导读:本文包含了姿态检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:姿态,头部,透视,卷积,视觉,人体,畸变。
姿态检测论文文献综述
李海伦,江浩,孙鹏伟[1]（2019）在《基于李代数表征的叁维物体空间姿态检测》一文中研究指出利用卷积神经网络学习并预测二维图像中叁维物体的姿态信息,提出一种基于李代数的叁维物体姿态表征方式。为了仅利用二维图像来准确预测叁维姿态信息,采用李群和李代数将叁维物体姿态分解为平移和旋转向量,姿态向量表征方式满足神经网络反向传播时要求的可微分条件,提高了训练效率。首先,通过RGBD相机获取叁维物体的真实坐标信息,然后利用旋转矩阵和平移矩阵来描述物体的叁维坐标,运用李代数将旋转矩阵和平移矩阵转化为对应向量,使用卷积神经网络回归对应的坐标向量来预测叁维姿态信息。相比其他同类算法,本方法提升了叁维物体姿态预测的准确性,提高了算法的测试速度。(本文来源于《山东科技大学学报(自然科学版)》期刊2019年06期）
刘振宇,关彤[2]（2019）在《基于RGB-D图像的头部姿态检测》一文中研究指出在经颅磁刺激治疗过程中,准确且快速地检测人体头部姿态至关重要。针对基于二维彩色图像的头部姿态估计对环境、姿态敏感的问题,文中提出了一种联合彩色图像与深度图像的头部姿态检测方法。通过彩色图像检测人脸特征点的二维位置信息,结合深度信息定义叁维头部坐标系;然后在现有的ICP点云配准算法的基础上,提出了一种粗配准方法。通过计算待检测头部点云与标准头部点云之间坐标系的变换关系得到初始位姿参数,以防止点云配准陷入局部最优局面。实验表明,该算法能够在光源均匀且充足的诊疗室环境中准确地检测人体头部姿态,提高头部姿态角度大时姿态估计的鲁棒性。(本文来源于《计算机科学》期刊2019年S2期）
陈理[3]（2019）在《基于惯性传感器的运动姿态实时检测系统设计》一文中研究指出传统体育运动姿态检测系统缺少惯性传感器,导致系统存在灵敏度低、无法输出连续检测结果的问题,提出基于惯性传感器的运动姿态实时检测方法。该系统的优化设计分为硬件与软件两个方面,硬件部分通过惯性传感器,实现对电路的具体设计,用节点来表示关节位置,检测人体在体育运动时的骨骼姿态;软件部分由叁个模块组成,分别为设备通信模块、数据处理模块与姿态判别模块,使用局域网通信方式,可以提高传输信息数据的速度和准确性,同时能够跨网络通讯,实现体育运动姿态的实时连续检测。为验证优化系统的性能进行实验分析,与传统检测系统进行对比,实验结果证明:优化的实时检测系统的响应时间每帧能够节省0.1 s左右,且输出运动曲线连续性更好,证明优化系统的灵敏度更高、可以输出连续检测结果。(本文来源于《自动化与仪器仪表》期刊2019年10期）
佟盟,田文杰,陈福彬,冯洁[4]（2019）在《基于六电极石英晶体谐振器的姿态检测转换结构设计》一文中研究指出根据石英晶体压电效应及各向异性的特点,基于Comsol Multiphysics软件进行有限元仿真分析得到径向力作用时AT切石英晶体薄圆片内各点的应力分布特点。通过应力分布特点设计制作了在同一晶片上的集成式六电极石英谐振器,并基于此谐振器设计制作了水平姿态传感器的转换结构初样。根据共模抑制原理,通过差频处理来抑制温度以及其他相关因素的干扰。室温下,样品放置在倾斜台并连接至谐振电路,旋转倾斜台并测量样品在不同倾斜角度时谐振器的谐振频率。实验结果表明:样品在-90°～90°之间谐振频率变化稳定,输入—输出关系线性良好,可用于姿态检测的敏感元件。(本文来源于《传感器与微系统》期刊2019年10期）
