姿态估计

摘要： 为了解决传统的基于RGB的动作识别方法易受到光照、遮挡等背景因素的影响,降低了识别准确率和实时性,提出了一种融合层级注意力机制的二维骨架动作识别方法。使用人体姿态估计算法OpenPose提取视频中的人体骨架关节点,对所提取的骨架数据中缺失点和异常点通过均值补全法和指数平滑法进行数据预处理,构建了基于CNN-LSTM与层级注意力机制融合的网络模型CNN-HALSTM实现动作分类。结果表明:本文方法在交互运动数据集和KTH数据集上的识别准确率分别为96.73%和98.35%,模型参数量显著减少,具备实时性优势,优于其他同类型方法。

摘要： 针对现有姿态估计方法在驾驶室复杂环境条件下发生的非目标误检测和检测精度低的问题,提出了一种基于双流全卷积网络的驾驶员姿态估计方法.该方法通过建立2条独立的FCN(fully convolutional network)分支,分别对关键点坐标及关键点间的连接信息进行预测,同时在2个分支中构建沙漏状的网络结构,增强了网络提取关键信息的能力.为了进一步提高模型的特征提取能力,将浅层与深层网络得到的特征图进行融合.为了验证所提方法的检测效果,采用COCO(common objects in context)数据集和DDS(driver′s driving situation)数据集进行验证.试验结果表明:该方法在COCO数据集和DDS数据集上的检测平均精度分别达到64.5%和78.4%,优于其他3种对比算法;该方法可以提高驾驶员人体姿态的检测精度,具有较好的鲁棒性.

摘要： 为提高四旋翼无人机姿态参数获取的准确性,确保后续姿态控制精度,采用STM32F407微控制器以及多传感器构成姿态测量系统。对各传感器原始误差进行校准,应用扩展卡尔曼滤波(EKF)进行基于陀螺仪的状态预测和基于加速度计/磁力计的测量校正,融合信息并估计出3姿态角,与3自由度姿态算法验证系统测量出的姿态角真实值对比,3个角度的平均误差为0.7°,相对于基于单一陀螺仪积分和基于加速度计/磁力计的姿态解算,误差分别下降了3.034°和0.174°,该方法可有效提高EKF估计精度。

摘要： 煤矿井下作业人员姿态检测可为灾害预警和事故救援提供有效信息。井下人员姿态复杂多样,且为时间序列数据,现有人体姿态检测方法或难以处理连续相关的姿态数据,或因算法复杂需配置独立计算机而导致实时性较差。针对上述问题,提出了一种基于改进长短期记忆网络(LSTM)的煤矿井下人体姿态检测方法,通过压力传感器、角度传感器获取井下人员脚底压力、腰腿部角度等姿态数据,由人员随身携带的便携式边缘运算决策单元进行姿态判别,实现井下工作人员站立、行走、弯腰、蹲(坐)、躺卧5种姿态的实时检测。为降低人体姿态原始采样数据维度,提高运算效率,对LSTM进行改进,设计了长短期记忆稀疏自编码器(LSTMSA),先由稀疏自编码器(SA)对原始采样数据进行特征提取,实现降维,再由LSTM进行人体姿态检测。在实验室环境下采集人体姿态数据,分别对LSTMSA、LSTM、循环神经网络(RNN)进行训练和测试,结果表明:在相同的试验设置和采样数据下,LSTMSA对5种人体姿态检测的准确率均达到90%以上,与LSTM接近且大于RNN;LSTMSA运算时间较LSTM缩短50%以上,满足矿井人体姿态检测实时性要求。

摘要： 针对目前体能训练中普遍采用人工监督计数所带来的效率低、误差大的问题,设计了一种Fast-3D-Pose-Counter智慧体能计数算法。该算法首先利用改进的YOLO_v3网络对单目RGB摄像头采集的视频进行目标检测,得到人体目标区域。然后使用SimplePose网络进行二维姿态估计,并将人体关键点的二维坐标输入3D Pose Baseline网络,得到三维坐标系下的人体姿态。最后基于KNN算法设计动作计数分类器对三维特征向量进行分类,实现有效动作计数。实验结果表明,本算法的推理速度达到了27.4 FPS,计数准确率达到了99.6%,具备很好的实用性。

