基于深度学习的太极辅助教学系统的设计和实现
这是一篇关于深度学习,太极教学,姿态估计,动作识别,动作评估的论文, 主要内容为太极拳渊源流长,是中华传统文化中当之无愧的瑰宝,近年来太极进校园的活动正如火如荼的开展。然而,传统太极教学缺少系统性的教学方式和科学的数据分析方法,这也导致太极拳教学在实际开展工作中效果不佳。近年来,得益于深度学习领域中姿态估计技术的逐渐成熟,基于此之上的动作识别与动作评价算法也成为热点研究方向。本文基于人体姿态估计技术提取太极动作中三维骨骼关键点,并在此之上提出了太极动作识别和评价算法,最后设计并实现了一套太极辅助教学系统,此系统服务于太极教学中的学生与教师,不仅可以提高训练质量,以AI应用提升学生训练的兴趣,更是便于教师采集学生的练习和作业信息,以科技赋能传统教育。本文研究内容与相关工作包含以下三点:(1)太极动作评估算法的研究。本文以三维人体姿态估计技术为基础,设计并提出了一种基于DTW算法进行关键帧匹配的动作余弦相似度评估算法。该算法在自制的太极评估数据集上与专家评分具有较高的相关性,能够辅助评估太极动作的完成质量。(2)太极动作识别算法的研究。本文针对太极运动的场景,在原ST-GCN算法基础上改进,提出了 一种基于新的图划分策略的ST-GCN算法,并优化了注意力掩膜矩阵,以此来进一步加强动作中肢体间的联系。该算法在NTU RGB+D数据集和自建太极动作数据集TaiChi-Lite上相比原ST-GCN算法识别的top1准确率均有所提升。(3)太极辅助教学系统的设计与实现。本文以深度学习领域中的动作识别和动作评价算法为核心,设计并实现了一个太极辅助教学系统。学生可以在系统中通过视频学习太极、提交太极任务作业、对自身的太极动作进行评估并浏览自己的太极评分和任务完成情况。教师可以收集汇总学生的任务完成情况,可视化的分析学生对各个动作的掌握情况并发布作业任务。该系统经过各项测试,满足用户的各种需求,达到了预期的标准并能够在实际场景中应用。
基于物联网技术的人体静电姿态采集系统的设计与实现
这是一篇关于物联网,人体静电,动作识别,电位检测,人体定位的论文, 主要内容为随着物联网技术的进步及其应用领域的不断拓展,越来越多的物联网智能终端设备进入人们的生产生活。近年来,由于人体静电检测技术的发展,基于人体静电的无线采集研究逐渐兴起,引起了广泛的关注。人体静电信号的采集实验是获取人体状态信息、提取人体动作特征和人体动作行为分类的一个重要实验,在静电防护、康复医学、安全保障和监控、反恐侦查、游戏交互等多种应用领域具有重要的作用。论文根据运动学原理和电动力学理论,通过推导出人体运动的静电检测方程,提出了一种利用非接触式静电电位传感器远距离检测人体运动的方法。本论文通过系统架构设计实现了人体静电信号的采集、边缘处理、传输、分析和识别分类的整体流程。主要研究工作如下:1)人体静电无线采集系统整体设计。首先明确人体静电无线采集系统的设计思路,同时对软件和硬件进行需求分析,提出了系统总体结构框架。本系统基于物联网架构分为感知层、传输层、平台层和应用层四部分。2)物联网终端设备对人体静电电位信号的采集。本课题提出了一种非接触式人体静电电位信号采集方法,设计了一种高灵敏度、高精度和低噪声的静电电位传感器,搭建了原型试验系统。在4.8m*4.8m空间内的不同位置内放置了4个静电电位传感器、2个加速度传感器和3个定位基站,实现了运动人体静电电位的非接触式、远距离检测与人体定位。3)边缘服务层的设计。系统通过无线通信读取终端设备采集到的数据,在接收到原始数据后,再利用边缘串口读取,实现数据采集的同步。通过边缘服务层对采集的数据进行对齐处理和清洗过滤,然后再通过MQTT通信协议将特定有价值的数据推送给物联网云平台。4)系统平台设计和分析。