文献综述
近年来，深度学习的发展不仅突破了很多难以解决的视觉难题，提升了对于图像认知的水平，更是加速了计算机视觉领域相关技术的进步。
同时，随着大众对人工智能技术的关注力度逐渐加大，如何准确快速地对人体行为进行判断也成了目前研究的重要问题。
为达成人体行为识别[1]，需要先进行人体姿态估计。
人体姿态估计又称为人体关键点检测[2]-[3]，是计算机视觉中的一个相对基础的任务，也是人体行为识别的前置任务，一般情况下可以将人体关键点检测细分为单人/多人关键点检测、2D/3D关键点检测。
目前可选用的人体姿态估计有:Openpose[4]、Alphapose[5]、Mobliepose。
而对于人体行为识别，研究者会使用卷积神经网络对输入的骨骼点坐标进行训练，构建相应模型，并使用模型对人体行为进行判断识别。
在本设计中，结合Opencv[6]和深度学习[7]的模型，通过驱动高性能显卡调用Alphapose算法，对于实时视频中的人物进行人体姿态估计。
在实现人体姿态估计功能的基础上，对人体姿态估计的输出结果进行解析并放入与模型相同的神经网络中运算获取最终结果，最后制作相应的系统整合功能，通过图形化界面分别展示人体姿态估计与人体行为识别的结果。
资料编号：[579011]
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
