目前,汽車上三維人體姿態(tài)測量對汽車座椅的舒適性設計有著至關重要的作用,而傳統(tǒng)的人工測量,不僅自動化程度不高,投入人力物力大而且測量的數(shù)據(jù)精度較差。本文基于深度學習的技術,研究了雙目視覺與深度神經(jīng)網(wǎng)絡相結合的方法,可以提升人體三維姿態(tài)測量的速度和測量數(shù)據(jù)的精度。首先,通過對傳統(tǒng)人體姿態(tài)測量方法以及現(xiàn)有三維人體姿態(tài)測量方法進行調研,綜合考慮測量場景的復雜程度以及設備制造成本和測量精度,選取雙目結構光測量系統(tǒng)作為本文的人體三維姿態(tài)數(shù)據(jù)采集設備。根據(jù)待測量場景的光線、測量物體的大小和測量精度的要求,對于系統(tǒng)所需相機、相機鏡頭、結構光條紋投影裝置以及數(shù)據(jù)處理裝置的配置進行了選擇,完成了雙目結構光測量系統(tǒng)的搭建。然后,本文在調研了現(xiàn)有國內外三維人體姿態(tài)測量技術后,提出了一種基于深度神經(jīng)網(wǎng)絡的三維人體姿態(tài)測量方法。該方法將二維人體關節(jié)點深度網(wǎng)絡提取方法和雙目測量系統(tǒng)相結合,將改進VGGNet-19網(wǎng)絡的前10層網(wǎng)絡的輸出作為深度學習網(wǎng)絡的輸入,采用雙通道多階段迭代網(wǎng)絡分別提取人體二維關節(jié)點和肢體位置。綜合左右相機采集所得二維關節(jié)點,結合關節(jié)點位置的Brief特征和雙目相機的外極線約束,獲取左右相機采... 

【文章來源】：天津工業(yè)大學天津市

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

傳統(tǒng)人體Fig.1-2Traditionalhuman（a）馬丁尺

RS_A1300_GM60_M10的整體外觀Fig.2-2AppearanceofRS_A1300_GM60_M10

第二章雙目測量系統(tǒng)的硬件構成13圖2-5和表2-3所示。圖2-5M0814-MP和M1214-MP鏡頭的整體外觀Fig.2-5AppearanceofM0814-MPandM1214-MPcameralens表2-3M0814-MPandM1214-MP鏡頭的性能參數(shù)Tab.2-3PerformanceparametersofM0814-MPandM1214-MPcameralens2.1.3條紋投射裝置選型常用的條紋投射裝置主要分為液晶投影儀（LiquidCrystalDisplay，LCD）和數(shù)字投影儀（DigitalLightProcession，DLP）兩類。LCD投影儀具有投影亮度高、投影清晰度高的優(yōu)點，并且其色彩還原度也較高，但是該設備工作時會產(chǎn)生較多的熱量，適用于較為空曠的場景中。DLP投影儀將圖像信號轉換為脈沖信號控制投射單元的開合，得到設定的投射條紋圖案，該投影裝置消耗功率小，開發(fā)簡單。但是，由于其功率較小，其投影圖像的成像效果受外界光線影響較大。本文研究的對象為汽車上的人體姿態(tài)測量，其數(shù)據(jù)采集時需要投射具有一定規(guī)律的條紋光，這就需要使用數(shù)字信號來控制投影儀。因而本文選取BenQ公司參數(shù)M1214-MPM0814-MP焦距12mm8mm成像靶面尺寸2/3”2/3”光圈范圍F1.4~F16CF1.4~F16C分辨率100lp/mm100lp/mm變形率-0.1%-0.1%視場角49.2°×40.4°×30.8°67.1°×56.3°×43.7°最小物距0.15m0.10m工作溫度-10°C~+50°C-10°C~+50°C接口類型C-接口C-接口濾鏡螺紋M30.50.5M30.50.5重量(g)6570（a）8mm鏡頭（b）12mm鏡頭

【參考文獻】：
期刊論文
[1]基于深度學習的人體姿態(tài)估計方法綜述[J]. 鄧益儂,羅健欣,金鳳林.  計算機工程與應用. 2019(19)
[2]基于關節(jié)點提取的老年人跌倒檢測算法[J]. 袁鵬泰,劉寧鐘.  計算機技術與發(fā)展. 2019(09)
[3]基于USB3.0高速圖像數(shù)據(jù)傳輸系統(tǒng)設計[J]. 王國忠,劉磊,儲成群,任勇峰,焦新泉.  儀表技術與傳感器. 2019(03)
[4]基于前饋神經(jīng)網(wǎng)絡的3D人體姿態(tài)估計[J]. 童宇青.  數(shù)字技術與應用. 2019(01)
[5]基于散亂點云的三維人體自動測量[J]. 鮑陳,繆永偉,孫瑜亮,張旭東.  紡織學報. 2019(01)
[6]非接觸三維測體技術研究進展及其在服裝領域的應用[J]. 陳桂清,孫金美.  紡織導報. 2018(12)
[7]基于結構光的三維視覺檢測系統(tǒng)在矩形鋼生產(chǎn)線上的研究與設計[J]. 王紹陽,李大華,高強,于曉.  激光雜志. 2018(11)
[8]�？禉C器視覺工業(yè)鏡頭應用技術[J]. 胡雨婷.  智慧工廠. 2018(07)
[9]基于單目結構光的大物體三維測量關鍵方法的研究[J]. 伏燕軍,翁凌霄,胡茗.  應用光學. 2018(02)
[10]飛行時間深度相機和彩色相機的聯(lián)合標定[J]. 周杰,安平,鄭帥,嚴徐樂,左一帆.  信號處理. 2017(01)

博士論文
[1]基于視頻的人體行為識別關鍵技術研究[D]. 于成龍.哈爾濱工業(yè)大學 2014

碩士論文
[1]基于激光三角法的低像差微位移測量技術的研究[D]. 張爽.中國科學院大學(中國科學院長春光學精密機械與物理研究所) 2018
[2]基于深度學習和圖結構模型的人體姿態(tài)估計[D]. 戴慧冰.西安電子科技大學 2018
[3]基于坐姿分析的座椅舒適度評價方法研究[D]. 霍笑.新疆大學 2018
[4]基于卷積神經(jīng)網(wǎng)絡的人體姿態(tài)估計[D]. 張玉立.哈爾濱工程大學 2018
[5]基于骨骼關節(jié)點的人體行為識別算法研究[D]. 王事業(yè).吉林大學 2018
[6]基于卷積神經(jīng)網(wǎng)絡和人體輪廓的三維人體測量[D]. 王巨峰.浙江大學 2018
[7]多視圖三維重建及其評估算法的研究[D]. 陳攀.華中師范大學 2016



本文編號：3512114