检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的人体姿态识别方法研究

基于深度学习的人体姿态识别方法研究

作者：李岳沈阳理工大学

学位级别：硕士

人体姿态识别作为计算机视觉和模式识别领域的研究热点,已经被广泛地应用在人机交互、智能视频监控、运动分析和医疗辅助等诸多领域。近年来,随着人工智能的兴起,利用深度学习的方法进行人体姿态识别的研究受到了越来越多学者的关注,并... 详细信息

人体姿态识别作为计算机视觉和模式识别领域的研究热点,已经被广泛地应用在人机交互、智能视频监控、运动分析和医疗辅助等诸多领域。近年来,随着人工智能的兴起,利用深度学习的方法进行人体姿态识别的研究受到了越来越多学者的关注,并有很多基于深度学习的人体姿态识别方法和理论被提出。但是在人体姿态识别过程中依然会因为类内差距、相似动作混淆和其他外部因素的干扰而出现误判。本文针对人体姿态识别过程中出现的相似动作混淆问题,利用深度学习和数据融合的方法实现对人体相似动作的准确识别。在解决问题的过程中,具体工作如下:（1）针对目前在人体姿态识别过程中出现的相似动作混淆问题,本文利用数据融合和深度学习的方法,并以CNN和RNN两种神经网络为基础,搭建了DCLSTM（Double CNN LSTM）网络模型。（2）利用可穿戴动作捕捉设备采集人体关键节点的运动学数据,利用Openpose提取视频中人体关键节点坐标数据。对这两种数据进行预处理,生成伪RGB图像和伪灰度图像,并对这两种伪图片进行特征提取、数据融合、时序分析。（3）通过分析两种人体姿态数据的特点,设计DCLSTM网络模型中的特征提取模块、数据融合模块和时间序列模块。并根据研究目的和网络结构构建损失函数,选取合适的分类器、优化器。（4）实验结果表明本方法在12种姿态上的平均准确率在96%以上,并且DCLSTM网络模型对数据集以外人的相似动作,同样具有良好的识别效果,验证了本文提出的方法对人体相似姿态识别的有效性和泛化性。

关键词：姿态识别动作捕捉 Openpose 特征融合 LSTM

基于改进YOLOv3模型的姿态识别系统设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进YOLOv3模型的姿态识别系统设计与实现

作者：王春辉北京工业大学

学位级别：硕士

如今视频监控在日常生活中已随处可见,而智能视频监控系统的应用却未能满足用户期望,面临着实时检测、及时预警、行为数据统计等困难。智能视频监控系统的研究已经受到较多的关注,而相关技术还有很大的发展空间。在目标检测与识别方面,... 详细信息

如今视频监控在日常生活中已随处可见,而智能视频监控系统的应用却未能满足用户期望,面临着实时检测、及时预警、行为数据统计等困难。智能视频监控系统的研究已经受到较多的关注,而相关技术还有很大的发展空间。在目标检测与识别方面,传统算法面临着需要手工输入特征且检测速度慢等弊端,而卷积神经网络算法以其智能化特征提取和识别的特性受到了广大研究人员的青睐。针对教室监控视频特定姿态检测项目,本文以深度学习模型YOLOv3为基础构造实时姿态检测的深度神经网络,提出使用合成模拟图像与改进损失函数的方法提升对小物体和困难样本的检测与识别,并将提出的算法在针对本系统设计的教室视频数据集上进行实验验证。同时根据系统实际需求进行设计,实现一套功能较全的姿态识别系统。首先构建特有的学生姿态数据集,并针对“抬头”、“低头”、“说话”三种姿态的数据量不平衡问题,提出合成模拟图像的方法增加样本数量,提升样本占比较低的“说话”姿态数据量在数据集中的影响。其次详细分析了YOLOv3网络结构并追踪物体检测流程,针对密集场景下的小物体检测误差大和样本比例失调产生的需要优化训练效率和识别精度问题,提出结合数据集特征重新聚类以及使用改进的损失函数改造神经网络模型的方法。为验证改进方法的有效性,设计三组对比实验,并对这三组实验的训练过程及性能分别进行数据化分析与比较,证明模型训练效率和检测准确率的提升。同时通过展示性能最优的模型识别效果证明模型能够基本满足应用需求。最后,从智能视频监控系统的实际功能需求出发,使用Springboot、Vue、Mybatis等目前流行的前沿性系统框架设计并研发一套集视频管理、姿态识别、数据统计与分析功能于一体的姿态识别系统,并从功能和性能两方面进行测试验证该姿态识别系统能够满足实际使用需求。通过理论描述与实验结果分析可知,改进的特定姿态识别算法适用于教室监控视频的特定姿态检测,鲁棒性高且识别速度较快,对应用于教室监控视频的深度学习算法的进一步研究有重要意义。同时,研发的基于B/S模式的姿态识别系统具有实时检测、姿态数据统计分析功能,对于智能视频监控系统的发展具有一定的参考价值。

