基于深度学习和图结构模型的人体姿态估计

发布时间：2023-05-07 18:42

　　人体姿态估计是计算机视觉领域研究的热点问题,在行为识别、人机交互、运动分析领域都具有广泛的应用。人体姿态估计是指在2D/3D的静态图像/视频中检测出人体各关节点的位置,根据人体各关节点的空间连接关系,估计出人体姿态的过程。在自然图像中,由于受复杂场景、严重遮挡、光照变化、服饰差异等因素的影响,导致人体姿态估计不够准确和鲁棒。因此,在无约束的环境下对高自由度的人体实现高精度的鲁棒姿态估计仍面临巨大的挑战。本文针对自然图像/视频的人体姿态估计问题,利用深度学习网络和图结构模型,更好地描述了人体部件的外观模型和人体部件空间约束模型,充分地表示了复杂的人体结构,解决了自然图像中静态人体或动态人体两方面的姿态估计问题。主要的研究内容概括如下:(1)提出了一种基于级联纠错机制的人体姿态跟踪方法,用于解决视频序列图像人体姿态跟踪过程中手腕不易定位准确的问题。手腕运动相对其他人体部件幅度大且无固定轨迹,是人体姿态过程中定位精度最低的部件。然而,能否准确地估计某一时刻的人体姿态,主要取决于手腕的位置。本方法针对人体姿态估计中手腕定位不准确的问题,利用视频图像序列特有的时间信息和自适应的肤色模型,提出了一...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 基于模型匹配的人体姿态估计
        1.2.2 基于深度学习的人体姿态估计
    1.3 论文的研究内容及章节安排
        1.3.1 主要研究内容
        1.3.2 论文章节安排
第二章 基于级联纠错机制的人体姿态跟踪方法
    2.1 引言
    2.2 基于级联纠错机制的人体姿态跟踪方法
        2.2.1 算法框架
        2.2.2 单帧图像的人体姿态估计
        2.2.3 手腕的视觉跟踪
        2.2.4 级联纠错机制
    2.3 实验结果与分析
        2.3.1 数据库和评价标准
        2.3.2 实验设置
        2.3.3 模型分析
        2.3.4 实验结果对比
        2.3.5 定性分析
    2.4 本章小结
第三章 基于Faster R-CNN的静态图像人体姿态估计方法
    3.1 引言
    3.2 基于Faster R-CNN的静态图像人体姿态估计方法
        3.2.1 算法框架
        3.2.2 基于Faster R-CNN的部件检测模型
        3.2.3 人体部件空间约束模型
    3.3 实验结果与分析
        3.3.1 数据库和评价标准
        3.3.2 实验设置
        3.3.3 模型分析
        3.3.4 实验结果对比
        3.3.5 定性分析
    3.4 本章小结
第四章 基于深度学习网络和多层次图结构模型一体的 人体姿态估计方法
    4.1 引言
    4.2 基于深度学习网络和多层次图结构模型一体的人体姿态估计方法
        4.2.1 算法框架
        4.2.2 基于深度学习网络的部件外观模型
        4.2.3 多层次图结构模型
    4.3 实验结果与分析
        4.3.1 数据库和评价标准
        4.3.2 实验设置
        4.3.3 多层次图结构模型的作用分析
        4.3.4 实验结果对比
        4.3.5 定性分析
    4.4 本章小结
第五章 总结与展望
    5.1 论文总结
    5.2 工作展望
参考文献
致谢
作者简介



本文编号：3811124