检索结果-南通市图书馆

维普期刊数据库博看期刊

基于Fast-openpose的仰卧起坐姿态估计研究

在线全文

学校读者我要写书评

暂无评论

国外电子测量技术 2024年第7期 112-121页

作者：刘罡张旭侯恩翔无锡学院江苏省集成电路可靠性技术及检测系统工程研究中心南京信息工程大学电子与信息工程学院

当前，许多学校体质测试项目中的仰卧起坐测试仍需通过手动计数，这不仅耗费人力，而且效率较低。为了促进体质健身的智能化发展，提出了一种基于人体姿态估计模型Fast-openpose和支持向量机(support vector machine, SVM)融合实现的仰... 详细信息

当前，许多学校体质测试项目中的仰卧起坐测试仍需通过手动计数，这不仅耗费人力，而且效率较低。为了促进体质健身的智能化发展，提出了一种基于人体姿态估计模型Fast-openpose和支持向量机(support vector machine, SVM)融合实现的仰卧起坐行为计数方法。通过openpose检测出仰卧起坐连续视频流中人体关键点的位置信息，再用SVM对获取到的每一帧人体关键点的坐标数据进行动作特征分类。鉴于原openpose网络复杂度高、模型参数量大、检测耗时长的缺陷，用FasterNet对其主干特征提取部分进行轻量化改进，并在预测分支中优化更为高效的单分支网络结构和卷积类型，最后引入空间注意力(spatial group-wise enhance, SGE)来弥补精度损失。在CoCo2017数据集的基础上，额外扩充1 000张仰卧起坐场景的图片数据进行模型训练，实验结果表明，改进后的Fast-openpose在损失部分精度但不影响仰卧起坐姿态估计的情况下，模型参数量缩减近80%,关键点检测速度提升110%。与同系列其他改进模型相比，在保持相近平均精度均值(mAP)的同时，更具有轻量化与速度优势。

关键词： openpose FasterNet SGE空间注意力姿态估计仰卧起坐

基于openpose和ST⁃GCN的步态识别研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代计算机 2024年第3期30卷 66-70页

作者：刘艳丽重庆公共运输职业学院公共管理学院重庆402247

根据行人步态具有唯一性,且不受客观因素影响的特点,利用openpose提取行人的骨架信息,结合时空图卷积神经网络模型,构建步态识别模型,在步态识别网络中融入注意力机制,可以有效地避免系统陷入局部最优解,使分类模型可以结合骨架的局部... 详细信息

根据行人步态具有唯一性,且不受客观因素影响的特点,利用openpose提取行人的骨架信息,结合时空图卷积神经网络模型,构建步态识别模型,在步态识别网络中融入注意力机制,可以有效地避免系统陷入局部最优解,使分类模型可以结合骨架的局部信息和全局信息,构建丰富的网络模型,提高识别系统的泛化能力,实验结果显示,达到了较为理想的步态识别效果。

关键词： openpose 注意力机制时空卷积图神经网络

在线全文

学校读者我要写书评

暂无评论

基于空间交叉卷积的轻量级人体姿态估计算法

传感技术学报 2024年第3期37卷 439-445页

作者：方益石守东方靖森叶永芳蓝艇宁波大学信息科学与工程学院浙江宁波315211

针对改进轻量级openpose网络在预测阶段仍有较大参数量会降低模型推理速度,不利于在边缘设备部署的问题,提出一种基于改进卷积方法的人体姿态估计网络,使用空间交叉卷积来代替部分标准卷积,减少网络预测阶段的参数量。网络的输入为单目... 详细信息

针对改进轻量级openpose网络在预测阶段仍有较大参数量会降低模型推理速度,不利于在边缘设备部署的问题,提出一种基于改进卷积方法的人体姿态估计网络,使用空间交叉卷积来代替部分标准卷积,减少网络预测阶段的参数量。网络的输入为单目摄像头捕获的RGB图像,以MobileNetV3-Large为主干网络,并在其中加入了CBAM注意力模块,提取不同重要程度的空间和通道特征。获取图像特征后,送入两个分支中分别预测关键点位置和关键点组合关系。以空间交叉卷积代替两个分支中的部分标准卷积核,相对标准卷积能够减少80%的参数量。实验结果表明,相较于原方法,所提方法在精度下降较小的情况下,总参数量降低了22%,部署在CPU端的测试结果显示,速度能够达到6 FPS,提升了4倍。

