【摘要】：人體的骨架提取是計算機視覺研究領域中非常重要的研究方向。隨著計算機硬件水平的日益提高、計算能力指數(shù)級的增強,使得當前在圖像處理方面有了長足的進步,因此在計算機上處理分析人體動作的需求也日漸增多。人體骨架提取技術是分析行為動作的基礎,此技術具有非常重要的實際應用價值,如在監(jiān)控領域希望預先判斷出一個人的動作是否具有危險性;在體育、舞蹈等領域希望通過計算機進行人體動作打分來作為比賽參考標準。近年來,隨著大數(shù)據(jù)與人工智能的發(fā)展,許多領域的問題轉(zhuǎn)用深度學習卷積神經(jīng)網(wǎng)絡的方法來進行研究。對于人體骨架的提取也大多由傳統(tǒng)方法轉(zhuǎn)為使用卷積神經(jīng)網(wǎng)絡的方法。在實際應用中,多人的場景大于單人的場景,多人骨架的提取更具有研究價值。本文基于卷積神經(jīng)網(wǎng)絡在靜態(tài)圖片和視頻兩個方向闡述了提取多人人體骨架的方案,具體研究內(nèi)容如下:1.在靜態(tài)圖片的多人骨架提取上,本文探討了自上而下與自底向上方法的區(qū)別,并采用自底向上的方法對圖片進行識別,在關節(jié)點特征的提取上采用熱力圖來表示人體關節(jié)點。隨后采用改進的親和域向量方法來尋找關節(jié)點之間的關系,優(yōu)化關節(jié)點之于人體的匹配。最后基于改進的殘差網(wǎng)絡作為基礎模型,采用MPII數(shù)據(jù)集上的數(shù)據(jù)進行訓練,得到識別效果。2.在基于視頻的多人骨架提取上,本文采用兩種識別方案。在第一個方案中,對于之前靜態(tài)圖片識別方案的基礎上加以改進,采用基于RNN的方法去學習幀于幀之間關節(jié)點的聯(lián)系,并探討了 RNN改進模型GRU對識別的影響,最終得到視頻的識別結(jié)果;在第二個方案中單幀圖片中采用Faster R-CNN的方法檢測人體框,并在每個人體框中檢測各個人體的骨架圖,最終使用IOU跟蹤方法尋找視頻中幀于幀之間的關系優(yōu)化識別效果。兩種方法的訓練數(shù)據(jù)集均采用PoseTrack,最終對兩者的識別率與識別效率進行對比。
【學位授予單位】：西安理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP183
【圖文】：

圖 1-1 卷積姿態(tài)機網(wǎng)絡框架Fig. 1-1 Convolution gesture machine network framework圖 1-2 Hourglass 模塊Fig. 1-2 Hourglass module長時間在單人骨架提取方案上的探索與逐漸成熟，漸漸研究的重心開始往多案上進行，而在現(xiàn)實應用中，多人的骨架提取方案更加的貼合實際，也是此際項目非常重要的因素。對于多人骨架提取主要分為自頂向下于自底向上兩016 年 Pishchulin 提出的 DeepCut[37]創(chuàng)新性的研究了多人骨架提取方案，通過法取得了良好的識別效果，接下來多篇論文[38-40]在此基礎上進行改進，在準

4圖 1-2 Hourglass 模塊Fig. 1-2 Hourglass module時間在單人骨架提取方案上的探索與逐漸成熟，漸漸研究的重心開上進行，而在現(xiàn)實應用中，多人的骨架提取方案更加的貼合實際，項目非常重要的因素。對于多人骨架提取主要分為自頂向下于自底6 年 Pishchulin 提出的 DeepCut[37]創(chuàng)新性的研究了多人骨架提取方取得了良好的識別效果，接下來多篇論文[38-40]在此基礎上進行改進取得了長足的進步。而在自頂向下領域，通過把多人提取的方案簡究也取得了很好的成果，比如 2017 年提出的局部提取方法[41]，Ma提出的級聯(lián)金字塔模型[43]等。法基本都是基于圖片去做骨架提取，而基于視頻的人體骨架提取現(xiàn)

【相似文獻】

相關期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡拐點預測法[J];金融經(jīng)濟;2017年18期

2 陳曉燕;;淺析簡單神經(jīng)網(wǎng)絡的發(fā)展及簡單模型[J];數(shù)字技術與應用;2019年05期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡大會述評[J];國際學術動態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡和行為識別[J];通訊世界;2018年12期

5 林嘉應;鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡的船舶分類模型[J];信息技術與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡的發(fā)展與應用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡的通用理論建造基石[J];世界科學;2019年04期

8 鮑偉強;陳娟;熊濤;;基于進化神經(jīng)網(wǎng)絡的短期電力負荷預測研究[J];電工技術;2019年11期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設計研究[J];數(shù)字技術與應用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡加速[J];通訊世界;2018年08期

相關會議論文 前10條

1 孫軍田;張U

本文編號：2713694