基于YOLO-Pose的遮挡场景下的多人姿态估计算法

1

作者 侯顺智 陶俊 +2 位作者 袁冬华 吴文俊 隗一凡 《江汉大学学报(自然科学版)》 2025年第5期85-96,共12页

人体姿态估计在体育训练、机器人行为训练、智能交互等多个现实应用场景中都有极其重要的作用。针对大多数人体姿态估计算法的复杂神经网络结构与效率不足的问题,提出一种基于改进YOLO-Pose的多人姿态估计算法YOLO-Pose-GSNS。为了减少... 人体姿态估计在体育训练、机器人行为训练、智能交互等多个现实应用场景中都有极其重要的作用。针对大多数人体姿态估计算法的复杂神经网络结构与效率不足的问题,提出一种基于改进YOLO-Pose的多人姿态估计算法YOLO-Pose-GSNS。为了减少模块的参量和计算量,通过提高计算效率来实现轻量化,使用GSConv卷积模块代替普通的Conv卷积计算;采用NAMAttention模块重新设计其特征融合层,提高特征提取的能力,同时使用4个不同的检测头,使算法增强对遮挡场景的检测,引入SIoU损失函数重新定义边界框回归的损失函数,提高定位的准确性。在OC_Human数据集上进行测试,改进后的YOLO-Pose-GSNS模型与基准模型相比,模型大小降低了7.4%,GFLOPs降为19.5,降低了3.4%,P值、R值、mAP@0.5和mAP@0.5:0.95分别提高了8.7、13.4、12.1和17.2个百分点。本文提出的YOLO-Pose-GSNS算法既实现了模型的轻量化,又保证了在遮挡场景下多人姿态估计准确率的提升。 展开更多

关键词 多人姿态估计 yolo-pose 遮挡场景 轻量化 NAMAttention

在线阅读 下载PDF 职称材料

基于YOLO-Pose的微型电子元器件检测系统设计与实现

2

作者 蒋任 项朝辉 +1 位作者 王恬静 钱月钟 《电脑知识与技术》 2025年第10期43-47,共5页

为了解决传统微型电子元器件检测方法效率低、精度不足等问题,本文设计并开发了一套融合深度学习与YOLOPose检测技术的高效检测系统。该系统利用YOLO-Pose精准提取元器件边缘、角点等关键点信息,实现了对矩形连接器等元件的高精度识别... 为了解决传统微型电子元器件检测方法效率低、精度不足等问题,本文设计并开发了一套融合深度学习与YOLOPose检测技术的高效检测系统。该系统利用YOLO-Pose精准提取元器件边缘、角点等关键点信息,实现了对矩形连接器等元件的高精度识别与定位。研究结果显示,该系统在检测和识别方面的精度高达96%,相较于传统方法,检测效率提升了30%,显著提升了检测的效率与准确性。 展开更多

关键词 深度学习 yolo-pose检测 微型电子元器件检测 精确识别和定位

在线阅读 下载PDF 职称材料

基于改进YOLO-Pose的复杂环境下拖拉机驾驶员关键点检测 被引量：10

3

作者 徐红梅 杨浩 +3 位作者 李亚林 张文杰 赵亚兵 吴擎 《农业工程学报》 EI CAS CSCD 北大核心 2023年第16期139-149,共11页

为解决农田复杂作业环境下拖拉机驾驶员因光照、背景及遮挡造成的关键点漏检、误检等难识别问题,该研究提出了一种基于改进YOLO-Pose的复杂环境下驾驶员关键点检测方法。首先,在主干网络的顶层C3模块中嵌入Swin Transformer编码器,提高... 为解决农田复杂作业环境下拖拉机驾驶员因光照、背景及遮挡造成的关键点漏检、误检等难识别问题,该研究提出了一种基于改进YOLO-Pose的复杂环境下驾驶员关键点检测方法。首先,在主干网络的顶层C3模块中嵌入Swin Transformer编码器,提高遮挡状况下关键点的检测效率。其次,采用高效层聚合网络RepGFPN作为颈部网络,通过融合高层语义信息和低层空间信息,增强多尺度检测能力,同时在颈部网络采用金字塔卷积替换标准3×3卷积,在减少模型参数量的同时有效地捕获不同层级的特征信息。最后,嵌入坐标注意力机制优化关键点解耦头,增强预测过程对关键点空间位置的敏感程度。试验结果表明,改进后算法mAP0.5(目标关键点相似度Loks阈值取0.5时平均精度均值)为89.59%,mAP0.5:0.95(目标关键点相似度Loks阈值取0.5,0.55,…,0.95时的平均精度均值)为62.58%,相比于基线模型分别提高了4.24和4.15个百分点,单张图像平均检测时间为21.9 ms,与当前主流关键点检测网络Hourglass、HRNet-W32及DEKR相比,mAP0.5分别提升了7.94、5.27、2.66个百分点,模型大小分别减少了257.5、8.2、9.3 M。改进后的关键点检测算法具有较高的检测精度和推理速度,可为拖拉机驾驶员的异常行为识别和状态监测提供技术支持。 展开更多

