一种基于头部姿态估计的儿童坐姿提醒方法和系统.pdf
书生****aa
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于头部姿态估计的儿童坐姿提醒方法和系统.pdf
本发明公开一种基于头部姿态估计的儿童坐姿提醒方法,包括:S1:从摄像设备获取原始图像,进行有效帧检测并保留有效帧;S2:使用目标检测算法从原始图像提取头部图像;S3:将头部图像输入头部姿态估计网络,得到俯仰角、偏航角、滚转角的概率分布序列和最终的估计角度;S4:将概率分布序列输入一维卷积网络验证准确性,根据估计角度对头部姿态进行判断并对错误姿态进行语音提醒。本发明还包括一种基于头部姿态估计的儿童坐姿提醒系统。本发明能够通过摄像设备对儿童书写阅读场景下的头部欧拉角进行细粒度识别并针对错误姿态进行提醒,同时具
一种基于概率扩散模型的渐进式头部姿态估计方法.pdf
本发明提供了一种基于概率扩散模型的渐进式头部姿态估计方法,包括:建立头部姿态估计循环,循环包括以下步骤:根据第一概率扩散模型、第二彩色图像对人体的头部姿态进行检测,得到人体头部姿态检测结果,并作为第二头部姿态检测结果;根据第二彩色图像和第二头部姿态检测结果对第一概率扩散模型进行优化,得到第二概率扩散模型;当前循环完成,将该循环下的第二概率扩散模型作为下一循环的第一概率扩散模型输入到下一循环中。本发明解决的问题是无法获取用户完整的头部三维数据导致头部姿态估计结果准确性低的技术问题,通过提出一种渐进式头部姿态
基于先分类再回归的人头部姿态估计方法.pdf
本发明公开了基于先分类再回归的人头部姿态估计方法,包括如下步骤:步骤1,处理数据集,构建基于GhostNet的多分类神经网络,并进行训练得到基于GhostNet的多分类网络模型;步骤2,构建基于先分类再回归的神经网络模型;步骤3,训练基于先分类再回归的神经网络、基于GhostNet的分类神经网络,融合两个网络模型;步骤4,用基于先分类再回归的神经网络进行头部姿态估计。本发明的方法提出了任务拆分机制,将头部姿态估计预测三个角度值拆分为三个子任务,分别预测俯仰角、偏航角、滚转角,提高了预测结果的精确度,且大大
基于标签分布和有监督空间变换网络的头部姿态估计方法.pdf
本发明公开了一种基于标签分布和有监督空间变换网络的头部姿态估计方法,包括如下步骤:步骤1,数据预处理;步骤2,构建有监督的空间变换网络模块;步骤3,将步骤2搭建的空间变换网络模块添加到的轻量化网络MobileNetV3中,得到改进MobileNetV3的网络结构;步骤4,网络的损失函数设计;步骤5:头部姿态估计评价指标设计。这种方法可以更好的发挥各自任务分支的优势,方便有效,易于实际应用,还可以实现对头部姿态的快速、准确估计,鲁棒性强。
基于深度信息的实时头部姿态估计的开题报告.docx
基于深度信息的实时头部姿态估计的开题报告题目:基于深度信息的实时头部姿态估计摘要:人类的头部姿态能够传达重要的情感和意图信息,因此在计算机视觉领域,实时头部姿态估计是非常具有挑战性和重要性的问题。本文提出一种基于深度信息的实时头部姿态估计算法,该算法采用深度摄像头获取人脸深度信息,并使用卷积神经网络(CNN)对头部姿态进行估计。具体地,本文提出一种基于姿态角度区间划分的分类模型,以及一种先验知识引导的回归模型,来预测头部的三个方向上的欧拉角。同时,本文还通过卡尔曼滤波器来提高头部姿态的平滑度和鲁棒性,使其