基于双向图结构信息模型的人体姿态估计研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 本文主要研究内容 | 第13-15页 |
| 1.3 本文的组织结构 | 第15-16页 |
| 2 国内外研究现状综述 | 第16-22页 |
| 2.1 基于传统机器学习的人体位姿估计 | 第16-19页 |
| 2.1.1 基于整体特征的人体位姿估计 | 第16-17页 |
| 2.1.2 基于模型的人体姿态估计 | 第17-19页 |
| 2.2 基于卷积神经网络的人体位姿估计 | 第19-21页 |
| 2.2.1 单人位姿估计 | 第20-21页 |
| 2.2.2 多人位姿估计 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 基于双向图结构信息模型的单人位姿估计 | 第22-36页 |
| 3.1 单人位姿估计的总体框架 | 第22-24页 |
| 3.2 身体部位检测 | 第24-28页 |
| 3.2.1 空间上下文模型 | 第25-26页 |
| 3.2.2 上下文先验模型 | 第26页 |
| 3.2.3 置信图 | 第26-27页 |
| 3.2.4 几何变换核 | 第27-28页 |
| 3.3 双向图结构信息模型 | 第28-33页 |
| 3.3.1 双向图结构信息模型的由来 | 第29页 |
| 3.3.2 树结构模型 | 第29页 |
| 3.3.3 双向图结构信息模型的计算过程 | 第29-31页 |
| 3.3.4 双向图结构信息模型的推理 | 第31-33页 |
| 3.4 实验与结果分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 结合双向图结构信息模型和后处理的多人位姿估计 | 第36-60页 |
| 4.1 问题描述 | 第36-41页 |
| 4.1.1 问题约束 | 第37-38页 |
| 4.1.2 目标函数 | 第38-39页 |
| 4.1.3 优化设计 | 第39-40页 |
| 4.1.4 成对概率 | 第40-41页 |
| 4.2 基于双向图结构信息模型的整数线性规划 | 第41-44页 |
| 4.2.1 分支切割算法 | 第41-43页 |
| 4.2.2 增量优化 | 第43-44页 |
| 4.3 后处理Soft-NMS | 第44-50页 |
| 4.3.1 基于NMS算法改进的Soft-NMS | 第45-48页 |
| 4.3.2 分数重置函数 | 第48-49页 |
| 4.3.3 Soft-NMS优势 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-56页 |
| 4.4.1 COCO数据集实验结果 | 第51-52页 |
| 4.4.2 MPII数据集实验结果 | 第52-54页 |
| 4.4.3 Occlusion数据集实验结果 | 第54-56页 |
| 4.5 应用场景 | 第56-58页 |
| 4.6 本章小结 | 第58-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 论文总结 | 第60-61页 |
| 5.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第66-67页 |
| 致谢 | 第67页 |
