人體關(guān)節(jié)點檢測是計算機視覺中的基礎(chǔ)問題,在行為識別、人機交互、行人再識別等領(lǐng)域有著廣闊的應(yīng)用前景。隨著深度學(xué)習(xí)的興起,人體關(guān)節(jié)點檢測算法研究取得了較大進展,但是仍然存在一些問題:檢測人體位置,剔除自然場景下的背景信息,降低人體關(guān)節(jié)點坐標檢測難度;建立人體關(guān)節(jié)點關(guān)系模型,提高檢測精度;兼顧模型精確度與模型計算量,提高模型實用性。本文圍繞上述問題展開研究。檢測人體位置,剔除無用背景信息以降低關(guān)節(jié)點檢測難度。對現(xiàn)有算法優(yōu)缺點進行分析比較,選擇YOLO算法作為人體檢測算法框架,通過融合DenseNet網(wǎng)絡(luò)思想、加入inception模型和時空金字塔下采樣層、對損失函數(shù)的目標物體邊框進行歸一化,改進YOLO算法的不足之處。通過對比實驗,驗證改進的YOLO算法可有效去除大部分無用背景信息,提高人體位置檢測準確率�；谌梭w關(guān)節(jié)點檢測建立關(guān)節(jié)點相互關(guān)系模型。針對現(xiàn)有算法因未考慮不同關(guān)節(jié)點檢測難度不同導(dǎo)致檢測準確度不能進一步提高的問題,提出一種基于關(guān)節(jié)點相互驗證關(guān)系的人體關(guān)節(jié)點檢測算法,將意識學(xué)習(xí)法和卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合,采用先易后難的漸進方式進行關(guān)節(jié)點檢測,利用所建多目標意識學(xué)習(xí)網(wǎng)絡(luò)模型在LSP數(shù)據(jù)集和... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于人體關(guān)節(jié)點檢測的異常行為智能監(jiān)測系統(tǒng)

進而促進舞姿更加標準優(yōu)雅�；谌梭w關(guān)節(jié)點檢測的體育運動姿勢分析示例參見圖1-2。圖 1-2 基于人體關(guān)節(jié)點檢測的體育運動姿勢分析示例(3)人機交互在未來，人們想擁有一種更為方便快速的人機交互模式，通過外聯(lián)設(shè)備、鼠標、鍵盤等輸入設(shè)備進行人機交互的模式將逐漸被取代。然而，這需要計算機能夠準確理解人體動作和人類意圖，這些都是建立在計算機能夠?qū)崟r對人體、人手和人臉的姿勢和動作進行識別分析的基礎(chǔ)之上。例如體感游戲，微軟研發(fā)了一款基于人體關(guān)節(jié)點檢測的設(shè)備 Kinect，Kinect 是完全依賴深度相機進行人機互動的體感游戲產(chǎn)品[1-3]。Kinect 游戲示例如圖 1-3 所示。圖 1-3 kinect 游戲示例(4)虛擬現(xiàn)實虛擬現(xiàn)實的核心是使計算機逐漸 “適應(yīng)”人，是一種新的人機交互模式，旨在通過人的視、聽、觸和人體、人手、頭的姿勢或語音來進行信息處理，進而達到

圖 1-2 基于人體關(guān)節(jié)點檢測的體育運動姿勢分析示例)人機交互未來，人們想擁有一種更為方便快速的人機交互模式，通過外聯(lián)設(shè)備、輸入設(shè)備進行人機交互的模式將逐漸被取代。然而，這需要計算機能體動作和人類意圖，這些都是建立在計算機能夠?qū)崟r對人體、人手和動作進行識別分析的基礎(chǔ)之上。例如體感游戲，微軟研發(fā)了一款基于測的設(shè)備 Kinect，Kinect 是完全依賴深度相機進行人機互動的體感游inect 游戲示例如圖 1-3 所示。

【參考文獻】：
期刊論文
[1]激活函數(shù)在卷積神經(jīng)網(wǎng)絡(luò)中的對比研究[J]. 田娟,李英祥,李彤巖.  計算機系統(tǒng)應(yīng)用. 2018(07)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的隨機梯度下降算法[J]. 王功鵬,段萌,牛常勇.  計算機工程與設(shè)計. 2018(02)
[3]基于混合maxout單元的卷積神經(jīng)網(wǎng)絡(luò)性能優(yōu)化[J]. 趙慧珍,劉付顯,李龍躍,羅暢.  通信學(xué)報. 2017(07)
[4]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報. 2015(01)
[5]神經(jīng)網(wǎng)絡(luò)信息傳輸函數(shù)Sigm oid與tanh比較論證[J]. 李曦.  武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版). 2004(02)

博士論文
[1]深度學(xué)習(xí)在計算機視覺領(lǐng)域的若干關(guān)鍵技術(shù)研究[D]. 逄淑超.吉林大學(xué) 2017

碩士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)算法及應(yīng)用研究[D]. 趙井飛.沈陽航空航天大學(xué) 2018
[2]基于物體檢測的圖像檢索算法[D]. 張宇.西安電子科技大學(xué) 2017
[3]基于雙目圖像的行人檢測定位系統(tǒng)研究與實現(xiàn)[D]. 楊榮堅.西安電子科技大學(xué) 2017
[4]基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)及其在靜態(tài)目標檢測方面的應(yīng)用[D]. 王飛.北京郵電大學(xué) 2017



本文編號：3308197