基于人体骨骼点检测与多层感知机的人体姿态识别

作者：段俊臣; 梁美祥; 王瑞

来源：电子测量技术, 2020, 43(12): 168-172.

DOI：10.19651/j.cnki.emt.2004343

• 深度学习
• 骨骼点检测
• Openpose
• 深度可分离卷积
• 多层感知机
• 自适应梯度
• 批标准化

近年来,随着人工智能与机器视觉的发展,图像识别,目标跟踪监测技术越来越深入人们日常的经济生活中,对于人体的姿态识别也有着越来越多的需求。自下而上的人体骨骼点检测网络Openpose相较与自上而下的RMPE与CPN网络在识别精度和速度上都有着很大的提升。然而仍不足以在移动与嵌入式设备中进行平日的应用。针对此问题,提出了一种方法,该方法利用深度可分解卷积的方式对Openpose网络做出改进,并使用多层感知器来训练和分类所识别的骨骼点,自适应梯度法优化随机梯度下降过程,使得整个网络可以自我调节学习率,再利用批标准化得方法对网络中的参数进行处理,以提高网络最终的分类准确率。最后在Jetson TX2开发板上测试得到在网络训练迭代5 000次时,对站姿,坐姿,躺姿识别精度达到了0.843,0.839,0.831,每帧图片的检测时间提升到0.5 s。实验表明,整个网络可以有效对人体的站姿,坐姿,躺姿进行识别,并可以在嵌入式设备上较快速度运行。

• 单位
  上海大学; 通信与信息工程学院