基于深度学习的人体骨架动作识别
发布时间：2021-08-20 06:16
随着现代信息技术的发展,视频信息获取设备得到广泛应用。基于图像、视频和骨架等数据集的计算机视觉研究得到快速发展。特别基于深度学习方法的人体动作识别逐渐成为计算机视觉领域的研究热点,在自动驾驶、手势控制和人机交互等领域具有广泛的应用价值。基于骨架数据集的人体动作识别相比于视频图像人体行为识别方法鲁棒性强,不受光照、遮挡和背景颜色混入等因素影响。越来越多的研究者投入到基于人体骨架数据的动作识别当中并取得了显著的成果。本文基于深度学习的人体骨架数据提出三种不同的模型:基于双流卷积神经网络的网络模型、基于卷积和循环神经网络相结合的模型和基于多流卷积神经网络的模型。（1）针对传统卷积神经网络模型动作信息提取不充分的问题,本文根据双流结构思想,提出基于双流卷积神经网络的人体骨架动作识别网络模型。原始骨架序列作为一支流的输入数据,注意力机制增强骨架序列或骨架时域差分序列作为另一支流的输入数据。双流卷积神经网络从两支流输入数据中充分提取动作特征信息,并选择合适的融合方式进行特征融合,证明双流特征融合的卷积网络模型对于检测结果的提升具有很大的帮助。（2）针对循环神经网络过度关注骨架的时间依赖关系,但对空...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【图文】：
深度学习研究领域
硕士学位论文2研究以人为中心对象的计算机视觉技术相关领域主要包括：人体动作识别、人体运动分析、人员检测与跟踪等。早在语言产生之前，远古人类通过简单的肢体动作和声音等进行群体简单沟通与协作，维持正常的生产生活。心理学家研究表明人体动作在沟通中占有重要的比重[1]。上世纪开始，语音识别和自然语言处理取得快速发展，目前随着人工智能以及计算机技术的成熟，在对话机器人、文本理解和推理、情感分析等学习生活中得到广泛应用。相对于语音识别和自然语言处理方面，人体动作识别作为一种全新的技术，主要通过肢体语方式即姿态和动作来传达信息。人体动作识别作为人体行为预测和跟踪的基础，同时也是计算机视觉领域的重要研究内容，在智能监控、国防安全、人机交互、公共安全、生产安全等各领域具有广泛的应用前景。例如在工厂、机场和车站等嘈杂的户外环境中，采用人体姿态、手势等人机交互方式能够获得比语音更准确的信息输入。人体动作识别广泛应用前景如下图1-2所示。图1-2人体动作识别未来应用场景Figure1-2Humanactionrecognitionfutureapplicationscenarios近年来虽然人体行为识别在计算机视觉领域研究取得了飞速发展，但限于行为表现、环境和时间等各种差异性，人体动作识别和检测[2][3]仍是计算机视觉中一项基础且具有挑战性的任务。例如基于RGB视频帧序列的人体识别技术和检测准确率得到很大的提高和显著的研究成果。但由于人体动作的灵活多样性，受到光照明暗条件，图片尺寸大孝拍摄角度、颜色及遮挡、缺乏三维空间信息等
1绪论3不可避免因素的影响，使得目前人体动作识别面临重要挑战和难题。如下图1-3所示，不同环境对人物识别的影响。（a）运动速度（b）光照强度（c）背景色混入（d）拍摄角度（e）肢体形状（f）遮挡图1-3人体识别的影响因素Figure1-3Influencingfactorsofhumanrecognition此外人体动作识别在运动分析、人机交互、智能监控和视频检索等领域逐渐实现了应用，未来具有巨大的应用需求和广泛的应用前景。人体动作识别作为计算机视觉领域的研究热点，同时也是人体行为预测和人员跟踪的基础，近年来在无人驾驶、手势识别、人机交互、游戏控制和机器人视觉等领域得到广泛应用。（a）自动驾驶（b）手势控制（c）人机交互（d）机器人视觉图1-4人体动作识别的应用Figure1-4Applicationofhumanactionrecognition（1）自动驾驶，如图1-4（a）中所示。自动汽车驾驶（Autonomousvehicles）也称为无人驾驶，通过智能系统实现无人驾驶功能。目前随着计算机视觉和深度学习技术的发展，近年来正逐渐实现实用化。我国每年80%以上的交通事故是由