关键词 拖拉机 深度学习 检测 驾驶员 yolo-pose 关键点

在线阅读 下载PDF 职称材料

基于改进YOLO-Pose轻量模型的多人姿态估计 被引量：1

4

作者 李传江 汪著名 张崇明 《上海师范大学学报（自然科学版中英文）》 2024年第2期188-194,共7页

YOLO-Pose作为人体姿态估计算法模型,在精度和速度上有着不错的表现,但其在复杂和有遮挡的场景下存在误检率较大的问题,并且模型的复杂度仍然有优化的空间.针对这几个问题,通过选取Slim-neck模块和Res2Net模块,重新设计其特征融合层,减... YOLO-Pose作为人体姿态估计算法模型,在精度和速度上有着不错的表现,但其在复杂和有遮挡的场景下存在误检率较大的问题,并且模型的复杂度仍然有优化的空间.针对这几个问题,通过选取Slim-neck模块和Res2Net模块,重新设计其特征融合层,减少其计算量和参数量,提高特征提取能力,在提升精度的同时,使模型轻量化;引入EIoU损失函数,加快边框检测的收敛速度,并提高定位的准确性.在压缩的OC_Human数据集上进行测试,改进后的模型与YOLO-Pose相比,P值、mAP@0.5和mAP@.5:95分别提高了10.6,3.1和2.9个百分点.此外,参数量和计算量也分别减少了16.7%和19.3%,在精度和轻量化方面均有所提升,为其应用在资源有限的边缘计算设备提供了可能性. 展开更多

关键词 人体姿态估计 yolo-pose 轻量化 Slim-neck

在线阅读 下载PDF 职称材料

基于YOLO-Pose的城市街景小目标行人姿态估计算法 被引量：6

5

作者 马明旭 马宏 宋华伟 《计算机工程》 CAS CSCD 北大核心 2024年第4期177-186,共10页

现有的姿态估计算法在城市街景中对小目标行人的检测效果不佳。针对该问题,提出一种基于YOLO-Pose的小目标行人姿态估计算法YOLO-Pose-CBAM。通过引入CBAM注意力机制模块,在不增加过多计算量的前提下,增强网络聚焦小目标行人区域的能力... 现有的姿态估计算法在城市街景中对小目标行人的检测效果不佳。针对该问题,提出一种基于YOLO-Pose的小目标行人姿态估计算法YOLO-Pose-CBAM。通过引入CBAM注意力机制模块,在不增加过多计算量的前提下,增强网络聚焦小目标行人区域的能力,提升算法对小目标行人的敏感度,同时在主干网络中使用4个不同尺寸的检测头,丰富算法对图片中不同大小行人的检测手段;在骨干网络和颈部之间架设2条跨层级联通道,提升浅层网络与深层网络之间的特征融合能力,进一步增强信息交流,降低小目标行人漏检率;引入SIoU重新定义边界框回归的定位损失函数,加快训练的收敛速度,提高检测精度;采用k-means++算法代替k-means算法对数据集中标注的锚框进行聚类,避免聚类中心初始化时导致的局部最优解问题,从而选择出更适合检测小目标行人的锚框。对比实验结果表明,在小目标行人Wider Keypoints数据集上,所提算法相较于YOLO-Pose和YOLOv7-Pose在平均精度上分别提升了4.6和6.5个百分比。 展开更多

