基于深度学习的二维人体姿态估计研究进展

人体姿态估计在人体行为识别、人机交互、体育运动分析等方面有着广泛的应用前景,是计算机视觉领域的一个研究热点。在最近的十年中,得益于深度学习技术,大量的研究工作极大地推动了人体姿态估计技术的发展,但由于受训练样本不足、人体姿态的多变性、遮挡、环境的复杂性等因素影响,人体姿态估计仍然面临着诸多的挑战。文中对近年来基于深度学习的2D人体姿态估计方法进行归纳和总结,着重分析一些有代表性的人体姿态估计方法的思路及工作原理,以便研究人员了解当前的研究现状、面临的挑战以及今后的研究方向,拓展研究思路。

基于全局一致性网络的参数化人体网格重建

人体网格重建(HMR)在人机交互和虚拟/增强现实等领域有广泛应用。为了进一步提高基于图像的人体网格重建中人体姿势和形状估计的精度,提出了基于混合逆运动学的全局一致性深度卷积神经网络,用于参数化人体网格重建(GloCoNet)。为了增强网络的全局一致性和全局上的长程依赖,该网络在特征提取网络基础上,设计了全局一致性增强器(GCB)模块,它能够增强模型对全局信息的感知能力和表达能力,并且使模型能够自适应地调整不同通道和空间位置的特征图权重。然后引入了多头注意力机制(MHSA)来捕获模型全局上的长程依赖,它可以帮助模型在处理长期依赖时更好地捕捉到关键的关系和模式,并建模全局上下文信息,从而更好的丰富特征子空间的多样性。同时,该网络采用混合逆运动学的方法弥合人体网格估计和3D人体关节点估计之间的差距,最终提升人体3D姿势和形状估计的准确度。实验结果表明,GloCoNet模型在公开的Human 3.6 M数据集上以平均每关节51.3 mm的位置误差(MPJPE)显著优于先前的主流方法。

融合人体骨架和姿势信息特征的轻量级人体动作识别方法

针对人体动作识别任务中特征值选取不当导致识别率低、使用多模态数据导致训练成本高等问题,提出一种轻量级人体动作识别方法。首先使用OpenPose、PoseNet提取出人体骨架信息,使用BWT69CL传感器提取姿势信息;其次对数据进行预处理、特征融合,对人体动作进行深度学习分类识别;最后,为验证此方法的有效性,在公开数据集WISDM、UCIHAR、HASC和自建的人体动作数据集上进行实验验证,并使用改进的目标引导注意力机制(target-guided attention,TGA)–长短期记忆(long short term memory,LSTM)网络输出最终的分类结果。实验结果表明,在自建数据集下融合姿势和骨架特征达到99.87%准确率,相比于只使用姿势信息特征,识别准确率提高了约5.31个百分点;相比于只使用人体骨架特征,识别准确率提高了约1.87个百分点;在识别时间上相比于只使用姿势信息,识别时间降低了约29.73 s;相比于只使用人体骨架数据,识别时间降低了约9 s。使用该方法能及时有效地反映人体的运动意图,有助于提高人体动作和行为的识别准确率和训练效率。

基于传感器的人体活动识别与应用

近年来,人体活动识别技术得到了迅速发展,并在安全防御、医疗健康、智能交互、体育运动等领域得到广泛应用。本文结合国内外的相关文献,围绕人体活动识别,对知识图谱、人体活动数据集及人体活动识别方法及应用进行综述。首先,指出了不同数据采集方式的人体活动识别数据集的特点。其次,梳理了各种不断提高模型的准确度和性能的人体活动识别具体方法。再次,指出了知识图谱在人体识别活动中发挥的揭示实体间的关系,为人体活动解析提供隐含知识等重要作用。最后,面对人体活动识别的实际应用,对当前研究存在的问题和发展趋势进行了总结和展望。本研究为人体活动识别研究的技术发展和实际应用提供了方向指导和技术建议。