摘要： 生猪行为监测是生猪养殖管理过程中的一个重要环节。该研究提出了基于姿态与时序特征的猪只行为识别方法。首先采集和标注猪栏内猪只图像,分别构建了猪只目标检测数据集、猪只关键点数据集和猪只行为识别数据集;利用构建的数据集,分别训练了基于YOLOv5s的猪只检测模型、基于轻量化OpenPose算法的猪只姿态估计模型和基于ST-GCN算法的猪只行为识别模型,并搭建了猪只行为识别系统。经测试,文中训练的YOLOv5s猪只检测模型mAP(mean Average Precision)最高达到0.995,姿态估计模型平均精度和平均召回率达到93%以上,基于ST-GCN的猪只行为识别模型的平均准确率为86.67%。文中构建的猪只行为识别系统中基于LibTorch推理猪只检测模型和猪只姿态估计模型的单帧推理耗时分别约为14和65 ms,单只猪行为识别推理耗时约为8 ms,每提取200帧连续姿态进行一次行为识别推理,平均17 s更新一次行为识别结果。证明提出的基于姿态与时序特征的猪只行为识别方法具有一定可行性,为群养猪场景下的猪只行为识别提供了思路。

摘要： 开箱验视是邮局快递场景中的一个重要环节,为了防止包裹内存在易燃易爆等危险品,快递打包前工作人员需按照行业要求实施危险品开箱验视;在人体行为识别框架中引入目标检测和关键姿态估计算法,提出了基于深度学习的快递场景人-物交互行为识别算法;首先,通过改进高斯混合(GMM,gaussian mixture model)背景建模方法检测运动目标,提取行为关键帧,采用OpenPose算法进行姿态估计,识别初始行为类别;其次,针对常规行为识别方法丢失物品语义信息的问题,使用YOLOv5算法检测感兴趣物体类别和位置,提出基于拍卖算法(Auction)的多人-多物最优分配算法,构建人-物交互关系特征描述子;最后,将初始行为标签和人-物交互关系描述子进行决策融合得到最终识别结果;以实际快递场景数据对所提方法进行验证分析,实验结果表明,该方法可以对相似目标和多人干扰的复杂环境中的开箱验视行为进行准确识别。

摘要： 针对目前复杂的人体姿态估计网络参数量大、计算成本高以及读者对算法的理解分析难度大等问题,提出了一种基于注意力机制的人体姿态估计网络。该网络使用结构简单的编码器、解码器来预测人体关节点热图。为了使编码层提取的特征更具代表性,在编码层中加入了通道注意力机制,该操作在降低模型复杂度的同时保证了其预测精度。解码层采用多个反卷积模块得到最终的预测结果。算法模型在两个数据集(MPⅡ和COCO)上进行验证,在MPⅡ数据集上PCKh@0.5达到89%;在COCO数据集上,与CBA对比,虽然AP略低0.2个百分点,但单张图片推理速度提升了10.1 ms。实验结果表明,所提方法能够有效检测出人体关节点,并且优于各种先进的姿态估计方法。

摘要： 针对目前电力施工人员着装检测算法在实际作业场景中适应性差、误检率高等问题,文章提出一种结合Alphapose和ResNet的电力施工人员着装检测模型。该模型通过Alphapose人体姿态估计模型得到施工视频中人员的关键点坐标,然后采用合适的裁剪算法根据坐标裁剪出所需的身体区域,最后应用改进的ResNet分类模型进行着装检测,判断工作人员是否穿戴安全帽、工作服及工作靴。该文章使用构建的数据集进行测试,结果表明:该方法准确率高,误检率低,能够满足实时性的需求,适合应用在实际的作业现场中。

