检索结果-南通市图书馆

作者：梁甜哈尔滨工程大学

学位级别：硕士

宇航员充足的地面训练经验是载人航天任务顺利完成的重要前提,随着中国载人航天的繁荣发展,宇航员需要面临的太空任务也更加繁重。在不同于地球的低重力环境下将对宇航员的移动能力和作业能力造成巨大影响。为了保证宇航员的人身安全以... 详细信息

宇航员充足的地面训练经验是载人航天任务顺利完成的重要前提,随着中国载人航天的繁荣发展,宇航员需要面临的太空任务也更加繁重。在不同于地球的低重力环境下将对宇航员的移动能力和作业能力造成巨大影响。为了保证宇航员的人身安全以及太空作业的顺利进行,进一步提高宇航员在月球等低重力星球上的作业能力,在地球表面进行低重力环境下的人机作业仿真训练具有重要的现实意义。在研究分析了国内外关于模拟低重力的方法以及人机作业分析方法的基础上,发现目前对于低重力人机作业仿真分析方法仍具有实验成本过高、设备占用场地大且数据处理周期过长等问题。本文以步行训练为例,根据人体在太空环境中的受力特性以及人体下肢运动学理论,提出了一套能够用于分析低重力下人体步态运动的方法,并进行实验验证,进而提出低重力下人机分析仿真实验方法。设计低重力人机作业仿真分析实验系统,以步行运动为例,以健康女性青年为实验对象进行低重力环境下人体步态实验研究。该系统包括重力补偿系统及步态分析系统两个方面。通过悬挂式实验装置实现重力抵消,将openpose算法应用于人体步态识别。经过该算法处理后的视频数据,能够更清晰准确的观察人体在低重力下的步态时相,具有极强的鲁棒性。openpose能够同时读取人体25个关键点坐标,将人员行走时的三维动作转换为2D的坐标,简化人体步行过程,便于对数据进行分析。编写相关程序计算关节角度,进而可以通过数据处理软件得到髋、膝、踝关节角度变化图像。通过对实验数据进行相关分析,对比验证,检验结果表明所设计的悬吊式低重力人机实验仿真分析系统的可行性,能够为今后低重力下人机实验研究及宇航员地面训练提供新思路。

关键词：人机工程学低重力模拟人机分析 openpose

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

运动场景下人体动作分析算法研究

运动场景下人体动作分析算法研究

作者：崔莉亚郑州大学

学位级别：硕士

随着计算机技术的发展和应用,人工智能技术已被广泛地应用到体育运动的训练中。跳绳作为一项全身运动,在日常生活中发挥着越来越重要的作用,已被纳入到中招考试的项目中。当前,在跳绳教学中,专业的体育老师匮乏,导致学生训练效率低下;... 详细信息

随着计算机技术的发展和应用,人工智能技术已被广泛地应用到体育运动的训练中。跳绳作为一项全身运动,在日常生活中发挥着越来越重要的作用,已被纳入到中招考试的项目中。当前,在跳绳教学中,专业的体育老师匮乏,导致学生训练效率低下;跳绳监测设备笨重且昂贵,人工统计的成本和精力太大。如何自动并快速地分析出跳绳运动过程中的动作是否符合规范,并给出正确的指导和训练计划成为了提高跳绳考试成绩的关键。现有的基于视觉的人体运动行为识别与分析算法复杂度高、鲁棒性差、计算负担过重,无法实时。此外,由于缺乏专业的人体运动动作分析人员,人体动作分析和运动质量评估方面的研究还需要进一步探索。因此在人体运动过程中,实现一种鲁棒性高,时间开销稳定的动作分析方法,对于运动过程中的动作分析和动作质量评估具有重要的意义。本文针对跳绳过程中的运动分析问题,首先,通过2D姿态估计算法获取跳绳过程中的关键点坐标,并对坐标进行预处理获取健壮性数据序列,其次将跳绳过程中的运动分析问题转化为多标签分类问题,并提出了一种新的多标签分类模型ALSTM-LSTM,最后,设计并开发了基于手机端的跳绳过程中的运动分析系统。主要研究内容如下:(1)提出了一种深度学习框架用来获取运动员在跳绳过程中的关键点坐标。该框架基于Open Pose方法,在图像特征图提取方面,为了减少模型的参数,提高识别的效率,使用轻量级网络模型Mobile Net V2替代VGG19;在网络优化方面,为了进一步提高Open Pose模型的精度和泛化能力,在损失函数中引入了权重和惩罚项,并在MPII数据集上验证了模型的有效性。最后通过不同的手机获取运动员一分钟跳绳过程的视频流数据,并通过改进的Open Pose方法获取人体的关键点坐标,并对获取的坐标进行预处理,即,以脖子、左臀部、右臀部三个关键点坐标的重心为原点建立直角坐标系,并更新全部坐标最终得到人体关键点序列。(2)根据获取的关键点坐标序列,本文将跳绳过程中的六种肢体动作标准与否问题转化为多标签分类问题;并根据多标签学习方法中的算法适应性方法提出了一种多标签分类模型ALSTM-LSTM。实验结果获得了95.1%的准确性,高于其他深度学习模型,并且在精度、召回率、和F1-score这些评价指标上也达到了最优。(3)利用构建的网络模型设计并开发了安卓端的智慧跳绳教学系统。该系统主要分析能够帮助跳绳运动员快速地了解自己在跳绳过程中存在的问题,从而帮助跳绳运动员改正跳绳过程中的错误动作,提高学生的跳绳成绩。

