基于深度学习的实时姿态识别与人物动画生成

发布时间：2024-05-31 01:37

　　对人体进行姿态识别并在此基础上实现人物动画生成,是计算机图形学领域的重要研究内容,其首先以图像作为输入,提取其中的人体姿态,并转化为抽象的姿态数据结构,随后以转化得到的数据集为基础,在运行时根据输入产生需要的人物动画。在较低成本的设备上实现该目标的传统算法在精度上不尽人意,因此随着深度学习技术的发展,越来越多的研究者开始尝试使用深度神经网络实现这一任务,然而该任务依然面临精确度和速度等方面的挑战。本文以深度学习实现姿态识别和人物动画生成为研究课题,并着重研究了如何构筑合理的神经网络结构以达成高性能、高准确度的目标,并进一步阐述了如何在对运行速度要求较高的动画生成部分进行特定性加速。本文的主要创新体现在针对2D和3D姿态提取任务设计的2个全新的神经网络结构,以及对应的面向GPU的加速方案。并通过和相关工作的比较,证实了本文所述设计的实际效果。本文的主要工作如下:1.基于深度卷积神经网络实现的实时2D姿态识别系统。该系统能够对输入图像中的多人的姿态进行识别,并输出2D的标记点。整个系统能够在384的分辨率下在主流GPU上达到实时的运行速度2.进一步地,在2D姿态识别系统的设计思想基础上,进...

【文章页数】：108 页

【学位级别】：硕士

【部分图文】：

图2-3ReLU激活函数

第二章基础理论和相关技术112.1.1.2神经网络模型的数学推导图2-2两种主流激活函数的形态图对于每个输入与对应权重的乘积，就是上述中从其他神经元传来的神经冲动，将他们求和，产生的结果如果超过阈值，即产生新的神经冲动，在数学上用激活函数来实现这个功能，常用的激活函数有sigmo....

图2-2两种主流激活函数的形态图

第二章基础理论和相关技术112.1.1.2神经网络模型的数学推导图2-2两种主流激活函数的形态图对于每个输入与对应权重的乘积，就是上述中从其他神经元传来的神经冲动，将他们求和，产生的结果如果超过阈值，即产生新的神经冲动，在数学上用激活函数来实现这个功能，常用的激活函数有sigmo....

图2-4LeakyReLU激活函数

电子科技大学硕士学位论文12ReLU做简单的介绍，并阐述采用该函数的理论依据。如上图所示，线性整流函数ReLU（RectifiedLinearUnit），是深度学习领域最具代表性的激活函数之一，它具有加速网络收敛，缓解梯度消失的作用。采用ReLU而不采用传统的激活函数如Sigmo....

图2-5AlexNet卷积神经网络的结构

明是提高卷积神经网络精度，降低其复杂度的重要手段。2.1.3著名的深度卷积神经网络结构近年来，由于卷积神经网络带来的巨大影响，各领域的研究者都对卷积神经网络的发展进行了大量的精力投入，与之想对应的是各种优秀神经网络架构的产生与大量使用。在吸取了一系列现有的优秀神经网络架构....

本文编号：3984957