虚拟编排系统中的人员定位与动作分析
发布时间：2022-09-24 19:16
受到深度学习飞速发展的积极影响,计算机视觉技术近些年也获得迅猛的发展势头。越来越多的领域引入计算机视觉,通过愈发成熟的技术来帮助人们节省大量的人力物力,甚至在某些特定的领域取代人类去完成人类无法完成的工作。而随着其他如安防等行业在计算机视觉即使的运用上取得巨大的成功,体育和演出行业也逐渐引入计算机视觉技术。通过摄像头捕捉运动员或者演员的动作画面,分析运动员或者演员的动作标准程度,辅助运动员或者演员对动作进行校正,从而获得更好的训练效果。本文在仔细的查阅研读了大量相关的国内外文献后,总结学习了各种方法的优劣及适用场景。在此基础之上,针对中大型的舞台团体演出场景,对多人场景中的目标追踪定位及动作分析等技术方法进行深入的研究。在多目标的追踪定位中,研究分析了几种传统的追踪方法以及基于深度学习的检测方法,结合对演员动作分析的需求,利用自底向上的方法提取演员的骨架,获取演员的关节点信息。采用CaffeNet网络模型对自己设计的身份标识物进行检测识别,以实现对多目标场景中骨架与演员的匹配。对于演员的定位,采用双目视觉定位的方法:首先使用张正友棋盘标定法对相机进行标定,根据自定义的世界坐标和两路相机...
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 选题背景和研究意义
1.2 国内外研究现状
1.2.1 目标检测跟踪及定位的研究现状
1.2.2 动作分析的研究现状
1.3 论文主要研究内容
1.4 论文组织结构
第二章 基于CaffeNet的目标检测跟踪与定位
2.1 人体骨架关节点检测
2.1.1 人体骨架模型
2.1.2 关节点检测
2.1.3 人体关节点关联
2.1.4 多目标关节点级联
2.1.5 同步检测
2.2 多目标检测与识别
2.2.1 CaffeNet网络模型
2.2.2 目标检测与识别
2.3 双目视觉定位
2.3.1 摄像机标准模型
2.3.2 摄像机畸变模型
2.3.3 定位
2.4 实验及结果分析
2.4.1 目标检测与识别
2.4.2 双目视觉定位
2.5 本章小结
第三章 基于运动模型和滤波方法的目标预测跟踪
3.1 运动模型
3.1.1 CV模型和CA模型
3.1.2 Singer模型
3.2 滤波方法
3.2.1 卡尔曼滤波
3.2.2 粒子滤波
3.3 多目标跟踪测试指标
3.4 实验及结果分析
3.4.1 实验流程
3.4.2 实验数据
3.4.3 实验结果及分析
3.5 本章小结
第四章 基于人体骨架关节点和动态时间规整的动作分析
4.1 仿射变换
4.2 动作特征提取
4.3 动态时间规整
4.4 动作评价
4.5 实验及结果分析
4.5.1 实验流程
4.5.2 实验数据
4.5.3 实验结果及分析
4.6 本章小结
第五章 虚拟排演系统的设计与构架
5.1 系统配置
5.1.1 硬件配置
5.1.2 软件配置
5.2 系统架构
5.3 系统界面及说明
5.4 本章小结
第六章 工作总结与展望
6.1 论文总结
6.2 工作展望
参考文献
附录 攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]基于Faster R-CNN的无人机航拍图像小目标检测（英文）[J]. 王纪武,罗海保,鱼鹏飞,李晨阳. Journal of Measurement Science and Instrumentation. 2020(01)
[2]基于深度学习的人体骨架动作识别[J]. 邬倩,吴飞,骆立志. 电子科技. 2020(11)
[3]基于低分辨率红外阵列传感器的人体身份和动作识别[J]. 王召军,许志猛. 电气技术. 2019(11)
[4]基于惯性传感器和深度学习的上肢动作识别研究[J]. 段晨,廖福元. 国外电子测量技术. 2019(11)
[5]基于关键帧和骨骼信息的人体动作识别方法[J]. 李顺,郭星,吴建国. 传感器与微系统. 2019(11)
[6]基于K-IDPC算法的Wi-Fi室内定位方法[J]. 何洋,吴飞,贺成成,朱海,毛万葵. 传感器与微系统. 2019(11)
[7]目标跟踪算法综述[J]. 孟琭,杨旭. 自动化学报. 2019(07)
[8]基于补偿轨迹特征提取的人体动作识别模型研究[J]. 李安. 电子世界. 2018(24)
