基于改进CNN和加权SVDD算法的人体姿态估计

• 作者: 韩贵金
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人体姿态估计 深度学习 卷积神经网络 加权支持向量数据描述 线性组合
• 年，卷（期）: 2018,（24）
• 所属期刊栏目: 图形图像处理
• 页码范围: 198-203
• 页数: 6页
• 分类号: TP391.4
• 字数: 4325字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1709-0045

摘要

卷积神经网络是人体姿态估计中应用最成功的深度学习模型,但仍存在着提取图像特征时不同图像区域和提取出的不同抽象特征被平等对待的缺陷.为此,提出了一种基于改进卷积神经网络和加权支持向量数据描述算法的关节外观模型,并用其设计了一种人体姿态估计算法.卷积神经网络卷积层中不同图像区域的卷积操作被赋以不同的权值系数以体现其不同作用;采用加权支持向量数据描述算法对每一种抽象特征都构造关节子外观模型,将所有关节子外观模型按不同权值进行线性组合建立了新的关节外观模型,权值的不同体现了不同抽象特征的不同作用.仿真实验表明,与现有基于卷积神经网络的人体姿态估计算法相比,所设计的人体姿态估计算法具有更高的估计准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩贵金	西京学院信息工程学院	2	8	1.0	2.0