关键词 yolo-pose算法 姿态估计 跨层级联 CBAM注意力机制 SIo U损失函数 k-means++算法

在线阅读 下载PDF 职称材料

基于YOLO-Pose的钢筋间距检测 被引量：1

6

作者 林聪功 陈国栋 +4 位作者 林鸿强 张雨诗 牟宏霖 林进浔 黄明炜 《佳木斯大学学报（自然科学版）》 CAS 2024年第11期65-70,共6页

为了解决传统钢筋间距测量方法在施工现场复杂背景和噪声下精度不佳的问题,利用YOLO-Pose算法提出了一种新的检测方法。该方法通过深度学习技术识别钢筋交点关键点,相比传统方法具备更高的鲁棒性和适应性。经过对不同检测网络的比较,YOL... 为了解决传统钢筋间距测量方法在施工现场复杂背景和噪声下精度不佳的问题,利用YOLO-Pose算法提出了一种新的检测方法。该方法通过深度学习技术识别钢筋交点关键点,相比传统方法具备更高的鲁棒性和适应性。经过对不同检测网络的比较,YOLOv8-Pose模型在钢筋交点检测任务中表现出色,关键点检测平均准确率mAP-kp达到99.3%,FPS为77。实验结果显示,该方法通过像素标定和直径检测,能够精确计算钢筋间距,平均相对误差为2.6%,最大相对误差为8.9%,符合GB50204-2015混凝土结构工程施工质量验收规范标准。 展开更多

关键词 钢筋间距检测 yolo-pose 深度学习 关键点识别 像素标定

在线阅读 下载PDF 职称材料

基于改进YOLO v5-pose的群养生猪体尺自动测量方法 被引量：1

7

作者 刘刚 曾雪婷 +3 位作者 刘晓文 李涛 丁向东 米阳 《农业机械学报》 北大核心 2025年第5期455-465,共11页

针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题,提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块(Convolutional block attention module,CBAM),更好地捕捉到... 针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题,提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块(Convolutional block attention module,CBAM),更好地捕捉到测点相关特征;将Neck层的C3传统模块替换为C3Ghost轻量模块,降低模型参数量和内存占用量;在模型Head层引入DyHead(Dynamic head)目标检测头,提升模型对测点位置的表征能力。结果表明,改进模型的测点检测平均精度均值为92.6%,参数量为6.890×10^(6),内存占用量为14.1 MB,与原始YOLO v5-pose模型相比,平均精度均值增加2.1个百分点,参数量和内存占用量分别减少2.380×10^(5)、0.4 MB。与当前经典模型YOLO v7-pose、YOLO v8-pose、RTMPose(Real-time multi-person pose estimation based on mmpose)和CenterNet相比,该模型的召回率和平均精度均值更优且更轻量化。在2400幅群养生猪图像数据集上进行试验,结果表明,该方法测得体长、体宽、臀宽、体高和臀高的平均绝对误差分别为4.61、5.87、6.03、0.49、0.46 cm,平均相对误差分别为2.69%、11.53%、12.29%、0.90%和0.76%。综上所述,本文方法提高了体尺测点检测精度,降低了模型复杂度,取得了更精确的体尺测量结果,为群养环境下生猪体尺自动测量提供了一种有效的技术手段。 展开更多

