面向人体姿态估计的轻量化神经网络研究

发布时间：2021-06-10 09:13

　　在计算机视觉领域,人体姿态估计是一项基于图像或视频定位人的关节点的任务。人体姿态估计是大量重要计算机视觉任务的基础和前置任务,如动作识别、行人重定位、人机交互、行为识别、动画建模、图像检索、智能视频监控等。近几年随着深度学习技术的迅速发展,开始有学者将深度学习技术特别是卷积神经网络用于估计人体姿态,提高了人体姿态估计的准确性。然而,将基于卷积神经网络的人体姿态估计部署到实际场景也存在着一些困难。其中一个关键的问题是,由于神经网络模型具有较大的参数量和计算量,达到甚至超过目前手机等移动端的存储和计算力的上限,导致人体姿态估计应用在移动端上的落地变得困难。针对上述问题,本文研究了人体姿态估计中的卷积神经网络算法,设计了几种轻量化的网络结构,在人体姿态估计的准确度变动不大的前提下,较大程度地提升了姿态估计网络的运算速度并同时减少存储所需空间。本文的主要工作总结如下:（1）介绍了图像处理任务中常用的特征提取模块如RFB（Receptive Field Block）、HDC（Hybrid Dilated Convolution）等,并通过增加跳跃连接、更改分支设计等手段,使得该模块适宜于人体姿态... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

弹簧形变模型示意图

热图的输出也可以称之为响应,以表征该位置是关节点的概率。在本文中用的COCO2017数据库就包括了鼻子,左眼,右眼,左耳,右耳,左肩,右肩,左手肘,右手肘,左手腕,右手腕,左臀,右臀,左膝盖,右膝盖,左脚,右脚等17个关节点,将这些相邻近的关节点连接起来就得到的骨架如图2-2所示。图2-2人体姿态估计骨架示意图

人体姿态估计骨架示意图


本文编号：3222103