基于深度学习的人体关节点检测算法研究

发布时间：2021-07-28 15:49

　　人体关节点检测是计算机视觉中的基础问题,在行为识别、人机交互、行人再识别等领域有着广阔的应用前景。随着深度学习的兴起,人体关节点检测算法研究取得了较大进展,但是仍然存在一些问题:检测人体位置,剔除自然场景下的背景信息,降低人体关节点坐标检测难度;建立人体关节点关系模型,提高检测精度;兼顾模型精确度与模型计算量,提高模型实用性。本文围绕上述问题展开研究。检测人体位置,剔除无用背景信息以降低关节点检测难度。对现有算法优缺点进行分析比较,选择YOLO算法作为人体检测算法框架,通过融合DenseNet网络思想、加入inception模型和时空金字塔下采样层、对损失函数的目标物体边框进行归一化,改进YOLO算法的不足之处。通过对比实验,验证改进的YOLO算法可有效去除大部分无用背景信息,提高人体位置检测准确率。基于人体关节点检测建立关节点相互关系模型。针对现有算法因未考虑不同关节点检测难度不同导致检测准确度不能进一步提高的问题,提出一种基于关节点相互验证关系的人体关节点检测算法,将意识学习法和卷积神经网络相结合,采用先易后难的渐进方式进行关节点检测,利用所建多目标意识学习网络模型在LSP数据集和... 

【文章来源】：燕山大学河北省

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

基于人体关节点检测的异常行为智能监测系统

进而促进舞姿更加标准优雅。基于人体关节点检测的体育运动姿势分析示例参见图1-2。图 1-2 基于人体关节点检测的体育运动姿势分析示例(3)人机交互在未来，人们想拥有一种更为方便快速的人机交互模式，通过外联设备、鼠标、键盘等输入设备进行人机交互的模式将逐渐被取代。然而，这需要计算机能够准确理解人体动作和人类意图，这些都是建立在计算机能够实时对人体、人手和人脸的姿势和动作进行识别分析的基础之上。例如体感游戏，微软研发了一款基于人体关节点检测的设备 Kinect，Kinect 是完全依赖深度相机进行人机互动的体感游戏产品[1-3]。Kinect 游戏示例如图 1-3 所示。图 1-3 kinect 游戏示例(4)虚拟现实虚拟现实的核心是使计算机逐渐 “适应”人，是一种新的人机交互模式，旨在通过人的视、听、触和人体、人手、头的姿势或语音来进行信息处理，进而达到

图 1-2 基于人体关节点检测的体育运动姿势分析示例)人机交互未来，人们想拥有一种更为方便快速的人机交互模式，通过外联设备、输入设备进行人机交互的模式将逐渐被取代。然而，这需要计算机能体动作和人类意图，这些都是建立在计算机能够实时对人体、人手和动作进行识别分析的基础之上。例如体感游戏，微软研发了一款基于测的设备 Kinect，Kinect 是完全依赖深度相机进行人机互动的体感游inect 游戏示例如图 1-3 所示。

【参考文献】：
期刊论文
[1]激活函数在卷积神经网络中的对比研究[J]. 田娟,李英祥,李彤岩.  计算机系统应用. 2018(07)
[2]基于卷积神经网络的随机梯度下降算法[J]. 王功鹏,段萌,牛常勇.  计算机工程与设计. 2018(02)
[3]基于混合maxout单元的卷积神经网络性能优化[J]. 赵慧珍,刘付显,李龙跃,罗畅.  通信学报. 2017(07)
[4]深度学习研究综述[J]. 尹宝才,王文通,王立春.  北京工业大学学报. 2015(01)
[5]神经网络信息传输函数Sigm oid与tanh比较论证[J]. 李曦.  武汉理工大学学报(交通科学与工程版). 2004(02)

博士论文
[1]深度学习在计算机视觉领域的若干关键技术研究[D]. 逄淑超.吉林大学 2017

硕士论文
[1]卷积神经网络算法及应用研究[D]. 赵井飞.沈阳航空航天大学 2018
[2]基于物体检测的图像检索算法[D]. 张宇.西安电子科技大学 2017
[3]基于双目图像的行人检测定位系统研究与实现[D]. 杨荣坚.西安电子科技大学 2017
[4]基于区域的卷积神经网络及其在静态目标检测方面的应用[D]. 王飞.北京邮电大学 2017



本文编号：3308197