隨著體育運(yùn)動在人們生活中的積極開展,越來越需要人體特征識別技術(shù),該技術(shù)可以輔助運(yùn)動領(lǐng)域的專業(yè)人員進(jìn)行三維人體建模,以便分析圖像中人的運(yùn)動過程。同時,當(dāng)今各種拍攝設(shè)備諸如手機(jī)、便攜運(yùn)動相機(jī)的普及促進(jìn)了圖像數(shù)據(jù)的蓬勃增長。因此通過計算機(jī)視覺技術(shù),圖像數(shù)據(jù)被廣泛應(yīng)用在人體特征識別的實際應(yīng)用場景中。而且,近些年深度學(xué)習(xí)技術(shù)在計算機(jī)視覺領(lǐng)域取得了不小的突破,因此可以研究深度學(xué)習(xí)技術(shù)在人體特征識別上的有關(guān)應(yīng)用。本論文提出了基于深度學(xué)習(xí)進(jìn)行人體特征識別的相關(guān)方法,論文作者也設(shè)計和實現(xiàn)了一種人體特征識別系統(tǒng),該系統(tǒng)的輸入為圖片,輸出為圖片中主體者的相應(yīng)人體形體特征。在本文中,作者首先介紹了研究背景與意義,并對研究目標(biāo)和內(nèi)容做了說明。接著,將研究過程中涉及到的相關(guān)技術(shù)領(lǐng)域的工作進(jìn)行了介紹。然后,對所要實現(xiàn)的人體特征識別系統(tǒng)進(jìn)行了需求分析,確定系統(tǒng)所要完成的功能。根據(jù)需求分析,結(jié)合深度學(xué)習(xí)技術(shù),對系統(tǒng)的概要設(shè)計以及功能模塊劃分進(jìn)行說明,并完成系統(tǒng)的詳細(xì)設(shè)計與實現(xiàn)。隨后設(shè)計了測試用例對系統(tǒng)進(jìn)行了白盒測試和黑盒測試,并對系統(tǒng)運(yùn)行效果進(jìn)行了分析。最后,對整個論文工作進(jìn)行了總結(jié),并且對下一步工作進(jìn)行了思考與展望。... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－丨自編碼器的一般結(jié)構(gòu)??聚類分析（Ｃｌｕｓｔｅｒ?Ａｎａｌｙｓｉｓ，ＣＡ）也是一種無監(jiān)督學(xué)習(xí)方法，如圖２－２所示，??

在實際使用過程中，可以依據(jù)具體使用場景〇?〇??圖２－丨自編碼器的一般結(jié)構(gòu)??析（Ｃｌｕｓｔｅｒ?Ａｎａｌｙｓｉｓ，ＣＡ）也是一種無監(jiān)督學(xué)習(xí)方法，如嘗試將數(shù)據(jù)集中的為標(biāo)注樣本劃分為若干個通常不會個子集合就稱為一個簇（Ｃｌｕｓｔｅｒ），經(jīng)過這樣的劃分之后，一些潛在的概念。但值得注意的是，這些可能的潛在概先未知的，所以這些Ｃｌｕｓｔｅｒｓ所對應(yīng)的概念語義需要在斷和把握。目前常用的聚類方法有基于原型的聚類、基類等。??＊＊??

２．１．２卷積神經(jīng)網(wǎng)絡(luò)??說到深度學(xué)習(xí)在計算機(jī)視覺領(lǐng)域的成功，不得不提到ＣＮＮ，?ＣＮＮ是一種基??于卷積操作的滑動濾波方法，特別適用于圖像的處理，如圖２－３所示。因為ＣＮＮ??可以提取圖像當(dāng)中的區(qū)域特征，而且同時可以使用多層ＣＮＮ來組合成深度神經(jīng)??網(wǎng)絡(luò)，完成特定的計算機(jī)視覺任務(wù)。在ＣＮＮ網(wǎng)絡(luò)的淺層，可以識別圖像當(dāng)中的??簡單特征（線條，角點(diǎn)等），并且隨著ＣＮＮ網(wǎng)絡(luò)層數(shù)的加深，可以逐漸識別圖像??當(dāng)中的復(fù)雜特征，正是基于這種理論，計算機(jī)視覺領(lǐng)域中才發(fā)展出如今如此強(qiáng)大??的深度神經(jīng)網(wǎng)絡(luò)，獲得學(xué)術(shù)界的大量研宄與工業(yè)界的廣泛應(yīng)用。??在近些年比較優(yōu)秀的網(wǎng)絡(luò)當(dāng)中，網(wǎng)絡(luò)層數(shù)是不斷加深，同時網(wǎng)絡(luò)所耗費(fèi)的計??算也不斷得到優(yōu)化。最初的ＡｌｅｘＮｅｔｔＭ只有不到１０層的深度，到現(xiàn)在的??ＤｅｎｓｅＮｅｔ［⑷則可以達(dá)到１０００層

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的3D服用人體特征識別[J]. 敦宏麗,袁曄.  北京服裝學(xué)院學(xué)報(自然科學(xué)版). 2018(03)
[2]基于隨機(jī)森林算法的服裝3D人體特征識別[J]. 王帥軍,袁曄.  北京服裝學(xué)院學(xué)報(自然科學(xué)版). 2017(03)



本文編號：2896517