计算机应用研究

作者：赵继发,王呈,荣英佼,

单位：1.江南大学物联网工程学院,江苏无锡214122；2.近地面探测技术重点实验室,江苏无锡214000；

关键词：图像处理,双目视觉,注意力机制,姿态估计,

基金：近地面探测技术重点实验室基金资助项目(6142414220203)；；

为实现队列姿态动作的准确评估，针对训练场景中踢腿高度等三维人体姿态特征难以准确测量的问题，提出融合双目信息的队列三维姿态特征检测方法。方法分为2D姿态估计和双目立体匹配两个阶段。为提高2D人体姿态检测精度，设计基于改进HRNet网络的2D姿态估计模型。首先，在主干网络引入空间通道注意力，增强特征提取能力。特征融合层采用自适应空间特征融合模块，融合网络多尺度特征。其次，采用无偏数据处理方法进行热图编解码，减小数据统计误差。最后，在模型训练时采用由粗到细的多阶段监督方法，提高关键点的检测准确率。在2D姿态估计模型基础上，采用标准相关匹配函数实现双目立体匹配，再通过坐标变换得到三维人体姿态。实验结果表明，改进的姿态估计网络有较好的精度，在COCO数据集上精度达到77.1%，在自制的队列训练数据集上精度达到86.3%，相比原网络分别提升2.2%和3.1%。在三维人体姿态的踢腿高度实验中，该方法测得平均相对误差为2.5%，充分验证了算法的有效性。

来源：2024年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第9期