浅析模拟人体网络与电子产品的接触电流

接触电流是电子产品安全检测的重要项目。本文介绍了人体阻抗和模拟人体测试网络,详细分析了不同有害电流对人体产生的影响,阐述了电子产品接触电流测试原理和限值选取原则,最后结合电子产品特点,明确了电子产品标准接触电流的测试要求。

面向人体运动检测的水凝胶基柔性应变传感器设计

在可穿戴电子设备迅猛发展的背景下,构建面向人体运动检测的可穿戴柔性应变传感器成为目前传感器研究的重点之一。基于聚丙烯酰胺(PAM)、纤维素纳米晶(CNCs)、单宁酸(TA)构建了一种导电水凝胶基柔性应变传感器。机械性能与电学性能测试结果表明,相较于其他柔性应变传感器,聚丙烯酰胺-纤维素纳米晶-单宁酸导电水凝胶基柔性应变传感器具有超长的拉伸范围(0%~2 900%)、较好的黏附性、快速的响应时间(280 ms)和良好的稳定性(超320次加载-卸载循环)。该传感器对人体关节弯曲的大应变与喉部活动的小应变等运动信号具备良好的检测功能,可用作人体运动检测的柔性可穿戴传感器。

基于Transformer的三维人体姿态估计及其动作达成度评估

针对人机交互、医疗康复等领域存在的人体姿态分析与评估问题,本文提出了一种基于Transformer的三维人体姿态估计及其动作达成度评估方法。首先,本文定义了人体姿态的关键点及关节角,并在深度位姿估计网络(DPEN)的基础上,提出并构建了一个基于Transformer的三维人体姿态估计模型(TPEM),Transformer的引入能够更好的提取人体姿态的长时序特征;其次,利用TPEM模型对三维人体姿态估计结果,设计了基于加权3D关节角的动态时间规整算法,在时序上对不同人物同一动作的姿态进行姿态关键帧的规整匹配,并据此提出了动作达成度评估方法,用于给出动作的达成度分数;最后,通过在不同数据集上进行实验验证,TPEM在Human3.6 M数据集上实现了平均关节点误差为37.3 mm,而基于加权3D关节角的动态时间规整算法在Fit3D数据集上的平均误差帧数为5.08,展现了本文所提方法在三维人体姿态估计与动作达成度评估方面的可行性和有效性。

基于多流语义图卷积网络的人体行为识别

与基于图像的行为识别方法相比,利用人体骨架信息进行识别能有效克服复杂背景、光照变化以及外貌变化等因素影响。但是,目前主流的基于人体骨架的行为识别方法存在参数量过大、运算速度慢等问题。对此,提出一种多流轻量级语义图卷积的行为识别方法。设计多流语义引导的图卷积网络(MS-SGN),将骨架信息分别表达为骨长流、关节流和细粒度流3种数据流形式,再对嵌入语义信息的数据流通过自适应图卷积提取空间特征,并采用不同内核和膨胀率的多尺度时域卷积提取时域特征,最后对各流分类结果进行加权融合。实验结果表明,该方法在NTU60 RGB+D数据集上的识别精度分别为90.0%(X-Sub)和95.83%(X-View),在NTU120 RGB+D数据集上的识别精度分别为83.4%(X-Sub)和84.0%(X-View),优于SGN、Logsin-RNN等主流方法,且网络框架更为轻量化。

