一种基于YOLOv5改进的动捕Maker点识别方法

摘要

针对动作捕捉系统应用时,复杂背景下球形目标Marker点识别稳定性低的问题,论文结合YOLOv5识别技术提出了一种半监督训练的Marker点识别方法:首先利用Teacher student model进行伪标签制作,并根据所得的阈值来挑选高置信度的伪标签;随后将伪标签数据当做训练集对模型进行微调来得到最终模型;接下来对YOLOv5模型中CSP模块中的residual模块进行替换,同时对模型进行剪枝,并利用动捕小目标识别特征删减YOLOv5算法中的模块,从而进一步实现模型轻量化。最后,使用球形Marker进行测试,实验结果验证了所提方法的有效性,证实了应用论文方法可以较为稳定地提取复杂场景中的Marker点,大大增强了动捕系统在复杂环境中应用的适应能力。