【摘要】：隨著社會(huì)的發(fā)展,人們?cè)絹?lái)越關(guān)注個(gè)人健康,而其中最為關(guān)注的便是居家健康看護(hù),特別是對(duì)特定人群,如老人、小孩以及孕婦等,居家健康看護(hù)的意義十分重大。人體位姿估計(jì)是居家健康看護(hù)系統(tǒng)中的重要技術(shù)之一,是人的動(dòng)作識(shí)別、交互操作以及危險(xiǎn)預(yù)警等應(yīng)用的重要組成部分,準(zhǔn)確快速的人體位姿估計(jì)是居家健康看護(hù)系統(tǒng)中不可或缺的技術(shù)。在實(shí)際環(huán)境中,人體姿態(tài)變化多樣,相機(jī)視角的變化、衣著的變化以及空間位置的歧義性都將影響三維空間下的人體位姿估計(jì)精度,研究者們提出了多種方法來(lái)提升3D位姿估計(jì)精度,諸如基于多視角、基于深度信息的方法,但這些方法存在使用成本、場(chǎng)景約束等諸多限制。在深度學(xué)習(xí)出現(xiàn)后,基于單目圖像的位姿估計(jì)方法成為了新的研究熱點(diǎn),然而此類(lèi)方法依然不能很好的解決居家健康看護(hù)場(chǎng)景下的3D人體位姿估計(jì)問(wèn)題。在本研究中,我們采用自頂向下的方法來(lái)解決居家健康看護(hù)場(chǎng)景下的3D人體位姿估計(jì)問(wèn)題。方法分為兩個(gè)階段,第一階段為人體檢測(cè)器,將目標(biāo)檢測(cè)算法作為人體檢測(cè)器,檢測(cè)圖像中的人體;第二階段為單人3D姿位姿估計(jì)方法,為了得到3D人體姿態(tài),網(wǎng)絡(luò)不僅要檢測(cè)關(guān)節(jié)的二維信息還需恢復(fù)各個(gè)關(guān)節(jié)點(diǎn)的深度信息�？紤]居家健康看護(hù)場(chǎng)景下算法泛化問(wèn)題,我們以人體的胯部中點(diǎn)作為根節(jié)點(diǎn),通過(guò)空間上下文信息確定人體關(guān)節(jié)點(diǎn)之間的相對(duì)關(guān)系來(lái)恢復(fù)3D人體姿態(tài)。單人3D位姿估計(jì)框架為堆疊網(wǎng)絡(luò)結(jié)構(gòu),采用沙漏模塊來(lái)學(xué)習(xí)空間上下文信息,多尺度信息融合與上下文信息推理能更好的學(xué)習(xí)關(guān)節(jié)之間的關(guān)聯(lián)信息;為解決深層網(wǎng)絡(luò)帶來(lái)的欠擬合、梯度彌散以及難訓(xùn)練等問(wèn)題,采用殘差學(xué)習(xí)方法以及批量標(biāo)準(zhǔn)化方法,模型訓(xùn)練中采用中繼監(jiān)督訓(xùn)練方法,并在Human3.6m以及HumanEva數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)來(lái)驗(yàn)證單人3D人體位姿估計(jì)的檢測(cè)精度。為了驗(yàn)證整體算法在居家健康看護(hù)場(chǎng)景下的檢測(cè)效果,我們對(duì)實(shí)際的居家健康看護(hù)環(huán)境圖像進(jìn)行了實(shí)驗(yàn)分析,驗(yàn)證了算法的可行性。
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP391.41;TP18;TB18

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 胡瓊;秦磊;黃慶明;;基于視覺(jué)的人體動(dòng)作識(shí)別綜述[J];計(jì)算機(jī)學(xué)報(bào);2013年12期

，

本文編號(hào)：2689214