联合关键点数据增强和结构先验的遮挡人体姿态估计

人体姿态估计技术在许多领域都有着重要的应用。现有研究主要聚焦于无遮挡情况下的人体关键点精确定位,却忽略了人像采集过程中普遍存在的遮挡问题。针对此问题,提出了一个基于关键点数据增强的人体姿态估计方法。具体地,数据增强策略以训练图像中人体可见关键点为中心,生成特定数量和大小的遮挡区域,模拟人体关键点受遮挡时的场景,提升网络模型对遮挡场景下关键点预测的鲁棒性。为了提高模型对被遮挡关键点与相邻关键点间关联性的感知,进一步设计基于人体结构先验知识的损失函数,根据人体真实结构构建相邻关键点连接关系,约束预测的关键点坐标范围,从而提升被遮挡关键点的坐标精度。在OCHuman测试集和COCO验证集上的预测结果表明,相比于基准网络模型,该方法在不增加网络参数的情况下能够提升遮挡场景中的人体姿态估计性能。

基于渐进高斯滤波融合的多视角人体姿态估计

针对视觉遮挡引起的人体姿态估计(Human pose estimation, HPE)性能下降问题,提出基于渐进高斯滤波(Progressive Gaussian filtering, PGF)融合的人体姿态估计方法.首先,设计分层性能评估方法对多视觉量测进行分类处理,以适应视觉遮挡引起的量测不确定性问题.其次,构建分布式渐进贝叶斯滤波融合框架,以及设计一种分层分类融合估计方法来提升复杂量测融合的鲁棒性和准确性.特别地,针对量测统计特性变化问题,利用局部估计间的交互信息来引导渐进量测更新,从而隐式地补偿量测不确定性.最后,仿真与实验结果表明,相比于现有的方法,所提的人体姿态估计方法具有更高的准确性和鲁棒性.

人体解剖学课程教学中处理学生提问的策略与方法

在人体解剖学教学过程中会遇到很多学生提问,处理学生提问的策略和方法可以传递思政价值,但目前尚未见解剖学教师对此问题的研究报道。本研究就围绕人体解剖学教学过程中的学生提问,探讨处理问题的策略和方法,并就如何在处理学生提问的策略和方法中融入课程思政进行了归纳、分析。希望通过充分利用好这些问题,将学生掌握相对薄弱的点转变为学生掌握最牢固的点,借此激发学生学习的兴趣点,增强学生克服困难的信心和勇气。同时,在解决问题的过程中,强化学生自主分析问题和处理问题的能力,培养学生对待问题的严谨、积极、自信、科学的态度,进而增强学生的创新精神。

纸基柔性传感器可穿戴设备在人体运动中的应用

纸基柔性材料是一种新型材料,其具有轻便性、高延展性能。柔性可穿戴设备由柔性材料制作而成,有轻便、舒适性高、应用范围较广等优点,有望弥补传统的可穿戴设备的不足,被广泛应用于各领域中。国内外有不少文献报道用纸基柔性材料制备的柔性可穿戴设备应用领域。相较于传统设备,它们不仅在用户体验舒适度方面取得巨大突破,还在功能上得到延伸创新以满足多种临床应用场景的需求。基于此,简单介绍纸基柔性可穿戴设备的工作原理及分类,并围绕人们的运动、居家康复、健康检测等几个方面阐述近年来柔性可穿戴设备在康复领域中的研究进展。

基于STGCN算法的视频图像人体动作轮廓动态识别

人体动作轮廓在视频中的呈现具有多样性和连续性。人体动作不仅涉及到时间上的变化,还包括空间上的位置关系,受其姿势、速度、方向等影响。人体动作时空信息之间的关联难以充分捕捉,导致动作轮廓识别精度较低。为此,引入时空图卷积网络(STGCN)算法,提出一种视频图像人体动作轮廓动态识别方法。文中采用OpenPose模型从视频图像中提取描述关节点位置的置信图和描述人体关节间连接情况的二维矢量场,构建人体动作骨架图。结合视频帧时间序列组建人体动作骨架时空图,将其作为STGCN模型的输入,通过时空图卷积操作充分捕捉人体动作的时空特征后,采用Softmax层获取动态识别到的视频图像人体动作轮廓;并在STGCN模型中引入两种注意力模块,强化网络特征提取能力,提高动作轮廓识别精度。实验结果表明,所提方法可以有效实现视频图像人体动作轮廓的动态识别,引入的两种注意力模块对STGCN模型进行改进,可提升其动作轮廓识别效果。

