基于深度学习的人体轮廓识别

• 作者: 贾群喜 张伟民 孙占鹏 户肖剑
• 来源期刊: 现代信息科技
• 关键词: 人体轮廓 U-Net神经网络 Dice损失函数 高斯滤波
• 年，卷（期）: 2020,（23）
• 所属期刊栏目: 计算机技术|Computer Technology
• 页码范围: 90-93
• 页数: 4页
• 分类号: TP391.41|TP181
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2020.23.025

摘要

为了解决人体轮廓识别精度不高,鲁棒性不好的问题,在保证实时性的要求下,提出了一种基于深度学习的人体轮廓识别方法,该方法采用U-Net神经网络框架,建立特定视角的数据集,利用高斯滤波进行图像预处理操作,设计使用Dice和交叉熵函数相结合的损失函数进行训练.实验表明,该方法的重合度为91.85％,单次识别耗时为50.56 ms,在保证精度和实时性的前提下,也保证了对不同环境的适应性,在实际应用中有良好的价值.