关键词 群养生猪 体尺测量 改进YOLO v5-pose 关键点检测 坐标变换

在线阅读 下载PDF 职称材料

基于关键点和步行特征的猪只跛行检测方法

8

作者 杨秋妹 黄森鹏 +3 位作者 肖德琴 惠向阳 黄一桂 李文刚 《农业机械学报》 北大核心 2025年第5期466-474,共9页

猪只跛行问题为猪场的生产和管理带来了挑战,因此准确检测猪只跛行情况至关重要。目前猪场主要依赖人工观察和记录,效率低耗时长,且可能存在主观误差。鉴于此,提出一种基于关键点和步行特征的猪只跛行检测方法。首先,定义并确定了猪只... 猪只跛行问题为猪场的生产和管理带来了挑战,因此准确检测猪只跛行情况至关重要。目前猪场主要依赖人工观察和记录,效率低耗时长,且可能存在主观误差。鉴于此,提出一种基于关键点和步行特征的猪只跛行检测方法。首先,定义并确定了猪只的关键点信息,关键点包括猪只的腿、膝盖、背部等重要部位。基于关键点,采用改进YOLO v8n-pose模型进行检测。该模型在YOLO v8n-pose的基础上,在颈部引入BiFPN双向特征金字塔网络进行多尺度特征融合,同时在骨干网络中引入RepGhost网络,以降低特征提取网络的参数量和浮点运算量。然后利用检测出的关键点坐标计算猪只的步长、膝盖弯曲程度和背部曲率等步行特征,并将这些特征输入到K最近邻算法进行跛行与非跛行的分类。实验结果表明,改进YOLO v8n-pose模型平均精度均值(mAP)达到92.4%,比原始YOLO v8n-pose模型提高4.2个百分点。与其他关键点检测模型(HRNet-w32、Lite-HRNet、ResNet50、ViPNAS和Hourglass)相比,mAP分别提高10.2、11.6、14.2、11.8、12.5个百分点。K近邻算法在猪只跛行测试集上的检测精度为81.7%,比BP算法、Decision Tree算法和SVM算法分别提高1.5、11.3、6.5个百分点。以上结果表明,本文提出的猪只跛行检测方法可行,能够为猪场检测提供技术支持。 展开更多

关键词 猪只 跛行 关键点检测 YOLO v8n-pose 步行特征

在线阅读 下载PDF 职称材料

基于BMR-YOLO 11n-Pose的藠头关键点识别与分类方法

9

作者 刘浩蓬 杨云潇 +3 位作者 康启新 张国忠 张乐妍 卫佳 《农业机械学报》 北大核心 2025年第11期490-498,共9页

针对藠头形态不规则,在检测过程中存在特征表达失真、外形难以提取等问题,本文提出基于深度学习的多尺度关键点识别与分类方法,可通过识别藠头顶点及横径的两端点提取其外形特征,同时基于决策树算法对藠头尺寸和外形等特征进行准确分类... 针对藠头形态不规则,在检测过程中存在特征表达失真、外形难以提取等问题,本文提出基于深度学习的多尺度关键点识别与分类方法,可通过识别藠头顶点及横径的两端点提取其外形特征,同时基于决策树算法对藠头尺寸和外形等特征进行准确分类。首先以YOLO 11n-Pose为基线模型,在颈部引入双层路由注意力机制(BRA)、特征增强层(MobileNet Variants)和通道混洗的重参数化卷积(RCS),构建了BMR-YOLO 11n-Pose模型。相较于基线模型,本文模型的关键点识别精确率(Pose-P)和检测框识别精确率(Box-P)分别提升0.9、1.9个百分点,其平均精度mAP0.5-0.95提升1.9个百分点。进而基于决策树算法对藠头的外形特征分别进行尺寸分类和弯曲程度分类,其分类模型精确率分别为92.87%和84.72%,相比原基线模型分别增加11.19、8.39个百分点,有效提升了藠头外形特征的分类精度。本研究可为藠头位姿识别和分类作业等应用场景提供理论参考和技术支撑。 展开更多

关键词 藠头识别 目标关键点检测 BMR-YOLO 11n-Pose 深度学习

在线阅读 下载PDF 职称材料

基于改进YOLO v9u-pose的肉牛质量估算方法

10

作者 段青玲 杨丽莎 《农业机械学报》 北大核心 2025年第10期596-605,共10页

在肉牛养殖中,肉牛质量对其生长监测和育种改良具有重要意义。传统的称量方法费时费力,且易造成牛只应激反应。然而,现有的非接触方法易受姿态和复杂背景影响,精度较低,鲁棒性差。为此,本文提出了基于改进YOLO v9u-pose的肉牛质量估算方... 在肉牛养殖中,肉牛质量对其生长监测和育种改良具有重要意义。传统的称量方法费时费力,且易造成牛只应激反应。然而,现有的非接触方法易受姿态和复杂背景影响,精度较低,鲁棒性差。为此,本文提出了基于改进YOLO v9u-pose的肉牛质量估算方法,包括关键点检测和质量估算2个阶段。在关键点检测阶段,以YOLO v9u-pose作为基线网络,利用ODConv(Omni-dimensional dynamic convolution)替换主干网络的普通卷积;采用DySample替换颈部网络的上采样模块;并在与检测头连接的RepNCSPELAN4模块中添加EMA注意力机制(Excitation and modulation attention),进而提高肉牛关键点检测算法精度。在质量估算阶段,利用深度图和局部点云聚类等方法提取体尺特征,并构建基于体尺和PSO-XGBoost(Particle swarm optimization-eXtreme gradient boosting, PSO-XGBoost)的肉牛质量估算算法。在自建的数据集上测试,本文提出的关键点检测算法F1值和平均精度均值(mAP@0.75)分别为97.2%和98.2%,质量估算算法平均绝对百分比误差为3.97%。最终将所提方法部署至开发板,为肉牛智能化养殖提供了技术支持。 展开更多