摘要： 针对作战场景下非合作目标实时态势感知和目标识别的问题,提出了一种以雷达测量的目标航迹和信号强度信息为基准,实时估计和预测非合作目标飞行姿态的方法。通过计算雷达视线在目标坐标系内入射角度,结合定标的雷达状态参数,估计目标雷达截面(RCS)序列,形成与姿态相关的非合作目标动态RCS特性。利用飞行试验数据验证了算法的有效性,并分析了姿态估计存在滞后效应的原因。该方法可适用于所有雷达平台,应用于非合作目标的多维RCS特征样本库构建、目标识别和态势评估。

摘要： 基于混合部位模型的人体姿态估计方法将人体拆分成若干由树形结构相连的模板,利用相应的全分函数进行人体姿态的估计,由于树形结构的固有缺陷而导致复杂人体姿态估计错误.为了解决这个问题,提出基于肢体调整的人体姿态估计方法.该方法提出像素离散方向的概念、融合全分函数和像素离散方向等属性的局部特征函数、以及基于关节点的局部特征进行人体姿态调整的方法.实验表明本文方法的姿态估计效果比以前的基于混合部位的关节模型的方法更好.

摘要： 本文提出了一种非线性补偿滤波器,用于计算性能有限的低成本MIMU/GPS组合导航系统的姿态估计的快速实现.此滤波器把用于低频姿态估计的加速度计输出和用于同高频姿态估计的陀螺输出结合起来.未经数据处理的加速度计输出包括与载体加速度方向一致的分量和重力加速度分量.过去对重力方向的估计往往不考虑载体回转运动,本文的载体加速度用一种简单的向心力模型来估计.此滤波器加入向心力模型以后,可以快速实现的导航系统的姿态估计,并且估计的精度接近卡尔曼滤波.实验结果来自真实的数据,通过与一个Kalman 滤波器的数据进行对比来评估此滤波器的是实际性能.

摘要： 基于ResNet50深度神经网络模型和核素富集检测装置,本文研究设计了一种用于海洋环境监测的智能无人系统.该系统搭载用于姿态估计的嵌入式神经网络运算单元、运动控制单元和核素富集检测装置,其中核素富集检测装置基于纳米吸附复合材料和γ探测器实现对海洋核素的现场快速富集检测.改进的ResNet50卷积神经网络模型直接以摄像机捕获图片作为输入,通过两个部分参数共享的子网络实现对当前位置的六自由度姿态估计,在DeepLoc和King's College数据集上取得的位置估计误差和角度估计误差分别为1.23m和5.07°,以及1.68m和4.25°.仿真结果表明该无人系统具有较高精度的视觉定位效果,将为实现海洋环境监测的智能化和无人化提供关键技术支撑.

摘要： 为提高运动视频关键帧的运动表达能力和压缩率,提出柔性姿态估计和时空特征嵌入结合的运动视频关键帧提取技术.首先,利用人体动作的时间连续性保持建立具有时间约束限制的柔性部件铰接人体(ST-FMP)模型,通过非确定性人体部位动作连续性约束,采用N-best算法估计单帧图像中的人体姿态参数;接着,采用人体部位的相对位置和运动方向描述人体运动特征,通过拉普拉斯分值法实施数据降维,获得局部拓扑结构表达能力强的判别性人体运动特征向量;最后,采用迭代自组织数据分析技术(ISODATA)算法动态地确定关键帧.在健美操动作视频关键帧提取实验中,ST-FMP模型将柔性混合铰接人体模型(FMP)的非确定性人体部位的识别准确率提高约15个百分点,取得了81％的关键帧提取准确率,优于KFE和运动块的关键帧算法.所提算法对人体运动特征和人体姿态敏感,适用于运动视频批注审阅.

