卷积神经网络用于关节角度识别与姿势评估

• 作者: 冉令华 刘海笑 张人杰 赵玉婷 钮建伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Kinect 相机标定 深度图像 卷积神经网络 人机交互
• 年，卷（期）: 2019,（16）
• 所属期刊栏目: 工程与应用
• 页码范围: 209-216
• 页数: 8页
• 分类号: TP391.41
• 字数: 4030字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1901-0201

摘要

为了快速准确地输出各种工作姿势风险评估结果,提出采用Kinect v2与卷积神经网络识别人体各关节角度,并输出标准姿势风险的评估得分.首先使用亚像素角点提取的棋盘标定算法标定Kinect两个摄像头,其次使用改进后的双边滤波对深度图像去噪,使用卷积神经网络识别人体关节二维位置,结合深度信息获取实际三维坐标并计算人体关节角度,最后输出姿势风险评估得分.通过两种实验分别验证了提出的Kinect角度识别与姿势评估的准确性,表明该方法关节角度识别与姿势风险评估的准确率均较高,是一种低成本、高可靠性的姿势评价方法,具有一定的科学意义和工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钮建伟	北京科技大学机械工程学院	16	40	2.0	6.0
2	冉令华		13	78	4.0	8.0
3	赵玉婷	北京科技大学机械工程学院	1	2	1.0	1.0
4	张人杰	北京航空航天大学机械工程学院	1	2	1.0	1.0
5	刘海笑	北京科技大学机械工程学院	1	2	1.0	1.0