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

基于改进LM骨骼拟合算法的动作识别系统

基于改进LM骨骼拟合算法的动作识别系统

作者：李航西安工业大学

学位级别：硕士

随着人工智能的不断发展,其在计算机视觉领域的一个重要应用,人体动作识别技术越来越受到人们的关注。人体动作识别技术主要利用计算机视觉来判断一张图片或一段视频中人体动作行为的类别,该技术可以应用在人机交互、医疗康复、运动监... 详细信息

随着人工智能的不断发展,其在计算机视觉领域的一个重要应用,人体动作识别技术越来越受到人们的关注。人体动作识别技术主要利用计算机视觉来判断一张图片或一段视频中人体动作行为的类别,该技术可以应用在人机交互、医疗康复、运动监测等众多领域。现有基于计算机视觉的研究方法在进行人体识别过程中容易受到复杂背景、人体穿着、光线强弱等多种因素影响,导致识别率低、识别结果较差。针对以上问题,本文提出了一种通过对人体骨骼点的预测来对人体动作进行识别的方法,该方法主要通过对Kinect和openpose的三维人体骨骼点的改进来实现。首先使用Kinect深度传感器代替传统的图像传感器,Kinect深度传感器能便利的获取人体彩色图像数据、深度图像数据及骨骼点数据;其次,结合openpose二维骨骼点检测算法对骨骼点进行处理优化,openpose是一种基于RGB图像的算法模型,可以检测识别单人或多人的二维骨骼点数据,在小部分被遮挡情况下,可以推断并预测被遮挡骨骼点的位置。最后,将Kinect获取的三维骨骼点坐标作为待优化坐标,再将openpose获取的二维骨骼点坐标映射处理得到三维骨骼点坐标作为优化参数,通过LM算法对两者进行拟合优化,得到所需的稳定三维人体骨骼点序列。同时针对LM算法运算量大,速度慢的问题,通过调整约束系数和约束项对LM算法流程进行改进,减少了运算量,提高了识别速度。通过定量测试和定性分析得到,改进后的人体动作识别算法虽然速度比单独使用Kinect或openpose算法时识别速度慢0.6-1秒左右,但是得到的骨骼点更稳定,有效解决了Kinect识别时骨骼点抖动和自遮挡的问题,同时结合DTW算法对人体动作进行识别评估,平均识别率比单独使用Kinect提高了6.32%,对自遮挡动作识别率的提升尤为明显。

关键词：计算机视觉人体动作识别骨骼点优化 Kinect openpose LM算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双目视觉的三维人体姿态估计

基于双目视觉的三维人体姿态估计

作者：张平南京理工大学

学位级别：硕士

三维人体姿态估计作为人类行为动作识别的关键环节在游戏、体育训练以及人机交互等多个领域都有着广泛的应用前景。目前常见的三维人体姿态估计需要佩戴较为昂贵的辅助设备,运动目标一定程度上会受到这些设备的影响不能够灵活地运动,而... 详细信息

三维人体姿态估计作为人类行为动作识别的关键环节在游戏、体育训练以及人机交互等多个领域都有着广泛的应用前景。目前常见的三维人体姿态估计需要佩戴较为昂贵的辅助设备,运动目标一定程度上会受到这些设备的影响不能够灵活地运动,而且有些运动捕捉设备不能在室外等复杂场景使用。因此本文将成本更低,场景使用更灵活的双目视觉和二维姿态估计相结合来实现三维人体姿态估计。针对基于深度学习的openpose算法提取二维关节点时,左右图像同一关节点会出现不匹配的情况,导致恢复出来的三维姿态不能够准确的反应人体真实姿态,本文提出了一种改进方法,该方法采用可变形模型拟合人体四肢,既能够准确定位人体四肢关节点,同时也满足左右图像同一关节点相匹配,从而提升了人体三维姿态估计的准确性和真实性。本文在三维人体姿态估计领域主要开展了以下研究工作:（1）设计实现双目立体视觉系统,并调用开源不久的openpose算法提取人体二维关节点恢复出三维坐标实现三维人体姿态估计,该系统能够对采集的图像和视频进行处理。（2）针对openpose方法提取关节点不准确和左右图像同一关节点不匹配,从而导致恢复的三维姿态不能够准确的反映真实姿态,本文提出一种基于双目视觉的三维人体姿态估计改进方法。该方法得到的二维关节点结合双目视觉系统恢复的三维姿态能够更准确的反映了人体真实姿态。（3）利用无人机携带双目立体视觉系统,拍摄实际场景完成了多人复杂场景的三维姿态估计,证明了本文方法在复杂场景下的可行性,也验证了本文所设计实现的双目立体视觉系统良好的鲁棒性和实用性。