摘要： 为了提高基于面部信息识别的人机交互性能,提出了一种基于任务协同的深度卷积神经网络学习方法.首先从视频图像中检测出人脸信息,其次设计一个深度卷积网络模型,将人脸特征点定位和姿态估计两个任务协同起来,同时回归得到人脸特征点坐标和姿态角度值,然后融合生成相应的人机交互信息,最后采用公开数据集和实际场景数据进行测试,并与其他现有方法进行比对分析.实验结果表明,本文方法在人脸特征点定位和姿态估计上在表现出较好的性能,在光照变化、表情变化、部分遮挡等复杂条件下人机交互应用也取得了良好的准确性和鲁棒性,平均处理速度达到16帧/秒左右,已具备一定的实用性.

摘要： 主元分析(Principal Component Analysis, PCA作为代数特征被广泛地应用于模式识别、3D自标分析领域，如:基于视角的人脸自动识别系统(AFRS)、医学3D人体器官检测系统以及一些基于视觉的生物信息检测系统。子空间活性测度描述了一类模式适应各类特征子空间的关系.一类目标在相似的条件下形成相似的模式,在不同的条件下形成不同的模式特征,因此可以用不同的特征子空间表示.本文首先在LPCA/KPCA的基础上,提出了线性子空间活性测度/核子空间活性测度的基本概念,提出了基于特征空间的线性/核子空间活性测度定理.给出了最大子空间活性测度准则.最后,基于最大子空间活性测度准则提出了一类目标(人脸)姿态估计算法.实验结果表明本文提出的基于LSAM/KSAM姿态估计方案有效。

摘要： 本文以PZ60插秧机为平台,搭建了卫星导航测控系统.采用经济型RTK-GPS采集插秧机的经纬度和行车速度,姿态仪采集航向角、横滚角和俯仰角.由于该GPS的数据刷新率仅为1Hz,设计了双Kalman滤波器,即一个全传感器Kalman滤波器和一个航位推测滤波器,实现了5Hz的位姿数据更新频率,实现了数据的平滑内插.针对水田底部硬土层的不平坦性,设计了一种简化的坐标校正方法.田间实验表明,导航系统的横向定位均方误差为6.1cm,满足农艺的要求.

摘要： 针对单天线GNSS/INS组合系统因缺少外部姿态观测信息,姿态精度估计比较差的问题,本文讨论了多天线GNSS/INS组合模型,包括函数模型和随机模型构建.INS导航误差受观测环境、运动状态等因素影响比较大,状态模型难以满足经典Kalman滤波条件,本文采用选权自适应滤波实现GNSS观测信息对INS误差快速校正,并对不同类型的状态参数,给出了详细的等价权因子阵的构造方法.最后,通过和IE商用软件处理结果进行对比,并以高精度INS(陀螺精度0.003-0.005度/h)的姿态为参考,对本文多天线GNSS/INS处理方法的结果进行分析.结果表明:多天线GNSS/INS定位精度与IE软件结果相当,姿态结果优于IE软件结果.

摘要： 针对单天线GNSS/INS组合系统因缺少外部姿态观测信息,姿态精度估计比较差的问题,本文讨论了多天线GNSS/INS组合模型,包括函数模型和随机模型构建.INS导航误差受观测环境、运动状态等因素影响比较大,状态模型难以满足经典Kalman滤波条件,本文采用选权自适应滤波实现GNSS观测信息对INS误差快速校正,并对不同类型的状态参数,给出了详细的等价权因子阵的构造方法.最后,通过和IE商用软件处理结果进行对比,并以高精度INS(陀螺精度0.003-0.005度/h)的姿态为参考,对本文多天线GNSS/INS处理方法的结果进行分析.结果表明:多天线GNSS/INS定位精度与IE软件结果相当,姿态结果优于IE软件结果.

摘要： 针对单天线GNSS/INS组合系统因缺少外部姿态观测信息,姿态精度估计比较差的问题,本文讨论了多天线GNSS/INS组合模型,包括函数模型和随机模型构建.INS导航误差受观测环境、运动状态等因素影响比较大,状态模型难以满足经典Kalman滤波条件,本文采用选权自适应滤波实现GNSS观测信息对INS误差快速校正,并对不同类型的状态参数,给出了详细的等价权因子阵的构造方法.最后,通过和IE商用软件处理结果进行对比,并以高精度INS(陀螺精度0.003-0.005度/h)的姿态为参考,对本文多天线GNSS/INS处理方法的结果进行分析.结果表明:多天线GNSS/INS定位精度与IE软件结果相当,姿态结果优于IE软件结果.