关键词：动作分析姿态估计 openpose 多标签分类跳绳

基于骨骼和图像特征的姿态信息重建交互行为理解研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于骨骼和图像特征的姿态信息重建交互行为理解研究

作者：叶圣中国矿业大学

学位级别：硕士

人类行为理解是计算机视觉领域的一个重要分支,被广泛应用于体育、工业以及学校等公开场所。然而,在复杂的公开场所,“人-物”交互行为和“人-人”交互行为存在着算法准确率低、实时性差等问题。为提高人类交互行为的表现效果,实现更精... 详细信息

人类行为理解是计算机视觉领域的一个重要分支,被广泛应用于体育、工业以及学校等公开场所。然而,在复杂的公开场所,“人-物”交互行为和“人-人”交互行为存在着算法准确率低、实时性差等问题。为提高人类交互行为的表现效果,实现更精准、快速的人类行为理解,本文对基于骨骼和图像特征的姿态重建交互行为理解进行研究。本文研究内容主要包括:基于改进openpose的轻量化骨骼提取方法、遮挡情况下的三维姿态估计算法以及基于骨骼和图像特征的姿态重建交互行为理解方法。本文的主要贡献如下所示:(1)针对人体姿态估计算法存在的模型复杂度较高、实时性较差等问题,本文提出一种基于改进openpose的轻量化骨骼提取方法。首先,在模型训练阶段构建多分支残差结构用于加速训练;然后,在模型推理阶段通过重参数化解耦解析输出,并引入HAM轻量级注意力以进一步优化特征提取;最后,在COCO人体姿态估计数据集上进行实验验证。结果表明,基于改进openpose的轻量化人体骨骼关键点提取方法相比原始模型,推理速度提升了47.3%,模型精度提高了4.3%。(2)针对图像遮挡导致的人体姿态估计算法输出的骨骼关键点存在缺失的问题,以及二维姿态估计缺失三维空间信息等问题,本文提出了一种遮挡情况下的三维姿态估计算法。首先,在融入骨骼关联矩阵的基础上,建立遮挡预测算法,实现对缺失骨骼点的插补预测;接着,在完整人体骨骼关键点的基础上,使用非线性网络实现三维人体姿态估计,并引入OWM模块以增强模型的鲁棒性;最后,在Human3.6M数据集上进行实验验证。实验结果表明,本文遮挡情况下的三维人体姿态估计算法与最大边际神经网络等算法对比,相对其中最优算法平均预测误差减少了13.8%,模型具有更强的骨骼提取能力。(3)针对交互行为理解算法准确率低、实时性差等问题,本文在改进openpose的轻量化骨骼提取方法和遮挡情况下的三维姿态估计算法的基础上,提出了一种基于骨骼和图像特征融合的姿态重建交互行为理解算法。该算法将骨骼特征与图像特征进行融合重建,以提高模型的环境感知能力,辅助模型对交互行为的理解。最终通过实验验证,本文提出的骨骼和图像特征融合的姿态重建交互行为理解算法在准确率上提高了6.1%,速度上提高7.7%,表明本文算法在交互行为理解问题上具有实时性高、准确率高等优点,具有一定应用价值。本文包括图50幅,表19个,参考文献106篇。