关键词：双目视觉 openpose 三维姿态估计可变形模型

基于Kinect的俯卧撑动作评估系统设计与实现

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Kinect的俯卧撑动作评估系统设计与实现

作者：龙家豪江汉大学

学位级别：硕士

动作评估的目的是对人体做出的动作进行自动分析与评估,常用于高校和军队的运动、体质测试等领域。俯卧撑动作作为体质测试项目之一,目前对其评估主要采用传统的人工评估方式,该方式效率低且评估过程存在一定的主观性,导致评估结果误差... 详细信息

动作评估的目的是对人体做出的动作进行自动分析与评估,常用于高校和军队的运动、体质测试等领域。俯卧撑动作作为体质测试项目之一,目前对其评估主要采用传统的人工评估方式,该方式效率低且评估过程存在一定的主观性,导致评估结果误差较大。本文依据《国民体质测定标准》选定描述俯卧撑动作的关键关节点,通过对比分析Open Pose和Kinect两种人体骨骼关节点检测方法,选定基于Kinect的关节点检测方法,检测俯卧撑动作关节点数据并计算出俯卧撑的8个关节角度作为动作特征,最后本文基于动态时间规整算法提出了一种俯卧撑动作评估方法,设计并实现了基于Kinect的俯卧撑动作评估系统。综上所述,本文的主要研究工作如下:1、针对俯卧撑评估场景下的实时性需求,以及肢体关节点检测存在遮挡的问题,本文对比分析了Open Pose和Kinect两种关节点检测方法,考虑后者比前者拥有检测关节点实时性与准确度更高、检测数更多和机器配置更低等优点,选定基于Kinect的检测方法作为俯卧撑关节点检测方法,并且针对硬件本身的性能和外界环境因素的干扰问题,本文通过Kinect深度摄像头来提取人体骨骼关节点坐标数据,使用平滑滤波算法对关节点坐标数据进行预处理。然后基于俯卧撑关节点坐标数据计算出8个关节角度作为俯卧撑动作特征,验证了俯卧撑动作特征的不变性。2、针对人体不同运动速率而导致的时间动作序列曲线长短不一的问题,本文首先通过动态时间规整算法(Dynamic Time Warping,DTW)对俯卧撑动作特征曲线进行匹配,并且结合该算法的改进策略,设计了一种混合匹配算法(Fixed DTW,FDT W),用于求取用户动作序列和标准动作序列之间的相似性。然后进行相应的俯卧撑动作评估实验,结果表明相比于DTW算法,FDTW算法在时间性能上提升了38.47%。最后,本文归纳总结出一个俯卧撑评估公式,用于量化评估俯卧撑动作。3、本文设计并实现了一套基于Kinect的俯卧撑动作评估系统,系统架构分为业务层、服务层、数据层和算法层。业务层结合高校智能化俯卧撑评估需求,设计业务模型;服务层设计Web页面和Electron应用程序与用户进行交互;数据层使用My SQ-L数据库和文件系统Fast DFS来对数据进行管理和保存;算法层中使用Python中的fl-ask框架将FDTW算法封装成一个http地址接口,在Electron应用程序中调用该算法与系统进行交互。最后对系统进行功能和性能测试,测试表明系统在功能、性能上达到了设计目标,同时也验证了本文的评估方法在实际评估场景中的可行性。

关键词： Kinect openpose 俯卧撑动作评估骨骼关节点检测动态时间规整算法

基于机器视觉的单工序和多工序重复装配任务工时测定研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的单工序和多工序重复装配任务工时测定研究

作者：陶春辉中国矿业大学

学位级别：硕士

在装配企业智能化转型进程中,以人为中心的装配模式仍占据重要地位。然而人在带来灵活性和经验性的同时也引入了不确定性,为了准确评估人在装配活动中带来的价值及不确定性带来的成本,往往引入工时测定技术。传统工时测定方法往往存在... 详细信息