郑爽,张轶[5]（2019）在《利用姿态信息实现异常行为检测》一文中研究指出异常行为检测广泛应用于安防、智能交通、机场监视、监考等领域,但异常行为数据难以获取,算法准确率较低。为了应对上述问题,提出一个基于对抗自编码思想的两路异常检测网络。其中,一路子网络利用像素信息,关注行为发生的整体环境。另一路子网络则利用姿态信息,关注人体行为。然后对两个子网络的结果进行混合,得到异常行为检测的结果。最后,在CUHK Avenue和UCSD Ped数据集上验证结果。(本文来源于《现代计算机》期刊2019年27期）
刘坚,王媛媛[6]（2019）在《一种面向球姿态检测的图像透视畸变校正方法》一文中研究指出针对球姿态视觉检测中图像的"近大远小"透视畸变问题,提出了一种面向球姿态检测的图像透视畸变校正方法。基于相机成像模型分析了透视畸变的特点及产生原因,根据已知的球体特征模型、相机标定技术和逆透视变换原理构建了图像透视畸变校正模型,进而实现球体任意姿态图像的透视畸变校正。实验结果表明,利用该方法测量直径60 mm以内的球体姿态时平均绝对误差低于0.6°,且该方法适用于工业生产中球体的其他视觉测量。(本文来源于《中国机械工程》期刊2019年18期）
燕红文,刘振宇,崔清亮,胡志伟,李艳文[7]（2019）在《基于改进Tiny-YOLO模型的群养生猪脸部姿态检测》一文中研究指出生猪脸部包含丰富的生物特征信息,对其脸部姿态的检测可为生猪的个体识别和行为分析提供依据,而在生猪群养场景下,猪舍光照、猪只黏连等复杂因素给生猪脸部姿态检测带来极大挑战。该文以真实养殖场景下的群养生猪为研究对象,以视频帧数据为数据源,提出一种基于注意力机制与Tiny-YOLO相结合的检测模型DAT-YOLO。该模型将通道注意力和空间注意力信息引入特征提取过程中,高阶特征引导低阶特征进行通道注意力信息获取,低阶特征反向指引高阶特征进行空间注意力筛选,可在不显着增加参数量的前提下提升模型特征提取能力、提高检测精度。对5栏日龄20～105d的群养生猪共35头的视频抽取504张图片,共计3712个脸部框,并标注水平正脸、水平侧脸、低头正脸、低头侧脸、抬头正脸和抬头侧脸6类姿态,构建训练集,另取420张图片共计2 106个脸部框作为测试集。试验表明,DAT-YOLO模型在测试集上对群养生猪的水平正脸、水平侧脸、低头正脸、低头侧脸、抬头正脸和抬头侧脸6类姿态预测的AP值分别达到85.54%、79.30%、89.61%、76.12%、79.37%和84.35%,其6类总体m AP值比Tiny-YOLO模型、仅引入通道注意力的CAT-YOLO模型以及仅引入空间注意力的SAT-YOLO模型分别提高8.39%、4.66%和2.95%。为进一步验证注意力在其余模型上的迁移性能,在同等试验条件下,以YOLOV3为基础模型分别引入两类注意力信息构建相应注意力子模型,试验表明,基于Tiny-YOLO的子模型与加入相同模块的YOLOV3子模型相比,总体m AP指标提升0.46%～1.92%。Tiny-YOLO和YOLOV3系列模型在加入注意力信息后检测性能均有不同幅度提升,表明注意力机制有利于精确、有效地对群养生猪不同类别脸部姿态进行检测,可为后续生猪个体识别和行为分析提供参考。(本文来源于《农业工程学报》期刊2019年18期）
连仁明,刘颖,于萍,刘畅[8]（2019）在《基于视频的人体姿态检测方法及其应用综述》一文中研究指出视觉是人类认知周围事物的重要感知。随着人类对于视频处理需求的不断增长和计算机性能与技术的不断发展,我们希望计算机能够在特定场合具有部分与人类视觉类似的视觉功能,并且对于这种视觉功能有一定的初步处理和判断功能。基于视频的人体姿态检测是理解和识别人与人的交互运动,人与环境交互关系等。通过相关的计算机技术,实现对于视频中人的检测,动作分析以及涉及多人交互情境下的行为分析和关系分析等。尽管这种分析对于人的视觉以及大脑似乎是一件不算困难的任务,但是随着时代的发展,视频的规模不断扩大,仅仅依靠人眼进行识别是远远不能够满足现代社会需要,通过计算机技术进行识别已经成为一种必然需求。但对于计算机而言,因为涉及到背景环境的复杂性,人类体态的多样性,运动习惯的差异性,在视频中能够较为精确检测人的位置,分析人的行为还是一件比较有挑战性的任务。(本文来源于《电脑编程技巧与维护》期刊2019年09期）
