监控视频实时多人姿态估计算法研究与应用

深度学习论文 人体姿态估计论文 智能监控论文 计算机视觉论文
论文详情
摘要第4-5页
ABSTRACT第5-6页
1. 绪论第9-14页
    1.1. 研究背景与研究意义第9-10页
    1.2. 国内外研究现状第10-12页
    1.3. 本文主要研究内容第12-13页
    1.4. 论文结构第13-14页
2. 基于图结构的人体姿态估计第14-18页
    2.1. 人体图结构模型第14-15页
    2.2. 人体图结构统计模型第15-16页
    2.3. 模型参数学习第16-17页
        2.3.1. 外观参数估计第17页
        2.3.2. 连接参数估计第17页
    2.4. 本章小结第17-18页
3. 基于深度学习的单人姿态估计第18-29页
    3.1. DeepPose第18-21页
        3.1.1. 关节点回归网络第18-19页
        3.1.2. 级联回归第19-21页
        3.1.3. 网络训练设置第21页
    3.2. 流动卷积神经网络(Flowing ConvNets)第21-23页
        3.2.1. 空间卷积网络第21-22页
        3.2.2. 空间融合层(Spatial fusion layers)第22页
        3.2.3. 密集光流法对齐第22-23页
        3.2.4. 网络训练设置第23页
    3.3. 卷积姿势机(Convolutioal Pose Machines,CPM)第23-26页
        3.3.1. 姿势机第24页
        3.3.2. 卷积姿势机第24-26页
        3.3.3. 网络训练设置第26页
    3.4. 堆叠沙漏网络(Stacked Hourglass Network)第26-28页
        3.4.1. 沙漏结构第26-27页
        3.4.2. 堆叠沙漏网络第27-28页
        3.4.3. 训练参数设置第28页
    3.5. 本章小结第28-29页
4. 基于深度学习的多人姿态估计第29-38页
    4.1. DeepCut第29-32页
        4.1.1. Adapted Fast R-CNN (AFR-CNN)第29页
        4.1.2. 节点归类第29-32页
    4.2. DeeperCut第32-33页
        4.2.1. 残差网络第32页
        4.2.2. 图像条件配对项第32-33页
    4.3. ArtTrack第33-37页
        4.3.1. 基于图优化的多目标跟踪第33-34页
        4.3.2. 多人节点跟踪第34-37页
    4.4. 本章小结第37-38页
5. 实时多人姿态估计第38-47页
    5.1. 网络结构第38-40页
    5.2. 关节点热力图第40-41页
    5.3. 关节点亲和区域第41-43页
    5.4. 多人姿态估计第43-44页
    5.5. 训练样本第44-45页
    5.6. 网络训练第45-46页
    5.7. 本章小结第46-47页
6. 人员异常行为分析第47-52页
    6.1. KCF跟踪原理第47-49页
    6.2. 关节点跟踪第49-50页
    6.3. 异常行为分析第50-51页
    本章小结第51-52页
7. 实验结果与分析第52-59页
    7.1. 训练结果第52-53页
    7.2. 精度评价第53页
    7.3. 关节点热力图可视化第53-54页
    7.4. 亲和区域可视化第54-55页
    7.5. 多人姿态估计结果第55-56页
    7.6. 运行速度第56页
    7.7. 异常行为分析第56-59页
8. 总结与展望第59-61页
参考文献第61-64页
致谢第64-65页
论文购买
论文编号ABS4635977,这篇论文共65页
会员购买按0.30元/页下载,共需支付19.5
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付32.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656