关键词：人体姿态估计轻量级网络空间交叉卷积 openpose 边缘设备

在线全文

学校读者我要写书评

暂无评论

基于人体姿态估计的羽毛球动作评估方法研究

华中科技大学学报(自然科学版) 2024年

作者：赵小虎王轲鑫孟献峰石传寿中国矿业大学信息与控制工程学院矿山互联网应用技术国家地方联合工程实验室(中国矿业大学) 中国矿业大学体育学院

针对传统运动动作捕捉分析方法实时性不足、动作评估准确度低等问题，本文将人体姿态估计技术应用于羽毛球运动教学中，对羽毛球挥拍动作的识别与标准程度评估进行研究。首先，提出了一种基于改进openpose的轻量级人体姿态估计模型：将V... 详细信息

针对传统运动动作捕捉分析方法实时性不足、动作评估准确度低等问题，本文将人体姿态估计技术应用于羽毛球运动教学中，对羽毛球挥拍动作的识别与标准程度评估进行研究。首先，提出了一种基于改进openpose的轻量级人体姿态估计模型：将VGG19特征提取网络替换为轻量型的MobileNet网络，并将模型内部的7×7卷积核结构改造为由一个1×1的卷积、一个3×3的深度可分离卷积与一个膨胀系数为2的空洞卷积组成的串联结构，实现了模型的轻量化；然后，针对羽毛球挥拍动作特点，提出了14点人体姿态的稀疏表示模型对挥拍动作标准程度进行评估。实验表明：本文的轻量化openpose模型在将性能提升3倍的同时，对人体手臂的骨骼点识别准确率提升了3.57%；14点人体姿态稀疏表示模型在保证精度的前提下，时效性提升了2.98倍。

关键词：人体姿态估计羽毛球训练人体姿态描述姿态相似度计算 openpose

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多模态的井下登高作业专人扶梯检测方法

工矿自动化 2024年第5期50卷 142-150页

作者：孙晴杨超宇安徽理工大学人工智能学院安徽淮南232001

目前大多数的井下人员不安全行为识别研究侧重于在计算机视觉上提高精度,但井下易出现遮挡、光照不稳定、反光等情况,仅采用计算机视觉技术难以实现对不安全行为的准确识别,尤其登高作业中的爬梯、扶梯等相似动作在识别过程中易被混淆,... 详细信息

目前大多数的井下人员不安全行为识别研究侧重于在计算机视觉上提高精度,但井下易出现遮挡、光照不稳定、反光等情况,仅采用计算机视觉技术难以实现对不安全行为的准确识别,尤其登高作业中的爬梯、扶梯等相似动作在识别过程中易被混淆,存在安全隐患。针对上述问题,提出一种基于多模态的井下登高作业专人扶梯检测方法。该方法从视觉和音频2个模态对监控视频数据进行分析。视觉模态方面,采用YOLOv8模型检测登高梯是否存在,如果存在,获得登高梯的位置坐标,并将视频段放入openpose算法中进行姿态估计,得到人体的各个骨骼关节点的特征,将这些骨骼关节点序列放入改进的时空注意图卷积网络(SAT−GCN)中,得到人体动作标签及其对应概率。音频模态方面,采用飞桨自动语言识别系统将语音转换为文本,使用双向编码器表示(BERT)模型对文本信息进行特征分析与提取,得到文本标签及其对应的概率。最后将视觉模态与音频模态得到的信息进行决策级融合,判断井下登高作业是否有专人扶梯。实验结果表明:基于骨架数据的动作识别中,优化后的SAT−GCN模型对于扶梯、爬梯、站立3种动作的识别精度分别提升了3.36%,2.83%,10.71%;基于多模态的检测方法比单模态方法具有更高的识别准确率,达到98.29%。

关键词：登高作业专人扶梯多模态融合视觉模态音频模态 YOLOv8 openpose SAT−GCN BERT

维普期刊数据库博看期刊

一种结合轻量级注意力机制的人体姿态估计算法

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2024年第5期41卷 131-137页

作者：李文星喻明毫王子牛高建瓴林宁贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学大数据与信息工程学院贵州贵阳550025 中国科学院计算技术研究所计算机体系结构国家重点实验室北京100190

针对现有的人体姿态估计模型存在的模型参数量和计算量大、冗余度高、耗时长等问题,提出一种基于轻量级注意力机制的网络框架。使用轻量级网络MobilenetV3替代了原openpose的主干网络VGG-19;对openpose的二分支多阶段的卷积神经网络框... 详细信息

