检索结果-南通市图书馆

检索条件"主题词=CTR-GCN"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的实时动作识别方法研究

基于深度学习的实时动作识别方法研究

引用

作者：武历展长安大学

学位级别：硕士

近年来,随着计算机视觉领域的发展,基于深度学习的动作识别方法已逐渐应用到医疗监护、智能监控、运动分析等领域,是当前动作识别的主流方向和研究热点。然而,这些动作识别方法在实际应用中仍然存在实时性差、准确性低、鲁棒性弱等问题... 详细信息

近年来,随着计算机视觉领域的发展,基于深度学习的动作识别方法已逐渐应用到医疗监护、智能监控、运动分析等领域,是当前动作识别的主流方向和研究热点。然而,这些动作识别方法在实际应用中仍然存在实时性差、准确性低、鲁棒性弱等问题。基于此,本论文研究基于深度学习的实时动作识别方法具有一定的实际意义。论文着重对人物目标检测、骨架提取和姿态估计以及动作识别方法进行了研究,主要研究工作如下:1.针对现有人物目标检测模型存在的易漏检、鲁棒性和泛化能力差等问题,提出了一种基于改进YOLOv5s的人物目标检测方法。首先,对Le2i数据集进行多种方式扩充,以增强训练模型的鲁棒性和泛化能力;其次,使用Mobile Net V3作为主干网络来进行特征提取,以协调平衡模型的轻量化和准确性关系;然后,利用Bi FPN增强了模型多尺度特征的融合能力,并使用CBAM轻量级注意力机制,提升了模型的准确性;最后,引入Focal Loss损失评估使模型更注重挖掘困难样本特征,改善了正负样本失衡的问题。实验结果表明,优化后的YOLOv5s模型,在精确度、F1分数、检测速度上均有所提升。2.针对骨架提取和姿态估计的实时性差的问题,提出了一种轻量化的优化模型Light＿Alphapose。首先,将姿态估计模型Alphapose中的目标检测器替换为本文优化后的YOLOv5s,在确保准确性的同时,极大的提升了目标检测的实时性和模型轻量化水平;其次,通过采用轻量化的姿态估计平滑滤波器,改善了骨架序列处理时的抖动问题;最后通过实验验证,Light＿Alphapose在实时性、准确性和轻量化水平上均优于原模型。3.针对实时视频场景下动作识别准确率低等问题,提出了一种基于ctr-gcn的改进图卷积网络模型。首先,在三个不同阶段对原ctr-gcn模型采用改进空间建模结构等方式来轻量化模型;其次,使用数据增强、衰减函数来改善图卷积的过拟合现象;然后,借助全连接层将实时动作时序特征进行分类识别;最后,在每个特征层分别引入Drop Block,进一步提高了模型的拟合能力。实验结果表明,所提出的优化ctr-gcn模型在训练时的拟合能力更优,动作识别实时性和轻量化和优于原图卷积网络模型。4.在本文研究成果基础上,设计实现了一个基于Py Qt5框架的实时动作识别系统RARS,该系统包含三个流程模块:人物目标检测、骨架序列提取和动作识别,最终通过图形化界面显示,实现了人物动作实时分类识别功能。

关键词：深度学习实时动作识别目标检测姿态估计 ctr-gcn

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：