基于深度卷積神經(jīng)網(wǎng)絡(luò)的人體姿勢(shì)估計(jì)研究.pdf

1、人體姿勢(shì)估計(jì)是實(shí)現(xiàn)圖像理解和行為識(shí)別的關(guān)鍵技術(shù)。但是，自身的遮擋，衣著的變化，面內(nèi)和面外旋轉(zhuǎn)等情況，導(dǎo)致了人體姿勢(shì)估計(jì)問(wèn)題一直沒(méi)有得到很好的解決。近年來(lái)，深度學(xué)習(xí)技術(shù)的發(fā)展為解決姿勢(shì)估計(jì)問(wèn)題提供了新的工具。與淺層機(jī)器學(xué)習(xí)算法相比，深度學(xué)習(xí)的模型具有更深的層次，因此具有更強(qiáng)的學(xué)習(xí)能力。但是，深度學(xué)習(xí)本身也存在很多待研究的問(wèn)題，例如，深度學(xué)習(xí)有效性的理論分析，深度模型在實(shí)際應(yīng)用中難以訓(xùn)練的問(wèn)題。如何針對(duì)姿勢(shì)估計(jì)問(wèn)題設(shè)計(jì)深度模型也還有待進(jìn)一步

2、的研究。
　　本文梳理了姿勢(shì)估計(jì)技術(shù)和深度學(xué)習(xí)技術(shù)的發(fā)展歷程。在此基礎(chǔ)上，提出了一種用于姿勢(shì)估計(jì)的適應(yīng)性全效表達(dá)框架。該框架能夠同時(shí)利用全局和局部視覺(jué)線索來(lái)準(zhǔn)確地估計(jì)出人體姿勢(shì)。特別地，適應(yīng)性全效表達(dá)框架主要包括兩部分：(1)全效部分，即全局模型。它可以快速地定位人體關(guān)節(jié)，生成一個(gè)整體正確的人體姿勢(shì)；(2)適應(yīng)性部分，即局部模型。它可以在潛在區(qū)域的基礎(chǔ)上進(jìn)一步提高姿勢(shì)估計(jì)的精度。
　　全局模型是該框架的核心，它主要實(shí)現(xiàn)三個(gè)功

3、能：第一，快速定位人體關(guān)節(jié)；第二，生成潛在區(qū)域，為局部模型縮小搜索空間；第三，作為空間模型，與局部模型融合，輸出更精確的人體姿勢(shì)。全局模型通過(guò)一種叫做獨(dú)立損失網(wǎng)的卷積神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)上述功能。在獨(dú)立損失網(wǎng)中，姿勢(shì)估計(jì)被定義為關(guān)于人體關(guān)節(jié)坐標(biāo)的分類問(wèn)題。獨(dú)立損失網(wǎng)具有兩個(gè)獨(dú)立的輸出層，用于分別預(yù)測(cè)關(guān)節(jié)坐標(biāo)的兩個(gè)維度，并且使用獨(dú)立的損失函數(shù)來(lái)指導(dǎo)網(wǎng)絡(luò)的訓(xùn)練。
　　在姿勢(shì)估計(jì)的適應(yīng)性全效表達(dá)框架中，全局模型自身具有完整性，而局部模型是對(duì)全