在装配企业智能化转型进程中,以人为中心的装配模式仍占据重要地位。然而人在带来灵活性和经验性的同时也引入了不确定性,为了准确评估人在装配活动中带来的价值及不确定性带来的成本,往往引入工时测定技术。传统工时测定方法往往存在测时周期长、人力成本高、工时体系更新慢、经验导向性强等问题。针对这些问题,提出了基于机器视觉的单工序和多工序重复装配任务工时测定方法,主要内容如下:首先,明确了重复装配生产任务中的两个重要对象——人和物料,并基于此对视频信息进行提取。基于openpose算法完成了对视频中人体骨骼数据的获取,经过人员筛选、中值滤波、坐标变化、归一化等处理后,构建了深度自编码器,对骨骼信息中的冗余信息进行剔除,完成骨骼信息的降维表示。随后利用YOLOv5算法对物料数据进行提取,发现了物料信息变化的周期性,据此完成物料信息的有效表示。其次,针对单工序重复装配任务工时测定,研究选用了TICC方法对多维骨骼信息进行聚类,分为开始、加工和结束三类,完成重复视频的初步分割。针对结果中的异常值,引入物料信息进行修正计算,得到最终重复视频的分割结果。随后以切分后的视频工序为待观测作业,选出是个候选标准作业,基于DTW算法从中选择出最优标准作业。以最优标准作业为对象,与所有待观测作业进行相似度对比分析,得到个人宽放和延迟宽放两项测定参数,再通过EMD算法对剔除异常后的观测工时数据分解,得到趋势变化项及随机扰动项。利用趋势变化项得到综合能力指数,利用随机扰动项得到评比系数。在四个测定参数基础之上提出了该类场景下基于机器视觉的标准工时计算方法。再次,针对多工序重复装配任务的工时测定,首先人工定义所有模板工序,并利用物料信息的状态对每一工序进行表示,进而完成模板工序在重复视频中位置的粗定位。随后基于双DTW模型,利用骨骼信息的相似度对不同工序间的切割点进行有限区域选择。最后,参照单工序的测定参数对个人宽放及延迟宽放进行了符合该场景条件的定义,并提出了多工序重复装配任务标准工时计算方法。最后,针对两种场景,分别录制相关的实验操作视频并进行工时测算,实验表明,其分割结果良好,且参数确定及标准工时的计算结果与传统方法相近。进一步验证了该方法的可行性和合理性。该论文有图52幅,表14个,参考文献128篇。

关键词：工时测定重复装配任务 openpose YOLOv5 DTW

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人体骨骼关键点的行为识别研究与实现

基于人体骨骼关键点的行为识别研究与实现

作者：赵自强重庆邮电大学

学位级别：硕士

近年来,随着人体行为识别技术火热发展,吸引了越来越多科研工作者的广泛关注。目前基于视频的行为识别方法中,传统双流法的识别准确率较好,且最具代表性。但是传统双流法依然存在不足,该算法中时间流网络的输入是光流图,而光流图的计算... 详细信息

近年来,随着人体行为识别技术火热发展,吸引了越来越多科研工作者的广泛关注。目前基于视频的行为识别方法中,传统双流法的识别准确率较好,且最具代表性。但是传统双流法依然存在不足,该算法中时间流网络的输入是光流图,而光流图的计算需要消耗大量的时间,无法保证检测的实时性。虽然基于骨架数据集的行为识别具有不受光照强度、背景混入等因素的干扰,鲁棒性较好等优点。但是在现实环境下人体的行为复杂多样,不同的行为之间可能存在很多相似的动作,如果过度关注骨架信息,而忽略视频中的其他信息,计算机可能会有误判的情况发生,从而降低识别准确率。因此,本文针对以上问题,提出了一种融合图像信息和骨架信息的行为识别方法,该方法在保留其骨架数据集优点的同时,并结合视频的图像信息,使识别准确率得到进一步提升。本文的研究内容主要如下:1.本文通过对openpose姿态提取算法的深入研究,对openpose算法进行了改进。原openpose算法的特征提取网络为VGG-19,该特征提取网络的层数较深,参数量大,对于计算能力有限的硬件设备无法保证检测的实时性,所以本文采用轻量级Mobile Net-V3对其进行替换,使其能够在保证精确度稳定的前提下提高帧率。通过实验对比发现,改进后的openpose算法相比于原始算法检测速度大概提升了20 FPS,基本达到了普通客户端的使用需求。2.由于骨架数据集中不仅蕴含空间信息,而且还蕴含丰富时序信息,因此搭建了一支既可以获取骨架数据集空间信息又可以获取骨架数据集时序信息的骨架流网络,该骨架流网络使用Goog Le Net的Inception网络来提取时间信息,LSTM网络来提取时序信息,并将这两部分信息进行特征融合得到一个初步的行为分类结果。3.本文又对基于视频图像的行为识别方法进行了研究,针对传统的卷积神经网络通常只选取视频中某一帧图像来进行提取特征,获取的信息不够丰富的缺点。因此本文借鉴时间分段网络的稀疏时间采样策略,并在此基础上对时间分段网络进行改进,裁剪去时间流网络分支,并将空间流的特征提取网络替换成网络层数更深的Res Net-50网络,使其能够获取到更加丰富的图像信息。最后将骨架流和图像流网络分别得到的信息进行特征融合,构造出一个新双流网络模型。通过实验证明了本文提出融合骨架流和图像流的行为识别算法的可行性和有效性。