在物联网平台建立连接,需要在云平台创建项目和设备模型。此外,云平台还实现了对终端设备和边缘节点的集中管理,通过图形化界面实时监控终端设备的运行状态和数据状态,提供实时数据、历史数据(表格/曲线),完成人体在不同姿态下静电情况的分析和预测。本文研究的人体静电电位采集系统是通过计算流过感应电极的感应电流来实现静电检测。由于人体不同姿态静电规律受到不同个体身高、体重、走路习惯等因素的影响,因此通过对人体不同姿态下静电电位信号的数据采集实验,研究找到静电信号与不同人体在不同姿态下的特征。根据不同运动状态下静电信号的特征,实现对不同的人员与对应的人体运动状态的识别。结果表明:人体运动静电规律隐藏着丰富的个人身体状态和运动姿态等信息。该系统为获取人体姿态信息提供了全新的技术手段,同时为人体静电研究的探索起到了一定的作用。
基于深度学习的动作合规性识别研究与系统实现
这是一篇关于视频监控,动作识别,图卷积,3D卷积的论文, 主要内容为加油区作为燃油消费的终端市场,在安全和服务质量上都有较高要求。在过去,管理者只能通过抽调监控或“暗访”的方式来监督员工的行为规范,非常费时费力。而随着计算机视觉技术的发展,AI已经达到了人眼的识别水平。为了对员工行为规范进行识别监督,提高加油效率和服务质量,减少安全隐患,本文聚焦于加油区场景下的视频监控的应用,基于深度学习技术开发了加油区实时行为监测系统。主要完成了以下工作:一、动作识别作为加油区动作合规性判定的核心技术,本文基于图卷积和3D卷积分别提出了一种动作识别算法。一方面,以时空图卷积网络ST-GCN为基线,提出了新的划分骨骼点邻接区域的策略,在时空维度增大邻接距离,提升物理连接较远关节的关联性,然后基于运动显著性特征,提出了时序自适应网络TAM和空间注意力机制SAM,通过运动量赋予信息量大的帧和重要关节点更高权重,让网络学习到更有用的特征。另一方面,在3D卷积网络上,提出了动作行为参与者非局部注意力网络ACA-Non-local,解决了动作目标对全局信息的学习能力不足的问题,有效提升了动作识别准确率。最后在公有数据集NTU RGB+D上进行实验对比,验证改进点的有效性。二、针对于加油区动作合规性识别困难的问题,本文提出了基于手工先验的动作合规性判定算法和基于深度学习的双分支网络动作识别算法。基于手工先验的方法,根据动作先验特点,编写对应的处理逻辑来判断其合规性。双分支网络包含高分辨率的图卷积分支和低分辨率的3D卷积分支,前者基于骨骼序列特征,后者基于RGB特征,并结合目标先验提出人物空间信息增强网络,强化人物空间关系特征。最后在加油区自建数据集上进行实验,验证其落地可行性。三、分析加油区管理人员的业务需求,将本文提出的动作合规性判定算法应用在实际场景中,基于Web技术开发了加油区实时行为监测系统。考虑到深度学习技术在大规模部署中的难点,本系统基于微服务架构进行设计,完成了该系统的研发并将其部署在实际应用中。四、基于加油区场景,收集整理涵盖不同时间段、不同天气、不同摄像头角度的监控视频数据,制作成目标检测图片数据集和动作分类视频数据集,包含RGB图像和骨骼序列。
基于深度学习的太极辅助教学系统的设计和实现
这是一篇关于深度学习,太极教学,姿态估计,动作识别,动作评估的论文, 主要内容为太极拳渊源流长,是中华传统文化中当之无愧的瑰宝,近年来太极进校园的活动正如火如荼的开展。然而,传统太极教学缺少系统性的教学方式和科学的数据分析方法,这也导致太极拳教学在实际开展工作中效果不佳。近年来,得益于深度学习领域中姿态估计技术的逐渐成熟,基于此之上的动作识别与动作评价算法也成为热点研究方向。本文基于人体姿态估计技术提取太极动作中三维骨骼关键点,并在此之上提出了太极动作识别和评价算法,最后设计并实现了一套太极辅助教学系统,此系统服务于太极教学中的学生与教师,不仅可以提高训练质量,以AI应用提升学生训练的兴趣,更是便于教师采集学生的练习和作业信息,以科技赋能传统教育。