科研之友
微信
新浪微博
Facebook
分享链接
摘要
灾难救援、地下空间开发利用等场景均存在低光照、甚至完全黑暗的问题，导致机器人目标搜索与识别困难。为此，本文面向低光照场景提出基于红外深度相机图像序列的人体检测和姿态识别方法。首先，利用基于YOLO v4的AlphaPose算法检测人体框和关键点。然后，提出基于特征点匹配的漏检人体框恢复算法，降低人体漏检率，同时使用D-S(Dempster-Shafer)证据理论融合人体框和关键点的检测结果，从而降低人体误检率。最后，设计一种基于图像序列信息的人体姿态分层识别方法，在不同的识别层提取不同的人体躯干特征，利用连续多帧躯干向量特征组成的特征序列对人体姿态进行精准的识别并进行实验验证。实验结果表明本文算法能够在低光照条件下实现准确的人体检测与姿态识别，姿态识别准确率高达95.36%。
- 单位