关键词 肉牛 质量估算 关键点检测 YOLO v9u-pose PSO-XGBoost

在线阅读 下载PDF 职称材料

配网旁路作业机器人目标位姿估计方法

11

作者 姚杰 殷洪海 +3 位作者 汪大海 李润梓 张茜雯 郭毓 《计算机与现代化》 2025年第9期20-26,共7页

机器人代替人工完成旁路作业任务,需要其在复杂的作业场景下具有自主估计目标物体位姿的能力。针对旁路作业机器人在复杂背景和不同光照条件下目标位姿的实时估计问题,提出一种基于改进YOLO-6D且融合Transformer模型的6D位姿估计算法(RT... 机器人代替人工完成旁路作业任务,需要其在复杂的作业场景下具有自主估计目标物体位姿的能力。针对旁路作业机器人在复杂背景和不同光照条件下目标位姿的实时估计问题,提出一种基于改进YOLO-6D且融合Transformer模型的6D位姿估计算法(RTFT6D),改进YOLOv8主干网络以提升推理速度,设计一种融合Transformer模型的特征加强网络,提升位姿估计的鲁棒性。实验结果表明,该算法在LINEMOD数据集上的精度超过了大多数基于RGB图像输入的位姿估计算法,并且针对不同光照条件下的配网旁路作业目标具有很好的位姿估计效果。 展开更多

关键词 配网旁路作业机器人 位姿估计 YOLO-6D YOLOv8 TRANSFORMER

在线阅读 下载PDF 职称材料

YOLO-SR改进模型特性及在教育场景中的应用

12

作者 周国栋 张墩利 《湖南开放大学学报》 2025年第2期76-83,共8页

随着教育数字化转型的深化,人体姿态估计技术作为机器视觉的核心分支,逐渐成为提升教学效率与个性化教育的重要工具。YOLO及其改进模型具有模型规模小、检测精度高、计算速度快等特点,在安全检测、动作捕捉、姿势纠正、康复监测等人体... 随着教育数字化转型的深化,人体姿态估计技术作为机器视觉的核心分支,逐渐成为提升教学效率与个性化教育的重要工具。YOLO及其改进模型具有模型规模小、检测精度高、计算速度快等特点,在安全检测、动作捕捉、姿势纠正、康复监测等人体姿态估计技术的多个场景得到应用。针对现有YOLO模型在复杂环境下精测精度不高的问题,本文提出一种YOLO-SR改进模型,引入弱光增强与注意力机制,并在公开数据集上验证了其性能,平均精度达到95.7%。为验证实际应用效果,选取多人课堂、单人工作姿态、手部动作、舞蹈训练四类典型教学场景进行实验。实验结果表明,YOLO-SR改进模型有力支持个性化教学与精准管理,有效减轻了教师重复劳动,学生课堂专注度和技能目标达成度得到较大幅度提升,在远程教育和技能培训中应用潜力显著。 展开更多