关键词：人体姿态估计 openpose 行为理解 Transformer 图卷积网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

人群中危险动作综合分析研究

人群中危险动作综合分析研究

作者：韩风南京邮电大学

学位级别：硕士

伴随着科学技术的快速发展,迅速兴起的深度学习技术,使得目标检测技术得到了快速发展,并开始在各个领域得到广泛应用。人群中危险动作综合分析将主要研究人体姿势包括“站立”,“坐着”,“步行”,“跌倒”,以及手持危险物。涉及到的技... 详细信息

伴随着科学技术的快速发展,迅速兴起的深度学习技术,使得目标检测技术得到了快速发展,并开始在各个领域得到广泛应用。人群中危险动作综合分析将主要研究人体姿势包括“站立”,“坐着”,“步行”,“跌倒”,以及手持危险物。涉及到的技术是目标检测技术以及关键点检测技术,但传统的检测技术存在一些问题,对于较小的目标和遗漏的目标检测效果不佳。同时人体的动作复杂度太高会出现小的关键点,导致模糊或者被遮盖的关键点不易被检测到。本文针对以上的问题,进行了基于深度学习的人群中危险动作综合分析的研究。综合分析研究涉及到人群中手持危险物和人群中危险动作的研究。然后进行基于Shuffle Net结构改进YOLO的目标检算法,用于检测手持小物品对象,后面进行YOLO网络结合Open Pose网络优化危险行为检测研究,通过关键点将不同部位连接起来,形成有效的肢体骨骼,然后通过骨骼的变化来决定人类的行为。通过这两种研究,可以更好的研究人群中危险因素。此文从实际需求出发,着重解决人群中手持危险品以及人群中突然有人摔倒的问题。手持危险品目标往往比较小,其中包括个体手持枪械,尖锐管制刀具等,这些手持危险品易被遮盖,或者模糊不易识别,本文提出一种基于Shuffle Net改进Yo Lo的目标检算法,改进后的网络相比其他网络准确度提升了约9.6%。对于人群中突然有人摔倒,通过人体关键点来识别,远距离时面临着难以看见的关键点,模糊或被遮盖的关键点,基于此,提出了Yolo网络结合Open Pose网络的目标检测方式用来解决上述问题,通过实验结果显示,对于远距离姿态识别的准确性也取得了良好的效果,准确性达到了95%,同时保持了良好的实时性。

关键词：目标检测深度学习 YOLO openpose

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

健身动作识别模型研究

健身动作识别模型研究

作者：殷灏睿云南大学

学位级别：硕士

随着人类对世界的不断探索,科技的不断更新迭代,人工智能也得到了迅速发展,智能应用不断渗透到人们的生活当中,动作识别作为目前的一个热点领域,无论是作为体感游戏还是辅助功能都有了非常广泛的应用。而健身动作识别作为动作识别的一... 详细信息

