快速姿态估计与人体解析算法研究

发布时间：2021-01-17 22:35

　　姿态估计及人体解析是图像与视频分析领域中人体高层行为理解的基础,在共融式人机交互、智能安防、时尚娱乐等领域拥有广泛的应用前景。目前基于静态图像的姿态估计算法和人体解析算法应用广泛,但静态图像无法描述运动人体的时空关系信息,因此基于视频的姿态估计及人体解析算法成为新的研究热点。该文在国内外相关研究的基础上,探讨视频序列中时空关系建模及冗余信息快速处理方法,进而对姿态估计与人体解析的快速处理算法讨论研究。针对视频人物的姿态估计问题,该文提出结合光流与多尺度融合卷积网络结构的方法,快速处理视频信息并对运动模糊、人体自遮挡等特殊情况进行讨论。鉴于视频帧间存在的时空相关性,该文设计自适应关键帧检测算法将视频帧分成关键信息和冗余信息两部分,之后用深度卷积的方法处理关键帧,通过聚类分析、光流传递算法对漏检错检的关键点重新检测定位。最后利用光流法传递关键帧信息,预测得到非关键帧的关键点位置,从而得到完整的人体姿态估计序列。基于Human3.6M数据集建立自制数据集并设计对比试验,实验证明该文系统有效平衡算法运算精度与时间复杂度。针对视频人体解析问题,该文提出结合光流与特征融合卷积网络结构的方法,对视频... 

【文章来源】：燕山大学河北省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

前向映射扭曲逆向映射扭曲算法是一种反向映射的方法

图 2-1 前向映射扭曲映射扭曲算法是一种反向映射的方法。即，已知两张图像坐标位算其逆向映射函数。针对扭曲转换图像的每个新坐标点( x , y )，用, y )，v ( x , y )逐个寻找其在原图像上对应的位置 u ,v 。根据像素的 f u ,v ，捕获新图像像素值，如图 2-2 所示。若逆向映射函数计,v)不在格子上，用插值的方法计算该位置的像素值。值法射变换和图像扭曲等图像变换过程中，需要将源图的灰度值按照标图像中，由于映射函数计算后常常会得到浮点数坐标，因此利素点在目标图的具体位置。插值法广泛应用于图像放大缩小、仿方法中。常用方法有两种：最邻近插值法和双线性插值法。

燕山大学工学硕士学位论文2.5.1 U-Net 卷积网络模型FCN 作为图像语义分割的开山之作，至今仍在沿用。U-Net[43]出自 2015 年的MICCAI，同样是在 FCN 的基础上进行改进。在传统图像处理对输入图像进行的编码和解码的思路基础上，U-Net 将网络前半段特征提取部分的局部特征与后半段上采样过程得到的全局特征相融合，从而保留前方下采样的特征信息，避免图像像素精度的不可逆丢失，至今依然是炙手可热的经典网络。如图 2-3 所示为 U-Net 网络结构，由于其网络结构如同“U”字型，故得名 U-Net。

【参考文献】：
期刊论文
[1]结合遮挡级别的人体姿态估计方法[J]. 代钦,石祥滨,乔建忠,刘芳,张德园.  计算机辅助设计与图形学学报. 2017(02)
[2]视频中旋转与尺度不变的人体分割方法[J]. 薄一航,HAO Jiang.  自动化学报. 2017(10)
[3]一种基于加权时空上下文的鲁棒视觉跟踪算法[J]. 徐建强,陆耀.  自动化学报. 2015(11)
[4]一种基于关节点信息的人体行为识别新方法[J]. 田国会,尹建芹,韩旭,于静.  机器人. 2014(03)



本文编号：2983718