人體的位置檢測和關(guān)鍵點檢測都是計算機視覺中極具挑戰(zhàn)性的任務(wù)。在最近的研究中,基于深度卷積神經(jīng)網(wǎng)絡(luò)的方法取得了比傳統(tǒng)方法更大的進步。然而現(xiàn)有的方法仍然存在一些問題,本文針對這其中的人體位置檢測、單人和多人人體關(guān)鍵點檢測進行了研究,主要工作有:(1)提出并實現(xiàn)了一種基于深度學(xué)習(xí)的人體位置檢測方法,該方法擴展了通用的物體檢測框架Faster R-CNN來做行人的位置檢測,在引入了多尺度的特征后,解決了對小尺寸人體位置檢測不夠敏感的問題。該方法在KITTI行人檢測數(shù)據(jù)集上的平均準(zhǔn)確率超過了當(dāng)時最好的MS-CNN,在Caltech行人檢測數(shù)據(jù)集上比當(dāng)時最好的RPN+BF的缺失率更低。(2)提出并實現(xiàn)了一種單人人體關(guān)鍵點檢測方法,改進了最新的Stacked Hourglass模型,擴大了網(wǎng)絡(luò)中神經(jīng)元的感受視野,嘗試了多尺度的融合,解決了 Stacked Hourglass模型對人體的尺度變化不敏感的問題。該方法在MPII單人關(guān)鍵點檢測數(shù)據(jù)集上取得了比當(dāng)時的Stacked Hourglass模型更高的PCKh值。(3)提出并實現(xiàn)了一種多人人體關(guān)鍵點檢測方法,引入實例分割中的判別損失函數(shù)進行人體關(guān)鍵點...

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 現(xiàn)有解決方法
        1.2.1 人體位置檢測
        1.2.2 單人關(guān)鍵點檢測
        1.2.3 多人的人體關(guān)鍵點檢測
    1.3 現(xiàn)有問題與不足
        1.3.1 人體位置檢測
        1.3.2 單人關(guān)鍵點檢測
        1.3.3 多人關(guān)鍵點檢測
    1.4 本文主要工作
    1.5 本文章節(jié)安排
第二章 基于Skip Pooling的人體位置檢測
    2.1 簡介
    2.2 相關(guān)工作
        2.2.1 Faster R-CNN
        2.2.2 RPN+BF
        2.2.3 MS-CNN
    2.3 網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.1 互補的候選區(qū)域生成網(wǎng)絡(luò)
        2.3.2 跨層的池化
        2.3.3 采樣
    2.4 實驗結(jié)果
        2.4.1 實驗的建立
        2.4.2 Caltech行人檢測數(shù)據(jù)集
        2.4.3 KITTI數(shù)據(jù)集
    2.5 設(shè)計驗證
        2.5.1 池化層的選擇
        2.5.2 縮放因子的選擇
        2.5.3 輸入圖片的大小
    2.6 本章小結(jié)
第三章 多尺度的單人關(guān)鍵點檢測
    3.1 簡介
    3.2 相關(guān)工作
        3.2.1 Stacked Hourglass Network
        3.2.2 Hourglass Residual Units
        3.2.3 Pyramid Residual Modules
    3.3 網(wǎng)絡(luò)結(jié)構(gòu)
    3.4 學(xué)習(xí)和推斷
    3.5 多尺度測試
    3.6 實驗結(jié)果
        3.6.1 訓(xùn)練細(xì)節(jié)
        3.6.2 評估指標(biāo)
        3.6.3 MPII評估結(jié)果
    3.7 設(shè)計驗證
        3.7.1 輸入圖片大小
        3.7.2 尺度選擇與檢測速度
        3.7.3 多尺度殘差模塊的有效性驗證
    3.8 本章小結(jié)
第四章 基于判別損失函數(shù)的多人關(guān)鍵點檢測
    4.1 簡介
    4.2 相關(guān)工作
        4.2.1 多人姿態(tài)估計
        4.2.2 單人姿態(tài)估計
        4.2.3 人體位置檢測
        4.2.4 實例分割與判別損失函數(shù)
    4.3 基于判別損失函數(shù)的關(guān)鍵點檢測
    4.4 人體候選框的生成與組合
    4.5 網(wǎng)絡(luò)結(jié)構(gòu)
    4.6 實驗結(jié)果
    4.7 設(shè)計驗證
        4.7.1 候選區(qū)域組合
        4.7.2 輸入圖片大小
        4.7.3 多尺度測試
    4.8 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻
簡歷與科研成果



本文編號：3786774