10.3979/j.issn.1673-825X.202012310430
基于自适应感受野的教室人体姿态实时检测
人体姿态信息对教学管理和教学评估具有重要作用,通过算法快速且准确地获取人体姿态信息具有重要的研究意义.近年来,尽管基于人体关键点的姿态估计方法被广泛研究,但由于教室监控场景图像普遍存在遮挡严重、目标尺度变化大、图像成像质量差等问题,难以直接运用现有方法.提出一种基于自适应感受野的教室人体姿态实时检测方法.在单发多边框检测器(single shot multibox detector,SSD)网络中,构建自适应感受野卷积模块,通过上下两个支路提取不同感受野的特征;在反向传播过程中,自动学习上下支路的特征融合参数,自适应调整网络的感受野;提高网络在教室场景中人体姿态的检测性能.实验结果表明,提出的方法可以实现实时检测,且优于现有的教室人体姿态检测方法和其他单阶段目标检测方法.
深度学习、姿态检测、感受野、教室场景
34
TP391.4(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;重庆市科委自然科学基金;重庆市科委自然科学基金;重庆市教委科学技术研究项目;重庆市教委科学技术研究项目
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
621-628