雨课堂+BOPPPS模式联合虚拟仿真技术在护理专业人体解剖学教学中的应用效果

目的探讨雨课堂+背景(B)-目标(O)-预测(P)-参与(P)-后测(P)-总结(S)(BOPPPS)模式联合虚拟仿真技术在护理专业人体解剖学教学中的应用效果。方法选取2021级护理专业2个教学班的医学生为研究对象。将教学1班的46名学生设为试验组,教学2班的47名学生设为对照组。对照组学生采取雨课堂+BOPPPS模式教学方法,试验组学生在对照组基础上联合虚拟仿真技术教学。比较两组学生教学结束后的综合成绩、笔试考核成绩、实体标本考试成绩、自主学习能力以及学生对教学的满意度。结果教学结束后试验组学生笔试考核成绩、实体标本考试成绩均高于对照组(P<0.05);教学结束后试验组学生自主学习能力高于对照组(P<0.05);教学结束后试验组学生教学满意度为89.13%,高于对照组学生教学满意度的76.60%(P<0.05)。结论雨课堂+BOPPPS模式联合虚拟仿真技术在护理专业人体解剖学教学中应用良好,可以提升学生的学习成绩、自主学习能力以及教学满意度。

人体解剖学绘制简图结合思维导图教学模式的设计与应用

2010年,国家发改委启动“农村订单定向医学生免费培养项目”,即在我国医学高等院校开展免费医学生定向培养工作[1],本校承担有该任务。人体解剖学是研究正常人体形态和结构的科学,是每名医学生的必修课。人体解剖学由于知识点多,内容繁琐,容易使学生的学习感到枯燥、乏味。图形是一种形象生动的特殊语言,借助图形学习解剖学远比单纯的文字学习效果更优[2-3]。

基于人体健康的3种城市森林夏季林内紫外线辐射环境特征比较研究

以中波紫外线为主的紫外辐射对人体健康具有多种生物学影响,城市森林能够为居民提供温和的紫外辐射环境。为了解林下紫外线辐射环境特征是否存在树种间差异,对北京市3种常见遮荫树种的夏季林下紫外辐射(UV)强度、林内与林外UV辐射的比值(SR)、UV-B在总UV辐射中占比(UV-B/UV),以及VD合成和红斑效应两种人体作用有效辐射强度(UV_(VD)、UV_(er))进行了测算。结果表明:(1)三种林分林内紫外辐射总量是林外的3%-10%,不同林分的林内UV强度具有显著差异,元宝枫林对UV屏蔽能力最强,其次是栾树林和国槐林;(2)三种林分林冠对不同波长上紫外辐射能量的屏蔽能力具有明显的一致性,林冠对UV-B的屏蔽能力没有在UVA波段强和稳定,林内UV-B/UV普遍高于林外,其中元宝枫林最高,其次为栾树林,国槐林最低;(3)林冠明显改变了日光UV_(VD)和UV_(er)两种人体作用光谱曲线的形态,三种林分内的人体作用光谱曲线形态相似,强度上,林内外UV_(VD)/UV_(er)值均接近1,不同林分间没有显著差异;(4)胸径、无截取散射、平均叶倾角、叶面积指数和叶片透光性等树种特性或林冠结构特征会影响林内UV的强度,但不同林分内的紫外辐射光谱曲线变化趋势和波峰、波谷的位置基本一致,说明林内UV光质特征的树种间差异不明显。

