本文論述了無(wú)人駕駛車輛車載計(jì)算機(jī)視覺(jué)系統(tǒng)對(duì)車輛指揮員手勢(shì)指令的識(shí)別技術(shù)研究與實(shí)現(xiàn)。通過(guò)多目標(biāo)檢測(cè)和關(guān)鍵點(diǎn)檢測(cè)技術(shù)尋找人臉和手部的基礎(chǔ)上,通過(guò)人臉的關(guān)鍵點(diǎn)比較來(lái)完成人臉識(shí)別,根據(jù)多個(gè)部位的位置信息,與約定好的規(guī)則進(jìn)行對(duì)比,從而對(duì)人物所表達(dá)的信息做出解讀。為下一步的動(dòng)作意圖,以及3D建模表示提供參考。人體關(guān)鍵點(diǎn)檢測(cè)技術(shù)結(jié)合了圖像處理與分析技術(shù),計(jì)算機(jī)視覺(jué)以及人工智能等多門(mén)學(xué)科,在軍事,智能安防,文化娛樂(lè)等領(lǐng)域具有較高的使用價(jià)值,目前,可以說(shuō)是一個(gè)應(yīng)用非常廣泛的技術(shù),發(fā)展前景非常的巨大。本文在深入了解人臉識(shí)別算法、姿態(tài)檢測(cè)算法以及手勢(shì)識(shí)別算法的基礎(chǔ)上,將三大算法相結(jié)合,接著通過(guò)優(yōu)化算法結(jié)構(gòu),成功實(shí)現(xiàn)了在識(shí)別人臉的情況下,對(duì)授權(quán)人的姿態(tài)進(jìn)行分析,從而解讀出該授權(quán)人所要表達(dá)的手勢(shì)含義。文章主要從傳統(tǒng)的基于規(guī)則的檢測(cè)算法開(kāi)始,到基于深度學(xué)習(xí)的檢測(cè)算法對(duì)手勢(shì)識(shí)別算法的技術(shù)展開(kāi)研究。對(duì)于人臉識(shí)別算法。首先分析了傳統(tǒng)的圖像預(yù)處理技術(shù),然后研究了常用的HAAR特征提取法和HOG特征提取法。隨后研究了基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法,并通過(guò)仿真實(shí)現(xiàn)算法,并應(yīng)用到實(shí)際的手勢(shì)識(shí)別中。基于深度學(xué)習(xí)的關(guān)鍵點(diǎn)檢測(cè)。首先... 

【文章來(lái)源】：沈陽(yáng)理工大學(xué)遼寧省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究的背景和意義
    1.2 計(jì)算機(jī)視覺(jué)的發(fā)展
        1.2.1 多目標(biāo)檢測(cè)
        1.2.2 姿態(tài)檢測(cè)
        1.2.3 手勢(shì)識(shí)別技術(shù)
    1.3 計(jì)算機(jī)視覺(jué)的應(yīng)用領(lǐng)域
    1.4 論文的主要研究?jī)?nèi)容和結(jié)構(gòu)安排
        1.4.1 主要研究?jī)?nèi)容
        1.4.2 論文結(jié)構(gòu)安排
第2章 典型圖像識(shí)別算法理論基礎(chǔ)
    2.1 圖像預(yù)處理
        2.1.1 灰度化
        2.1.2 去干擾和噪聲
    2.2 圖像特征提取
        2.2.1 HAAR特征提取
        2.2.2 HOG特征提取
    2.3 神經(jīng)網(wǎng)絡(luò)
        2.3.1 神經(jīng)元
        2.3.2 正向傳播
        2.3.3 反向傳播
    2.4 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.1 卷積層
        2.4.2 池化層
        2.4.3 歸一化層
    2.5 本章小結(jié)
第3章 本課題使用的關(guān)鍵技術(shù)
    3.1 人臉識(shí)別算法
        3.1.1 人臉檢測(cè)
        3.1.2 人臉對(duì)齊
        3.1.3 特征提取——ResNet網(wǎng)絡(luò)
        3.1.4 特征對(duì)比
        3.1.5 分析及改進(jìn)
    3.2 Open Pose姿態(tài)估計(jì)算法
        3.2.1 簡(jiǎn)介
        3.2.2 主要流程
        3.2.3 網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.4 PAFPart Affinity Fields
        3.2.5 優(yōu)點(diǎn)
        3.2.6 缺點(diǎn)
        3.2.7 本文改進(jìn)
    3.3 手勢(shì)識(shí)別算法
        3.3.1 手勢(shì)定位
        3.3.2 手勢(shì)判定
    3.4 本章小結(jié)
第4章 手勢(shì)指令識(shí)別系統(tǒng)的總體設(shè)計(jì)思路
    4.1 系統(tǒng)需求
        4.1.1 功能需求
        4.1.2 性能需求
        4.1.3 輸出需求
    4.2 總體模塊設(shè)計(jì)
        4.2.1 建立已知人臉庫(kù)
        4.2.2 人臉檢測(cè)
        4.2.3 人臉識(shí)別
        4.2.4 姿態(tài)檢測(cè)
        4.2.5 手勢(shì)識(shí)別
        4.2.6 結(jié)果輸出
    4.3 總體流程設(shè)計(jì)
    4.4 本章小結(jié)
第5章 手勢(shì)指令識(shí)別系統(tǒng)的實(shí)現(xiàn)
    5.1 人臉檢測(cè)
    5.2 人臉識(shí)別
    5.3 姿態(tài)檢測(cè)
    5.4 手勢(shì)識(shí)別
        5.4.1 手勢(shì)定位
        5.4.2 手勢(shì)判定
    5.5 運(yùn)行結(jié)果和分析
        5.5.1 運(yùn)行結(jié)果
        5.5.2 系統(tǒng)改進(jìn)之處
        5.5.3 硬件和軟件的支持
        5.5.4 系統(tǒng)運(yùn)行環(huán)境
        5.5.5 缺點(diǎn)與不足
    5.6 本章小結(jié)
總結(jié)
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和獲得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于多特征HMM融合的復(fù)雜動(dòng)態(tài)手勢(shì)識(shí)別[J]. 陳國(guó)良,葛凱凱,李聰浩.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(12)
[2]復(fù)雜環(huán)境下通用的手勢(shì)識(shí)別方法[J]. 杜堃,譚臺(tái)哲.  計(jì)算機(jī)應(yīng)用. 2016(07)
[3]結(jié)合膚色模型和卷積神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別方法[J]. 王龍,劉輝,王彬,李鵬舉.  計(jì)算機(jī)工程與應(yīng)用. 2017(06)

碩士論文
[1]基于Kinect的手勢(shì)識(shí)別與機(jī)器人控制技術(shù)研究[D]. 王松林.北京交通大學(xué) 2014
[2]Hausdorff距離在手勢(shì)識(shí)別中的運(yùn)用[D]. 蘇九林.上海海事大學(xué) 2004



本文編號(hào)：3203622