李士琳,王春光[9]（2019）在《基于MPU6050的轮式机器人姿态检测系统设计》一文中研究指出轮式机器人在行驶过程中容易出现姿态控制偏差。基于此,本文设计了一种基于MPU6050模块的轮式机器人姿态检测系统,分析了系统硬件模块图,介绍了姿态检测系统软件设计。实验结果表明:该检测系统能够很好地解决轮式机器人行驶过程中容易出现姿态控制偏差的问题。(本文来源于《南方农机》期刊2019年17期）
赵邢,梁浩然,梁荣华[10]（2019）在《结合目标检测与双目视觉的叁维车辆姿态检测》一文中研究指出随着城市规模的发展,车辆的需求在与日俱增,同时对自动驾驶技术的需求也在不断提高.为了增强自动驾驶系统对路面车辆的信息掌握能力,提出一种车辆姿态检测方法.首先利用基于深度学习的目标检测方法获取车辆在二维图片上的信息,结合深度相机利用双目视觉获取车辆的关键叁维空间信息;然后综合二维与叁维信息建立叁维空间坐标,经过计算后实现车辆的叁维边框绘制,绘制的叁维边框能辅助区分出车辆在空间上的方位.文中方法为端对端方法,不需要其他额外的输入信息,能够实时展示在相机中.实验结果表明,该方法针对常见的路面停车场景有较好的识别效果,对自动驾驶系统有较好的辅助作用;对比目前流行的叁维边框计算方法也展示了其准确性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年09期）
姿态检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在经颅磁刺激治疗过程中,准确且快速地检测人体头部姿态至关重要。针对基于二维彩色图像的头部姿态估计对环境、姿态敏感的问题,文中提出了一种联合彩色图像与深度图像的头部姿态检测方法。通过彩色图像检测人脸特征点的二维位置信息,结合深度信息定义叁维头部坐标系;然后在现有的ICP点云配准算法的基础上,提出了一种粗配准方法。通过计算待检测头部点云与标准头部点云之间坐标系的变换关系得到初始位姿参数,以防止点云配准陷入局部最优局面。实验表明,该算法能够在光源均匀且充足的诊疗室环境中准确地检测人体头部姿态,提高头部姿态角度大时姿态估计的鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
姿态检测论文参考文献
[1].李海伦,江浩,孙鹏伟.基于李代数表征的叁维物体空间姿态检测[J].山东科技大学学报(自然科学版).2019
[2].刘振宇,关彤.基于RGB-D图像的头部姿态检测[J].计算机科学.2019
[3].陈理.基于惯性传感器的运动姿态实时检测系统设计[J].自动化与仪器仪表.2019
[4].佟盟,田文杰,陈福彬,冯洁.基于六电极石英晶体谐振器的姿态检测转换结构设计[J].传感器与微系统.2019
[5].郑爽,张轶.利用姿态信息实现异常行为检测[J].现代计算机.2019
[6].刘坚,王媛媛.一种面向球姿态检测的图像透视畸变校正方法[J].中国机械工程.2019
[7].燕红文,刘振宇,崔清亮,胡志伟,李艳文.基于改进Tiny-YOLO模型的群养生猪脸部姿态检测[J].农业工程学报.2019
[8].连仁明,刘颖,于萍,刘畅.基于视频的人体姿态检测方法及其应用综述[J].电脑编程技巧与维护.2019
[9].李士琳,王春光.基于MPU6050的轮式机器人姿态检测系统设计[J].南方农机.2019
[10].赵邢,梁浩然,梁荣华.结合目标检测与双目视觉的叁维车辆姿态检测[J].计算机辅助设计与图形学学报.2019
论文知识图
