基于Kinect传感器的坐姿识别软件设计及实现

发布时间：2021-12-10 19:00

　　随着社会的发展与进步,人们的办公强度与学习强度与日俱增,久坐将会是一种工作、学习的常态。而医学表明,久坐以及不良的坐姿会损坏身体健康。因此,有效的检测人的坐姿并预警不良坐姿将会具有非常实际的意义。目前,坐姿识别主要以单类特征为主,并且大部分论文仅处于算法研究阶段,本课题将从实际应用出发,针对坐姿识别难以实际应用的问题,实现可以使用的坐姿识别软件,基于Kinect传感器,采用成熟的OpenCV图像处理库和卷积神经网络,进行深度图像采集、处理、训练与识别。本软件的特点与优势有:可以添加任何一种坐姿,而不用考虑如何提取特征。Kinect作为被动传感器,对用户的影响非常小。系统主要由3个模块组成:图像采集模块、图像预处理模块和坐姿识别模块。本课题将这3个模块分别实现在3个程序中,降低各个程序的开发复杂度,提高调试效率。这三个程序分别是采集程序、训练程序和识别程序:（1）采集程序使用C#语言及微软的WPF用户界面框架来实现UI界面,界面包含功能按钮和图像的预览窗口。该程序通过Kinect for Windows SDK 2.0获取Kinect传感器的深度图像数据、人体编号遮罩数据。通过对界面编写... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

感受野示意图

图 2-2 卷积神经网络中卷积层+池化层的基本结构示的是卷积神经网络中最基础的一种结构,输入首激活层做非线性变换。换句话说，卷积本身也可偏置项,这种放射变换+非线性变换的操作其实就种特殊情况。所以相对来说更特殊一点的是激活稍微深入一些来分别讨论卷积层和池化层。特征响应图度学习框架[31-33]中,有的卷积实现就是卷积,而有相关在本质上和卷积并无不同只是顺序相反,并卷积核在视觉上更加直观,理解起来也更容易,所是用的互相关。在深度学习中,我们把和卷积核做应图( feature map),从名字上理解,如果认为卷积核的结果就是输入对这种特征的响应。下面来看一

图像对不同朝向的Gabor卷积核的响应图

【参考文献】：
期刊论文
[1]网络不良图片识别技术研究[J]. 王宏宇.  电脑知识与技术. 2018(12)
[2]基于深度图像的嵌入式人体坐姿检测系统的实现[J]. 曾星,罗武胜,孙备,鲁琴,刘涛诚.  计算机测量与控制. 2017(09)
[3]基于PCA的坐姿行为识别[J]. 武松林,崔荣一.  计算机应用研究. 2010(07)
[4]机器学习的主要策略综述[J]. 闫友彪,陈元琰.  计算机应用研究. 2004(07)
[5]图像分割的阈值法综述[J]. 韩思奇,王蕾.  系统工程与电子技术. 2002(06)

硕士论文
[1]基于机器学习的坐姿监测系统的设计与实现[D]. 周钰.浙江大学 2018
[2]卷积神经网络图像分类应用研究[D]. 柯小龙.深圳大学 2017
[3]基于TensorFlow的卷积神经网络的应用研究[D]. 姜新猛.华中师范大学 2017
[4]基于卷积神经网络的图像分类方法研究[D]. 朱芸芸.北京交通大学 2016
[5]一种基于kinect深度传感器的点云拼接算法研究[D]. 袁晓菲.辽宁大学 2016
[6]基于深度图像和骨骼数据的人体动作识别[D]. 徐海宁.郑州大学 2016
[7]基于Kinect的办公健康分析系统的设计与实现[D]. 马叶涵.哈尔滨工业大学 2015
[8]基于深度图像的手势识别研究及应用[D]. 范文婕.南昌大学 2015
[9]基于卷积神经网络的图像分类技术研究[D]. 楚敏南.湘潭大学 2015
[10]基于WPF的节奏训练软件的设计与实现[D]. 葛静.华中师范大学 2015



本文编号：3533212