基于显著性检测的人体姿态估计

发布时间：2021-02-12 00:04

　　人体姿态估计的目的是提取人体的关节所在的位置。研究人体姿态估计可以实现对人体进行更加精细的标注,获取人体当前的身体姿势,进行人体行为识别或动作跟踪。当前人体姿态估计系统可以分为单人姿态估计系统和多人姿态估计系统。当采用自上而下方法时,单人姿态估计系统结合人体检测器即可完成多人姿态估计任务。因此研究单人姿态估计算法的改进不仅有利于提高单人姿态估计的识别率,同样有助于提高多人姿态估计的识别率。单人姿态估计系统的核心是一个深度卷积网络,基于多尺度融合的深度网络是当前的主流网络之一。基于多尺度融合的深度网络着重关注如何将网络产生的特征图进行有效的融合。现有多尺度融合网络的尝试包括进行两个尺度或者更多尺度的融合,并取得了不错的成果。但目前的多尺度融合网络在进行尺度融合时,大部分采取的是无差异融合,忽略了不同尺度的差异性。除了多尺度融合模块,目前大部分网络在基础残差模块同样存在对图像通道进行无差异连接的问题,忽略了残差连接的设计的本质是增强深层特征。本文针对现有多尺度融合网络在隐藏层对图像特征利用不完全的问题,对单人姿态估计算法进行了改进,提出了一种基于显著性检测的新型多尺度融合网络。该网络主要有... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 主要研究内容
    1.4 论文结构
第二章 人体姿态估计系统
    2.1 人体姿态估计的定义
    2.2 人体姿态估计系统的组成
    2.3 本章小结
第三章 人体姿态估计网络
    3.1 人体姿态估计网络的基础结构
    3.2 采用多尺度融合的人体姿态估计网络
    3.3 本章小结
第四章 基于显著性检测的新型多尺度融合网络的设计
    4.1 网络残差结构的设计
        4.1.1 经典残差结构的设计
        4.1.2 基于显著性检测的新型残差结构的设计
    4.2 网络多尺度融合结构的设计
        4.2.1 经典多尺度融合结构的设计
        4.2.2 基于显著性检测的新型多尺度融合结构的设计
    4.3 网络整体结构的设计
    4.4 本章小结
第五章 实验部分
    5.1 数据库
        5.1.1 单人姿态估计数据库
        5.1.2 多人姿态估计数据库
    5.2 数据库评价准则
        5.2.1 单人数据库评价准则
        5.2.2 多人数据库评价准则
    5.3 实验平台及参数设置
    5.4 单人姿态估计实验结果
        5.4.1 关键点识别结果
        5.4.2 关键点识别难易程度分析
        5.4.3 显著性检测模块的训练结果
    5.5 多人姿态估计实验结果
        5.5.1 关键点识别结果
        5.5.2 显著性检测模块的训练结果
    5.6 模型可能发生失败的情况
    5.7 实验代价
    5.8 训练速度
    5.9 本章小结
第六章 结论
    6.1 研究内容总结
    6.2 发展方向
致谢
参考文献
附录 COCO数据集更多实验结果展示
在学期间取得的与学位论文相关的研究成果



本文编号：3029925