随着人类对世界的不断探索,科技的不断更新迭代,人工智能也得到了迅速发展,智能应用不断渗透到人们的生活当中,动作识别作为目前的一个热点领域,无论是作为体感游戏还是辅助功能都有了非常广泛的应用。而健身动作识别作为动作识别的一部分新领域尚未涉及很多,但其有非常巨大的发展潜力,现在的人们对生活质量与水平的要求不断提高,逐渐对健身运动有了很大的需求。然而,健身是一项隐藏风险的运动,健身者很难对自己动作的规范性有一个准确的认识,由于动作的不规范或不准确,很有可能会造成意外的受伤,健身动作识别的实现可以辅助健身者规范自身动作,降低意外受伤的风险,同时基于其识别的便捷与高效,在节省学习成本的同时提供便利,能受到更多健身运动者的喜爱。故本文研究健身动作的识别模型。本文主要通过openpose方法从图像数据中获取骨骼关节点数据,将其作为训练模型的原始数据,并运用K最近邻算法、随机森林算法和梯度提升决策树算法（Gradient Boosting Decision Tree,GBDT）建立模型,通过混淆矩阵、及其衍生的准确率、精确率、召回率、F1分数、ROC曲线、AUC面积和学习曲线等模型评价方法进行比较,通过比较得出结论,对于来自于图像数据,没有极端异常值,且分布连续集中的骨骼关节点数据,GBDT算法模型的识别效果较好,对于更复杂或更多种类的健身动作识别,本文可以作为一个很好的参考。本文选择openpose方法来实现对人体骨骼关节点数据的提取,由于openpose是一种较新的数据获取方法,故通过用该方法对UTKinect数据中的图像数据进行骨骼关节点的提取,与UTKinect数据集中本身包含的Kinect获取的数据进行对比,应用相关性分析、符号检验和Wilcoxon符号秩和检验验证其获取骨骼关节点数据的准确性,在此基础上进行健身动作识别模型的建立。由于没有已经建立好的健身动作数据集,故本文从各大搜索引擎包括360搜索、必应搜索、搜狗搜索和Google搜索的图片板块进行数据的搜集,共搜集了 9种类别合计11448张图片,在建立好了健身动作数据集后,用openpose方法提取出骨骼关节点数据,然后运用了三种机器学习算法建立模型,分别为K最近邻算法、随机森林算法和GBDT算法。由于骨骼关节点数据的变量有50个,故使用随机森林进行特征筛选,剔除重要性较低的11个变量,在实现数据降维的同时,加快模型计算的速度并且防止过拟合情况的发生。最终三个算法建立的模型准确率均达到90%以上,其中效果最好的是GBDT模型,不仅准确率超过了 95%,而且在F1分数、Kappa系数、ROC曲线、AUC面积和学习曲线等评价指标上,都是三个模型中最优的。本文通过对健身动作识别的研究,不仅实现了健身动作的识别,也通过模型算法比较总结了三种模型的适用规律,是对健身动作识别新领域的尝试与探索,具有较好的应用价值。

关键词：健身动作识别 openpose 骨骼关节点符号秩和检验随机森林 GBDT

基于计算机视觉的物流仓储安全智能监控管理系统的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于计算机视觉的物流仓储安全智能监控管理系统的研究

作者：张鑫鑫安徽理工大学

学位级别：硕士

随着计算机技术和人工智能技术的飞速发展,现代物流业也更偏向于智能化管理。在物流仓储安全方面,结合计算机视觉技术,开发设计物流仓储安全智能监控管理系统,系统有效及时地对物流仓储人员的不安全行为进行预警处理,对提高物流仓储安... 详细信息

随着计算机技术和人工智能技术的飞速发展,现代物流业也更偏向于智能化管理。在物流仓储安全方面,结合计算机视觉技术,开发设计物流仓储安全智能监控管理系统,系统有效及时地对物流仓储人员的不安全行为进行预警处理,对提高物流仓储安全管理水平具有重要的实际意义。本文主要对物流仓储中异常目标的检测与跟踪算法,不安全行为识别算法进行了研究。针对传统目标跟踪算法在目标被遮挡后不能准确跟踪的问题,提出了一种基于差分YOLO检测和Camshift的混合跟踪算法。建立了基于YOLO网络结构的目标检测模型,利用YOLO算法确定目标位置并初始化目标跟踪窗口。根据目标的位置信息,使用Camshift算法对后续的视频帧进行处理,并更新每帧的目标,从而可以不断调整跟踪窗口位置以适应目标的运动。其次,基于YOLO检测和Camshift的混合跟踪算法,融合openpose算法提取人体骨骼序列。将人体关节位置作为原始特征,对特征进行预处理,从原始关节位置手动设计特征,然后提取特征来区分人员摔倒的动作类型。对采集到的物流仓储企业视频片段进行了实验,并在视频数据集上对实验结果进行了比较,实验表明该融合算法具有较好的鲁棒性和实际应用价值。为了实现本文融合算法研究在物流仓储企业环境中的实际应用,构建了物流仓储安全智能监控管理系统,并将提出的算法应用到系统中。设计了系统的功能结构,包括异常行为管理、监控信息管理、系统设置、综合统计查询等功能,实现了对物流仓储监控视频数据的采集、分析和处理。该系统具有智能化、实时性的特点,可以对物流仓储中的异常人员和异常行为进行自动分析和预警,可以大大提高物流仓储人员作业的安全性,提高物流仓储企业的安全管理水平。系统有利于物流仓储企业实时监控数据采集;有利于持续动态监测;有利于降低物流仓储企业安全事故风险,提高安全效率。因此,推广应用后具有良好的经济效益和社会效益。图19表4参71

