基于深度学习的人体特征点定位算法研究

发布时间：2021-12-23 01:08

　　人体特征点定位算法是计算机视觉领域中一个非常重要的分支,在人机交互、影音娱乐、美颜相机中具有广泛应用场景。本文研究的人体特征点包括人脸特征点和人体关节点。为了让人体特征点在计算资源有限的设备上准确快速的定位,本文提出了两种基于深度学习的人体特征点定位算法。首先在人脸特征点定位算法中,本文提出基于Inception结构的卷积神经网络代替多级联神经网络结构,有效降低了运算量;为了提升网络的准确率,使用多分支结构增加网络宽度,并引入了残差结构,进而实现人脸特征点的快速准确定位。其次在人体姿态估计算法中,本文将深度可分离卷积与沙漏型网络结构相结合,这种组合方式能够极大降低网络的参数量,从而提升人体姿态估计的速度。为了减少空间信息的损失,本文使用热力图作为神经网络的输出,这种结构能够有效提升定位的精度。为提高人脸特征点的定位速度,本文提出一种基于Inception结构的特征点定位方法。该方法取消了传统的多级联结构,采用一个更宽更深的神经网络实现人脸特征点的定位,从而大大提升神经网络的运算速度。为了弥补单个神经网络带来的误差问题,本文设计出一种基于Inception结构的模块。该模块首先使用多个卷... 

【文章来源】：南京信息工程大学江苏省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

人脸特征点分布图

代表性的特征点如图 2-2 所（0）、脖子（1）、左肩（2）胸部（8）、臀部（9）、左臀4）、右脚（15）。本文将相邻的特征点相连接视为刚体。特征点和骨骼结何关节。一种算法，当输入一张人体体关节点的位置。人体, i), … (xK, yK, )]T来表示，特征点； i表示第 i 个关节点点标记了但被遮挡了， i= 2输入，若数据集中有特征点未

在目标跟踪、图片分类、物体识别和图像分割等领域取得了较大突破。近些年，基于卷积神经网络的特征点算法因其优异的性能逐渐成为特征点定位算法中的主流。为了提高特征点定位算法的精度，基于级联结构的卷积神经网络得到了广泛的应用。下面介绍了基于级联结构的通用网络框架，以及目前流行的人脸特征点和人体姿态估计的神经网络框架。2.3.1 基于级联结构的网络框架级联结构的主要思想是将回归任务中的相同或不同的计算过程串联在一起，逐渐地逼近目标真实值[5]。基于级联结构的卷积神经网络是将级联结构与卷积神经网络进行整合，该方法首先使用一张较低分辨率的图片送入卷积神经网络中，快速的定位出人体特征点的初始位置；然后在初始位置选取图片的局部信息，使用更高分辨率的局部信息送入下一个阶段的网络，得到微调的特征点位置；通过多个阶段的网络回归最终确定人体特征点的坐标位置。

【参考文献】：
博士论文
[1]视频中人体姿态估计、跟踪与行为识别研究[D]. 马淼.山东大学 2017
[2]基于空间和物体的视觉注意计算方法及实验研究[D]. 窦燕.燕山大学 2010

硕士论文
[1]人脸特征点定位方法的研究[D]. 卢青.中国科学技术大学 2018
[2]MobileNet压缩模型的研究与优化[D]. 陈方.华中师范大学 2018
[3]基于卷积神经网络的人体姿态估计[D]. 张玉立.哈尔滨工程大学 2018



本文编号：3547470