关键词： YOLOv3 姿态识别视频监控系统 Springboot框架 Vue框架

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

静态场景中的姿态识别

静态场景中的姿态识别

作者：米桂华西安电子科技大学

学位级别：硕士

视频中人体姿态识别,是计算机视觉与模式识别领域相结合的一个重要研究方向。目前已有很多关于人体姿态识别的研究,但大多基于Kinect采集的图像视频、其他专业设备采集的深度图像视频等数据,通过直接定位关节点建立人体骨架完成人体姿... 详细信息

视频中人体姿态识别,是计算机视觉与模式识别领域相结合的一个重要研究方向。目前已有很多关于人体姿态识别的研究,但大多基于Kinect采集的图像视频、其他专业设备采集的深度图像视频等数据,通过直接定位关节点建立人体骨架完成人体姿态识别。而实际应用中并不可能总是通过专业设备采集视频再完成识别,更多的是对通用设备拍摄视频的人体姿态识别研究。如普通场景下的安全监控,可通过通用设备拍摄视频,对视频中人体姿态识别,实现紧急情况下及时的安全报警和预测防护。现有研究中,从普通视频图像中提取人体骨架相对困难,往往采用目标区域的形状特征识别人体姿态,而没有对其提取人体形态特征加以利用,使得识别效果不够理想。基于通用设备拍摄的视频,本文研究静态场景中单目标人体的姿态识别与行为动作检测。静态场景,是指拍摄镜头固定不动,背景中没有动态物体,但可能有树叶晃动、光照影子等影响。单目标人体姿态包括人体直立和弯曲,单目标行为动作包括走路、跑步、弯腰和起身。对现有相关研究中存在目标分离不够准确、骨架提取困难,使得识别率不高等问题,所做创新点包括:(1)针对目标的阴影去除,提出了一种基于目标区域中心点位置的阴影去除法(Shadow Removal Based on Central-point),即Central-point阴影去除法。该方法利用阴影距离目标中心点远且亮度低的特点,去除目标边沿的阴影干扰区域。经实验结果对比,Central-point阴影去除法可更准确地去除阴影区域。(2)改进了骨架提取方法,综合利用对目标像素点按层领域计算骨架提取和形态学骨架提取两种方法,改善了前者骨架含有冗余区域、后者骨架出现断点不完整的情况,提取了连续且完整的人体骨架。(3)提出了一种基于走向趋势的骨架单像素化法,即Dtrends(Direction trends)单像素化法。该方法通过判断当前骨架像素点和周围领域点的走向趋势是否一致,剔除了多余点,取得了较好的单像素化效果,且避免了八邻域单像素化方法存在的骨架边缘锯齿状情况。通过相关研究和以上创新工作,得到了单像素化的人体骨架,对其分析站立和弯曲姿态特征并建模提取一组二维数据,用SVM分类完成人体姿态的识别。并结合人体姿态和人体质心的运动分析,完成行为动作检测。经实验与相关研究结果对比,本文方法取得较高的姿态识别率及行为动作检测正确率。

