收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

面向人体姿态估计的轻量化神经网络研究

王雷  
【摘要】:在计算机视觉领域,人体姿态估计是一项基于图像或视频定位人的关节点的任务。人体姿态估计是大量重要计算机视觉任务的基础和前置任务,如动作识别、行人重定位、人机交互、行为识别、动画建模、图像检索、智能视频监控等。近几年随着深度学习技术的迅速发展,开始有学者将深度学习技术特别是卷积神经网络用于估计人体姿态,提高了人体姿态估计的准确性。然而,将基于卷积神经网络的人体姿态估计部署到实际场景也存在着一些困难。其中一个关键的问题是,由于神经网络模型具有较大的参数量和计算量,达到甚至超过目前手机等移动端的存储和计算力的上限,导致人体姿态估计应用在移动端上的落地变得困难。针对上述问题,本文研究了人体姿态估计中的卷积神经网络算法,设计了几种轻量化的网络结构,在人体姿态估计的准确度变动不大的前提下,较大程度地提升了姿态估计网络的运算速度并同时减少存储所需空间。本文的主要工作总结如下:(1)介绍了图像处理任务中常用的特征提取模块如RFB(Receptive Field Block)、HDC(Hybrid Dilated Convolution)等,并通过增加跳跃连接、更改分支设计等手段,使得该模块适宜于人体姿态估计任务,同时相较于原始的模块,新模块的关键点信息提取能力获得提升,同时也保持轻量化。(2)介绍了人体姿态估计任务中几种常用的网络如沙漏网络(Hourglass Network)、高分辨率网络(HRNet)等,并依照不同尺度信息相互融合、增加上下文语义信息、特征不断精炼的思路,设计了深度融合网络、多尺度融合网络、倒金字塔网络、编码解码网络、S形网络等人体姿态估计的网络结构。(3)在(2)中设计的网络的基础上,利用数据增强、在线困难关键点挖掘(Online Hard Keypoints Mining)等机制增强网络的鲁棒性,并在COCO Keypoint数据集测试了网络的表现,实验结果表明,所设计的网络结构在准确定位关键点的同时大大降低了计算量和存储开销,其中效果最好的深度融合网络在COCO Keypoint数据集上接近目前最好的结果。最后实际场景测试也证明了所设计的网络在复杂环境下具有良好的鲁棒性。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 卢旭;张炯华;;基于神经网络的人体姿态估计方法研究[J];软件导刊;2020年10期
2 肖贤鹏;刘理想;胡莉;张华;;基于深度图像的实时多人体姿态估计[J];传感器与微系统;2020年06期
3 彭帅;黄宏博;陈伟骏;胡志颖;袁铭阳;;基于卷积神经网络的人体姿态估计算法综述[J];北京信息科技大学学报(自然科学版);2020年03期
4 岳程宇;闫胜业;;2D人体姿态估计综述[J];现代信息科技;2020年12期
5 范冬艳;孙宪坤;王倩;;基于多级稠密块沙漏网络的人体姿态估计[J];传感器与微系统;2020年11期
6 蔡鹏;孔德慧;尹宝才;霍奕;;基于肢体调整的人体姿态估计[J];系统仿真学报;2015年10期
7 薛涛;;基于混合部件模型改进的人体姿态估计[J];信息与电脑(理论版);2020年10期
8 韩贵金;沈建冬;;二维人体姿态估计研究进展[J];西安邮电大学学报;2017年04期
9 喻东山,徐捷,孙旦晖,曾彦英,高小宁,蒋晓军;利培酮对人体姿态平衡的效应[J];中国行为医学科学;2005年03期
10 东方伊人;四种常见的人体姿态[J];现代技能开发;1996年02期
11 李崤河;刘进锋;;二维人体姿态估计研究综述[J];现代计算机;2019年22期
12 冯晓月;宋杰;;二维人体姿态估计研究进展[J];计算机科学;2020年11期
13 苏延超;艾海舟;劳世竑;;图像和视频中基于部件检测器的人体姿态估计[J];电子与信息学报;2011年06期
14 何烨林;张军;;用于人体姿态估计传感的菲涅尔透镜设计[J];应用光学;2020年03期
15 赵云霄;钱宇华;王克琪;;基于可变形卷积的多人人体姿态估计[J];模式识别与人工智能;2020年10期
16 李庆武;席淑雅;王恬;马云鹏;周亮基;;结合位姿约束与轨迹寻优的人体姿态估计[J];光学精密工程;2017年04期
中国重要会议论文全文数据库 前6条
