基于中粒度模型的视频人体姿态估计

人体姿态估计是计算机视觉领域的一个研究热点,在行为识别、人机交互等领域均有广泛的应用.本文综合粗、细粒度模型的优点,以人体部件轨迹片段为实体构建中粒度时空模型,通过迭代的时域和空域交替解析,完成模型的近似推理,为每一人体部件选择最优的轨迹片段,拼接融合形成最终的人体姿态序列估计.为准备高质量的轨迹片段候选,本文引入全局运动信息将单帧图像中的最优姿态检测结果传播到整个视频形成轨迹,然后将轨迹切割成互相交叠的固定长度的轨迹片段.为解决对称部件易混淆的问题,从概念上将模型中的对称部件合并,在保留对称部件间约束的前提下,消除空域模型中的环路.在三个数据集上的对比实验表明本文方法较其他视频人体姿态估计方法达到了更高的估计精度.     

基于多级动态模型的2维人体姿态估计

提出一种利用多级动态模型来估计单目视频中的人体姿态的方法．首先,构建了一种多级动态人体姿态模型,该模型将人体姿态视为各部位姿态的铰接组合,用部位姿态的最优估计来逼近整体姿态的最优估计,从而解决了整体姿态估计带来的歧义性问题．其次,提出了一种通过构建虚拟姿态来计算视频相邻帧之间姿态一致性的算法,该算法能够有效利用视频中表观特征及运动特征的连续性,从而提高姿态估计精度．此外,使用粒子群优化算法用较小的姿态样本优化出最优部位姿态,并将最优部位姿态重组为最优的人体姿态．通过实验验证了所提方法的有效性,并与几种前沿方法进行了比较．实验结果表明,本文方法有效提高了人体姿态估计的准确度．     

基于SMPL模型的人体姿态估计

针对目前人体形变模型中姿态估计算法容易出现误差、信息缺失等问题,提出一种利用深度相机获取的人体三维信息来优化模型的方法.通过深度相机Kinect获取的三维骨架信息,与SMPL模型进行配准,修正原始的模型姿态,得到一个接近人体真实姿态的模型.实验结果表明,融合人体三维信息后,模型的准确性得到一定程度上的提高.     

基于视频帧连贯信息的3维人体姿势优化估计方法

针对基于视频的3维人体姿态估计问题,传统方法是先估计出每帧图像中的3维人体姿态,再将估计结果按帧序排列,获得视频中的3维人体姿态．这种方法没有考虑连续帧间人体动作的连贯性,以及人体关节连接的空间一致性,估计结果中常会出现人体的高频抖动及动作的较大偏差．针对该问题,提出一种基于视频帧连贯信息的3维姿态优化估计方法．首先利用2维姿势估计结果优化人体3维关节点坐标,以减少抖动;其次引入前后帧关节点运动的逆向与正向预测,以保持动作连贯性;最后,加入骨骼连接约束,建立可保持人体动作轨迹光滑且优化前后关节连接结构一致的模型,实现对3维人体姿态的精确估计．在公共数据集MPI-INF-3DHP上的测试结果显示,与基准3维姿态估计方法相比,本文方法估计的关节点平均误差降低3．2%．在公共数据集3DPW上的测试结果显示,与未优化情形相比,加速误差降低44%．     

基于PCNet的人体姿态估计方法

人体姿态估计是计算机视觉、模式识别领域的重要研究问题,用于将视频图像中的人体骨骼姿态进行检测识别,在人机交互领域有重要应用;针对闸机场景下人群拥挤、遮挡严重的人体姿态估计问题,提出了基于姿态矫正的人体姿态估计网络PCNet;该网络设计了一种融合全局和局部信息的Transformer特征编码模块,并将其引入到模型特征提取骨干网络中提升精度表现;提出基于时空注意力机制的级联结构的姿态矫正模块,对预测的关键点位置进行矫正,修正因遮挡、小尺度目标等引起的误差较大的关键点;将提出的人体姿态估计方法在COCO数据集和CrowdPose数据集上进行实验,实验结果表示,模型效果与主流方法相比在精度和鲁棒性上均得到了提升。     

