近年來(lái),隨著人們水平的提高,人們?cè)絹?lái)越注重體育運(yùn)動(dòng)。而傳統(tǒng)的體育運(yùn)動(dòng)訓(xùn)練主要還是依靠教練的訓(xùn)練方法,而且教練資源少,一對(duì)一或者一對(duì)多的教練面授訓(xùn)練成本也高,因此目前主要還是依靠運(yùn)動(dòng)捕捉系統(tǒng)或者攜帶傳感器等方式來(lái)進(jìn)行運(yùn)動(dòng)參數(shù)采集,這樣的方式不僅給運(yùn)動(dòng)員造成一定程度上的不便,也阻礙了智能運(yùn)動(dòng)的發(fā)展,而基于計(jì)算機(jī)視覺(jué)的智能運(yùn)動(dòng)可以解決這些問(wèn)題。為此,本文針對(duì)高爾夫揮桿視頻提出了一種基于視頻的人體姿態(tài)估計(jì)算法和一種基于人體姿態(tài)估計(jì)的高爾夫揮桿動(dòng)作比對(duì)分析算法。針對(duì)OpenPose的不足,提出了一種基于視頻的人體姿態(tài)估計(jì)算法,該方法首先通過(guò)OpenPose算法進(jìn)行靜態(tài)圖像人體姿態(tài)估計(jì),然后基于幀間姿態(tài)距離度量建立人體跟蹤,并對(duì)圖片進(jìn)行超像素分割,確定骨骼關(guān)節(jié)點(diǎn)所在超像素,并將超像素與以關(guān)節(jié)點(diǎn)為中心的方框的交集區(qū)域作為最小粒度,接著通過(guò)前向后向搜索較優(yōu)關(guān)節(jié)點(diǎn),基于光流與人體運(yùn)動(dòng)連續(xù)性建立候選關(guān)節(jié)點(diǎn)集和參考關(guān)節(jié)點(diǎn),最后,為每一幀圖像中置信度較低的關(guān)鍵點(diǎn)生成較優(yōu)的候選關(guān)鍵點(diǎn),通過(guò)重組這些身體部位為每一幀圖像生成最優(yōu)的全局人體姿態(tài)。本章提出的視頻人體姿態(tài)估計(jì)方法在PoseTrack數(shù)據(jù)庫(kù)上表現(xiàn)出了很好的... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

CPM的網(wǎng)絡(luò)框架圖

用卷積神經(jīng)網(wǎng)絡(luò)，CPM 的主要網(wǎng)絡(luò)結(jié)構(gòu)分為多個(gè)階段，其中第一個(gè)階段會(huì)節(jié)點(diǎn)的檢測(cè)效果，在后續(xù)幾個(gè)階段中，把前一個(gè)階段的預(yù)測(cè)輸出和從原圖一個(gè)階段的輸入，進(jìn)一步提高關(guān)鍵點(diǎn)的檢測(cè)效果。具體網(wǎng)絡(luò)框架圖如圖 1.M 將各肢體之間的空間約束關(guān)系通過(guò)用各肢體的響應(yīng)圖來(lái)表征，并把響應(yīng)圖一樣在網(wǎng)絡(luò)中傳遞。人體骨骼關(guān)節(jié)點(diǎn)在空間上的先驗(yàn)分布會(huì)指導(dǎo)網(wǎng)絡(luò)的學(xué)段的預(yù)測(cè)結(jié)果中右肩關(guān)節(jié)點(diǎn)的預(yù)測(cè)結(jié)果是正確的，而右肘關(guān)節(jié)點(diǎn)的預(yù)測(cè)是下來(lái)的階段中肩和肘在空間上的先驗(yàn)分布會(huì)指導(dǎo)網(wǎng)絡(luò)的學(xué)習(xí)。圖 1.2 所示，CPM 通過(guò)使用多階段監(jiān)督的方式來(lái)避免可能會(huì)出現(xiàn)的網(wǎng)絡(luò)太化的情況，為此，在每個(gè)階段的輸出都應(yīng)用了損失函數(shù)，而且感受野隨著增大，最后值得一提的是第一階段對(duì)原圖提取特征的網(wǎng)絡(luò)區(qū)別于其他非第網(wǎng)絡(luò)，因?yàn)榈谝粋�(gè)階段網(wǎng)絡(luò)的作用是預(yù)測(cè)初步的結(jié)果，而后幾個(gè)階段的作間先驗(yàn)知識(shí)和對(duì)原圖提取的特征對(duì)上一個(gè)階段預(yù)測(cè)的結(jié)果做進(jìn)一步精化。

圖 1.3 Cascaded Pyramid Network 網(wǎng)絡(luò)結(jié)構(gòu)圖[5]（3）自下而上自下而上（Bottom-Up）的人體骨骼關(guān)節(jié)點(diǎn)檢測(cè)算法主要由人體骨骼關(guān)節(jié)點(diǎn)檢測(cè)器和關(guān)節(jié)點(diǎn)連接器這兩部分組成，其中人體骨骼關(guān)節(jié)點(diǎn)檢測(cè)器和單人的骨骼關(guān)節(jié)點(diǎn)檢測(cè)器方法上是差不多的，不同的是人體骨骼關(guān)節(jié)點(diǎn)檢測(cè)器需要將圖片中所有的不同類型的人體骨骼關(guān)節(jié)點(diǎn)全部檢測(cè)出來(lái)，然后對(duì)這些骨骼關(guān)節(jié)點(diǎn)進(jìn)行聚類處理，接著把不同人的不同骨骼關(guān)節(jié)點(diǎn)連接在一塊，從而聚類產(chǎn)生不同的個(gè)體。這種類型的姿態(tài)估計(jì)方法主要側(cè)重于對(duì)骨骼關(guān)節(jié)點(diǎn)聚類方法的探索，即如何去構(gòu)建不同關(guān)節(jié)點(diǎn)之間的關(guān)系。自下而上的人體姿態(tài)估計(jì)方法中有幾種經(jīng)典的方法。比如 Xia 等提出了 PartSegmentation[6]，該方法對(duì)人體的不同部位進(jìn)行分割，而骨骼關(guān)節(jié)點(diǎn)都落在分割區(qū)域的特定位置，然后將部位分割對(duì)骨骼關(guān)節(jié)點(diǎn)之間的關(guān)系進(jìn)行建模，這樣的方法不僅能夠顯式的提供人體骨骼關(guān)節(jié)點(diǎn)的空間先驗(yàn)知識(shí)，而且還能夠指導(dǎo)網(wǎng)絡(luò)的學(xué)習(xí)，而且同時(shí)可以在最后對(duì)不同人體骨骼關(guān)節(jié)點(diǎn)進(jìn)行聚類時(shí)也能起到相應(yīng)連接關(guān)鍵點(diǎn)的作用。如圖 1.4 所示。


本文編號(hào)：3416988