基于深度学习的体感交互方法

• 作者: 唐晖 王庆 郭浩 陈洪
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 体感交互 Faster-RCNN CPM 非极大值抑制 Center Loss
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 图像处理
• 页码范围: 7-14
• 页数: 8页
• 分类号: TP391
• 字数: 6217字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.02.002

摘要

随着微软2017年10月份宣布永久停产Kinect产品,目前体感交互领域急需一种Kinect的替代品.本文采用普通单目摄像头实时读取视频流,用Faster-RCNN网络检测人体位置并且框出,改进非极大值抑制算法,引入线性加权函数将IOU大于阈值的检测框分数减低而不是变成零.其次,根据得到的检测框送入人体关键点检测CPM网络,输出人物全身骨骼点坐标位置,将Center Loss引入以增加关键点的类内特征的内聚性和类间的差异性.最后,按照模板匹配法根据识别结果生成体感交互的控制指令.本文方法降低了对专业设备的依赖,简化了体感交互的复杂度,对促进体感普及以及拓展人机交互使用范围都具有重要价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈洪	中国农业大学信息与电气工程学院	34	194	7.0	13.0
2	王庆	中国农业大学信息与电气工程学院	15	47	4.0	6.0
3	郭浩	中国农业大学信息与电气工程学院	10	92	6.0	9.0
4	唐晖	中国农业大学信息与电气工程学院	1	1	1.0	1.0