基于神经网络的坐姿下头部肩部姿态估计

来源 :传感器与微系统 | 被引量 : 0次 | 上传用户:wangleisxh1234
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于神经网络设计一种在坐姿状态下由人脸中的关键点在空间中的相对位置的变化估计头部姿态,以及肩部关键点在空间中的相对位置变化估计肩部姿态的方法,并将头部姿态分为6种,肩部姿态分为2种。利用SDM算法对人脸关键点进行标记;标记出人脸关键点后利用的POSIT算法对头部姿态角度估计,计算出头部欧拉角并设定阈值对头部姿态进行分类;利用OpenPose算法对人体肩部关键点进行标定,利用左肩和右肩关键点的连线夹角进行肩部姿态的估计。通过实验证明:该方法的头部以及肩部姿态检测性良好,姿态估计准确率高。
其他文献
精确地计算磁场中二电子体系的基态能量是非常复杂和困难的,作者已用演化算法成功地处理了这类问题。并进一步针对传统演化算法中演化操作的对象是点集的不足,提出了一种改进的
针对经典的人体动作对比识别方法有安装繁琐,设备需求量大,交互性不强,成本较高,数据量较大等不足,采用OpenPose可以提高动作识别对比的准确度,简易度以及交互性。利用OpenPose算法进行数据分析和挖掘,检测出图像中人体关键点信息并计算距离,再计算出夹角,判断人体动作的不足之处并提示反馈。实验结果表明:该系统安装简单,设备需求量减小、交互性增强、成本降低、数据量减小,对噪声干扰有较强的鲁棒性。
目的探索相位对比磁共振成像(phase contrast magnetic resonance imaging,PC-MRI)技术在无创评估颅内顺应性方面的价值。方法2019年10-12月解放军总医院第一医学中心招募30