基于深度学习的人体特征识别的研究与实现

发布时间：2020-12-03 19:46

　　随着体育运动在人们生活中的积极开展,越来越需要人体特征识别技术,该技术可以辅助运动领域的专业人员进行三维人体建模,以便分析图像中人的运动过程。同时,当今各种拍摄设备诸如手机、便携运动相机的普及促进了图像数据的蓬勃增长。因此通过计算机视觉技术,图像数据被广泛应用在人体特征识别的实际应用场景中。而且,近些年深度学习技术在计算机视觉领域取得了不小的突破,因此可以研究深度学习技术在人体特征识别上的有关应用。本论文提出了基于深度学习进行人体特征识别的相关方法,论文作者也设计和实现了一种人体特征识别系统,该系统的输入为图片,输出为图片中主体者的相应人体形体特征。在本文中,作者首先介绍了研究背景与意义,并对研究目标和内容做了说明。接着,将研究过程中涉及到的相关技术领域的工作进行了介绍。然后,对所要实现的人体特征识别系统进行了需求分析,确定系统所要完成的功能。根据需求分析,结合深度学习技术,对系统的概要设计以及功能模块划分进行说明,并完成系统的详细设计与实现。随后设计了测试用例对系统进行了白盒测试和黑盒测试,并对系统运行效果进行了分析。最后,对整个论文工作进行了总结,并且对下一步工作进行了思考与展望。... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

图２－丨自编码器的一般结构??聚类分析（Ｃｌｕｓｔｅｒ?Ａｎａｌｙｓｉｓ，ＣＡ）也是一种无监督学习方法，如图２－２所示，??

在实际使用过程中，可以依据具体使用场景〇?〇??图２－丨自编码器的一般结构??析（Ｃｌｕｓｔｅｒ?Ａｎａｌｙｓｉｓ，ＣＡ）也是一种无监督学习方法，如尝试将数据集中的为标注样本划分为若干个通常不会个子集合就称为一个簇（Ｃｌｕｓｔｅｒ），经过这样的划分之后，一些潜在的概念。但值得注意的是，这些可能的潜在概先未知的，所以这些Ｃｌｕｓｔｅｒｓ所对应的概念语义需要在断和把握。目前常用的聚类方法有基于原型的聚类、基类等。??＊＊??

２．１．２卷积神经网络??说到深度学习在计算机视觉领域的成功，不得不提到ＣＮＮ，?ＣＮＮ是一种基??于卷积操作的滑动滤波方法，特别适用于图像的处理，如图２－３所示。因为ＣＮＮ??可以提取图像当中的区域特征，而且同时可以使用多层ＣＮＮ来组合成深度神经??网络，完成特定的计算机视觉任务。在ＣＮＮ网络的浅层，可以识别图像当中的??简单特征（线条，角点等），并且随着ＣＮＮ网络层数的加深，可以逐渐识别图像??当中的复杂特征，正是基于这种理论，计算机视觉领域中才发展出如今如此强大??的深度神经网络，获得学术界的大量研宄与工业界的广泛应用。??在近些年比较优秀的网络当中，网络层数是不断加深，同时网络所耗费的计??算也不断得到优化。最初的ＡｌｅｘＮｅｔｔＭ只有不到１０层的深度，到现在的??ＤｅｎｓｅＮｅｔ［⑷则可以达到１０００层

【参考文献】：
期刊论文
[1]基于卷积神经网络的3D服用人体特征识别[J]. 敦宏丽,袁晔.  北京服装学院学报(自然科学版). 2018(03)
[2]基于随机森林算法的服装3D人体特征识别[J]. 王帅军,袁晔.  北京服装学院学报(自然科学版). 2017(03)



本文编号：2896517