关键词：姿态识别动作检测目标提取骨架特征

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于姿态识别技术的风筒风量开关传感器设计

工矿自动化 2016年第9期42卷 9-12页

作者：张远征中煤科工集团重庆研究院有限公司重庆400039 瓦斯灾害监控与应急技术国家重点实验室重庆400037

针对现有铁架式风筒风量开关传感器存在生产调试复杂、安装维护不便、抗电磁干扰能力弱等问题,设计了一种基于姿态识别技术的风筒风量开关传感器。该传感器采用三轴加速度传感芯片静态姿态检测原理,实现了风筒风量开关状态检测。实际应... 详细信息

针对现有铁架式风筒风量开关传感器存在生产调试复杂、安装维护不便、抗电磁干扰能力弱等问题,设计了一种基于姿态识别技术的风筒风量开关传感器。该传感器采用三轴加速度传感芯片静态姿态检测原理,实现了风筒风量开关状态检测。实际应用表明,该传感器检测可靠稳定,调试安装简便,抗电磁干扰能力强。

关键词：矿用风筒风量开关传感器姿态识别姿态检测判决门限自动更新三轴加速度传感芯片

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

基于体域网的人体姿态识别与捕捉技术研究

基于体域网的人体姿态识别与捕捉技术研究

作者：于景超吉林大学

学位级别：硕士

无线体域网(WBAN,Wireless Body Area Network)作为近年来获得各界关注的研究热点,与每个人的健康息息相关,随着科技的更迭和时间的发展,无线体域网将给人类带来巨大的改变,个人实时健康监护与疾病预防等都将在未来成为现实,可通过无线... 详细信息

无线体域网(WBAN,Wireless Body Area Network)作为近年来获得各界关注的研究热点,与每个人的健康息息相关,随着科技的更迭和时间的发展,无线体域网将给人类带来巨大的改变,个人实时健康监护与疾病预防等都将在未来成为现实,可通过无线体域网设备实时监测生命体征参数,并将个人信息存档,通过长期数据趋势进行疾病预防和健康指导。除在医疗康复方面为人类保驾护航外,无线体域网在体育训练,军事作战及休闲娱乐等方面也有广泛的应用前景,涉及社会的各行各业,因此越来越多的国内外学者投入了无线体域网的研究工作。基于体域网的姿态捕捉与识别问题一直是无线体域网研究的难点之一,主要体现在人体运动的随机性和体域网穿戴设备数据的高效采集与处理上。目前国内外学者对基于体域网的人体姿态识别问题提出了大量算法,解决了多种人体姿态的高精度识别问题。但是,仍缺乏对人体姿态识别与捕捉系统的研究,常见的动捕系统有应用于电影制作的光学动作捕捉系统,成本昂贵且应用环境限制较大,不适用于个人姿态识别与捕捉。本文针对基于体域网的人体姿态识别与捕捉技术展开研究,以姿态识别与捕捉技术为出发点,通过惯性传感器实时获取与捕捉人体姿态信息;以自搭建的姿态识别与捕捉系统为落脚点,实现基本的姿态随动跟踪显示,构成姿态识别与捕捉原型系统;以基于机器学习的高精度识别算法为创新点,实现不少于5种基本人体姿态的高精度识别,为进一步的体态判断,状态判别提供基本姿态单元。本文主要研究工作如下:第一,搭建基于体域网的人体姿态识别与捕捉硬件系统。首先进行总体方案设计,然后进行核心控制模块、动作捕捉模块和无线通信模块的选择与电路设计,同时完成整体硬件系统的布局和穿戴设计,最后对硬件电路进行调试。第二,完成基于体域网的姿态识别与捕捉系统软件设计。首先进行软件系统总体方案设计,采用模块化的软件设计思想,然后进行数据采集与处理子程序设计和上位机软件界面子程序设计,最后完成系统的整体调试和功能验证。第三,完成基于体域网的人体姿态识别算法设计。首先提出分层人体姿态识别架构,将基本的人体姿态识别问题分为两个过程,然后应用粒子群参数寻优算法(PSO,Particle Swarm Optimization)优化的支持向量机(SVM,Support Vector Machine)分类器完成姿态识别过程,最后经过性能分析结果表明,在该分类架构下,可实现5种人体姿态的高精度识别。上述研究中,分别从硬件、软件和算法层面对基于无线体域网的人体姿态识别与捕捉问题进行了深入研究,旨在探究姿态识别与捕捉技术在体域网健康监护、体育训练等方面的应用。从理论方面提出了人体姿态高精度识别算法,并搭建了基于体域网的动作捕捉系统,实现了基本人体动作的实时捕捉与再现,为此技术在无线体域网中的应用奠定了基础。