关键词 教育数字化 人体姿态估计技术 YOLO 注意力机制

在线阅读 下载PDF 职称材料

一种改进的轻量级人体姿态估计算法 被引量：10

13

作者 王名赫 徐望明 蒋昊坤 《液晶与显示》 CAS CSCD 北大核心 2023年第7期955-963,共9页

现有的多数人体姿态估计算法通过设计复杂的网络结构以获得高精度而导致速度较低。YOLO-Pose人体姿态估计算法吸收了先进目标检测算法的优点同时获得了较高的精度和速度,然而仍然存在漏检和误检问题。本文对YOLOPose算法进一步改进,针... 现有的多数人体姿态估计算法通过设计复杂的网络结构以获得高精度而导致速度较低。YOLO-Pose人体姿态估计算法吸收了先进目标检测算法的优点同时获得了较高的精度和速度,然而仍然存在漏检和误检问题。本文对YOLOPose算法进一步改进,针对人体姿态非刚性和人体关键点分布多样性的特点提出一种新的轻量级人体姿态检测算法。首先,设计了轻量级通道和空间注意力网络LCSA-Net以提升模型的特征提取能力;其次,采用了基于距离自适应的加权策略在模型训练时计算人体关键点回归损失以增强模型对远距离人体关键点的回归能力。在COCO 2017人体姿态数据集上的实验结果表明,与基准模型相比,两种改进策略均有效提升了人体姿态估计性能,实现了2%的mAP提升、1.5%的AP50提升和1.7%的AR提升。 展开更多

关键词 人体姿态估计 yolo-pose 注意力网络 自适应加权 回归损失

在线阅读 下载PDF 职称材料

基于改进YOLO v8-Pose的红熟期草莓识别和果柄检测 被引量：34

14

作者 刘莫尘 褚镇源 +3 位作者 崔明诗 杨庆璐 王金星 杨化伟 《农业机械学报》 EI CAS CSCD 北大核心 2023年第S02期244-251,共8页

针对高架栽培模式下的大棚草莓,借鉴人体姿态检测算法,建立了改进YOLO v8-Pose模型对红熟期草莓进行识别与果柄关键点检测。通过对比YOLO v5-Pose、YOLO v7-Pose、YOLO v8-Pose模型,确定使用YOLO v8-Pose模型作为对红熟期草莓识别与关... 针对高架栽培模式下的大棚草莓,借鉴人体姿态检测算法,建立了改进YOLO v8-Pose模型对红熟期草莓进行识别与果柄关键点检测。通过对比YOLO v5-Pose、YOLO v7-Pose、YOLO v8-Pose模型,确定使用YOLO v8-Pose模型作为对红熟期草莓识别与关键点预测的模型。以YOLO v8-Pose为基础,对其网络结构添加Slim-neck模块与CBAM注意力机制模块,提高模型对小目标物体的特征提取能力,以适应草莓数据集的特点。改进YOLO v8-Pose能够有效检测红熟期草莓并准确标记出果柄关键点,P、R、mAP-kp分别为98.14%、94.54%、97.91%,比YOLO v8-Pose分别提高5.41、5.31、8.29个百分点。模型内存占用量为22 MB,比YOLO v8-Pose的占用量小6 MB。此外,针对果园非结构化的特征,探究了光线、遮挡与拍摄角度对模型预测的影响。对比改进前后的模型在复杂环境下对红熟期草莓的识别与果柄预测情况,改进YOLO v8-Pose在受遮挡、光线和角度影响情况下的mAPkp分别为94.52%、95.48%、94.63%,较YOLO v8-Pose分别提高8.9、10.75、5.17个百分点。改进YOLO v8-Pose可在保证网络模型精度的同时对遮挡、光线和拍摄角度等影响均具有较好的鲁棒性,能够实现对复杂环境下红熟期草莓识别与果柄关键点预测。 展开更多

关键词 红熟期草莓识别 关键点预测 YOLO v8-Pose 注意力机制

在线阅读 下载PDF 职称材料

基于信息融合的城市自主车辆实时目标识别 被引量：36

15

作者 薛培林 吴愿 +4 位作者 殷国栋 刘帅鹏 林乙蘅 黄文涵 张云 《机械工程学报》 EI CAS CSCD 北大核心 2020年第12期165-173,共9页

针对单一传感器感知维度不足、实时性差的问题,提出一种激光雷达与相机融合的城市自主车辆实时目标识别方法。建立两传感器间的坐标变换模型,实现两传感器的像素级匹配。改进yolov3-tiny算法,提高目标检测准确率。对激光雷达点进行体素... 针对单一传感器感知维度不足、实时性差的问题,提出一种激光雷达与相机融合的城市自主车辆实时目标识别方法。建立两传感器间的坐标变换模型,实现两传感器的像素级匹配。改进yolov3-tiny算法,提高目标检测准确率。对激光雷达点进行体素网格滤波,根据点云坡度进行地面分割。建立聚类半径与距离作用模型,对非地面点云进行聚类。引入图像中包络的思想,获取目标三维边界框以及位姿信息;将视觉目标特征与激光雷达目标特征融合。试验结果表明,改进的yolov3-tiny算法对于城市密集目标具有更高的识别率,雷达算法能够完整的完成三维目标检测以及位姿估计,融合识别系统在准确率、实时性方面达到实际行驶要求。 展开更多

