收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于阶梯式和多残差模块卷积神经网络的人体姿态估计方法研究

杨亚平  
【摘要】:人体姿态估计任务是确定一个输入图像中人体的各个部件,如手臂、躯干、腿部和头部等,或者各个关节点,如肘、手腕、膝盖和肩等的精确像素位置和特征信息,它是计算机视觉任务中一项基本而又具有挑战性的任务,也是一些高级视觉任务的重要基础,例如行为识别,人机交互,服装解析,行人再识别以及动作识别等,且广泛应用于自动驾驶、虚拟现实、视频监控以及动画等领域。有效的人体姿态估计方法必须能够处理一些罕见的人体姿态和具有较大肢体变化的图像,不受到服装多样化,肢体灵活性,照明条件变化和复杂背景等因素的影响,同时还能解决严重的肢体变形和人体部件或关节点被严重遮挡等具有挑战性的问题。传统的人体姿态估计大多数是基于图结构模型以及结合一些特征信息,如纹理特征,颜色直方图特征,形状上下文特征和梯度直方图特征等来构建人体的外观模型以及部件关系模型,虽然这些方法能够大致定位人体关节的位置,但容易受到复杂背景的干扰,且对于一些形变较大或受到严重遮挡的人体部件预测仍然不准确。近年来,深度学习在人体姿态估计领域中取得了突破性的进展,特别是深度卷积神经网络(DCNN)强大的学习能力吸引了越来越多的研究者,它的广泛使用为人体姿态估计方法提供了很强的非线性变换能力。为了能更有效地进行人体姿态估计,本论文对深度卷积神经网络进行了深入研究,在此基础上构建了阶梯式深度卷积神经网络用于人体姿态估计,提高了姿态估计的精度;并且针对传统的堆叠沙漏网络设计了多残差模块堆叠沙漏网络,进一步提高了人体姿态估计的精度和鲁棒性。论文的主要研究工作和成果如下:1、提出一种基于阶梯式深度卷积神经网络的人体姿态估计方法。为了提高人体姿态估计的精度和鲁棒性,该网络首先利用阶梯模块作为构建模块以探索人体姿态估计中人体各部件之间的相互依赖关系;其次,为了能够捕获更多更丰富的上下文信息,网络通过采用大卷积核的阶梯模块来增加网络输出层的有效感受野;最后,该网络通过学习每个阶梯模块最后的损失函数来强化中间监督,从而补充反向传播的梯度,有效地解决了在训练过程中梯度消失的难题。通过实验可知,所提出的基于阶梯式深度卷积神经网络的人体姿态估计方法在一定程度上提高了人体姿态估计的精度,同时也降低了遮挡问题对姿态估计的影响。2、提出一种基于多残差模块堆叠沙漏网络的人体姿态估计方法。为了进一步提高人体姿态估计的精度,并针对二维人体姿态估计中由于摄像机视图变化导致的人体各部件尺度变化问题对最终人体姿态估计精度的影响。该网络首先在传统的残差模块基础上设计了改进型残差模块;接着,为了在较大感受野内学习人体部件之间的相关性,设计了大感受野残差模块;然后,为了更好的解决由于人体各部件尺度变化问题导致的姿态估计不准确性,文中设计了多尺度残差模块。其次,将这三种残差模块作为沙漏子网络的构建模块,当分辨率较高时,采用大感受野残差模块和多尺度残差模块以捕获更大范围以及各尺度上的信息,当分辨率较低时,仅采用改进型残差模块;最后,使用四个多残差模块沙漏子网络构成最终的多残差模块堆叠沙漏网络。通过实验可知,所提出的基于多残差模块堆叠沙漏网络的人体姿态估计方法进一步提高了人体姿态估计的精度。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 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
2 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
3 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
4 东方伊人;四种常见的人体姿态[J];现代技能开发;1996年02期
5 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
6 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
7 郑毅;李凤;张丽;刘守印;;基于长短时记忆网络的人体姿态检测方法[J];计算机应用;2018年06期
8 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
9 谭冠政;叶华;陈敏杰;;基于频率筛分的无监督人体姿态特征提取与识别研究[J];测控技术;2017年09期
10 王筱兰;徐捷;喻东山;成为荣;;氯丙嗪与利培酮对人体姿态平衡效应的对照研究[J];四川精神卫生;2006年03期
11 马淼;李贻斌;;基于多级动态模型的2维人体姿态估计[J];机器人;2016年05期
12 李毅;孙正兴;陈松乐;李骞;;基于退火粒子群优化的单目视频人体姿态分析方法[J];自动化学报;2012年05期
13 汤泽胜;王兆仲;;单帧图像人体姿态估计综述[J];计算机工程与科学;2011年11期
14 喻东山,徐捷,孙旦晖,曾彦英,高小宁,蒋晓军;氯氮平对人体姿态平衡的效应[J];中国行为医学科学;2004年06期
15 李晓东 ,高 枫,陈清棠,张冬梅;人体姿态平衡仪在眩晕患者诊断中的应用[J];中风与神经疾病杂志;2002年01期
16 刘秉瀚;李振达;柯逍;;基于混合关节肢体模型的深度人体姿态估计方法[J];模式识别与人工智能;2019年02期
17 刘慧娟;赵东明;;基于人体姿态估计的用户偏好分析系统[J];天津科技;2019年04期
中国重要会议论文全文数据库 前5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 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
3 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
4 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
5 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10条
1 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
2 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
3 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
4 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
5 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
6 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
7 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
8 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
9 李毅;单目视频人体运动分析技术研究[D];南京大学;2013年
10 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
中国硕士学位论文全文数据库 前10条
1 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
2 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
3 杨亚平;基于阶梯式和多残差模块卷积神经网络的人体姿态估计方法研究[D];安徽大学;2019年
4 邓天池;基于图结构模型的二维人体姿态估计研究[D];安徽大学;2019年
5 谢子威;基于深度学习的3D人体姿态估计研究[D];北京邮电大学;2019年
6 潘峰;防老年人摔伤智能可穿戴装置研究[D];山东大学;2018年
7 刘霞;基于人体姿态的视频检索方法研究[D];辽宁大学;2018年
8 王菁;基于双向图结构信息模型的人体姿态估计研究[D];郑州大学;2018年
9 张玉立;基于卷积神经网络的人体姿态估计[D];哈尔滨工程大学;2018年
10 冯健颖;基于卷积神经网络的人体姿态估计研究[D];哈尔滨工业大学;2018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