关键词：仓储安全管理 YOLO Camshift openpose 智能视频监控系统

深度学习在电力安全生产监督管理云平台中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

深度学习在电力安全生产监督管理云平台中的应用研究

作者：王佳伟华中科技大学

学位级别：硕士

近年来,随着我国社会工业生产水平的提高,用户的用电需求也日益增长,这种变化对电力生产的安全性和可靠性提出了严峻挑战。现如今电力企业主要按照《电力安全工作规程》的组织措施和技术措施来预防人为操作事故,但随着电力系统日益复杂... 详细信息

近年来,随着我国社会工业生产水平的提高,用户的用电需求也日益增长,这种变化对电力生产的安全性和可靠性提出了严峻挑战。现如今电力企业主要按照《电力安全工作规程》的组织措施和技术措施来预防人为操作事故,但随着电力系统日益复杂,需监督的电力施工现场和检修设备不断增多,技术人员的规范性操作显得愈发重要,电力企业急需完善信息化建设,以此释放现场端的监督压力。然而传统的监督管理模式跟本无法进行远程监督,操作人员的动作也无法比对反馈进而提醒更正,不能实现电力安全生产的统一监督管理与决策分析,致使各类电力安全生产事故频发。为解决此问题,本文将云平台、openpose与TensorFlow等先进技术应用到电力安全生产监督云平台,借助这些技术对设备生产过程和技术人员操作过程进行监督管理。本文首先阐述了电力安全生产监督管理(以下简称电力安监)系统的发展概况,总结了现有电力安监系统中存在的问题,明晰研究思路并界定研究内容。然后结合某市级供电公司实际工程情况利用云平台与深度学习,对电力安监系统的总体架构、数据流程和网络拓扑进行了详细设计。本研究旨在构建一个基于云平台的电力安监系统,该系统借助深度学习中的神经网络算法结合云技术,把电力生产设备、工作人员和生产过程有机的结合在一起抽象为参量,最终在云端生成模型统一对整个电力安监过程进行管理。该系统借助阿里云GPU云服务器的强大计算能力对海量影音数据进行实时处理分析,在保证高速运算的同时节约了成本,利用TensorFlow训练测试了语音模型的良好收敛性,还利用了openpose预处理图像数据提高了系统工程现场的实测识别率。本研究表明,将云计算与深度学习等技术应用到电力安全生产监督管理云平台中,能显著提高系统的兼容性、实时性和监管能力,在增加人体姿态的识别率同时降低运算成本和存储成本。

关键词：电力安全生产云平台深度学习 openpose TensorFlow

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多粒度卷积神经网络剪枝算法的研究

多粒度卷积神经网络剪枝算法的研究

作者：周晚晴北京工业大学

学位级别：硕士

近年来,随着深度学习技术的高速发展,深度神经网络在图像分类、目标检测、图像分割等计算机视觉任务中取得了革命性的突破,达到并超越了人类感知能力的极限。与此同时,新一代人工智能物联网(AIoT)的“智”心逐渐由集中化高性能处理平台... 详细信息

