同时也是人体动作识别与分析等更深层次任务的基础,其目的是对图像或视频中人体关键部位进行检测,最终输出相关部位的参数。在视频监控、人机交互、数字娱乐等领域有着十分广泛的应用... 详细信息

人体姿态估计是计算机视觉领域一个重要的研究方向,同时也是人体动作识别与分析等更深层次任务的基础,其目的是对图像或视频中人体关键部位进行检测,最终输出相关部位的参数。在视频监控、人机交互、数字娱乐等领域有着十分广泛的应用。人体姿态估计日渐成熟,但是同样面临着诸多的挑战。利用深度相机获取深度信息,能够完成较精准的人体姿态估计结果,在人体关键部位配带传感器同样能取得十分理想的结果,但是这些受条件限制,应用场景有限。人们更希望借助普通的RGB摄像头便能完成人体姿态估计的任务。本文借助普通RGB摄像头完成人体姿态估计,搭建人体姿态实时控制系统。首先介绍深度学习相关的理论基础,为网络的设计与训练奠定基础。之后,将传统的基于图像结构模型的人体姿态估计同基于深度学习的人体姿态估计方法作对比,说明两种方法的优缺点。人体姿态估计网络采用自下而上的估计方法,网络的一个分支,借助卷积姿态机（CPM）算法完成人体关键点的检测,同时进行的另一个分支,根据人体关键点亲和场完成人体关键点的聚类,将两个分支信息相结合,得出2D人体关键点信息,之后,将2D人体关键点信息同3D人体姿态库相结合,得出3D人体姿态信息。利用3D游戏引擎Unity完成虚拟人体骨架的搭建,进行骨骼绑定,根据检测出的人体关键点3D数据,进行空间变换得出人体骨架对应关节的空间旋转信息,用以控制虚拟人体骨架运动,完成人体姿态实时控制系统。人体姿态估计实验结果,针对不同的数据集进行了交叉验证,对2D和3D人体姿态估计结果,分别使用PCK准则和每个关节的平均误差（MPJPE）同相关学者的实验结果作对比,数据库中的每个场景实验结果都有显著的提高。通过设计的简易滤波算法,减少了虚拟人体骨架的波动现象,实现人体姿态实时控制。

关键词：人体姿态估计卷积姿态机人体关键点亲和场 Unity

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的手势估计系统的设计与实现

基于深度学习的手势估计系统的设计与实现

作者：张风雷武汉邮电科学研究院

学位级别：硕士

自深度学习兴起以来,AI开始融入人们的日常生活,其中数字助理类的AI表现出了广阔的应用前景,如苹果公司的Siri、微软公司的Cortana。对大多数人来说,一天中的大部分活动都需借助手来完成,如开车、写字、接电话。解读手的活动可以帮助数... 详细信息

自深度学习兴起以来,AI开始融入人们的日常生活,其中数字助理类的AI表现出了广阔的应用前景,如苹果公司的Siri、微软公司的Cortana。对大多数人来说,一天中的大部分活动都需借助手来完成,如开车、写字、接电话。解读手的活动可以帮助数字助理类的AI对人类的生活场景有更全面的了解,从而为用户提供更好的服务。另一方面,手势估计是以手为媒介的人机交互的关键一环。手势估计的目标是从一张包含手的RGB图像中,估计手的关键点在三维空间的相对坐标。本文设计、实现了手势估计的流水线,其包含以下子系统:（1）“手的检测”子系统,其从一张包含手的RGB图像中检测、裁剪出手,采用SSD目标检测技术实现;（2）“手的关键点估计”子系统,其从裁剪出的手的图像中,估计手的关键点在图像上的位置;（3）“手势估计”子系统,其根据手的关键点在图像上的位置,估计它们在三维空间的相对坐标。本文通过设计、实现一个手语字母识别系统,探讨了手势估计系统作为手的特征提取器的应用。本文创新点如下:（1）鉴于手的关键点估计与2D人体姿态估计的相似性,本文依据卷积姿态机的原理设计了“手的关键点估计”子系统的卷积神经网络结构;（2）本文将一个手势视为由某一规范化手势旋转而来,以此将“手势估计”子系统分解为“规范化手势估计”子系统和“视角估计”子系统,从而降低了其训练难度。

关键词：手势估计目标检测卷积姿态机手语字母识别