关键词 yolo 聚类 位姿估计 激光雷达 视觉 信息融合

原文传递

基于关键点检测的服装廓形识别 被引量：5

16

作者 陶金之 夏明 王伟 《纺织学报》 EI CAS CSCD 北大核心 2024年第6期142-148,共7页

为精准且快速地实现对服装廓形的判断,以秀场连衣裙为研究对象,提出了基于关键点检测的服装廓形分类算法。使用YOLO v8-Pose模型对秀场连衣裙进行关键点检测,提取服装的肩部、胸部、腰部、臀部和底摆两侧共10个关键点,并生成服装廓形图... 为精准且快速地实现对服装廓形的判断,以秀场连衣裙为研究对象,提出了基于关键点检测的服装廓形分类算法。使用YOLO v8-Pose模型对秀场连衣裙进行关键点检测,提取服装的肩部、胸部、腰部、臀部和底摆两侧共10个关键点,并生成服装廓形图。通过加入Sobel边缘提取算法改进的DenseNet网络深度提取服装廓形特征,采用余弦相似度算法将其与标准的廓形库中提取的特征相比较,最终实现服装廓形的判别与分类。结果表明,该方法能够快速且准确地实现服装廓形的分类,廓形分类准确率达到了95.9%。 展开更多

关键词 服装 廓形分类 YOLO v8-Pose 关键点检测 DenseNet网络 相似度算法 连衣裙

在线阅读 下载PDF 职称材料

基于改进YOLO v7-Pose的牛脸关键点检测与姿态识别方法 被引量：3

17

作者 黄小平 侯现坤 +4 位作者 郭阳阳 郑寰宇 豆子豪 刘梦艺 赵晋陵 《农业机械学报》 EI CAS CSCD 北大核心 2024年第11期84-92,102,共10页

奶牛脸部关键点检测在牛场智能化中发挥着重要的作用,它可以帮助实现牛脸识别、牛脸对齐、头部动作检测与行为识别等。针对目前奶牛养殖环境中存在牛脸遮挡、弱光照等问题,提出了一种改进的YOLO v7-Pose网络模型的算法,可用于牛脸关键... 奶牛脸部关键点检测在牛场智能化中发挥着重要的作用,它可以帮助实现牛脸识别、牛脸对齐、头部动作检测与行为识别等。针对目前奶牛养殖环境中存在牛脸遮挡、弱光照等问题,提出了一种改进的YOLO v7-Pose网络模型的算法,可用于牛脸关键点检测和头部姿态识别。首先通过网络相机在牛场获取奶牛脸部图像并构建数据集。其次,在YOLO v7-Pose网络模型中引入SPPFCSPCL结构,以提高奶牛脸部关键点的特征提取能力;将关键点检测的损失函数OKS替换为WingLoss损失函数,增加奶牛脸部关键点的检测精度;最后,使用L1范数对改进的模型剪枝,使改进后的网络模型参数量降低。试验结果表明:改进模型YOLO v7-SCLWL-Pose检测牛脸关键点较原模型AP提升5个百分点,AP0.5提升2.7个百分点,改进后模型内存占用量仅为106.7 MB,减少33.6%。将本文关键点检测用于姿态识别,试验结果对抬头和低头等动作的识别准确率达到95.5%和86.5%。本研究为牧场奶牛行为识别提供了支撑技术。 展开更多