近年来,随着深度学习技术的高速发展,深度神经网络在图像分类、目标检测、图像分割等计算机视觉任务中取得了革命性的突破,达到并超越了人类感知能力的极限。与此同时,新一代人工智能物联网(AIoT)的“智”心逐渐由集中化高性能处理平台向“边缘”节点转移,业界对于提升资源有限边缘节点的智能化水平的呼声也越来越高。然而,当前高精度网络模型的层数、参数数量和计算量十分庞大,同时其存在较大冗余,导致其在资源有限的边缘节点中部署困难。因此,如何对深度神经网络的模型进行压缩与加速,使其能够满足边缘节点智能化、实时化应用所需已经成为当前深度学习领域研究的一大热点问题。基于深度神经网络的压缩与加速技术大致可以分为针对网络模型优化和基于硬件的加速。对于前者,以往研究包括设计精简的网络模型和网络剪枝,网络剪枝技术直接作用于现有的高精度网络模型,灵活高效,根据剪枝粒度可分为滤波器级剪枝和连接级剪枝。然而,滤波器级剪枝对网络剪枝并不彻底,连接级剪枝使得剪枝后的网络模型难以收敛。为了更好地借鉴现有深度网络模型成果,本文基于滤波器级和连接级剪枝思想,提出了一种多粒度卷积神经网络剪枝框架,设计并实现了相应的训练策略,兼容了两类剪枝策略的优势;对于后者,通常需要结合具体应用需求展开,本文将人体动作识别算法中的深度模型优化后部署在新型嵌入式CPU-GPU异构计算模块(NVIDIA Jetson TX2)上,有效提升了终端节点的智能水平。本文的主要工作可以概括为以下三个方面:1.分析了网络剪枝技术中的滤波器级剪枝和连接级剪枝,针对两类方法中存在的问题,提出了一种多粒度卷积神经网络剪枝框架及与之相适应的训练策略。所提出的网络剪枝算法选用AlexNet和VGG16网络进行实验验证,实验结果表明,本文方法在较好地保持网络精度的前提下显著提高了网络的压缩率。2.提出了一种基于openpose的人体动作识别算法,制作了相应的人体关键点坐标数据集,并将算法应用到教室精品课程智能化录制系统中,通过真实场景中的教师板书动作识别实验验证了算法的正确性和有效性。3.采用多粒度卷积神经网络剪枝框架优化了本文提出的基于openpose的人体动作识别算法中的深度网络模型,并将优化后的算法移植到了嵌入式异构计算核心模块(TX2)中进行实验验证,实验结果证明,优化后的人体动作识别算法可有效满足实际的应用需求。

关键词：深度学习模型压缩网络剪枝 openpose 人体动作识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于姿态估计的自动扶梯行人安全检测系统

基于姿态估计的自动扶梯行人安全检测系统

作者：于长周东南大学

学位级别：硕士

近年来,随着中国经济的高速发展,自动扶梯逐渐成为人们生活中不可或缺的一部分。然而自动扶梯具有长时间持续运行的特点,一旦行人在使用的过程中出现跌倒等意外,自动扶梯可能会对人身造成持续的、严重的伤害。当前主要依靠人工视频监视... 详细信息

近年来,随着中国经济的高速发展,自动扶梯逐渐成为人们生活中不可或缺的一部分。然而自动扶梯具有长时间持续运行的特点,一旦行人在使用的过程中出现跌倒等意外,自动扶梯可能会对人身造成持续的、严重的伤害。当前主要依靠人工视频监视的方式进行预防,以便及早发现可能存在的危险,然而这种方式存在人力成本高、响应速度慢、误检漏检多等问题。因此,研究准确度高、实时性强、不依赖人工的自动扶梯行人安全检测系统具有重要的社会意义和应用价值。本文研究了姿态估计、目标检测与分类的相关算法,设计了一款基于姿态估计的自动扶梯行人安全检测系统。本文所做的工作如下:(1)研究并比较了各种姿态估计算法的原理与性能,选用了准确度高、处理速度快、输出模型好的openpose作为姿态检测算法。针对openpose存在的关键点信息繁杂问题,提出了一套后处理流程,包括根据置信度筛选关键点、重组关键点、剔除关键点过少的数据和关键点归一化,对于原有的数据进行了清洗工作,提高了关键点数据的科学性与有效性。在测试环境中,openpose算法的平均准确度达到88.6%,处理速度为151.1ms/帧。(2)为了降低openpose的误检率,本文提出将目标检测算法与姿态估计算法相结合的方式。通过比较各种目标检测算法的性能,本文选用了准确率高、速度快的YOLOv4算法作为目标检测算法,通过扩展数据集和重新生成先验框的方式对YOLOv4算法的模型进行改进,增强了模型对数据集的适配性,提高了算法的准确率。最终,YOLOv4算法的m AP达到了82.5%,在测试环境中,将openpose算法2.5%的误检率降至0。(3)研究并比较了多种分类算法,采用公共数据集与自制数据集相结合的方式构建了本文的数据样本集。在当前数据集下,使用实验的方式对SVM和MLP两种多分类器的算法进行测试。测试结果显示,MLP分类器的平均准确度达到90.73%,高于SVM分类器的74.69%,因此选用MLP分类器作为算法的分类方案,实现了人体姿态的分类。(4)设计与实现了基于姿态估计的自动扶梯行人安全检测系统。系统采用C/S架构,服务端使用openpose与YOLOv4算法相结合的方式实现人体关键点的高精度检测,然后使用MLP分类器对自动扶梯上检测到的人体关键点进行分类,如果发现有行人处于危险的姿态将予以报警并保存相应的图片和视频;客户端负责接收服务端的报警信息,并对报警信息进行相应的查看工作。测试结果显示,在GTX 1060的显卡下,系统对1920×1080的图片处理速度为4帧/s,对测试样本中行人姿态检测的准确率可以达到94.7%,在实时性与准确度方面都满足监控系统的要求。

