基于卷积姿态机和GrabCut的服装图像轮廓分割方法

GrabCut在服装图像分割中得到广泛应用,为解决GrabCut需要人工干预以及复杂背景下精度不高的问题,提出了一种基于卷积姿态机(Convolutional Pose Machines)和GrabCut的服装图像分割方法。借助卷积姿态机,使用包含服装的图片数据进行训练,得到卷积姿态机网络,从复杂背景中定位出服装关键点,形成包含服装的矩形框,并以此作为GrabCut算法的初始矩形框,经过GrabCut算法处理,从复杂背景分割出服装图像。结果证明:与传统需要人工干预的GrabCut方法相比,本方法无需人工干预,便可将复杂背景中的服装图像自动分割出来,在不损失精确度的基础上,可实现大批量服装图像的自动分割。

基于卷积姿态机的潜航员作业姿态识别方法

针对现有潜航员作业姿态识别分析方法中识别过程繁琐、识别精度低的问题,提出基于卷积姿态机的潜航员作业姿态识别分析方法.对人体姿态特征进行结构化编码,构建空间及投影坐标系进行解析,定义肢体角度计算公式与肢体特殊状态判断流程.通过搭建潜航员作业姿态识别算法,实现作业姿态RGB图像空间特征与纹理特征的提取,输出潜航员作业姿态关节点、肢体角度与状态数据.通过采集潜航员作业姿态图像构建潜航员作业姿态样本数据集,对所提方法进行应用验证.在算法测试中,识别算法的PCK指标值达到81.2%.在应用验证实验中,算法识别关节点的平均准确率达到87.7%.该方法在潜航员作业姿态识别分析上是可靠的,可以有效地识别与分析潜航员作业姿态中的危险因素.

基于时空特征融合的交通警察手势识别

近年来,随着人体姿态估计技术的发展,基于骨架关键点的手势识别技术应运而生。提出了一个GCPM-AGRU模型进行交通警察手势识别。为了更准确地定位人体关键点,对卷积姿态机(CPM)进行改进。在特征提取模块中加入残差思想、通道拆分和通道重组,设计后的特征提取模块更好提取图片特征;在CPM第一阶段加入并行多分支Inception4d结构,使CPM网络具有多尺度特征融合思想,有效改进对人体关键点定位的问题;提出基于注意力机制的GRU,通过为每帧分配不同权重来达到对每帧不同程度的关注,从而更好获取时间信息;结合时空特征信息进行交通警察手势识别。交通警察手势识别的准确度达到了93.7%,相比网络改进之前提高了2.95个百分点。

基于图像检测的机场人员异常行为分析技术研究

针对机场环境安保问题,研究了一种基于图像检测的异常行为智能分析技术。用YOLO v3模型对视频帧进行人员目标识别,并利用卷积姿态机(Convolutional Pose Machines,CPM)对目标范围进行骨骼关键点提取;采用Multitracker多目标跟踪方法对视频进行多目标跟踪。通过训练模型,对异常行为进行在线识别。经测试验证,该技术具备良好的识别效果,能快速识别出持枪、持械攻击、投掷、攀爬、快速接近五种异常行为,可广泛应用于机场内外场景。

基于人体关键点的色情信息检测

传统的色情检测在色情图像领域取得了较高的准确率,但对于视频中未出现肤色裸露但含有性暗示动作的色情信息检测难以实现。为解决这个问题提出一种基于人体关键点的色情信息检测框架。首先采用人体姿态估计算法获取人体关键点,然后利用可变形卷积、肢体2D矢量场进行身体部位定位和关联程度分析,形成关键点序列、提取人体轮廓,最后通过RNN对二种附加的时空姿势特征以及人体关键点轨迹叠加融合,完成视频中色情信息的检测。实验结果表明,该方法在Pornography-2k数据集上达到81.7%的准确率,能有效地检测视频中并未出现大面积肤色裸露却含有性暗示动作的色情信息。

基于时空双分支网络的人体动作识别研究

常规的人体动作识别算法在单一特定的场景中效果较为突出,但在海洋钻井平台的实际工程场景中,易受管道遮挡和干扰,不能充分地利用视频的时序结构信息。针对这些问题,提出了一种复杂场景下基于时空双分支网络的人体动作识别框架。采用多规则区域提案标记算法将海水区域分离,将先验知识加入支持向量机分类器,提出后验判别准则以去除非人员目标,通过目标定位与检测算法分割出人员目标,利用卷积姿态机算法进行身体部位定位和关联程度分析以提取全部人体关键点信息,形成关键点序列;通过双分支网络对人体关键点轨迹和光流轨迹叠加融合,完成了人体动作的分类与识别。实验结果表明,该方法实现了人体不可见关键点的检测和估计,免去了人工标注目标的繁杂工作,能够有效地解决海洋平台场景下的人体动作识别问题。

基于CPM及亲和度向量的服装关键点检测方法

服装关键点检测是时尚大数据分析和应用的关键技术之一,受到工业界和学术界的共同关注。对多类别、姿态复杂、遮挡等服装关键点检测难点进行了研究,使用目标检测方法对服装分类并消除背景干扰,提出基于亲和度向量的卷积姿态机实现服装关键点检测,利用关键点间空间约束以提高检测的准确度,实现了一个两阶段的服装关键点检测框架。实验表明,该框架能够更准确地检测服装关键点,并对服装关键点分散性、遮挡和重叠都具有较强鲁棒性。