本文研究内容与相关工作包含以下三点:(1)太极动作评估算法的研究。本文以三维人体姿态估计技术为基础,设计并提出了一种基于DTW算法进行关键帧匹配的动作余弦相似度评估算法。该算法在自制的太极评估数据集上与专家评分具有较高的相关性,能够辅助评估太极动作的完成质量。(2)太极动作识别算法的研究。本文针对太极运动的场景,在原ST-GCN算法基础上改进,提出了 一种基于新的图划分策略的ST-GCN算法,并优化了注意力掩膜矩阵,以此来进一步加强动作中肢体间的联系。该算法在NTU RGB+D数据集和自建太极动作数据集TaiChi-Lite上相比原ST-GCN算法识别的top1准确率均有所提升。(3)太极辅助教学系统的设计与实现。本文以深度学习领域中的动作识别和动作评价算法为核心,设计并实现了一个太极辅助教学系统。学生可以在系统中通过视频学习太极、提交太极任务作业、对自身的太极动作进行评估并浏览自己的太极评分和任务完成情况。教师可以收集汇总学生的任务完成情况,可视化的分析学生对各个动作的掌握情况并发布作业任务。该系统经过各项测试,满足用户的各种需求,达到了预期的标准并能够在实际场景中应用。
交互式熊猫拍照系统设计与实现
这是一篇关于深度学习,图卷积网络,动作识别,图像融合,拍照系统的论文, 主要内容为随着深度学习技术的发展和手机趣味拍照及短视频应用的流行,人们越来越热衷于使用人工智能应用代替传统的图片或者视频处理软件,简单快捷地在图片或者视频上一键添加各种有趣的效果;同时在人机交互领域,动作识别作为一种成本低廉用户友好的方式早已被应用于游戏和虚拟现实应用之中;而在艺术创作方面,深度学习和生成对抗网络的图像风格迁移算法、图像生成技术也如雨后春笋般涌现出来;在计算摄影方面,语义分割、目标识别以及图像融合算法的发展,使得人像美颜、AI背景虚化、背景替换、人脸跟踪、人脸替换、虚拟形象制作等技术也越来越多地出现在我们的手机拍照应用中,为用户提供了更加便捷的拍照体验。另一方面,虽然熊猫动漫资源库平台和熊猫动漫文娱创作平台已经取得了不错的成果,但是依然存在着操作繁琐、用户参与度不高、趣味性不足等问题,无法吸引更多的用户,并且对于现有的熊猫素材资源没有进行充分的利用。在这个背景下,为了更好的宣传大熊猫文化,拓展熊猫动漫文娱创作平台的业务功能,拉近普通人与大熊猫素材创作的距离,本文在已有的熊猫动漫资源库平台和熊猫动漫文娱创作平台的基础上,结合人脸特征点检测、表情识别、手势识别、人像分割、动作识别、深度估计、图片风格迁移、图片卡通化等多种深度学习方法,设计并实现了交互式熊猫拍照系统,让更多的人亲自加入到大熊猫素材创作和使用中来,还可以模拟与熊猫近距离接触的场景,并以互动的方法创造各种有趣的照片或视频。本文的主要贡献有以下几个方面:(1)为了解决传统基于骨架的动作识别方法划分骨架子图时存在的连接关系固定、模型泛化能力不高,以及识别效果受不同动作持续时间差异影响较大的问题,本文提出了一种将自注意力机制与多路融合时空图卷积相结合的方法,以实现骨架拓扑结构的自动调节,并从不同时间区间上提取骨架序列的时空特征,从而提升模型的表达能力。此外,本文还通过试验,在NTU RGB+D 60数据集上验证了该方法的有效性。最后基于自建人体骨架数据集训练本文提出的动作识别模型并应用到交互式熊猫拍照系统中,扩展了系统交互的方式;(2)根据系统需求,在多种深度学习算法的基础上进行改进或者融合,分别设计并实现了基于人脸和手部特征点检测的人像挂件算法、基于表情识别的人脸表情包生成算法、实例分割指导下的人像分割算法、人体部位分割指导下的人像分区深度估计算法、基于动作识别的人像背景融合算法以及人像照片分区风格化算法,并且将这些算法应用到系统的各个功能模块的实现中,增强了交互式熊猫拍照系统的趣味性、便捷性、创新性和多样性;(3)根据需求设计并实现了交互式熊猫拍照系统。将系统划分为系统管理、熊猫挂件拍照、熊猫表情包拍照、熊猫背景融合拍照以及照片后处理等五个主要功能模块,并对每个模块进行了详细的设计与实现。最后对系统的各项功能和非功能性指标进行了详细的测试。
