基于神经网络的人体动作识别系统

发布时间：2021-05-06 06:21

　　在这个快速发展的时代,计算机智能的应用在我们的日常生活中处处存在。其中,基于视频的研究在计算机智能领域中受到越来越多的重视。在交互、智能计算遍布的情况下,高效的人机交互在我们的日常生活中发挥着极其重要的作用,动作识别在视频研究中是一个非常重要的任务。现如今流行的体感游戏以及智能监控系统,都与动作识别有着很密切的关系,因而从视频中识别人体的动作有着很广泛的应用前景。综上所述,如今对动作识别的研究中,一部分是对动作识别方法本身的研究,力求通过更简便、计算量更少的方法使动作识别能够识别出更精准的结果;另一部分是对基于动作识别的应用的研究。由此,本文借助普通的摄像头以及Python编程平台设计了一个实时的人体动作识别系统,通过识别使用者的动作以统计其身体运动量。通过将三维人体姿态概率模型与一个多层的卷积神经网络（CNN）架构相结合,得到三维的人体姿态估计。由此获得身体每个关节点的三维位置信息。通过计算运动的每个关节之间的距离与它们的初始值之间的比例定义不同的动作,以达到识别动作的目的。然后,基于动作识别,并结合运动消耗量与人的身高、体重、年龄、运动后的心率和运动时间之间的关系统计人体的运动量。... 

【文章来源】：山东师范大学山东省

【文章页数】：43 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRCT
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状与趋势
    1.3 主要工作
        1.3.1 基于Kinect的人体动作识别
        1.3.2 基于AForge.NET框架的人体动作识别
        1.3.3 本文主要工作及创新点
    1.4 论文结构
    1.5 本章小结
第二章 人体动作识别技术
    2.1 概述
        2.1.1 单流网络
        2.1.2 双流网络
    2.2 相关动作识别方法
        2.2.1 LRCN
        2.2.2 C3D
        2.2.3 双流融合
        2.2.4 时间敏感网络（TSN）
    2.3 动作识别应用系统
    2.4 本章小结
第三章 基于CNN的人体动作识别
    3.1 三维姿态估计网络结构
        3.1.1 基于CNN预测的映射
        3.1.2 将二维映射提升至三维
        3.1.3 投影的二维姿态映射
        3.1.4 二维融合层
    3.2 人体姿态的概率三维模型
    3.3 三维人体姿态的多模态模型
    3.4 识别动作
    3.5 本章小结
第四章 基于动作识别的运动量统计
    4.1 功能设计
    4.2 功能实现
    4.3 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间的主要成果
致谢


【参考文献】：
期刊论文
[1]面向家庭服务的人体动作识别[J]. 尹建芹,田国会,姜海涛,周风余.  四川大学学报(工程科学版). 2011(04)
[2]智能视觉监控技术研究进展[J]. 王素玉,沈兰荪.  中国图象图形学报. 2007(09)

硕士论文
[1]家庭环境下人的行为理解系统研究[D]. 吉艳青.山东大学 2009



本文编号：3171412