关键词：计算机视觉人体行为识别骨骼关键点 openpose 双流网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的多人姿态估计

基于卷积神经网络的多人姿态估计

作者：肖文福郑州大学

学位级别：硕士

人体姿态估计是计算机视觉领域中的一个重要研究方向,用来实现从图像或视频中检测人体若干关键点位置,以帮助机器更好地解读人的行为。人体姿态估计是人机交互、人体动作识别、行人再识别等后续任务的基础,在自动驾驶、体感游戏、视频... 详细信息

人体姿态估计是计算机视觉领域中的一个重要研究方向,用来实现从图像或视频中检测人体若干关键点位置,以帮助机器更好地解读人的行为。人体姿态估计是人机交互、人体动作识别、行人再识别等后续任务的基础,在自动驾驶、体感游戏、视频监控、体育训练、辅助医疗等领域都有着重要的应用价值。随着深度学习的不断发展,深度神经网络在计算机视觉中的图像分类、语义分割、目标检测等许多子领域均取得了突破性的进展,越来越多的研究者将深度神经网络应用于人体姿态估计。本文针对静态图片和视频中的多人姿态估计方法中存在的问题,对已有卷积神经网络算法模型进行研究和改进,分别提出基于双向加权融合的多人姿态估计方法和基于深度可分离卷积的快速多人姿态估计方法,主要工作包括:(1)在静态图片中的多人姿态估计方面,提出一种基于双向加权融合的多人姿态估计方法。本文针对已有级联金字塔网络(Cascaded Pyramid Network,CPN)模型对特征图利用不充分、估计性能不高的问题,提出一种基于双向加权融合的多人姿态估计方法。该方法相对于CPN模型的主要改进包括:一是使用双向加权特征金字塔网络改进Global Net,使特征金字塔中不同尺度的特征图按照不同比例进行融合,并且特征金字塔除了原有的从上到下的连接方式,又加入了从下到上的连接方式,从而使不同尺度的特征图被有效利用;二是把Dense Net中的网络连接方式加入到Refine Net,使特征图每经过一层卷积得到的新特征图与原输入特征图进行拼接而非相加,这样经过多个卷积层后特征图能够被多次重复利用,可以增加特征的多样性,使网络模型能够学习到更多的信息,从而使估计精度得到有效提高。(2)在视频中的多人姿态估计方面,提出一种基于深度可分离卷积结构的改进Open Pose模型。由于传统Open Pose模型依赖的卷积神经网络具有较高运算复杂度,因此模型的训练和部署需要配备有高性能GPU板卡的服务器才能完成,无法在使用嵌入式设备的边缘计算场合投入实际应用。针对此问题,本文用深度可分离卷积结构代替Open Pose模型中传统卷积结构,并对Open Pose模型中重复级联的阶段数进行修改,从而提出一种基于深度可分离卷积结构的改进Open Pose模型,在保持估计精度和原Open Pose模型相当的条件下极大降低Open Pose模型的运算量,从而使改进模型能够在具有较少运算资源的嵌入式终端上实现实时运行,支持边缘计算场景下实时人体姿态估计的应用。

关键词： CPN 双向加权特征金字塔网络 DenseNet 多人姿态估计 openpose 深度可分离卷积

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于行为特征分析的全身交互界面用户参与

机械设计与研究 2021年第3期37卷 177-181页

作者：吴永萌支锦亦李君皮雪阳西南交通大学建筑与设计学院成都610097 西南交通大学信息科学与技术学院成都610097

针对全身交互界面用户参与的定量评估问题,提出基于行为特征分析的研究思路。利用openpose获得用户身体关键点坐标并提取行为特征,对比不同全身交互界面和任务模式中行为特征的显著差异,以及客观行为特征与主观感知参与度的关系。发现... 详细信息