交互式熊猫拍照系统设计与实现
这是一篇关于深度学习,图卷积网络,动作识别,图像融合,拍照系统的论文, 主要内容为随着深度学习技术的发展和手机趣味拍照及短视频应用的流行,人们越来越热衷于使用人工智能应用代替传统的图片或者视频处理软件,简单快捷地在图片或者视频上一键添加各种有趣的效果;同时在人机交互领域,动作识别作为一种成本低廉用户友好的方式早已被应用于游戏和虚拟现实应用之中;而在艺术创作方面,深度学习和生成对抗网络的图像风格迁移算法、图像生成技术也如雨后春笋般涌现出来;在计算摄影方面,语义分割、目标识别以及图像融合算法的发展,使得人像美颜、AI背景虚化、背景替换、人脸跟踪、人脸替换、虚拟形象制作等技术也越来越多地出现在我们的手机拍照应用中,为用户提供了更加便捷的拍照体验。另一方面,虽然熊猫动漫资源库平台和熊猫动漫文娱创作平台已经取得了不错的成果,但是依然存在着操作繁琐、用户参与度不高、趣味性不足等问题,无法吸引更多的用户,并且对于现有的熊猫素材资源没有进行充分的利用。在这个背景下,为了更好的宣传大熊猫文化,拓展熊猫动漫文娱创作平台的业务功能,拉近普通人与大熊猫素材创作的距离,本文在已有的熊猫动漫资源库平台和熊猫动漫文娱创作平台的基础上,结合人脸特征点检测、表情识别、手势识别、人像分割、动作识别、深度估计、图片风格迁移、图片卡通化等多种深度学习方法,设计并实现了交互式熊猫拍照系统,让更多的人亲自加入到大熊猫素材创作和使用中来,还可以模拟与熊猫近距离接触的场景,并以互动的方法创造各种有趣的照片或视频。本文的主要贡献有以下几个方面:(1)为了解决传统基于骨架的动作识别方法划分骨架子图时存在的连接关系固定、模型泛化能力不高,以及识别效果受不同动作持续时间差异影响较大的问题,本文提出了一种将自注意力机制与多路融合时空图卷积相结合的方法,以实现骨架拓扑结构的自动调节,并从不同时间区间上提取骨架序列的时空特征,从而提升模型的表达能力。此外,本文还通过试验,在NTU RGB+D 60数据集上验证了该方法的有效性。最后基于自建人体骨架数据集训练本文提出的动作识别模型并应用到交互式熊猫拍照系统中,扩展了系统交互的方式;(2)根据系统需求,在多种深度学习算法的基础上进行改进或者融合,分别设计并实现了基于人脸和手部特征点检测的人像挂件算法、基于表情识别的人脸表情包生成算法、实例分割指导下的人像分割算法、人体部位分割指导下的人像分区深度估计算法、基于动作识别的人像背景融合算法以及人像照片分区风格化算法,并且将这些算法应用到系统的各个功能模块的实现中,增强了交互式熊猫拍照系统的趣味性、便捷性、创新性和多样性;(3)根据需求设计并实现了交互式熊猫拍照系统。将系统划分为系统管理、熊猫挂件拍照、熊猫表情包拍照、熊猫背景融合拍照以及照片后处理等五个主要功能模块,并对每个模块进行了详细的设计与实现。最后对系统的各项功能和非功能性指标进行了详细的测试。
基于深度学习的太极辅助教学系统的设计和实现