关键词：无线体域网动作捕捉姿态识别支持向量机

针对小型断路器零部件的视觉定位与姿态识别方法的研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

针对小型断路器零部件的视觉定位与姿态识别方法的研究与应用

作者：闫俊涛温州大学

学位级别：硕士

小型断路器(MCB)是一种具有对线路进行过载和短路保护的开关设备,因其具有体积小、易操作、价格低等特点而普遍应用于工业、商业、民用住宅等各种场所。近年来随着人们生活水平的不断提高,MCB的需求呈现出爆发式的增长趋势,同时对产品... 详细信息

小型断路器(MCB)是一种具有对线路进行过载和短路保护的开关设备,因其具有体积小、易操作、价格低等特点而普遍应用于工业、商业、民用住宅等各种场所。近年来随着人们生活水平的不断提高,MCB的需求呈现出爆发式的增长趋势,同时对产品生产过程的效率、精度也提出了更高的要求。传统的人工装配效率低且装配质量参差不齐,而传统基于振动盘上料的自动装配技术限制了制造的柔性化水平。针对上述问题以及未来的市场需求,提出了一种针对小型断路器零部件的视觉定位与姿态识别方法,基于该方法搭建了基于机器视觉的MCB柔性装配系统,该系统基于机器视觉技术和图像处理算法搭建专用的视觉识别模块,结合基于VGG-16架构的深度学习级联分类器和特征模板匹配方法对MCB零件的种类、位置坐标、当前姿态进行识别,并将识别结果发送给工业机器人控制器,指导工业机器人对不同型号产品的不同零件类型通过机器人夹爪的灵活切换来完成不同的装配任务。本文主要研究内容为:1)根据MCB自动装配的需求完成视觉识别系统的硬件平台搭建。其中视觉识别系统硬件包括basler工业相机、富士镜头、相机支架、光源及光源控制器、零件放置区底座。2)在视觉识别系统硬件平台的基础上完成零件待识别区域源图片的获取,根据小型断路器内部零件的形状特征,研究了对应的图像预处理算法对相机获取的零件待识别区域的源图像进行边缘检测、滤波二值化、腐蚀膨胀等一系列操作后将图片中包含的所有零件进行切割,然后对各个零件通过基于深度学习的级联分类器进行种类及放置状态识别,之后再通过特征匹配和模板匹配获取夹取点坐标及姿态。3)视觉识别系统通过相机标定和坐标转换将夹取点的像素坐标转换成机器人坐标系下的坐标,并通过Socket通信将处理得到零件类别与放置状态、夹取点坐标、旋转角度信息发送给工业机器人控制器。实验结果证明了本文提出的方法的可行性,达到了MCB装配的精度要求,同时也满足柔性化制造的需求。

关键词：姿态识别深度学习特征匹配模板匹配

基于射频信号的无设备目标定位和人体姿态识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于射频信号的无设备目标定位和人体姿态识别研究

作者：陆俊南京师范大学

学位级别：硕士

位置信息如今已成为军事和民用等诸多领域中所必须的基础数据,发挥着越来越重要的作用。与传统定位方式要求定位目标必须携带与定位系统相匹配的定位设备(如GPS接收机、手机等)不同,无设备目标定位(Device-free localization,DFL)无需... 详细信息