关键词 牛脸检测 关键点检测 YOLO v7-Pose 姿态识别

在线阅读 下载PDF 职称材料

基于机器学习的人体姿态估计模型研究 被引量：3

18

作者 刘鸿雁 孙丽丽 +4 位作者 王雨晨 何子亨 车四四 王朔 马丕明 《自动化与仪器仪表》 2022年第6期80-85,共6页

设计了一种新型姿态估计算法,支持同步执行多个任务,在行人姿态估计中可以达到较好的效果。网络中划分为主网络、子网络两大部分,前者采用的主要是Darknet53网络,用于实现特征提取的功能;后者划分为关键点检测以及行人检测两大部分,分... 设计了一种新型姿态估计算法,支持同步执行多个任务,在行人姿态估计中可以达到较好的效果。网络中划分为主网络、子网络两大部分,前者采用的主要是Darknet53网络,用于实现特征提取的功能;后者划分为关键点检测以及行人检测两大部分,分别基于特征金字塔、YOLOv3,将网络融合之后具备了显著的优势,继承了各个网络的优点,在保证姿态识别精度的同时提高了效率,减少了预测的时间,适合于应用到实时性要求较高的场景中。通过姿态残差网络来学习先前获得的姿态信息,解决了由于行人重叠或者遮挡等导致的图像模糊问题,依然保持了较高的识别精度,相对于其他的方法达到更高的准确性。基于与其他算法(CMU-Pose、Newel)进行对比的结果可知,设计的算法在COCO数据集中的预测精度达到了67.2%,效率为20 FPS,相对于其他算法无论在效率还是在精度上均显著提高,这表明提出的算法在保证准确率的同时具有实时性处理效果。 展开更多

关键词 YOLO目标检测算法 多任务姿态估计 姿态残差网络

原文传递

融合边缘检测与深度网络的旋钮位姿测量方法 被引量：1

19

作者 朱志玲 周志峰 +2 位作者 赵勇 王永泉 王立端 《电子测量技术》 北大核心 2021年第17期26-32,共7页

为实现微旋钮的智能调控,获取旋钮准确位姿为关键任务。基于此,提出了一种融合边缘检测与深度网络的旋钮位姿测量方法。首先,针对图像倾斜产生测量误差的问题,提出改进的Canny算法提取准确边缘,并结合透视变换对其矫正;其次,利用改进的Y... 为实现微旋钮的智能调控,获取旋钮准确位姿为关键任务。基于此,提出了一种融合边缘检测与深度网络的旋钮位姿测量方法。首先,针对图像倾斜产生测量误差的问题,提出改进的Canny算法提取准确边缘,并结合透视变换对其矫正;其次,利用改进的YOLO-V4算法实现旋钮的精确分割;最后应用改进的Canny算法与双三次样条插值提取高精度旋钮凹槽亚像素轮廓,通过PCA算法拟合轮廓矩形并测量位姿。实验结果表明,所提改进Canny算法的边缘提取精度提高,有效减少了虚假边缘;改进的YOLO-V4旋钮检测算法相较于YOLO-V4平均检测精度提升了2.92%,达到99.49%;旋钮凹槽中心位置与偏转角度的测量精度分别达到1.5pixel和1.5°,可实现旋钮位姿的高精度测量。 展开更多

关键词 旋钮 CANNY算法 YOLO-V4 位姿测量

原文传递

面向变电站近电作业的高精度多人姿态估计方法

20

作者 马靖 任博文 +3 位作者 陈来军 马恒瑞 朱苏洵 陈铁滨 《浙江电力》 2024年第9期97-106,共10页

在变电站近电作业场景中,人体姿态估计对于准确定位人体关键点信息至关重要。然而,由于肢体或设备的遮挡,传统检测方法常常面临精度低、漏检和误检等问题。为此,提出一种面向变电站近电作业的高精度多人姿态估计方法。首先,在骨干网络... 在变电站近电作业场景中,人体姿态估计对于准确定位人体关键点信息至关重要。然而,由于肢体或设备的遮挡,传统检测方法常常面临精度低、漏检和误检等问题。为此,提出一种面向变电站近电作业的高精度多人姿态估计方法。首先,在骨干网络中嵌入DCN(可变形卷积网络),使模型能够自主学习人体关节特征,并增强了几何建模能力。其次,构建一个基于ConvNeXt v2 Block的特征金字塔网络作为颈部结构,通过跨尺度连接方式加强特征间的交互学习。在预测头中引入CA(协调注意力机制),以进一步捕获特征图的通道和方向信息。最后,通过改进原损失函数,加速了模型的收敛速度。结果表明,与基准模型相比,所提模型的平均检测精度P_(0.50)、P_(0.75)和P分别提高了2.7%、7.3%、4.2%,可为变电站复杂环境下近电作业人员的安全提供重要的技术支撑。 展开更多

关键词 近电作业 人体姿态估计 YOLO v7 DCN v2模块 注意力机制

在线阅读 下载PDF 职称材料