这是一篇关于深度学习,太极教学,姿态估计,动作识别,动作评估的论文, 主要内容为太极拳渊源流长,是中华传统文化中当之无愧的瑰宝,近年来太极进校园的活动正如火如荼的开展。然而,传统太极教学缺少系统性的教学方式和科学的数据分析方法,这也导致太极拳教学在实际开展工作中效果不佳。近年来,得益于深度学习领域中姿态估计技术的逐渐成熟,基于此之上的动作识别与动作评价算法也成为热点研究方向。本文基于人体姿态估计技术提取太极动作中三维骨骼关键点,并在此之上提出了太极动作识别和评价算法,最后设计并实现了一套太极辅助教学系统,此系统服务于太极教学中的学生与教师,不仅可以提高训练质量,以AI应用提升学生训练的兴趣,更是便于教师采集学生的练习和作业信息,以科技赋能传统教育。本文研究内容与相关工作包含以下三点:(1)太极动作评估算法的研究。本文以三维人体姿态估计技术为基础,设计并提出了一种基于DTW算法进行关键帧匹配的动作余弦相似度评估算法。该算法在自制的太极评估数据集上与专家评分具有较高的相关性,能够辅助评估太极动作的完成质量。(2)太极动作识别算法的研究。本文针对太极运动的场景,在原ST-GCN算法基础上改进,提出了 一种基于新的图划分策略的ST-GCN算法,并优化了注意力掩膜矩阵,以此来进一步加强动作中肢体间的联系。该算法在NTU RGB+D数据集和自建太极动作数据集TaiChi-Lite上相比原ST-GCN算法识别的top1准确率均有所提升。(3)太极辅助教学系统的设计与实现。本文以深度学习领域中的动作识别和动作评价算法为核心,设计并实现了一个太极辅助教学系统。学生可以在系统中通过视频学习太极、提交太极任务作业、对自身的太极动作进行评估并浏览自己的太极评分和任务完成情况。教师可以收集汇总学生的任务完成情况,可视化的分析学生对各个动作的掌握情况并发布作业任务。该系统经过各项测试,满足用户的各种需求,达到了预期的标准并能够在实际场景中应用。
基于深度学习的老年人危险行为识别方法研究
这是一篇关于人体姿态估计,三维卷积,二维卷积,卷积神经网络,动作识别的论文, 主要内容为随着中国的快速发展,中国社会老龄化已经成为了新的社会问题。为了帮助老年人在发生跌倒、上下楼梯、跑步以及异常举动等危险行为动作时,能够及时获取相应的帮助,避免造成严重后果为考量作为出发点。由于老年人危险行为动作具有偶然性、突发性、不确定性等行为特点;其次通过相机拍摄的老年人行为动作的日常图片还会受到光照、阴影、遮挡等因素的影响;此外老年人行为动作不单单具有空间维度特征,同时也具有时间维度特征。综上所述,具有这些难点。本文从计算机领域进行研究,基于深度学习的研究方法,应用人体姿态估计的相关知识,结合三维卷积神经网络提出了基于深度学习的老年人危险行为识别方法。本文主要从以下三个方面,按照研究的先后推进顺序进行介绍:(1)基于Lenet-5这个经典的图像分类网络进行研究。(2)基于Vgg Net这个适合迁移学习的图像分类网络进行研究。(3)基于卷积神经网络(CNN)结合长短期记忆模型(LSTM)进行研究。本文提出一种新的思路,首先利用人体姿态估计的技术将人体的一段行为动作转化为人体行为姿态图,由25张连续人体行为姿态图作为行为动作识别网络的输入;由于普通的图像分类模型基本都使用了二维卷积这种计算方式,输入时的数据维度不一致,因而引入了三维卷积的计算方式。经过多次实验,构建出了几种不同的三维卷积神经网络模型。目前仅需要一段老年人人体行为连续的动作序列,便可以连续预测出老年人当前的行为状态。通过对比数据、分析结果、评估模型、多次实验,基于深度学习的老年人危险行为识别方法能够较好的达到老年人行为动作识别的目的,几种不同的三维卷积神经网络模型测试准确率结果均在87%以上。本文提出的几种老年人危险行为识别方法能够有效的识别检测老年人跌倒、上下楼梯、多次吃药几种等危险行为动作和其余几项正常行为动作,当老年人遭遇危险行为时,第一时间向家人和相关人员发送相关求助信息,及时保证老年人的生命健康安全。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设客栈 ，原文地址：https://m.bishedaima.com/lunwen/46343.html