摘要： 本发明提供一种人体姿态估计分组模型训练方法、姿态估计方法及装置，基于多路径结构分别以不同扩张速率进行空洞卷积，并同时进行变形卷积，能够更好地适应多人姿态识别场景下不同尺寸和形状人体对象的特征提取需求。基于长程偏移量图和局部中心偏移量图计算各候选关节点到各真实人体对象中心点的精细偏移量，在非极大值抑制操作的基础上，将精细偏移量相差倍数在设定数值以内的候选关节点划分至同一人体对象分组，能够在多人姿态识别场景中保证各关节点分组正确率的前提下，降低计算复杂度，极大节约算力，提高识别效率。

摘要： 本发明公开了一种姿态估计模型的训练与姿态估计方法、装置、设备及介质，该方法包括：获取图像样本集；通过图像样本集迭代训练初始姿态估计模型得到目标姿态估计模型；其中，初始姿态估计模型包括：特征提取网络和堆叠沙漏网络；特征提取网络包括：特征提取模块和空间金字塔池化模块；空间金字塔池化模块包括：并联的第一特征提取单元和第二特征提取单元，以及特征融合单元；第一特征提取单元和第二特征提取单元设置不同的特征提取尺度，能够为姿态估计提供提取同一层更高精度的多尺度特征，从而提高基于堆叠沙漏网络的姿态估计模型的姿态估计精度。

摘要： 本发明公开了一种基于锚点的姿态估计模型训练方法、姿态估计方法和系统，属于数字图像处理和机器学习的交叉技术领域，其中训练方法包括：构建姿态估计模型，采集包含目标的多个样本图像；提取每个样本图像中的目标并对目标进行线性插值得到样本子图，在样本子图上以固定间距设置多个锚点后输入姿态估计模型进行训练，得到训练好的姿态估计模型。利用训练好的姿态估计模型可以对包含目标的图像进行姿态估计。本发明使用密集设置锚点的方式来对关键点进行坐标预测，能够取得比传统方法更为精确的预测结果的同时大幅降低计算量，取得更快的预测速度。同时本发明鲁棒性强，泛化性能好，准确率不受场景的影响。

摘要： 公开了一种摄像机姿态估计方法和摄像机姿态估计装置，摄像机姿态估计方法包括：获得彩色图像和深度图像；获取当前帧彩色图像的至少一个特征点和相邻帧彩色图像的至少一个相应匹配特征点；获取与当前帧彩色图像中的每个特征点的位置分别对应的当前帧深度图像中的至少一个特征点，获取与当前帧深度图像的每个特征点分别匹配的相邻帧深度图像中的至少一个相应匹配特征点；在世界坐标系下计算当前帧深度图像中的每个特征点和相邻帧深度图像中的相应匹配特征点之间的距离，并且通过使得针对每对匹配的特征点所计算出的距离之和最小来估计当前摄像机姿态。根据本公开的实施例，可以利用彩色图像和深度图像信息来实现精确的摄像机参数估计。

摘要： 本发明提供了一种人体姿态估计与跟踪系统，包括：姿态估计单元，配置成对当前帧图像中的人体姿态进行估计，输出估计结果；姿态预测单元，配置成根据当前帧之前的连续多帧图像中人体姿态的动态变化对当前帧中的人体姿态进行预测，输出预测结果；融合单元，配置成将所述姿态估计单元的估计结果和所述姿态预测单元的预测结果进行匹配、融合。本发明所提供的融合方式可以同时使用来自人体姿态的动力学信息和来自图像本身的视觉信息。得益于图神经网络的姿态预测，本发明所提供的基于人体动力学建模的人体姿态估计和跟踪方法，即使在有运动模糊和遮挡情况下也可以产生可靠的人体姿态估计和跟踪的结果。