基于HOG和颜色特征融合的人体姿态估计

部位外观模型在人体姿态估计中起着关键作用.为提高人体姿态估计的准确度,对如何利用梯度方向直方图(HOG)与颜色特征建立外观模型进行研究.利用支持向量数据描述算法(SVDD)对部位的所有细胞单元构造子分类器,将所有子分类器按照不同权值进行线性组合,建立基于HOG特征的外观模型;利用与基于HOG特征的外观模型之间似然度较高的部位状态学习定位概率,根据定位概率求得的颜色直方图即为基于颜色特征的外观模型;根据待处理静态图像的光照条件和人体着装及背景的颜色对比度可确定分别基于HOG和颜色特征的外观模型的权值;根据相应权值对两种外观模型进行线性组合,建立基于HOG和颜色特征融合的部位外观模型.将所提外观模型用于人体姿态估计,实验结果表明,该外观模型更加有效,获得更高的人体姿态估计准确度.     

基于全局姿态感知的轻量级人体姿态估计

人体姿态估计是近年来人机交互领域的热点话题.当前,常见的人体姿态估计方法集中在通过增加网络的复杂性来提高精度,却忽视了模型的效益问题,导致模型在实际应用中精度高但计算资源消耗巨大.针对这一问题设计了一个基于全局姿态感知的轻量级人体姿态估计模型,其在MSCOCO数据集上精度达68.2％AP,速度保持在255 fps,参数...     

层次Token注意力的人体姿态估计

针对人体姿态估计中存在关于复杂环境下关节点与人体遮挡,困难关键点检测准确率不高的问题,作者基于将关键点预测转换为token分类任务,设计了TA-Pose方法。(1)提出层次化Tokenizer,设计关节点下采样策略,使得模型先预测人体大致姿态,再进行细节优化,并采用辅助Loss避免增加训练阶段。(2)在离散分类之前进行Token-level Attention。这能利用不同token预测难度差异大的特点,让易预测的token辅助难预测的token,进而提高预测整体关节点的能力。实验结果表明,在相近训练资源消耗下,本方法在精度和训练速度上均超越传统方法和同类token方法,AP指标提升1.6%,AR指标提升1.4%。     

姿态估计算法在视频监控中的应用

为了满足厨房智能监控的需求,保证食品卫生安全,开发了一个基于姿态估计算法的厨房智能监控系统.该系统将深度神经网络与视频监控技术相融合,实现人脸识别以及衣帽识别等功能,采用Openpose姿态估计算法对人体部位进行有效定位,并针对Openpose算法会出现误判人体关键点的问题进行了改进.实验表明,改进后的姿态估算法能够有...     

基于深度信息的人体姿态识别研究综述

随着RGB-D传感器的出现;深度图像信息可以弥补基于彩色图像的人体姿态识别在复杂环境和光照变化下鲁棒性较差的问题;因此利用深度信息识别人体姿态变得更加便捷。为了解人体姿态识别的发展现状;在广泛调研现有文献和最新成果的基础上;从深度图像预处理、特征提取、姿态识别算法三方面对基于深度信息的人体姿态识别进行阐述;介绍人体姿态识别相关的技术发展及应用领域;并对其中存在的难点与问题进行讨论;为以后的相关研究提供思路。     

基于智能手机的实时跌倒检测系统研究

为减少跌倒对老年人造成的伤害,并对跌倒进行实时检测,提出了一种基于Android智能手机的人体跌倒检测系统,手机安置于腰上采集手机加速度传感器数据,利用了姿态识别和跌倒检测相结合的算法,区分出跌倒行为和人体日正常常活动。当检测到异常跌倒时,报警信息以及从手机中GPS获取的位置被发送。仿真及实验表明：系统能够有效地识别出跌倒和日常行为,算法具有较高实时性、具有较高灵敏度和特异度。     

ON THE CORRELATION BETWEEN A SERIAL CHOICE REACTION TASK AND SUBSEQUENT ACHIEVEMENT AT TYPEWRITING

Abstract

A serial choice reaction te3t and an intelligence test were administered to a group of new entrants to secretarial courses. At regular intervals typewriting test scores of this group were obtained. No correlation with intelligence was found. Performance on the serial choice reaction test and typewriting was found to be significantly correlated.     

