基于Kinect的人体姿态识别的方法与应用

发布时间：2023-03-04 13:12

　　人体姿态识别技术是人工智能和计算机视觉领域中备受关注的研究课题之一。随着Kinect系列等深度传感设备的研究和发展,其独特的深度成像技术以及骨骼关节点定位技术,对光照、纹理和色彩等因素的变化具有较强的适应性。因此基于Kinect深度传感摄像头的人体姿态识别研究得到越来越多的关注,且在众多领域有着广阔的应用前景。本文主要工作内容如下:1、分析Kinect设备的软硬件性能及核心技术,包括深度成像和骨骼跟踪。驱动Kinect 2.0设备采集并建立了人体姿态图库,该图库包括RGB、深度和人体关节点三种数据,由8类常见的人体姿态图像组成,共计3751张。2、分析基于机器学习的人体姿态识别方法,包括隐马尔科夫模型、决策树、支持向量机以及深度学习算法。通过对比算法原理和特点,选用深度学习中的卷积神经网络模型识别人体姿态图像。并重点阐述了卷积神经网络的相关理论,为之后的实验工作奠定了理论基础。3、基于本文采集的人体姿态图库,自行构建卷积神经网络模型进行实验,该模型在三组数据的八种姿态类别上的平均识别率为87.50%。在分析实验不足的基础上,采用数据增强方法对产生过拟合的RGB数据训练集进行扩充,在一定...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 深度传感设备的国内外研究现状
        1.2.2 姿态识别的国内外研究现状
        1.2.3 深度学习的国内外研究现状
    1.3 论文组织结构
    本章小结
第二章 基于Kinect的人体姿态图库构建
    2.1 Kinect设备
        2.1.1 Kinect硬件性能
        2.1.2 Kinect软件性能
        2.1.3 Kinect深度成像原理
        2.1.4 Kinect骨骼跟踪原理
    2.2 Kinect 2.0数据获取
        2.2.1 彩色数据采集
        2.2.2 深度数据采集
        2.2.3 人体骨架数据采集
    2.3 构建姿态图像库
    本章小结
第三章 人体姿态识别算法理论
    3.1 人体姿态识别的常用算法
        3.1.1 隐马尔可夫模型
        3.1.2 决策树
        3.1.3 支持向量机
        3.1.4 深度学习
    3.2 卷积神经网络
        3.2.1 人工神经网络
        3.2.2 卷积神经网络的特征
        3.2.3 卷积神经网络结构原理
        3.2.4 卷积神经网络的模型训练
        3.2.5 卷积神经网络的计算
        3.2.6 经典卷积神经网络模型
    本章小结
第四章 人体姿态识别算法仿真
    4.1 基于卷积网络的姿态识别
        4.1.1 网络模型设计
        4.1.2 实验条件
        4.1.3 模型训练与测试
        4.1.4 实验结果评估
        4.1.5 实验改进及结果分析
    4.2 基于深度卷积网络的姿态识别
        4.2.1 Inceptional-v3模型的迁移学习
        4.2.2 实验条件
        4.2.3 模型训练与测试
        4.2.4 实验结果及分析
        4.2.5 实验对比
    本章小结
第五章 人体姿态识别的GUI设计与实现
    5.1 GUI设计概述
    5.2 GUI功能设计
        5.2.1 功能组成设计
        5.2.2 功能实现设计
    5.3 GUI实现流程
        5.3.1 PyQt5环境搭建
        5.3.2 健身辅助系统的实现
    本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士学位期间发表的学术论文
致谢



本文编号：3754347