【摘 要】
:
人体姿态估计作为计算机视觉领域中的主要研究分支,在工业视觉检测、安防监控、机器人辅助设计、医疗辅助分析、行为识别和电影后期制作等诸多方面工作中有广泛的应用。随着人工智能和卷积神经网络的越发流行,对于采用卷积神经网络作为模型的主要构建单元的人体姿态估计方法在性能上也取得了重大进展。不过现有方法的网络模型仍有较多局限性,比如在多人场景中目标尺度不一的情况下,中远距离的目标尺度较小导致姿态估计效果不佳。
论文部分内容阅读
人体姿态估计作为计算机视觉领域中的主要研究分支,在工业视觉检测、安防监控、机器人辅助设计、医疗辅助分析、行为识别和电影后期制作等诸多方面工作中有广泛的应用。随着人工智能和卷积神经网络的越发流行,对于采用卷积神经网络作为模型的主要构建单元的人体姿态估计方法在性能上也取得了重大进展。不过现有方法的网络模型仍有较多局限性,比如在多人场景中目标尺度不一的情况下,中远距离的目标尺度较小导致姿态估计效果不佳。此外,复杂背景和遮挡等原因也会造成的困难人体关节的定位精度较低,解决这些不足已经成为了现在人体姿态估计方法研究中的关键问题。本文将围绕人体姿态估计问题展开详细介绍,并研究在生活场景中的实时姿态识别等应用问题。(1)针对现有人体姿态估计方法中存在的问题,本文提出的网络模型是基于高分辨率网络和多人姿态解析网络的基础上加以改进完成的。本文提出了一种残差下采样模块用于下采样,弥补空间上的信息缺失,将高低分辨率特征进行更好的多尺度融合;同时使用了一种基于双注意力机制的网络学习指导策略,与残差下采样模块相结合以学习到更多有用的特征信息,进而有效提升困难关节的定位精度。另外,本文提出的融合残差下采样和双注意力机制的多人姿态估计网络模型在公开数据集上进行了测试。在MPII数据集的测试结果中,整体平均精度平均值达81.1%,困难关节达74.4%;同时,在MS COCO数据集上平均精度均值达到了70.5%,中等目标平均精度达到了67.7%。(2)针对现有安防监控设备提出了一种智能化改进方案,提出了一种实时姿态识别系统,系统程序中分别应用了人体姿态估计算法和基于骨骼点序列的动作分类算法。通过对自制异常姿态数据样本的训练和验证,并针对监控过程的实时性要求进行模型改进,实现在实际监控场景中的偷窃行为(异常姿态)识别。最后,对整个系统的功能进行了可视化验证和实验数据分析,符合预先设计需求。
其他文献
生物特征识别技术是指利用人类个体之间的生理特征或者行为特征的差异对个体身份进行识别的技术。近年来,随着计算机运算能力的快速提升和信息数据爆发式的增长,基于深度神经网络的新一代人工智能技术正在被广泛地应用在生物特征识别领域。步态识别是一种新型的生物识别技术。与指纹、人脸、虹膜等对输入数据质量要求较高的识别技术不同,步态识别对输入数据的质量要求很低,录入时不需要特殊的设备,使用普通监控摄像头即可进行。
在全球信息化的大背景下,工业高速发展,旋转机械设备发展方向趋于结构复杂化、过程自动化、操作智能化。齿轮因其承载能力大、传动效率高等优点广泛应用于现代设备中,如航空、采矿、农业机械、军事装备和冶金机械等领域。齿轮是设备运行中故障率较高的传动部件,齿轮故障将直接影响整机的可靠运行,降低整个设备的效率和精度,甚至造成不可逆的严重后果。因此,开展齿轮故障的诊断识别具有重大意义。声发射检测是一种无损检测技术
