基于人体姿态识别的立定跳远动作智能评估系统

针对立定跳远教学场景中的动作不规范及成绩量化不统一等问题,本文设计并实现了一种基于人体姿态识别技术的立定跳远动作智能评估系统。该系统首先对标准姿态视频进行关键点估计,并对其进行数据预处理,在此基础上将立定跳远特征与专家意见相结合,构建立定跳远标准动作数据信息库;然后采用摄像头捕获待评估人员姿态,将其与库中的立定跳远标准姿态进行关键帧匹配;最后采用皮尔逊积矩相关系数综合各关键点对立定跳远运动的影响程度,并将其与计算向量相似度及关键特征姿态角度等方法结合,定义了立定跳远动作规范性评价指标,以进行姿态的差异化比对。经验证,该系统可对立定跳远运动姿态的规范性提供有效的评估,同时为用户提供改进建议,促使其纠正运动姿态,提高运动成绩。     

基于计算机视觉的人体姿态识别研究

人工智能交互领域的不断发展,使计算机视觉技术的研究更加深入且多样化。人体姿态识别是计算机视觉中的一个重要的基础问题。文章基于计算机视觉开展人体姿态识别研究,通过VGGNet模型实现神经网络预测,采用Openpose算法获取18个人体关键点位置和置信度,根据PAF和二分图算法实现关节拼接。实验基于MS COCO 2017数据集建立优化模型,在测试集上达到了96.31%的准确率。最后,文章实现了能够识别出人体骨骼姿态的系统。     

基于MEMS传感器的姿态检测系统

基于MEMS传感器设计了一种姿态检测系统,通过MEMS传感器获取角速度、加速度等信息,利用硬件对采集的数据进行滤波处理,实现目标物体运动过程中姿态角的测量。采用互补滤波对数据进行融合,有效消除了噪声干扰,提高了系统的检测精度。无线模块的应用实现了下位机与上位机的同步,实时显示目标物体的运动姿态。实验表明,该系统具有较高的测量精度及良好的实时显示效果。     

基于深度学习的三维人体姿态估计技术

基于视觉的人机交互技术通过捕捉识别身体语言为人们提供更加灵活便捷的交互方式,是人工智能与自然人机交互领域极具价值的研究内容.基于深度学习的三维人体姿态估计技术作为底层基础技术,对基于视觉的人机交互技术的快速发展与广泛应用起到了重要的推动作用.本文首先概述三维人体姿态估计技术的基本概念与主要挑战,并对不同方法进行分类,随...     

基于HRNet的高效人体姿态估计算法

高分辨率网络(High-Resolution Network, HRNet)因并行连接高分辨率卷积且在并行卷积中重复进行多尺度融合来维持高分辨率表示,弥补了重复上采样和下采样过程造成的信息损耗等问题而受到广泛研究。但该网络只选取最高分辨率特征表示作为输出,忽略了其他分辨率分支的特征,且对遮挡等原因产生的困难点的检测精度较低。为了提升网络对关节点定位的精度,提出了一种改进HRNet的网络模型H-HRNet(High Precision-HRNet)。提出了一种结合注意力机制的特征融合方法,对各通道提取到的信息进行融合,提高了网络对关键点的提取精度;为了解决困难点检测精度不高等问题,在特征提取网络后添加调优模块并设计多级监督机制进行监督;为了减少坐标编解码过程中的误差损失,使用一种新的解码策略。实验结果表明,模型在COCO和MPII两个数据集上的精度分别达到了76.1%和90.6%,比基线网络HRNet分别提高了1.7%和0.4%,验证了H-HRNet模型的有效性。     

基于三维光学信息的人体姿态快速测量

汽车中人体姿态三维测量对汽车座椅设计的舒适性评价具有重要的意义。为了快速准确地获取车内人体三维数据,文中采用一种基于双目视觉的立体三维数据获取方法,该方法将结构光与标记点相结合,实现了人体三维点云快速重建以及三维姿态(距离、角度)自动快速测量。实验结果表明,该方法在距离2 m以上,测量范围1.5 m×2 m时,人体姿态测量精度可以达到0.03 mm,满足了汽车人体姿态高精度三维数据采集的需求。与传统的汽车人体姿态三维测量方法相比,文中所使用的三维自动测量方法不仅自动化程度高,而且具有测量精度高、速度快、鲁棒性强的优点。     

可穿戴式人体姿态识别系统研究进展

随着科技发展,基于可穿戴式传感器的研究逐渐得到重视,显现出功耗低、可携带性好、成本造价低、使用场景不受限制等独特优势。其中重要的一项应用是人体姿态识别,人体姿态识别过程主要分为人体运动信息采集、数据预处理、姿态角求解、模式识别特征的提取与识别。本文介绍了人体姿态识别技术的研究进程,总结了目前常用的传感器,最后对未来人体姿态识别技术发展进行展望。     

基于人工智能芯片与OpenPose模型的人体姿态估计方法

本文提供了一种基于人工智能芯片与OpenPose模型的人体姿态估计方法,将OpenPose模型转换为芯片所需模型,拷贝至芯片,并在其NNA加速核模块上成功运行,得到模型推理结果并上传至上位机进行后处理,得到人体姿态检测结果。本文对于姿态估计能够正确实现,准确性高,且能实现对模型的加速。     

基于深度学习的2D人体姿态估计浅析

近年来,随着深度学习技术的发展,基于深度学习的2D人体姿态估计展现出了极其优异的效果。文章主要对2014年以来基于深度学习的2D人体姿态估计相关内容进行了分析和评述,包括对主流方法的介绍和对数据集评价指标的总结对比,最后还讨论了2D人体姿态估计的未来研究方向。     

