人是計(jì)算機(jī)視覺任務(wù)中的重要認(rèn)知對(duì)象,人體姿態(tài)可以傳遞豐富的信息,對(duì)于姿態(tài)的認(rèn)知、解讀是人類視覺的一項(xiàng)基本能力。3D人體姿態(tài)估計(jì)是指從圖像或者視頻數(shù)據(jù)中檢測(cè)出人體關(guān)鍵部位的位置,從而得出三維人體姿態(tài)的過(guò)程。人體姿態(tài)估計(jì)在視頻監(jiān)控、人機(jī)交互等領(lǐng)域具有廣闊的應(yīng)用前景,同時(shí)也可為行為識(shí)別、異常行為檢測(cè)等其它問(wèn)題的研究提供有效的輔助信息。受背景、距離等因素的影響,基于單張圖像的3D人體姿態(tài)估計(jì)模型在自然場(chǎng)景下泛化效果較差。本文在對(duì)姿態(tài)估計(jì)模型進(jìn)行改進(jìn)的同時(shí),也注重提升姿態(tài)估計(jì)模型在自然場(chǎng)景下的預(yù)測(cè)效果。本文采用基于深度學(xué)習(xí)的方法,對(duì)單張RGB圖像進(jìn)行3D人體姿態(tài)估計(jì)。從單一視角下推導(dǎo)3D人體姿態(tài),本身存在著多義性問(wèn)題。對(duì)此,本文設(shè)計(jì)人體姿態(tài)限制模型,利用循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)人體各關(guān)節(jié)點(diǎn)之間的依賴關(guān)系進(jìn)行編碼,對(duì)原始模型輸出的姿態(tài)估計(jì)結(jié)果進(jìn)一步調(diào)整,使姿態(tài)估計(jì)結(jié)果更符合人體本身的生理限制,從而提升模型的預(yù)測(cè)效果。3D姿態(tài)估計(jì)模型的訓(xùn)練數(shù)據(jù)絕大多數(shù)是在室內(nèi)場(chǎng)景下采集得到,在此基礎(chǔ)上訓(xùn)練得到的模型會(huì)更適合室內(nèi)場(chǎng)景下的姿態(tài)估計(jì)。針對(duì)自然場(chǎng)景下圖像背景、光照、距離多變的問(wèn)題,在基準(zhǔn)模型基礎(chǔ)上,利用人體先驗(yàn)知識(shí)引... 

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)人體姿態(tài)估計(jì)方法
        1.2.2 基于深度學(xué)習(xí)的人體姿態(tài)估計(jì)方法
    1.3 現(xiàn)有方法的不足之處
    1.4 本文主要研究?jī)?nèi)容
    1.5 本文的章節(jié)安排
第2章 3D人體姿態(tài)估計(jì)相關(guān)算法介紹
    2.1 問(wèn)題形式化定義
    2.2 基于深度學(xué)習(xí)的特征提取方法
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.2 特征提取骨干網(wǎng)絡(luò)
    2.3 骨骼關(guān)鍵點(diǎn)檢測(cè)
        2.3.1 熱圖識(shí)別
        2.3.2 坐標(biāo)回歸
    2.4 深度坐標(biāo)回歸
    2.5 本章小結(jié)
第3章 3D人體姿態(tài)估計(jì)算法改進(jìn)
    3.1 基準(zhǔn)模型
    3.2 人體姿態(tài)限制
        3.2.1 人體姿態(tài)限制模塊設(shè)計(jì)
        3.2.2 人體姿態(tài)限制模塊實(shí)現(xiàn)
    3.3 復(fù)雜背景下人體姿態(tài)估計(jì)
        3.3.1 弱監(jiān)督學(xué)習(xí)策略
        3.3.2 基于弱監(jiān)督學(xué)習(xí)的模型訓(xùn)練策略
    3.4 多尺度骨骼關(guān)鍵點(diǎn)檢測(cè)
        3.4.1 特征融合策略
        3.4.2 多尺度骨骼關(guān)鍵點(diǎn)檢測(cè)網(wǎng)絡(luò)設(shè)計(jì)
    3.5 本章小結(jié)
第4章 實(shí)驗(yàn)結(jié)果分析
    4.1 實(shí)驗(yàn)內(nèi)容及環(huán)境
        4.1.1 實(shí)驗(yàn)內(nèi)容
        4.1.2 實(shí)驗(yàn)環(huán)境
    4.2 人體姿態(tài)數(shù)據(jù)集及評(píng)價(jià)指標(biāo)
        4.2.1 數(shù)據(jù)集介紹
        4.2.2 評(píng)價(jià)指標(biāo)
    4.3 人體姿態(tài)限制驗(yàn)證實(shí)驗(yàn)
    4.4 弱監(jiān)督學(xué)習(xí)策略驗(yàn)證實(shí)驗(yàn)
    4.5 特征融合驗(yàn)證實(shí)驗(yàn)
    4.6 綜合實(shí)驗(yàn)結(jié)果
    4.7 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]A brief introduction to weakly supervised learning[J]. Zhi-Hua Zhou.  National Science Review. 2018(01)



本文編號(hào)：3674438