论文部分内容阅读
良好的坐姿对于提高人们生活工作效率以及保持身心健康有着重要影响。本文借助深度学习理论在图像特征提取与分类识别的优势,研究基于深度学习的坐姿视觉识别方法。本文主要针对卷积神经网络中的激活函数和损失函数进行改进,并将改进后的卷积神经网络分别应用于基于单目视觉和双目视觉的坐姿图像识别中,具体工作如下:1.对传统卷积神经网络的激活函数与损失函数进行算法改进。一方面,针对现有激活函数存在的问题,提出一种结合LReLU函数和Softplus函数各自优点的新型激活函数Softrelu函数用于卷积神经网络的训练以提升网络性能。另一方面,针对传统卷积神经网络存在着学习到的特征因缺少更有效的鉴别能力而导致图像识别性能不佳等问题,提出一种融合线性判别式思想的损失函数LDloss参与卷积神经网络训练来最小化类内特征距离和最大化类间特征距离,使得网络提取到的深度特征更具有判别性。最后,在不同数据集上的实验验证了本文所提的两种改进算法的有效性。2.基于改进卷积神经网络的单目坐姿图像识别方法研究。首先将摄像头采集到的图像进行人脸检测及自动智能分割以实现目标前景提取,从而进一步完成单目坐姿识别数据集的制作,并利用结合改进Softrelu激活函数和LDloss损失函数的卷积神经网络算法进行坐姿图像的训练和分类识别。不同实验验证了本文所提算法对于监控和判别人们的坐姿类别具有良好的效果。3.利用双目摄像头能有效获取图像深度信息的特性,进一步研究融合深度信息的双目坐姿图像识别方法。首先通过双目摄像头标定和图像校正,得到反映目标图像深度的坐姿图像视差图,结合左右坐姿图和视差图完成双目坐姿识别数据集制作,并结合改进Softrelu激活函数和LDloss损失函数的卷积神经网络算法进行特征提取和坐姿图像的分类识别,最后在双目坐姿数据集以及实时坐姿识别视频中验证了所提算法的有效性。