摘要： 本发明公开了一种姿态估计模型的训练与姿态估计方法、装置、设备及介质方法、装置、设备及存储介质，该方法包括：获取图像样本集；通过图像样本集迭代训练初始姿态估计模型得到目标姿态估计模型；其中，初始姿态估计模型包括：特征提取网络和堆叠沙漏网络；特征提取网络包括：特征提取模块和空间金字塔池化模块；空间金字塔池化模块包括：并联的第一特征提取单元和第二特征提取单元，以及特征融合单元；第一特征提取单元和第二特征提取单元设置不同的特征提取尺度，能够为姿态估计提供提取同一层更高精度的多尺度特征，从而提高基于堆叠沙漏网络的姿态估计模型的姿态估计精度。

摘要： 本发明提出一种人体姿态估计模型及基于其的人体姿态估计方法，人体姿态估计模型由卷积神经网络和并联的人体区域分割网络、人体关节定位网络和人体肢干定位网络构成；卷积神经网络用于从输入的二维人体图像中提取人体姿态特征图，作为人体区域分割网络、人体关节定位网络和人体肢干定位网络的输入；人体区域分割网络用于区分人体区域和背景区域，人体关节定位网络用于定位人体的25个关节，人体肢干定位网络用于定位两关节之间的23条肢干。本发明将人体区域分割网络与人体关节定位网络、人体肢干定位网络相结合，以三个网络损失函数的累加和作为整个估计模型的优化目标函数，从而无需对多次迭代得到的损失结果进行叠加处理。

摘要： 本申请公开了一种人体姿态估计模型、模型训练方法及人体姿态估计方法，训练方法包括将当前帧图像的上一帧图像输入预设前序特征模型，通过预设前序特征模型确定上一帧图的前序特征图；将前序特征图及当前帧图像输入待训练人体姿态估计模型，得到预测特征图；基于预测特征图及真值特征图对待训练人体姿态估计模型进行训练，得到人体姿态估计模型。本实施例通过采用基于单帧图像帧训练得到的预设前序特征模型对人体姿态估计进行监督，可以利用单帧图像帧的数据丰富性特点，同时将当前帧图像以及上一帧图像的前序特征图作为人体姿态估计模型的输入项，可以学习到相邻图像帧间的时空信息，提高了训练得到的人体姿态估计模型的模型性能。

摘要： 本申请公开了一种人体姿态估计方法、装置、智能设备及计算机可读存储介质。其中，该方法包括：将待处理人体图像输入已训练的姿态估计模型，该模型包括特征金字塔网络及轻量级的骨干网络，骨干网络用于提取待处理人体图像中多个层级的特征，特征金字塔网络用于融合骨干网络所提取的不同层级的特征；根据骨干网络输出的最深层的特征得到第一估计结果，该结果用于指示各个人体关键点在待处理人体图像中是否可见；根据特征金字塔网络输出的热力图及偏移图得到第二估计结果，该结果用于指示各个人体关键点在待处理人体图像中的坐标。通过本申请方案，可在嵌入式的智能设备上实现快速且准确度较高的人体姿态估计。

摘要： 本申请涉及一种目标6D姿态估计模型训练方法，包括：基于源域训练图像对目标6D姿态估计模型进行训练以更新目标6D姿态估计模型中的参数，得到一次训练后的模型；在一次训练后的模型中增加对抗回归器，形成迁移训练模型；基于源域训练图像和目标域训练图像对迁移训练模型进行训练以更新迁移训练模型中的参数，得到训练后的迁移训练模型；基于训练后的迁移训练模型确定最终训练后的目标6D姿态估计模型。本申请的目标6D姿态估计模型训练方法，至少具有以下有益技术效果之一：采用基础训练和迁移训练相结合的方式，在迁移训练中采用对抗回归器的方式，使得训练得到的目标6D姿态估计模型的估计性能更加准确可靠。