基于深度学习的人体姿态估计技术研究

发布时间：2021-01-23 18:58

　　随着近几年计算机软硬件技术的蓬勃发展,各种人机交互游戏与应用被广泛普及。人体姿势估计是众多人机交互任务的基础,它通过准确估计图像或视频信息中人体各个关节点的坐标,完成对人物的动作识别和行为分析,从而为人机交互设备提供下一步的操作数据,因此它是人机交互系统必不可少的重要部分。人体姿态估计算法可以分为传统的基于图模型的方法和现阶段的基于深度学习的方法。传统的基于图模型的方法将人体视为一系列具有强相关性的部件,使用图像结构模型来模拟人体每个组件的外观模型和组件与组件之间的空间约束,并利用图形推理的方法来最后优化一下人体各个关节的位置。这类方法的算法准确度和算法复杂度成正比,子模型空间越大,能模拟的人体姿态越多,算法的计算量和复杂度就越高。与传统方法相比,基于深度学习的方法不需要模型先验知识,却能取得更好的效果。所以本论文基于深度学习实现了两个人体姿态估计网络,主要的贡献如下所示:（1）实现的基于FPN的two-stage R-FPN网络将残差模块和转置卷积应用于特征金字塔网络得到的多尺度融合的特征之上,它们在网络层数很深和上采样倍数很大的情况下仍然能取得不错的效果,之后通过多阶段的网络设计和... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

部位模块对姿态的影响

二维卷积示意图

图 2-3 3D 卷积示意图网络中提出并践行的权重共享的卷积运算，使它与原有很大的不同。因为卷积核的第三维的维度等于输出卷积核负责计算出来的输出数据就只是一张特征图，间上的整合。这个卷积操作有多少个卷积核，输出的


本文编号：2995755