针对现有的人体姿态估计模型存在的模型参数量和计算量大、冗余度高、耗时长等问题,提出一种基于轻量级注意力机制的网络框架。使用轻量级网络MobilenetV3替代了原openpose的主干网络VGG-19;对openpose的二分支多阶段的卷积神经网络框架进行压缩;引入空间和通道相结合的注意力机制模块CBAM对模型的速度和精度进行权衡。实验结果表明,该方法下的网络模型大小和浮点计算量分别为10.51 MB和22.65 GFlops,相对于原openpose减少了79.91%和83.35%;在COCO2017测试集下,能够在保持较高的检测精度和召回率的基础上显著提升检测速度。

关键词：人体姿态估计计算机视觉 openpose 轻量级网络注意力机制

在线全文

学校读者我要写书评

暂无评论

基于深度学习的人体行为识别系统研究

基于深度学习的人体行为识别系统研究

作者：王学文齐鲁工业大学

学位级别：硕士

行为识别,在计算机视觉领域中扮演着重要角色,对众多应用环境有着核心意义。如今,深度学习及人工神经网络的卓越性能,让人体动作识别在智能监视、健康医疗与人机互动等多种领域得到广泛应用,与旧有技术对比展现出显著提升。在当今快速... 详细信息

行为识别,在计算机视觉领域中扮演着重要角色,对众多应用环境有着核心意义。如今,深度学习及人工神经网络的卓越性能,让人体动作识别在智能监视、健康医疗与人机互动等多种领域得到广泛应用,与旧有技术对比展现出显著提升。在当今快速发展的信息时代,人类行为的数据化和智能化解读成为了解决复杂社会问题和满足个性化需求的关键。行为识别技术,作为人工智能和数据科学领域的重要分支,旨在通过分析个体或群体的行动模式来预测其行为意图或状态,并且在科学研究和技术创新中发挥着越来越重要的作用。尽管如此,当前仍面对若干难题,例如目标容易遗失、多人参与互动导致的躯体遮蔽、动态引起的序列外形改变及复杂场景运算负荷较高使得辨认效果不尽人意,这对人体动作辨认算法的精确度及鲁棒性构成了巨大的考验。面对这些挑战,本篇论文把人体动作辨认划分为人体骨架提取与行为识别分类两大部分,分析探讨了当前人体姿态评估与骨架动态辨识算法的局限与改进方向,研究内容如下:针对openpose算法中使用的特征提取网络VGG-19存在的网络层数深、参数量大、以及计算量高的问题,本研究通过采用更加轻量化的Mobile Net-V3网络来替代原网络,旨在优化网络结构,减少特征提取网络中的参数量和深度。同时,对openpose算法第二阶段以及之后原有的7×7卷积核进行改进,进一步提高了模型性能。通过实验对比,改进版的openpose算法不仅提升了精度,大幅减少了参数量,且帧率实现了显著提高,有效满足了实时检测的需求。针对传统ST-GCN在解析动态运动序列特征方面的不足及图卷积网络中存在的冗余和过渡平滑问题,本文通过一种在自注意力权重矩阵的子图掩码操作,识别挖掘底层图上显著的子图特征,使模型能够对一些不相关节点的影响具有鲁棒性。为进一步精细化处理在改进ST-GCN模块获得的特征信息,增强网络模型对时间序列、空间特征的处理能力,采用了CBAM-LSTM模块,该模块在LSTM处理时间序列能力的基础上加入了CBAM注意力机制,进一步增强了行为特征的表达,提升了算法模型的精度值。通过上述改进,总结了本研究的行为识别网络结构—LSTM-GCN网络模型。通过实验结果可知,采用的LSTM-GCN网络模型在人体行为识别任务中达到了不错的辨识效果,在NTU RGB+D 60数据集上的X-sub与X-view指标分别达到了93.5%与97.2%。最后以上述改进的网络为基础,利用Python编程语言和Py Qt框架,成功搭建了基于骨架的人体行为识别系统。此系统能够接收摄像头即时获取的视频流或上传的视频文件,在通过openpose人体姿态检测技术加工之后,将视频序列转换成骨架序列,紧接着借助内置的LSTM-GCN动作识别算法对动作种类进行输出,达成了动作辨识的效果。

关键词： openpose 行为识别图卷积网络 LSTM 注意力机制

基于机器学习和规则匹配的人体姿态分析技术研究与应用

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

基于机器学习和规则匹配的人体姿态分析技术研究与应用

作者：王铮北方工业大学

学位级别：硕士

随着人工智能理论和机器学习方法的不断进步,人体姿态识别技术与应用得到了广泛的关注和开发。人体姿态识别的目的主要是通过技术手段使计算机能够理解和分析人的身体姿态和动作。这项技术在多个领域中有着广泛应用,如视频监控分析、智... 详细信息

