基于卷积神经网络的人体姿态估计

《基于卷积神经网络的人体姿态估计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、：密：分类号级ＵＤＣ：编号：工学硕士学位论文基于卷积神经网络的人体姿态估计硕士研究生：张玉立指导教师：李秋红讲师＿学科、专业：机械工程论文主审人：薛开教授哈尔滨工程大学２０１８年６月分类号：密级：UDC：编号：工学硕士学位论文基于卷积神经网络的人体姿态估计硕士研究生：张玉立指导教师：李秋红讲师学位级别：工学硕士学科、专业：机械工程所在单位：机电工程学院论文提交日期：2018年5月论文答辩日期：2018年6月学位授予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationfortheDegreeofM.EngHum

2、anPoseEstimationBasedonConvolutionalNeuralNetworkCandidate:ZhangYuliSupervisor:Dr.LiQiuhongAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:MechanicalEngineeringDateofSubmission:May.,2018DateofOralExamination:Jun.,2018University:HarbinEngineeringUniversity摘要人体姿态估计是理解图像和视频中人的行为的一个关键步骤，在智能监控、人机

3、交互等领域有着广阔的应用前景。卷积神经网络在机器视觉领域相比传统的图像处理方法具有很大的优势，以卷积神经网络为基础建立的人体姿态估计模型相比传统的人体姿态估计模型预测准确度有了很大提高，Tompson模型就是其中的经典模型。本文针对Tompson模型中存在的大卷积核和非全尺寸关节点热图的问题，建立改进的Tompson模型，并在此基础上引入迁移学习，建立迁移学习人体姿态估计模型。本文主要工作如下：1.以Tompson模型为基础建立改进Tompson人体姿态估计模型。采用3×3卷积层组代替Tompson模型中的5×5卷积层和9×9卷积层，建立3×3卷积核Tompson模型；在3×3卷积核Tom

4、pson模型的基础上，采用反卷积使模型输出全尺寸关节点热图，建立全尺寸Tompson模型。2.建立迁移学习VGG19-30s和迁移学习VGG19-8s人体姿态估计模型。分析采用处理图像分类问题的VGG19模型进行迁移学习解决人体姿态估计问题的可行性。以训练好的VGG19模型的特征提取部分为基础，建立针对人体姿态估计问题的迁移学习VGG19-30s模型；在迁移学习VGG19-30s模型的基础上，采用特征复用建立迁移学习VGG19-8s模型。3.以小批量梯度下降法训练模型并进行测试。选择FLIC-plus数据集作为模型的训练数据，并对这些数据进行数据扩充和去均值操作；根据人体关节点的真值坐标，

5、采用二维高斯分布建立真值关节点热图；设计模型的代价函数，采用小批量梯度下降法对模型进行训练；根据PCK评价指标对比分析各个模型的预测准确率。关键词：人体关节点；Tompson模型；卷积神经网络；迁移学习；VGG19AbstractHumanposeestimationisakeysteptounderstandhumanbehaviorinimagesandvideos.Ithasvastapplicationprospectsinintelligentmonitoring,human-computerinteractionandotherfields.Theconvolutionalne

6、uralnetworkhasagreatadvantageoverthetraditionalimageprocessingmethodsinthefieldofmachinevision.Thehumanposeestimationmodelbasedonconvolutionalneuralnetworkhasgreatlyimprovedthepredictionaccuracyofthetraditionalhumanposeestimationmodel,theTompsonmodelistheclassicone.Inthispaper,animprovedTompsonmod

7、elisestablishedfortheproblemoflargekernelandnon-fullsizejointheatmapintheTompsonmodel,andonthisbasis,thetransferlearningisintroducedtoestablishtransferlearninghumanposeestimationmodel.Themainworkofthisarticleisas