位置信息如今已成为军事和民用等诸多领域中所必须的基础数据,发挥着越来越重要的作用。与传统定位方式要求定位目标必须携带与定位系统相匹配的定位设备(如GPS接收机、手机等)不同,无设备目标定位(Device-free localization,DFL)无需定位目标携带任何定位装置,也无需定位目标主动参与定位过程,因此DFL在人员搜救、非法入侵检测、特殊情况下的老人照料等传统定位方法无法实现的定位领域可以发挥重要作用。相比于现有的基于摄像头,超宽带雷达,红外和超声波等技术的无设备目标定位,基于无线传感器网络的DFL技术因其成本低、通用性好并能够穿透墙壁、烟雾进行定位等优点,因而成为当前DFL领域的一个研究热点。并且随着DFL技术的发展,这种只需检测目标对电磁场影响而无需目标主动参与的感知方式被应用到定位以外的领域,形成了更广义的无设备感知(Device-free Sensing,DFS)技术研究,其应用涉及姿态识别、呼吸率估计和目标速度测量等诸多领域。在此背景下,本文围绕“无设备目标定位”和“姿态识别”两大问题展开研究,利用测量得到的接收信号强度(Received Signal Strength,RSS)信息和信道状态信息(Channel State Information,CSI),实现更为准确的无设备目标定位和姿态特征识别,论文主要工作包括以下几个方面:(1)自主搭建了基于CC2530模块的RSS信息测量系统和基于Intel 5300网卡的CSI信息测量系统。其中,RSS信息测量系统能够实现对监测区域目标动态信息的实时采集,同时其具有低复杂度、低成本、低功耗等特点。CSI信息测量系统不仅具备RSS测量系统的功能,而且能够提供更为丰富的时域和频域特征。(2)针对RSS容易受到环境变化和噪声的影响,射频层析成像(Radio Tomographic Imaging,RTI)的结果图上往往不可避免地存在着背景噪点,有时甚至还有伪目标出现在图像上,为了提高RTI成像质量,本文给出一种基于稀疏自编码器的增强型RTI方法,该方法利用稀疏自编码器的学习能力来提取有效受目标影响的链路特征信息,并结合支持向量机(Support Vector Machine,SVM)进行目标提取,从而达到克服噪声影响和提高定位精度的目的。室内外实验结果表明,该方法的成像质量和定位精度都要优于现有RTI方法。(3)基于循环神经网络(Recurrent Neural Network，RNN)分别给出了用RSS和CSI信息进行人体姿态识别的方法,并利用长短期记忆(Long Short-term Memory,LSTM)技术增强RNN的姿态识别性能。同时,利用四次小波变换对RSS和CSI信息进行进一步特征提取,然后分别利用RNN-LSTM和经典的贝叶斯分类算法结果进行姿态识别,并进行了对比。实验结果表明,该方法的姿态识别效果优于贝叶斯分类算法。最后总结了本论文的研究工作,并对现有工作中的不足进行了归纳,并对不足之处提出了改进意见,以便在今后的研究中进行完善。

关键词：接收信号强度信道状态信息无设备目标定位姿态识别稀疏自编码器循环神经网络长短期记忆技术

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于电场感应的人体姿态识别方法

一种基于电场感应的人体姿态识别方法

作者：杨小伍南京大学

学位级别：硕士

随着计算机视觉的迅猛发展,人体姿态识别作为计算机视觉的重要组成部分也越爱越受到研究人员的关注。人体姿态指的是人在特定时间或者时间段,人的头部、四肢、躯干协同运动的状态,通过对人体姿态的识别,用户可以更加便捷的使人体姿态识... 详细信息

随着计算机视觉的迅猛发展,人体姿态识别作为计算机视觉的重要组成部分也越爱越受到研究人员的关注。人体姿态指的是人在特定时间或者时间段,人的头部、四肢、躯干协同运动的状态,通过对人体姿态的识别,用户可以更加便捷的使人体姿态识别系统得到其真实想法,进而为用户提供更加便捷、更加人性化的服务,这也使得人体姿态识别在高级人机交互、游戏娱乐、智慧医疗、影视制作等领域都有着众多应用,而如何让计算机更加迅速、准确地识别出人体姿态成为了计算机视觉领域的科学家研究的重点。现有的人体姿态识别技术,对于被识别的探测目标被遮挡的情况都很难进行正确的识别,同时对人体姿态识别所需要的计算量较大。对于现有的人体姿态识别技术中存在的问题,本文提出了一种基于电场感应的人体姿态识别方法,该方法计算量较小同时不受障碍物遮挡的影响。首先,介绍了两通道的探测模型,分别讨论了探测目标距离探测电极间距、探测电极间间距、探测目标运动速度以及探测电极尺寸这些因素对信号特征图的影响,验证了通过对电场的监测进而识别人体姿态的可行性;其次,搭建了人体姿态识别系统,前端探测电路系统短路噪声测试及幅频特性测试显示系统具备高灵敏度、低噪声的特性,数据采集上通过使用NI-4431采集卡并设计上位机采集探测信号,方便实用;最后,应用KNN分类算法,对采集的5034组数据进行训练,能够有效识别挥手、抬腿、走路以及摔倒的运动姿态,系统识别准确率达到96.5%,说明了所提方法的可行性。

