隨著近幾年計(jì)算機(jī)軟硬件技術(shù)的蓬勃發(fā)展,各種人機(jī)交互游戲與應(yīng)用被廣泛普及。人體姿勢(shì)估計(jì)是眾多人機(jī)交互任務(wù)的基礎(chǔ),它通過(guò)準(zhǔn)確估計(jì)圖像或視頻信息中人體各個(gè)關(guān)節(jié)點(diǎn)的坐標(biāo),完成對(duì)人物的動(dòng)作識(shí)別和行為分析,從而為人機(jī)交互設(shè)備提供下一步的操作數(shù)據(jù),因此它是人機(jī)交互系統(tǒng)必不可少的重要部分。人體姿態(tài)估計(jì)算法可以分為傳統(tǒng)的基于圖模型的方法和現(xiàn)階段的基于深度學(xué)習(xí)的方法。傳統(tǒng)的基于圖模型的方法將人體視為一系列具有強(qiáng)相關(guān)性的部件,使用圖像結(jié)構(gòu)模型來(lái)模擬人體每個(gè)組件的外觀模型和組件與組件之間的空間約束,并利用圖形推理的方法來(lái)最后優(yōu)化一下人體各個(gè)關(guān)節(jié)的位置。這類方法的算法準(zhǔn)確度和算法復(fù)雜度成正比,子模型空間越大,能模擬的人體姿態(tài)越多,算法的計(jì)算量和復(fù)雜度就越高。與傳統(tǒng)方法相比,基于深度學(xué)習(xí)的方法不需要模型先驗(yàn)知識(shí),卻能取得更好的效果。所以本論文基于深度學(xué)習(xí)實(shí)現(xiàn)了兩個(gè)人體姿態(tài)估計(jì)網(wǎng)絡(luò),主要的貢獻(xiàn)如下所示:（1）實(shí)現(xiàn)的基于FPN的two-stage R-FPN網(wǎng)絡(luò)將殘差模塊和轉(zhuǎn)置卷積應(yīng)用于特征金字塔網(wǎng)絡(luò)得到的多尺度融合的特征之上,它們?cè)诰W(wǎng)絡(luò)層數(shù)很深和上采樣倍數(shù)很大的情況下仍然能取得不錯(cuò)的效果,之后通過(guò)多階段的網(wǎng)絡(luò)設(shè)計(jì)和... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

部位模塊對(duì)姿態(tài)的影響

二維卷積示意圖

圖 2-3 3D 卷積示意圖網(wǎng)絡(luò)中提出并踐行的權(quán)重共享的卷積運(yùn)算，使它與原有很大的不同。因?yàn)榫矸e核的第三維的維度等于輸出卷積核負(fù)責(zé)計(jì)算出來(lái)的輸出數(shù)據(jù)就只是一張?zhí)卣鲌D，間上的整合。這個(gè)卷積操作有多少個(gè)卷積核，輸出的


本文編號(hào)：2995755