交直流输电线路混合电场的人体感受试验及设计控制值研究

交直流输电线路同走廊和同塔架设是随着我国电网技术发展而出现的新输电方式,国内外尚无相应的交直流混合电场设计控制值标准。因此,设计同走廊和同塔架设的交直流输电线路时,导线对地高度和走廊宽度的选取面临无据可依的难题。该文提出确定交直流混合电场设计控制值的原则;开展不同交流(工频)电场和直流电场组合下的人体直接感受和暂态电击感受试验;通过对试验结果的统计分析,获得不同概率下人体不出现明显感受时的交流(工频)电场和直流电场关系曲线;在此基础上,得出确定交直流输电线路混合电场设计控制值的公式。该研究可为同走廊和同塔架设交直流输电线路设计中交直流混合电场的控制提供一定技术支撑。

石墨烯纸基传感器在人体运动中的实验研究

随着可穿戴技术的飞速发展,柔性传感器因在定制医疗和人机互动中有应用前景而备受瞩目。受剪纸艺术启发,开发了一种新型剪纸结构的柔性纸基传感器。该传感器采用剪纸技术构建的石墨烯纸基材料,能够紧密贴合人体多个部位,旨在探索其在监测生理及运动信号方面的有效性。剪纸结构的设计不仅提高了传感器的敏感度和伸展性,还实现了其与皮肤的高度集成,为人体动态监测开辟了新途径。

基于人体和场景上下文的多人3D姿态估计

深度歧义是单帧图像多人3D姿态估计面临的重要挑战,提取图像上下文对缓解深度歧义极具潜力.自顶向下方法大多基于人体检测建模关键点关系,人体包围框粒度粗背景噪声占比较大,极易导致关键点偏移或误匹配,还将影响基于人体尺度因子估计绝对深度的可靠性.自底向上的方法直接检出图像中的人体关键点再逐一恢复3D人体姿态.虽然能够显式获取场景上下文,但在相对深度估计方面处于劣势.提出新的双分支网络,自顶向下分支基于关键点区域提议提取人体上下文,自底向上分支基于三维空间提取场景上下文.提出带噪声抑制的人体上下文提取方法,通过建模“关键点区域提议”描述人体目标,建模姿态关联的动态稀疏关键点关系剔除弱连接减少噪声传播.提出从鸟瞰视角提取场景上下文的方法,通过建模图像深度特征并映射鸟瞰平面获得三维空间人体位置布局;设计人体和场景上下文融合网络预测人体绝对深度.在公开数据集MuPoTS-3D和Human3.6M上的实验结果表明:与同类先进模型相比,所提模型HSC-Pose的相对和绝对3D关键点位置精度至少提高2.2%和0.5%;平均根关键点位置误差至少降低4.2 mm.

西藏高原人体舒适度指数时空变化特征分析

利用西藏高原38个气象站1981-2020年逐日气象观测资料及1970-2000年30 s空间分辨率气候数据,对人体舒适度指数(ICHB)及高原人体舒适度指数(PICHB)时空变化特征进行分析。研究表明:(1)西藏高原近40 a ICHB呈显著上升趋势,整个西藏高原年ICHB升高率为0.76·(10a)-1,各气候区年ICHB升高率为(0.57~0.98)·(10a)^(-1)。季ICHB升高率在时间上表现为冬季>秋季>春季>夏季。(2)年ICHB和季ICHB的升高率在空间上表现为西部>北部>东北部>东南部>中部、南部边缘。(3)PICHB空间上表现为寒冷特不舒适、重度高原反应的区域主要分布在北部、西部及东北部的高山上;冷不舒适、重度高原反应的区域主要分布在北部、中部及南部边缘的高山上;冷不舒适、中度高原反应的区域主要分布在北部、中部和南部边缘等区域的较低海拔地区;凉较不舒适、轻度高原反应的区域主要分布在东南部和南部边缘地区;不冷不热舒适、无高原反应的区域主要分布在错那县南部和墨脱县南部。随着西藏高原近40 a和未来气候“暖湿化”的变化趋势,各地月ICHB、季ICHB、年ICHB明显提高,PICHB也发生相应的变化,均向着舒适度升高的方向发展。