关键词：姿态识别电场感应探测模型样本数据

基于深度学习的行人姿态识别与行为预判算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的行人姿态识别与行为预判算法研究

作者：关韬西安电子科技大学

学位级别：硕士

行人姿态识别及动作判别属于创新性的机器视觉任务,成为众多领域的热门研究对象,其意味着从图像目标检测范畴向图像理解范畴进行了过渡,是一个具有挑战性的课题。同时行人姿态识别及动作判别在智能视频监控、智能交通、人机交互、运动... 详细信息

行人姿态识别及动作判别属于创新性的机器视觉任务,成为众多领域的热门研究对象,其意味着从图像目标检测范畴向图像理解范畴进行了过渡,是一个具有挑战性的课题。同时行人姿态识别及动作判别在智能视频监控、智能交通、人机交互、运动分析等多个领域有着良好的发展前景。传统的人体行为识别多数是首先通过背景差法来获取行人掩码,然后通过模板匹配法或传统机器学习进行分类任务,背景差法容易受到环境改变引起的不适用,掩码会造成信息的浪费,传统机器学习算法性能在图像分类上存在提升的空间。近年来,由于深度学习的快速发展,智能监控已经可以完成行人检测、统计等,但仍无法做到更为细节的的姿态识别任务以及行为判别任务。虽然已经有深度学习算法可以做行人姿态识别,但是仍停留在对图像中单人做理论研究的层面,面对复杂的监控场景仍无法进行实际应用;而动作判别往往基于单一特征进行学习判断,如果特征选择过多的话会增加计算量,而选择过少则造成准确度下降,因此在实际应用中也有很多困难。为解决上述问题,本论文重点研究基于亲和域的多人姿态识别算法,以及基于全局特征和局部特征联合学习的行为判别算法。针对行人姿态识别研究,本论文主要研究内容包括:1)提出一种预测人体姿态关节点热度图分布的方法,将样本图像送入VGG特征提取网络获取特征,经过多分支、多阶段任务获取到包括左右眼睛、左右耳朵、鼻子、脖子、左右肩膀、左右肘、左右腕、左右胯、左右膝、左右踝,共18个关节点的概率热度图;2)提出一种基于亲和域的方法用于解决图像中的多人情况,将样本图像送入与预测热度图共享的特征提取网络,经过多分支、多阶段任务获取左眼到左耳、左眼到鼻子等19组相连关节点的亲和域;3)将获取到的姿态关节点热度图和相连关节点的亲和域,利用图论相关算法进行关联,有效地解决多人姿态识别问题。针对行人动作判别研究,本论文主要研究内容包括:1)提出一种基于改进的姿态识别新型网络,包括姿态识别和掩码预测功能;2)利用该新型网络包含的全卷积网络分支检测出图像中行人的掩码,将其切割作为输入样本送入残差网络后得到输出向量;3)利用该新型网络包含的姿态识别分支预测人体18个关节点,然后以脖子为原点归一化坐标,形成18维特征向量,送入多层感知机得到输出向量;4)将前两步输出的特征向量相加,使用交叉熵代价函数联合学习和预测分类。最后,实验结果表明,本论文提出的基于深度学习的行人姿态识别和动作判别算法均有良好的性能,可广泛应用于视频监控等实际场景中。

关键词：姿态识别行为预判亲和域残差网络全卷积网络多层感知器