视频监控中人脸识别算法稳定性的改进

如果单纯地采用静态人脸识别算法对视频图像进行检测、识别,忽略了视频中重要的前后帧相关的特性,会造成识别结果的不稳定。为了解决识别结果不稳定的问题,对视频监控中的人脸识别算法进行了改进,根据视频前后帧相关性对人脸运动进行估计并将其应用在视频监控的软件产品中。实验证明,该算法提高了传统单帧人脸识别算法的稳定性,具有较好的应用价值。     

智能药品配送机器人

基于SLAM导航和计算机视觉技术自主研发了一款药品配送机器人用于代替医护人员按时按需为患者配送药品.机器人以US-C5300为核心主控,采用Linux操作系统,底部搭载12V电机以及全向轮给予机器人驱动力,同时配合激光雷达、摄像头、光敏传感器、扬声器、智能药盒等硬件设备,实现机器人自主寻径导航、人脸识别患者身份、摔倒检...     

基于Android的老年人看护系统的设计与实现

At present, elderly care has become a hard problem as the aged tendency of the population is deepening. So designing acare system is necessary for the elderly people. Moreover, with the popularity of mobile devices and the gradual maturity of 5G tech-nology, the system gets essential technical support for the realization. This article elaborates on the design and implementation of anelderly care system. This system utilizes Android sensors and Baidu Map API map positioning technology to realize the functions offall alarm, real-time positioning, sports health information recommendation as well as convenient operation.     

一种新的异常行为检测算法

行人异常行为的自动检测与识别是计算机视觉领域的重点和难点,同时也是智能监控系统中研究的热点问题。针对这一问题,提出了一种基于人体形态特征的异常检测算法。利用轮廓信息将目标从视频序列中分割出来,再对分割出来的目标进行轮廓拟合,根据所得到的拟合信息提取文中所定义的形态特征因子,将特征因子经过行为分类器的判定,从而决策出该行为是否异常。实验结果表明该方法实现简单,具有较好的实时性与鲁棒性,可以作为实时监控系统中异常行为检测的有效方法。     

煤矿井下人员危险行为检测方法

井下人员危险行为检测是煤矿安全防控的关键环节。现有目标检测技术用于人员危险行为检测时,受煤矿井下复杂工况、设备遮挡、多目标密集、粉尘干扰等因素影响,存在特征提取不准确等问题,且未明确界定人员危险行为。以YOLOv8−pose模型为基准架构,采用DCNv4和PConv模块融合的DCNv4−PConv混合模块代替标准卷积,添加混合局部通道注意力（MLCA）模块,并采用感受野注意力卷积（RFAConv）模块替换检测头,构建了PMR−YOLO模型,用于检测井下监控图像中人体关键点,提升检测精度和运算速度。在此基础上设计了人员行为识别算法,将井下人员行为划分为9种类别,基于YOLOv8−pose模型检测的人体关键点形成人体骨架,判断人员行为类别型。采用DsLMF+数据集进行消融实验、对比实验和人员行为识别实验,结果表明：DCNv4−PConv混合模块、MLCA模块、RFAConv模块的引入有效提高了YOLOv8−pose模型的精确度、召回率和平均精度均值（mAP）;PMR−YOLO模型对人体关键点特征提取的精确度、召回率和mAP分别为0.893, 0.841, 0.852,较YOLOv8−pose模型分别提高了6.9%,14.4%,10.5%;基于PMR−YOLO模型的检测方法可有效识别井下人员9种行为类别,识别准确率均不低于96%。     

基于加速度矢量特征的老人跌倒检测装置设计

针对老人意外跌倒的及时救助问题,设计了一种基于加速度矢量特征的老人跌倒检测装置。该装置结合加速度传感器MMA8452Q、GSM通信和GPS定位技术,通过分析人体姿态变化时的加速度矢量特征,利用加速度Z轴分量和加速度幅值作为跌倒判定的基础准则,并且考虑到跌倒后是否严重未起来,以加速度幅值的瞬时变化值为辅助提高了对于跌倒检测求助事件的判定准确性,据此远程报警并发送老人位置信息以及时施救。实测结果表明,该装置能准确地辨别出老人日常行为和意外跌倒需要求助状态并进行报警,降低跌倒带来的风险,实用性强。