人體姿態(tài)估計由于不同外觀、性別、衣物、遮擋、背景和光照條件的不確定性和復(fù)雜性,往往會給姿態(tài)估計預(yù)測帶來一定困難。如何有效處理不同條件影響,并在此基礎(chǔ)上設(shè)計出有效的人體姿態(tài)估計方法,本文研究了基于深度學(xué)習(xí)的人體姿態(tài)估計的技術(shù)。首先,對于人體難檢測部位,采用改善的多尺度特征和多尺寸卷積核,本文提出了一種基于特征金字塔的坐標(biāo)變換網(wǎng)絡(luò)。先網(wǎng)絡(luò)對圖片提取不同維度和不同分辨率的特征,解決環(huán)境干擾問題,再對遮擋嚴(yán)重的部位和其他難樣例則增大網(wǎng)絡(luò)局部區(qū)域的卷積核,并挖掘難樣本并貢獻(xiàn)網(wǎng)絡(luò)損失,之后將姿態(tài)點定位轉(zhuǎn)為高斯熱點圖定位的過程,預(yù)測的高斯熱點圖轉(zhuǎn)為坐標(biāo),實現(xiàn)端到端訓(xùn)練的過程。實驗結(jié)果表明,改善的特征有助于識別難檢測部位,且網(wǎng)絡(luò)計算量較少。其次,針對人體關(guān)鍵點之間非歐幾里得的空間結(jié)構(gòu)關(guān)系,本文提出了一種基于圖卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)估計的方法,來提高人體姿態(tài)估計的精度。該方法輸入的數(shù)據(jù)結(jié)構(gòu)為時空圖結(jié)構(gòu),由單人姿態(tài)點為節(jié)點,節(jié)點之間連接為邊,組成單幀的圖結(jié)構(gòu)。該數(shù)據(jù)結(jié)構(gòu)是對某個節(jié)點仿射變換后的時空圖結(jié)構(gòu),輸入圖神經(jīng)網(wǎng)絡(luò)分類節(jié)點所在的區(qū)域,結(jié)合關(guān)鍵點偏差計算為坐標(biāo)。實驗結(jié)果表明,該網(wǎng)絡(luò)具有改善檢測性能的效果... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

在網(wǎng)絡(luò)不同前端網(wǎng)絡(luò)

第三章基于特征金字塔的坐標(biāo)變換網(wǎng)絡(luò)35圖3.10在網(wǎng)絡(luò)識別關(guān)鍵點流程圖3.6.2目標(biāo)函數(shù)預(yù)測模塊1的損失函數(shù)采用均方誤差（Mean-SquareError，MSE），作為前端網(wǎng)絡(luò)的損失函數(shù)，如下公式：N2111=2kFNiiniSS(3.16)其中，N為行人樣本數(shù)，kS為高斯熱點圖的標(biāo)簽值如果公式（3.15）無約束，導(dǎo)致網(wǎng)絡(luò)輸出亮點形狀與標(biāo)簽值相比偏差較大的高斯熱點圖。前端網(wǎng)絡(luò)用于粗取關(guān)鍵點熱點圖，可不考慮正則項。而后端網(wǎng)絡(luò)主要檢測較難關(guān)鍵點，如果僅通過轉(zhuǎn)換坐標(biāo)層得到的坐標(biāo)貢獻(xiàn)損失，網(wǎng)絡(luò)可能會學(xué)出偏大偏小方差的熱點圖。后端網(wǎng)絡(luò)損失用先驗解決該問題，即對高斯熱點圖損失函數(shù)增加正則項，如下公式：CTL()+()BNkkzS(3.17)其中，正則項系數(shù)為1，CTL損失函數(shù)為CTL2()kkkkzzμ，坐標(biāo)(x,y)經(jīng)過均勻化處理后為向量[(2(1),(2(1)]kggggzxw)/wyh)/h，該網(wǎng)絡(luò)的熱點圖損失函數(shù)為()kS，"softmax()kSS。

比較不同模型的結(jié)果


本文編號：3066676