【参考文献】：
期刊论文
[1]基于图卷积的骨架行为识别[J]. 董安,左劼,孙频捷. 现代计算机. 2020(02)
[2]基于深度学习的人体行为识别[J]. 樊恒,徐俊,邓勇,向金海. 武汉大学学报(信息科学版). 2016(04)
本文编号：3352979
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【图文】：
深度学习研究领域
硕士学位论文2研究以人为中心对象的计算机视觉技术相关领域主要包括：人体动作识别、人体运动分析、人员检测与跟踪等。早在语言产生之前，远古人类通过简单的肢体动作和声音等进行群体简单沟通与协作，维持正常的生产生活。心理学家研究表明人体动作在沟通中占有重要的比重[1]。上世纪开始，语音识别和自然语言处理取得快速发展，目前随着人工智能以及计算机技术的成熟，在对话机器人、文本理解和推理、情感分析等学习生活中得到广泛应用。相对于语音识别和自然语言处理方面，人体动作识别作为一种全新的技术，主要通过肢体语方式即姿态和动作来传达信息。人体动作识别作为人体行为预测和跟踪的基础，同时也是计算机视觉领域的重要研究内容，在智能监控、国防安全、人机交互、公共安全、生产安全等各领域具有广泛的应用前景。例如在工厂、机场和车站等嘈杂的户外环境中，采用人体姿态、手势等人机交互方式能够获得比语音更准确的信息输入。人体动作识别广泛应用前景如下图1-2所示。图1-2人体动作识别未来应用场景Figure1-2Humanactionrecognitionfutureapplicationscenarios近年来虽然人体行为识别在计算机视觉领域研究取得了飞速发展，但限于行为表现、环境和时间等各种差异性，人体动作识别和检测[2][3]仍是计算机视觉中一项基础且具有挑战性的任务。例如基于RGB视频帧序列的人体识别技术和检测准确率得到很大的提高和显著的研究成果。但由于人体动作的灵活多样性，受到光照明暗条件，图片尺寸大孝拍摄角度、颜色及遮挡、缺乏三维空间信息等
1绪论3不可避免因素的影响，使得目前人体动作识别面临重要挑战和难题。如下图1-3所示，不同环境对人物识别的影响。（a）运动速度（b）光照强度（c）背景色混入（d）拍摄角度（e）肢体形状（f）遮挡图1-3人体识别的影响因素Figure1-3Influencingfactorsofhumanrecognition此外人体动作识别在运动分析、人机交互、智能监控和视频检索等领域逐渐实现了应用，未来具有巨大的应用需求和广泛的应用前景。人体动作识别作为计算机视觉领域的研究热点，同时也是人体行为预测和人员跟踪的基础，近年来在无人驾驶、手势识别、人机交互、游戏控制和机器人视觉等领域得到广泛应用。（a）自动驾驶（b）手势控制（c）人机交互（d）机器人视觉图1-4人体动作识别的应用Figure1-4Applicationofhumanactionrecognition（1）自动驾驶，如图1-4（a）中所示。自动汽车驾驶（Autonomousvehicles）也称为无人驾驶，通过智能系统实现无人驾驶功能。目前随着计算机视觉和深度学习技术的发展，近年来正逐渐实现实用化。我国每年80%以上的交通事故是由
【参考文献】：
期刊论文
[1]基于图卷积的骨架行为识别[J]. 董安,左劼,孙频捷. 现代计算机. 2020(02)
[2]基于深度学习的人体行为识别[J]. 樊恒,徐俊,邓勇,向金海. 武汉大学学报(信息科学版). 2016(04)
本文编号：3352979
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3352979.html