1 罗大为;郑颖;张姗;;基于视觉的人体姿态评估方法研究与进展[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年
2 甄庆凯;陈骐;;基于RGB-D数据3D人体姿态估计综述[A];第十一届全国体育科学大会论文摘要汇编[C];2019年
3 唐轶峻;汤一平;隋成华;;基于HMMs的人体姿态图像视觉理解研究[A];浙江省光学学会第九届学术年会暨新型光电技术青年论坛论文集[C];2005年
4 路晓坚;李金娜;袁德成;Er Meng Joo;;基于SVM的人体姿态预测方法[A];第36届中国控制会议论文集(C)[C];2017年
5 董大仟;何青;杨昆;;人体振动的研究进展概述[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年
6 刘崇;赵焕彬;王海涛;;人体平衡功能评价系统的研究进展[A];第八届全国体育科学大会论文摘要汇编(一)[C];2007年
中国博士学位论文全文数据库 前15条
1 张雯晖;人体姿态估计与姿态距离度量学习方法研究[D];北京工业大学;2019年
2 赵林;面向复杂监控环境的人体运动分析方法[D];西安电子科技大学;2017年
3 张锋;基于卷积神经网络的人体姿态估计方法研究[D];电子科技大学;2020年
4 马淼;视频中人体姿态估计、跟踪与行为识别研究[D];山东大学;2017年
5 孙可;人体姿态估计的深度网络结构研究[D];中国科学技术大学;2020年
6 李弟平;基于视频的人体姿态检测与运动识别方法[D];中南大学;2012年
7 陈聪;基于人体姿态序列提取和分析的行为识别[D];华南理工大学;2012年
8 欧阳毅;单目视频中人体运动建模及姿态估计研究[D];浙江大学;2012年
9 李佳;多视角三维人体运动捕捉的研究[D];北京交通大学;2013年
10 张殿勇;基于人体模型构建的无标识运动捕捉关键技术研究[D];北京交通大学;2014年
11 叶青;无标记人体运动捕捉技术的研究[D];北京邮电大学;2014年
12 李毅;单目视频人体运动分析技术研究[D];南京大学;2013年
13 张鸣;连接刚体及人体姿态估计的理论与方法[D];上海交通大学;2011年
14 谢良;实时人体姿态行为检测识别及非刚性形貌稠密重建方法研究[D];国防科技大学;2018年
15 梁清华;动态艺术数字化中的运动捕捉关键技术研究[D];北京交通大学;2016年
中国硕士学位论文全文数据库 前20条
1 王雷;面向人体姿态估计的轻量化神经网络研究[D];浙江大学;2020年
2 张赛;基于对抗学习的人体姿态估计研究[D];中国矿业大学;2020年
3 马瑞军;基于深度学习的多人人体姿态估计[D];天津职业技术师范大学;2019年
4 胡刚;基于图结构模型的人体姿态估计研究[D];武汉理工大学;2014年
5 肖义;基于姿态聚类和候选重组的人体姿态估计[D];大连理工大学;2013年
6 孟凡辉;静态图片人体姿态估计研究[D];合肥工业大学;2012年
7 叶浩;基于关系网络的二维人体姿态回归算法研究[D];大连海事大学;2020年
8 许湘麒;基于深度学习的人体姿态估计方法研究[D];湘潭大学;2020年
9 韩利夫;基于深度学习的人体姿态估计算法研究[D];电子科技大学;2020年
10 朱靖;基于卷积神经网络的二维人体姿态估计研究[D];杭州电子科技大学;2019年
11 周亚辉;基于跨阶段深度网络的人体姿态分析[D];合肥工业大学;2019年
12 汤林;拥挤条件下的人体姿态检测算法研究[D];重庆邮电大学;2019年
13 侯珊珊;基于卷积神经网络的人体姿态估计[D];华北理工大学;2019年
14 周朋肖;基于人体姿态估计的队列评分系统的设计与实现[D];电子科技大学;2019年
15 季月鹏;基于视频人体姿态估计的高尔夫挥杆动作比对分析研究[D];南京邮电大学;2019年
16 赵昱文;基于深度学习的视频中的人体姿态估计[D];宁夏大学;2019年
17 杨川;基于深度学习的人体姿态估计技术研究[D];哈尔滨工业大学;2019年
18 程正涛;面向室外图像的人体姿态估计算法研究[D];哈尔滨工业大学;2019年
19 尹李明;基于人体姿态分析的表观视线估计方法[D];哈尔滨工业大学;2019年
20 宋兴浩;自然场景下3D人体姿态估计[D];哈尔滨工业大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978