针对全身交互界面用户参与的定量评估问题,提出基于行为特征分析的研究思路。利用openpose获得用户身体关键点坐标并提取行为特征,对比不同全身交互界面和任务模式中行为特征的显著差异,以及客观行为特征与主观感知参与度的关系。发现客观行为特征与主观感知参与度具有相关性和互补性。用户行为特征在某些属性上可以指示用户主观感知的参与程度,但两者不具有替代关系,对涉及全身交互的用户参与评估需同时从客观行为和主观认知两个层面开展。VR界面中用户总体平均速度和感知参与度均显著高于Kinect界面,VR界面在支持用户认知和行为层面的用户参与具有显着优势;任务模式影响交互行为的选择,相较于休闲模式,生存模式的交互行为更加精细。

关键词：全身交互用户参与行为特征 openpose 量化评估

基于深度学习与2D图像的行人朝向估计系统设计与实验

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

计算机应用研究 2020年第S01期37卷 337-338页

作者：付佐君刘洪盛金宇航黄迪电子科技大学信息与通信工程学院成都611731 电子科技大学格拉斯哥学院成都611731

针对自然条件下图像中的行人由于光照明暗变化、视角转换以及分辨率等不确定因素导致的行人朝向难以估计的问题,提出了一种将人体骨架信息提取与一维卷积神经网络级联求解的解决方案。首先通过骨架提取网络将人体的骨架以及关键点的位... 详细信息

针对自然条件下图像中的行人由于光照明暗变化、视角转换以及分辨率等不确定因素导致的行人朝向难以估计的问题,提出了一种将人体骨架信息提取与一维卷积神经网络级联求解的解决方案。首先通过骨架提取网络将人体的骨架以及关键点的位置信息提取出来,然后搭建一维卷积神经网络并采用改进的贪心网格搜索调参算法对关键点的位置序列进行朝向估计。在自制数据集上进行测试,表明提出的方法取得了较好的效果。

关键词：深度学习 openpose 卷积神经网络行人朝向

基于关键点的周期性动作检测与动作提名生成方法研究

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

基于关键点的周期性动作检测与动作提名生成方法研究

作者：黄金龙华侨大学

学位级别：硕士

时序动作检测属于计算机视觉领域的重要课题,基于该课题可以做许多深入的研究运用,如提取体育视频中的亮点、自动视频字幕描述以及智能监控、智能安防等。周期性动作检测有助于视频追踪之类的基础性视觉任务,也有助于其他高级的识别任... 详细信息

时序动作检测属于计算机视觉领域的重要课题,基于该课题可以做许多深入的研究运用,如提取体育视频中的亮点、自动视频字幕描述以及智能监控、智能安防等。周期性动作检测有助于视频追踪之类的基础性视觉任务,也有助于其他高级的识别任务如基于对人体的周期性步态来分析识别个体。本论文以时序动作检测问题为基础,分别研究了周期性时序动作检测以及通用性时序动作检测。本文研究工作将包括以下两大部分:1.基于关键点检测的周期性时序动作检测方法研究。本文将关键点检测经典方法openpose和视频中活动区域分类结果联合构建双路径方法实现了对人体周期性动作定位分析。本文采用关键点检测经典方法openpose提取关节点轨迹,采用卷积神经网络获取人体主要活动区域局部特征,再利用本文提出的双阈值融合方法针对轨迹特征和RGB图像局部特征进行融合,融合结果作为时序动作定位信息。本文采用预测定位时间段与动作真实时间段的交并比(tIoU)以及不同tIoU下mAP精度作为性能衡量标准。本文基于现实工厂场景下采集视频构建实验数据集,基于该数据集应用本论文方法对正常工作人体动作定位具有一定的有效性以及实现了较高的精度。2.基于改进损失函数的BSN网络时序动作检测方法的研究。为了提高神经网络在时序动作检测的精度,本文提出了一种基于改进损失的BSN网络,该网络模型采用了一种新的损失函数,将原来的损失函数增加了动作类别顺序限定,能更好地让损失函数从更合理的方向进行优化。基于该损失函数的网络模型在时序动作检测领域公开数据集ActivityNet1.3上实验结果表明,与原损失函数网络模型相比性能有较好的提升,且更合理。

关键词：动作检测缝制品行业关键点检测 openpose