[9]采用PHOG融合特征和多类别Adaboost分类器的行为识别[J]. 马世伟,刘丽娜,傅琪,温加睿. 光学精密工程. 2018(11)
[10]基于自适应卡尔曼滤波的超宽带室内定位系统[J]. 童基均,金利剑,赵英杰,高法钦,柏雁捷. 测试技术学报. 2018(02)
硕士论文
[1]基于双目视觉的铆接件孔位测量研究应用[D]. 游秋香.西南科技大学 2019
[2]Procrustes问题的若干研究[D]. 杜克勤.浙江大学 2005
本文编号：3680714
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 选题背景和研究意义
1.2 国内外研究现状
1.2.1 目标检测跟踪及定位的研究现状
1.2.2 动作分析的研究现状
1.3 论文主要研究内容
1.4 论文组织结构
第二章 基于CaffeNet的目标检测跟踪与定位
2.1 人体骨架关节点检测
2.1.1 人体骨架模型
2.1.2 关节点检测
2.1.3 人体关节点关联
2.1.4 多目标关节点级联
2.1.5 同步检测
2.2 多目标检测与识别
2.2.1 CaffeNet网络模型
2.2.2 目标检测与识别
2.3 双目视觉定位
2.3.1 摄像机标准模型
2.3.2 摄像机畸变模型
2.3.3 定位
2.4 实验及结果分析
2.4.1 目标检测与识别
2.4.2 双目视觉定位
2.5 本章小结
第三章 基于运动模型和滤波方法的目标预测跟踪
3.1 运动模型
3.1.1 CV模型和CA模型
3.1.2 Singer模型
3.2 滤波方法
3.2.1 卡尔曼滤波
3.2.2 粒子滤波
3.3 多目标跟踪测试指标
3.4 实验及结果分析
3.4.1 实验流程
3.4.2 实验数据
3.4.3 实验结果及分析
3.5 本章小结
第四章 基于人体骨架关节点和动态时间规整的动作分析
4.1 仿射变换
4.2 动作特征提取
4.3 动态时间规整
4.4 动作评价
4.5 实验及结果分析
4.5.1 实验流程
4.5.2 实验数据
4.5.3 实验结果及分析
4.6 本章小结
第五章 虚拟排演系统的设计与构架
5.1 系统配置
5.1.1 硬件配置
5.1.2 软件配置
5.2 系统架构
5.3 系统界面及说明
5.4 本章小结
第六章 工作总结与展望
6.1 论文总结
6.2 工作展望
参考文献
附录 攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]基于Faster R-CNN的无人机航拍图像小目标检测（英文）[J]. 王纪武,罗海保,鱼鹏飞,李晨阳. Journal of Measurement Science and Instrumentation. 2020(01)
[2]基于深度学习的人体骨架动作识别[J]. 邬倩,吴飞,骆立志. 电子科技. 2020(11)
[3]基于低分辨率红外阵列传感器的人体身份和动作识别[J]. 王召军,许志猛. 电气技术. 2019(11)
[4]基于惯性传感器和深度学习的上肢动作识别研究[J]. 段晨,廖福元. 国外电子测量技术. 2019(11)
[5]基于关键帧和骨骼信息的人体动作识别方法[J]. 李顺,郭星,吴建国. 传感器与微系统. 2019(11)
[6]基于K-IDPC算法的Wi-Fi室内定位方法[J]. 何洋,吴飞,贺成成,朱海,毛万葵. 传感器与微系统. 2019(11)
[7]目标跟踪算法综述[J]. 孟琭,杨旭. 自动化学报. 2019(07)
[8]基于补偿轨迹特征提取的人体动作识别模型研究[J]. 李安. 电子世界. 2018(24)
[9]采用PHOG融合特征和多类别Adaboost分类器的行为识别[J]. 马世伟,刘丽娜,傅琪,温加睿. 光学精密工程. 2018(11)
[10]基于自适应卡尔曼滤波的超宽带室内定位系统[J]. 童基均,金利剑,赵英杰,高法钦,柏雁捷. 测试技术学报. 2018(02)
硕士论文
[1]基于双目视觉的铆接件孔位测量研究应用[D]. 游秋香.西南科技大学 2019
[2]Procrustes问题的若干研究[D]. 杜克勤.浙江大学 2005
本文编号：3680714
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3680714.html
最近更新
教材专著
