基于人体关键点检测的动作识别算法研究.pdfVIP

摘要

人体动作识别在智能时代有着广泛的应用，而人体关键点检测是动作识别领

域中的热门课题。然而基于人体关键点的动作识别领域仍存在一些待解决的问题。

其一，通过二维图像难以获取准确的人体关键点信息，因此本文提出了一种基于

目标分割网络的人体关键点检测方法，以提高人体关键点的检测精度；其二，传

统方法难以寻找人体关键点和动作类别之间的映射关系，因此本文通过设计一个

全连接神经网络以提取该映射关系，以实现准确的动作分类。具体的研究内容总

结如下：

(1)针对主流方法中存在检测精度与实时性之间的矛盾，本文提出了基于改

进MaskRCNN的人体关键点检测方法。使用MaskRCNN网络结构中的掩模分

支为关键点生成高质量的预测掩模结果，从而准确地定位人体关键点位置。实验

结果表明，该方法解决了自顶向下方法在多人场景中存在的漏检问题，也避免了

自底向上方法带来的关键点匹配错误问题。

(2)对人体关键点检测算法进行了三方面的优化改进：其一，针对网络生成

的人物目标感兴趣区域位置与真实值偏差大的问题，本文提出使用K-means聚

类方法来改进锚点候选框尺寸的初始化方式，使生成的感兴趣区域尺寸能够更好

地覆盖人物目标；其二，针对人物密集场景导致的目标漏检问题，本文提出使用

高斯惩罚函数来改进非极大值抑制过程，提高模型检测精度的同时降低了模型对

置信度阈值参数的敏感性；其三，针对传统感兴趣区域池化层结构导致细节特征

丢失的问题，本文引入了PrRoI池化方法，使模型综合了更多的细节特征。实验

结果表明，上述改进能有效地提升人体关键点的检测精度。

(3)针对传统特征提取方法依赖人工设计的问题，本文使用全连接神经网络

提取人体关键点与动作类别间的映射关系，从而提取到深层次的特征联系。然后

将关键点检测网络与动作分类网络结合在一起，组成一套完整的动作识别系统，

并在KTH等数据集上进行算法验证。实验结果表明，相比传统方法和主流的基

于关键点的动作识别方法，本文方法在识别准确率上更具优势。

关键词：深度学习，人体关键点，动作识别，MaskRCNN

ABSTRACT

Humanactionrecognitioniswidelyusedintheageofartificialintelligence,and

keypointdetectionisplayinganimportantroleinthefieldofactionrecognition.

However,therearestillsomeproblemsthatneedtobesolved.Firstly,itisdifficultto

obtainaccuratekeypointsfromatwo-dimensionalimage,thereforethispaper

proposesanefficientmethodtosolvetheproblembyusingasegmentationneural

network.Theproposedmethodcanimprovetheaccuracyofkeypointdetection.

Secondly,itisdifficulttofindtherelationshipbetweenhumankeypointsandvarious

categoriesofhumanaction,thereforethispaperproposesanideathatwecanlearnthe

relationshipbydesigninganeuralnetwork,whichcanenhancetheaccuracyofaction

classification.Themainworkandcontributionsofthispaperareasfollows:

(1)Inordertosolvethecont