基于门控循环神经网络的人体姿势预测

发布时间：2024-02-26 18:51

　　人体姿势预测是计算机视觉领域里的一项非常具有挑战性的任务,它可以估计像行人这样的目标物体接下来的举动进而预测其接下来的轨迹。近些年来,人体姿势预测的应用范围越来越广泛,例如人机交互、人员跟踪及自动驾驶等。由于深度学习的进步,应用卷积神经网络或循环神经网络的人体姿势预测方法也得到了较广泛的发展。但是人体姿势预测会受到许多不确定因素的影响,例如运动速度,运动幅度,运动背景等,这些不确定因素将会引起预测的第1帧不连续而且准确预测的时间会比较短。本文针对人体姿势预测中的第1帧不连续、准确预测时长比较短以及网络结构复杂、训练困难等问题,先后分别提出了基于双向门控循环单元(Gated Recurrent Unit,GRU)网络的人体姿势预测模型(EBiGRU-D)、基于注意力机制的人体姿势预测模型(At-seq2seq)以及基于双向GRU和注意力机制的人体姿势预测模型(BiAGRU-seq2seq)。在EBiGRU-D网络模型中编码器的组成是双向GRU网络,该模型的解码器部分组成是典型的GRU网络。双向GRU网络让输入的原始数据能够从正方向和负方向分别输入到编码器中并对输入的数据进行编码操作,输入...

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图1.1姿势预测在人机交互中的应用Fig.1.1ApplicationofPosturePredictioninHuman-ComputerInteraction

第1章绪论3场景中，要求视频预测的实时性要更加严格。例如，在人机交互中，需要快速识别人体姿势并做出早期预测；在车辆辅助系统中，有必要对道路状况做出准确，快速的判断，并对行人过马路之前可能发生的状况做出决策。因此，在各种嵌入式设备中，需要同时考虑计算的复杂性和准确性。图1.1姿势预....

图2.1按时间展开的循环神经网络图

于当前时刻的输出层运算，这也就是意味着各隐藏层之间是连接在一起的。RNN网络的特征是很明显的就比如存储能力，参数共享机制还有图灵完备（Turingcompleteness）等，所以当使用该网络用于学习数据序列的非线性特征时是非常有效果的[40]。通过研究近几年来的RNN网络，可以....

图2.2沿着时间展开的双向循环神经网络Fig.2.2Bidirectionalrecurrentneuralnetworkspreadingalongtime

一有双向循环神经网络（BidirectionalRNN，Bi-RNN）[41]。由于标准的RNN网络在处理序列时，如果是按时间顺序的序列通常会忽略将来的上下文信息。为了避免这种情况，最常见的一个处理方案是在输入和目标2者间增加一个延迟，然后向网络添加一些时间步长以添加将来的上下文....

图2.3标准RNN模型

沈阳工业大学硕士学位论文14的是LSTM网络模型。根据下面2个图中的内部结构可以明显看出与标准的RNN网络相比，LSTM的网络结构有了2种改进分别是添加新的内部状态和引入了门控机制。图2.3标准RNN模型Fig.2.3StandardRNNmodel根据2.1节内容可以得知在标准....

本文编号：3911702