关键词：自动扶梯 openpose Yolov4 MLP分类器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于计算机视觉的物流仓储人员异常行为识别

基于计算机视觉的物流仓储人员异常行为识别

作者：杨成安徽理工大学

学位级别：硕士

随着科技的快速发展,智能化技术已经渗透到各行各业中,都建成了全覆盖的监控系统,实现全方位、无死角的视频监控。通过视频可以实时的进行监视,一旦发现异常情况可以及时的处理。目前,随着人工智能的迅速发展,机器视觉在各行各业中得到... 详细信息

随着科技的快速发展,智能化技术已经渗透到各行各业中,都建成了全覆盖的监控系统,实现全方位、无死角的视频监控。通过视频可以实时的进行监视,一旦发现异常情况可以及时的处理。目前,随着人工智能的迅速发展,机器视觉在各行各业中得到了广泛的应用。本文将目标检测、姿态识别和行为分类算法结合,应用于现代物流仓储内,实现仓储人员的实时行为识别。算法通过获取监控视频实现实时的检测,不仅节约了大量的人力成本,而且当有处于跌倒或者在公共场合吸烟等异常行为时,能够及时的发现并采取相应的措施,从而使物流仓储减少人员伤害和财产损失。基于上述情况,本文以物流仓储内异常行为分析为立足点展开研究,通过深度学习算法对异常行为进行分析并得到行为类别,本文主要工作分为如下三个部分:首先,对目标检测算法进行研究,在物流仓储场景下,对监控中的目标进行实时的定位,YOLOV3在速度和精度上都有非常出色的表现,选用YOLOV3作为基础算法,在其基础上进行改进,提出了 YOLOV3-PS4。由于在物流仓储内对仓储人员的检测区别于其他多类别的检测,需要对算法进行优化达到精细化的效果,从主干网络、候选区域等多个方面对其进行优化,目的是提高对特征提取的能力以及定位能力,以适应其在物流仓储场景下的检测任务。然后,对人体姿态识别算法进行研究,在算法的选择上,openpose和Aphapose相比,Aphapose虽然具有相对较高的准确率,但是结构复杂且训练过程冗余,很大程度上影响算法的效率,而物流仓储监控需要实时的去提取骨骼关节点信息,对算法速度有着较高的要求,因此,本课题采用openpose作为基础网络。在物流仓储内有很多物流包裹和货架,与人体骨架有些相似,时常会有错检情况的发生,因此,在基于openpose的研究基础之上进行改进,实现先精准定位再进行骨架提取。最后,对行为分类算法进行研究,利用时空图卷积的变换来捕捉骨骼变换的关系,为捕捉骨架数据的特征,由于模型对局部信息特征提取能力不强,为了解决这个问题,对ST-GCN进行改进优化,添加注意力机制模块,提出AT-STGCN改进算法,增强模型的感受野,提高模型的性能。图33表5参56

关键词：仓储安全管理 YOLOV3 ST-GCN openpose 注意力机制