基于卷积神经网络的人体姿态估计系统研究与实现

发布时间：2021-10-23 09:34

　　人体姿态估计是实现动作识别和人机交互的关键技术,在多人场景中需要同时检测出各人体的各关键点位置信息,灵活的卷积神经网络架构显著提高了这一检测任务的准确度。本文针对网络架构中大卷积核和多尺度融合两关键因素,提出了一种融合多尺度特征的多阶段级联的卷积神经网络架构,第一阶段在小块区域中可以粗略估计人体部位的位置和部位之间的关联度,后续阶段可以在更大区域中进一步精细化姿态估计的结果。为此论文主要完成了以下工作:（1）针对多人姿态估计场景,提出了一种多尺度特征融合的多阶段级联的卷积神经网络架构,以热度图回归坐标的方式构建了真实关键点检测置信图;以PAF方法构建了真实关键点关联置信图,并完成该网络模型的训练。（2）基于训练完成的模型,对数据增强后的图片预测其关键点检测置信图和关联置信图,可视化该预测结果后测试模型的学习效果,并在COCO2017验证集上评估模型的准确度。实验中采用4种不同尺度的图片,利用关键点检测器和关联器分别得到图片中人体的关键点检测置信图和关联置信图,可视化部位的置信度和部位之间的关联度,观察到同一人体在不同图片中的响应值不同,因此在测试中应增加数据的多样性提高模型的检测效果。... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

FasterR-CNN的网络结构

第二章 人体姿态估计方法概述（2）SSD相比两阶段的目标检测算法，SSD 完全移除候选框生成和后续像素或特征重采样阶段，使所有计算在单一网络框架下完成。SSD 主要提出多尺度特征，并在每一特征图上根据aspectratio设计一系列的defaultboxes，使得网络能同时预测相对于defaultboxes 的偏移量和目标是否出现在边框中的得分。SSD 利用多层特征图的输出来分类和回归，因需要在多层特征图上产生 prior box，利用 prior box 和真实边框按照 IOU值选出正负样本，并用选出的正样本和真实边框设计边框偏移量，这一过程会产生大量的负样本，造成训练样本比例不平衡，导致模型精度偏低。SSD 网络的结构如图 2.2所示。

图2.3 CPM 的网络结构（2）Stacked HourglassStackedHourglass 是目前专门针对人体姿态估计任务设计的一种新颖的卷积网络架构，其中 Hourglass 是一个结构对称的单元网络模块，拥有从底层语义信息到高层语义信息，再由高层语义信息到底层语义信息的过程，能够捕获多尺度的语义信息，同时建模人体部位的空间关系。Stacked Hourglass 网络架构是叠加多个 Hourglass 模块，每个 Hourglass 模块使用中间监督方法提高网络学习能力，并通过热度图回归坐标。Hourglass 网络的结构如图 2.4 所示。

【参考文献】：
期刊论文
[1]二维人体姿态估计研究进展[J]. 韩贵金,沈建冬.  西安邮电大学学报. 2017(04)



本文编号：3452947