随着人工智能理论和机器学习方法的不断进步,人体姿态识别技术与应用得到了广泛的关注和开发。人体姿态识别的目的主要是通过技术手段使计算机能够理解和分析人的身体姿态和动作。这项技术在多个领域中有着广泛应用,如视频监控分析、智能医疗、运动姿势分析等。本文主要针对运动姿态分析展开研究。目前,业界主要通过机器学习方法对样本数据集训练获得人体姿态分类模型,进而标注人体姿态的主要特征。然而,传统的深度学习方法需要大量的计算资源和训练数据集,在不能满足上述要求的情况下,给分类的准确性带来不准确问题。在关注机器学习能力提升的时候,反而忽略了人体姿态的特性。在运动学中以人体的运动状态进行划分时,人体姿态主要分类两种:一种是静态姿态,另一种是动态姿态。其中动态姿态是一种特殊的时间序列,它包含了人肢体运动的轨迹及姿态的特殊运动规则,是最直观的人体姿态特征。模式匹配方法在处理时间序列分类问题上具有较好的效果,通过对比待测序列和标准序列的差异性,可以快速的进行分类。目前使用的数据集大多为RGB图像,其受到像素、光线的影响,并且使用单帧图像对姿态进行表达,对于动态姿态的描述效果有待提高。如何克服不良因素,并有效地对人体姿态进行描述,也不断成为关注的焦点。根据上述情况,本文提出了一种综合机器学习和模式匹配技术的人体姿态识别与分析方法。提出了以骨骼关节点为基础的人体姿态描述方法,其主要思路是运用Open Pose工具对视频中的人体姿态进行骨骼关节点的提取,解决因RGB图像不清晰所导致人体姿态数据缺失的问题。再对提取的人体骨骼关节点坐标进行规整化处理、抽取关键帧、计算人肢体夹角特征、计算骨骼关节点相对距离特征、人体姿态特征融合等操作,构建人体姿态特征序列。提出了一种基于模式匹配的人体姿态识别算法,实现人体姿态匹配,其主要思路是运用提取的人体姿态特征序列,建立数据集。运用聚类分析的方法寻找相同类别序列的相同点和不同类别间的不同点,并获得每类的标准姿态模板,建立标准人体姿态模板库。在模式匹配的过程中,引入加权决策的方法,通过比对欧式距离、余弦相似度等多个角度,综合分析待测序列和标准模板序列的相似度,综合评判最终结果。同时,根据应用场景的需要,提出一种基于机器学习的人体姿态识别方法,通过运用SVM的多分类模型,对姿态数据集进行训练,用得到的分类模型进行人体姿态识别。实现了人体姿态分析系统,将本文提出的人体姿态描述方法、基于模式匹配的人体姿态识别算法、基于机器学习的人体姿态识别算法整合到系统中,实现可视化操作界面,并将其应用到新兵姿态估计案例和乒乓球运动员技术动作评估案例中。本文提出的人体姿态描述方法,可以简便、有效的描述姿态特征,识别测试的平均准确率为82.14%,该方法为后续的人体姿态识别方法研究奠定了数据基础。提出的人体姿态识别算法的平均准确率为89.36%。

关键词：姿态识别模式匹配人体姿态描述机器学习 openpose

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

基于深度学习的人体姿态识别算法研究

黑龙江科学 2024年第10期15卷 91-93页

作者：单薇苏州高等职业技术学校江苏苏州215000

人体姿态识别技术具有巨大的研究价值及广泛的应用前景。提出一种基于深度学习的人体姿态识别算法及能量序列改进openpose算法,提取人体骨骼关键点,结合卷积神经网络(CNN)和长短期记忆网络(LSTM)捕获人体骨架数据空间与时间特征,得到最... 详细信息

人体姿态识别技术具有巨大的研究价值及广泛的应用前景。提出一种基于深度学习的人体姿态识别算法及能量序列改进openpose算法,提取人体骨骼关键点,结合卷积神经网络(CNN)和长短期记忆网络(LSTM)捕获人体骨架数据空间与时间特征,得到最终的分类和识别结果,在数据集上验证。实验结果表明,提出的算法在人体姿态识别任务上取得了较好的性能。

关键词：人体姿态识别深度学习 openpose