信息隐藏被视为保障数据安全的重要手段。图像是最常见的一类数据媒体,在网络上广泛传播具有一定安全隐患,同时,也存在一些特殊应用场景,如需要在图像中嵌入URL等其他信息,这使得图像隐写技术受到研究者的更多关注。部分研究对隐写容量和鲁棒性等问题进行了探讨,但生成的载密图像质量不稳定,部分载密图像在低频区域有明显的改动痕迹,处理后的图像模糊,质量低,与载体图像差距较大。本文以生成高质量的载密图像为研究对象
与CT、超声等医学图像相比,病理图像能提供更多有效的诊断信息,故被广泛地应用于临床诊断和医学研究中。在传统的肺部细胞病理学诊断过程中,由于病理医生资源的短缺以及不同肺部疾病的异常细胞形态和排列结构的复杂性,均导致了肺类疾病诊断时误诊率的上升。因此,有助于降低误诊率的肺部细胞病理图像辅助诊断系统具有十分重要的研究意义,而肺部异常细胞的准确分割作为该系统最为关键的一步,在现有的研究中并未被很好地实现。
两相流广泛存在于电力、环保、化工、冶金和核能等国民经济行业中,特别是在冶金、电力等行业,在炉、窑对煤粉的输送过程中,若煤粉浓度偏高,将导致燃烧不充分或引起偏火,而煤粉浓度偏低将会直接影响生产效率和产品质量,因此对生产过程的计量和安全监控具有非常重要的意义。电容层析成像(Electrical Capacitance Tomography,ECT)技术利用放置在被测管道或容器周围的传感器阵列,获得不同
长输油气管道由于腐蚀等原因产生缺陷后,在内压作用下,会在该缺陷处形成应力集中区,最终促进裂纹向纵深扩展直至管道断裂。这种“宏观缺陷”与“应力”并存的综合性缺陷,是造成在役管道突发性管道泄漏爆炸等事故的主要因素之一。因此,对管道缺陷处应力大小的评估至关重要。漏磁检测和弱磁检测是两种使用广泛的管道内检测手段,漏磁检测以其极强的稳定性,被广泛应用于在役管道检测中。弱磁检测作为一种新兴的检测手段,可以检测
长期目标跟踪技术受目标消失再现、目标尺度剧烈变化与目标外观剧烈变化等各种复杂情况影响,算法的实际表现与现实应用有巨大差距。随着科学技术与相关算法理论的发展,科研人员通过不同的方法获取目标更为丰富的高级且抽象的深层特征,使得跟踪算法的准确度得到提升。针对目标消失再现、目标尺度剧烈变化与目标外观剧烈变化的问题,以及基于时空一致性假设的目标跟踪方法存在的误差积累问题,本文利用深度学习方法提取被跟踪目标的
目标选择和目标拖拽是触摸交互界面中常见的操作任务,当用户在大型触摸屏上完成目标选择和目标拖拽任务时,目标往往会超出用户的触及范围。直接触摸方法需要用户频繁挥动手臂甚至被迫移动身体到达目标位置才能完成选择,直接拖拽方法需要一直保持手指与屏幕的接触,长距离的手指滑动不仅带来了不舒服的摩擦感,还容易发生掉落事件导致目标拖拽的失败,容易让用户感到疲劳,从而降低体验感。本课题根据输入方式和交互任务的不同,提
自主与安全平衡是无人机技术与产业健康、快速发展的战略需求和核心关键.在同时面对“不断提升的无人自主飞行性能”与“日趋严峻的物理、信息、智能等多域安全威胁”的挑战下,仅借鉴有人机安全体系,适度拓展适航飞行和感知规避为核心的安全架构已不能满足现在和未来无人机系统的安全需求,构建无人机自主安全新架构显得十分必要和迫切.本文从自主性这一无人机固有的本质属性出发,初步研究了无人机自主安全架构,重点定义和表征
随着国内经济不断发展,国外局势日趋紧张,对石油的需求逐年增加。石油作为重要的战略储备物资,我国建立大量储罐群进行存储。但由于电化学和化学腐蚀,储罐底部容易产生腐蚀和裂纹,如果疏于管理,容易造成石油泄漏的严重后果,因此需要对储罐进行定期检测和修复。声发射检测凭借能在线监测的优势,避免了开罐停运带来的经济损失,同时具有检测效率高、检测可靠性强的优点,使声发射检测得到广泛应用。然而储罐底板的腐蚀情况十分