基于人体骨骼点检测与多层感知机的人体姿态识别

• 作者: 梁美祥 段俊臣 王瑞
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 深度学习 骨骼点检测 Openpose 深度可分离卷积 多层感知机 自适应梯度 批标准化
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 传感器及非电量检测技术
• 页码范围: 168-172
• 页数: 5页
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004343

摘要

近年来,随着人工智能与机器视觉的发展,图像识别,目标跟踪监测技术越来越深入人们日常的经济生活中,对于人体的姿态识别也有着越来越多的需求.自下而上的人体骨骼点检测网络Openpose相较与自上而下的RMPE与CPN网络在识别精度和速度上都有着很大的提升.然而仍不足以在移动与嵌入式设备中进行平日的应用.针对此问题,提出了一种方法,该方法利用深度可分解卷积的方式对Openpose网络做出改进,并使用多层感知器来训练和分类所识别的骨骼点,自适应梯度法优化随机梯度下降过程,使得整个网络可以自我调节学习率,再利用批标准化得方法对网络中的参数进行处理,以提高网络最终的分类准确率.最后在Jetson TX2开发板上测试得到在网络训练迭代5 000次时,对站姿,坐姿,躺姿识别精度达到了0.843,0.839,0.831,每帧图片的检测时间提升到0.5s.实验表明,整个网络可以有效对人体的站姿,坐姿,躺姿进行识别,并可以在嵌入式设备上较快速度运行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王瑞		36	116	6.0	9.0
2	段俊臣		1	0	0.0	0.0
3	梁美祥		1	0	0.0	0.0