基于张量与姿态回归网络的多视角多人姿态估计

本文提出一种基于张量与姿态回归网络的多人姿态估计方法。所提出的方法与以往基于噪声和不完整姿态的交叉视觉估计法有所不同,所提出多视角二维图像像素处理可以直接在三维空间上处理数据,从而避免了每个视角姿态的错误判定。本文方法包括张量网络和姿态回归网络,两个网络的组合可以更精确地估计出多视角相应的三维姿态。本文方法对于解决姿态的遮挡估计和歧义问题具有很强的稳定性,经过一些常用实验数据集测试,其比前期的一些方法具有更强性能。

基于PP-YOLOv2的高效课堂行为检测方法

课堂行为检测在教育领域具有重要意义,可以评估学生的参与度和专注度。然而,传统方法复杂且耗时。提出了基于PP-YOLOv2的课堂行为检测方法,利用计算机视觉和深度学习技术采集和标注学生样本数据集,并进行数据预处理。通过应用Mish激活函数,提升了模型的学习能力和行为检测的准确性。该研究对于实时监测和评估学生行为,改善教学效果并促进个性化学习具有重要意义。实验结果表明,该方法在课堂环境中展现出良好性能,为教育工作者提供了高效准确的课堂行为检测工具。进一步研究可以扩展应用范围,并优化算法以提高性能。

基于OPEC-Net框架的人群框架姿态估计

人体姿态估计是计算机视觉领域的一个热门研究方向,而遮挡是人体姿态估计的一个基本的挑战,但现有的基于热图的方法遭受了遮挡的严重退化。大部分技术存在一定的内在问题,直接根据视觉信息定位关节,但是看不见的关节将会导致这些相关信息缺乏。针对该技术的局限性,我们提出一个图像引导的渐进式GCN模块,从推理的角度来估计不可见的关节,该模块提供下文和姿态结构的全面理解。此外,现有的基准包含有限的闭塞,以进行评估。本文提出了一个新的OPEC-Net框架和一个新的具有9k个注释图像的遮挡(OCPose)数据集。对基准进行的广泛的定量和定性评估表明,该工作取得了显著的改进。

人体运动形态估计技术发展综述

人体运动形态估计技术是目前国内外研究的热点方向,该技术主要用于体育、音乐、舞蹈等运动形体化教学;制作角色动画、3D人物的立体电影;人体运动形态识别、检测及跟踪监控;医学保健和无人驾驶;AR体育赛事运动追踪以及辅助评分系统等很多领域。文章以人体运动形态估计为主题,对该技术的应用和发展做一个综述,供相关方向读者了解。

社会支持对家长总体幸福感的影响机制:心理弹性和亲职压力的链式中介

目的:了解当下家长的心理健康水平和社会支持现状,并探讨心理弹性和亲职压力在社会支持与总体幸福感间的链式中介作用,为提出改善家长心理健康状况的方法提供实证依据。方法:采用总体幸福感量表、社会支持评定量表、心理弹性量表、亲职压力量表简表对989名16周岁及以下孩子的家长进行调查。结果:(1) 家长幸福感、心理弹性得分处于一般水平、社会支持得分较低、亲职压力得分较高;(2) 社会支持正向预测幸福感;(3) 家长心理弹性和亲职压力在社会支持与总体幸福感之间起链式中介作用。结论:研究结果揭示了社会支持影响幸福感的心理机制,社会支持不仅能直接影响家长的幸福感,还能通过心理弹性和亲职压力的链式中介作用影响幸福感。

基于姿态编码的数字逻辑电路设计

姿态识别在多数科研课题中通过算法和软件实现,但如何从硬件实现值得研究。姿态识别的硬件开发对于其算法和软件的成果转化起着至关重要的作用。因此,以姿态类型编码输入为例,设计出识别姿态编码的数字逻辑电路,其可以对人体姿态的编码进行识别并显示。根据姿态编码,按状态转移规律来画出卡诺图,接着推导出触发器对应的状态方程和逻辑门,然后通过触发器和逻辑门的接线组合,最终得到姿态编码识别电路。使用Multisim14软件对所设计的电路进行仿真,得到的模拟结果符合预期的设计目标。经过实验仿真,证实其可行有效,并在一定程度上准确识别了相应姿态类型。