基于ZigBee的人体健康远程实时监测系统

针对传统的有线人体健康监测系统隐蔽性差、抗破坏能力弱、铺设成本高且周期较长,不适于现代家庭使用等问题,设计一种基于ZigBee和智能手机的人体健康远程实时监控系统,该系统主要由数据采集和数据分析两部分组成,通过ZigBee无线传感网络完成对人的睡眠时间、脉搏以及体温等数据的采集以及利用重力传感器对人运动量的采集,然后将数据发送到微处理器,控制终端将采集到的数据进行处理分析,在手机端进行实时显示。此系统有利于分析和改善人体健康状况,并且实时监测是否存在异常,具有广泛的实际应用价值。     

基于通道与空间特征选择融合的人体姿态检测

针对人体姿态检测过程中多尺度特征表达不充分的问题,本文利用选择性卷积核网络(Selective Kernel Networks,SKNet)的思想,提出了一种通道与空间特征选择融合模块,并应用于高分辨率网络,从而在多尺度特征融合过程中进行关键信息选择,不仅提高了多尺度特征表达,同时保留了原有多尺度特征融合交换不同特征信...     

基于MobileViT改进的红外人体姿态估计算法

人体姿态估计主要依赖于视觉图像信息捕获关节点从而获得肢体和躯干的全局姿态信息。目前,基于可见光的深度学习方法具备较高的检测精确度,但隐私泄露的风险限制了其实际应用。同成本的红外探测器虽更能突出人体目标,但因成像分辨力较低,图像质量差,导致检测精确度下降。受视觉Transformer的启发,本文引入MobileViT-FPN提取人体关键点,利用MobileViT捕捉局部关节点特征和全局关节点特征关系,然后使用固定模式噪声(FPN)在多尺度上聚合这些表征信息,结合改进的OpenPose对关键点进行聚类,输出估计结果。在关键点级联阶段,注意力机制使模型自适应关注感兴趣区域,增强对遮挡部位的恢复。实验表明,该方法可以实时检测变化尺度和部分遮挡的红外人体目标,准确描绘人体姿态。     

基于深度学习的人体姿态估计方法综述

全面综述了基于深度学习的人体姿态估计方法的研究进展.在比较分析各类单人姿态估计方法的基础上,从自上而下和自下而上两个方法角度总结了多人姿态估计算法.在自上而下方法中,着重介绍了局部区域重叠、关节点混淆、人体非典型部位关节点难以检测等问题的解决方案;在自下而上的方法中,重点关注聚类方法对关节点检测的贡献.对目前公共数据集...     

图像和视频中基于部件检测器的人体姿态估计

人体姿态估计是计算机视觉领域中的一个关键问题,可以应用于人体活动分析,人机交互以及视频监视等方面。该文针对单目图像和视频中的人体姿态估计问题,基于部件及图推理的方法,对观测模型和推理方法提出改进。该文设计实现了一种旋转不变的边缘力场特征,采用基于边缘力场特征的Boosting分类器作为观测模型,并利用一种基于粒子采样和置信度传播的优化算法进行姿态估计。算法的性能和速度在几个数据集上得到了验证。     

基于多核稀疏编码的三维人体姿态估计

为了准确有效的重构多视角图像中的三维人体姿态,该文提出一种基于多核稀疏编码的人体姿态估计算法.首先,针对连续帧姿态估计的歧义问题,该文设计了一种用于表达多视角图像的HA-SIFT描述子,其中,人体局部拓扑、肢体相对位置及外观信息被同时编码;然后,在多核学习框架下建立同时考虑特征空间内在流形结构与姿态空间几何信息的目标函数,并在希尔伯特空间优化目标函数以更新稀疏编码、过完备字典与多核权值;最后,利用姿态字典原子的线性组合来估计对应未知输入的三维人体姿态.实验结果表明,与核稀疏编码、Laplace稀疏编码及Bayesian稀疏编码相比,文本方法具有更高的估计精度.     

基于语音交互与人体姿态识别的独居老人智能陪护系统

随着我国老年人口基数的不断增长,人口老龄化速度持续加快,独居老人群体的陪护问题日益成为社会关注的焦点.文中针对独居老人陪护问题设计了一款基于语音交互与人体姿态识别技术的智能陪护系统.在语音交互方面,系统利用语音采集模块采集语音数据,通过语音识别、自然语义处理及语音合成等技术实现语音对话,获取新闻、天气信息,播放音乐等功...     

基于人体运动状态识别的损伤风险监测系统研究

针对人体运动状态评估和损伤风险监测的可控性不好的问题,提出一种基于Android便携仪移动终端平台设计的人体运动状态识别及损伤风险检测系统设计方法。在Android移动APP终端上进行人体运动状态损伤风险监测系统的总体设计构架,分析系统的功能模块;利用Android嵌入式系统进行系统的软件开发,以S3C6410为系统的核心处理器进行人体运动状态的数据采集和分析,采用ARM1176JZF-S作为主处理内核进行便携式损伤风险监测系统软件开发,并通过Wi Fi接口进行操作系统移植和设备端口的兼容性设计。系统测试表明,该系统能准确实现人体运动状态识别和损伤风险监测与提示,性能可靠稳定。     

无线传感器网络人体姿态识别算法

根据无线传感器网络与人体姿态识别技术的特点,设计了一套基于CC2430微控制射频芯片、MMA7260QT三轴模拟加速度传感器和人机交互图形界面的人体姿态识别系统.提出了一种人体姿态识别算法,通过实验论证了该算法的合理性和可行性,为后续应用开发奠定了基础.