基于深度学习的人体姿态估计开题报告

1. 研究目的与意义（文献综述）

研究目的及意义：

人体姿态估计是许多人机交互的基础，它包括从视频图像中检测出人体关键点和关键部位，再进一步推断出人体的姿态，通常最基础的人体姿态估计的任务是从一幅图像中估计出图像中人体的关键点的位置。人体姿态估计涉及的领域越来越贴近生活实际，例如在步态分析、人机交互以及视频监控等领域，具有广泛的应用前景。

研究背景：

2. 研究的基本内容与方案

研究基本内容：

学习卷积神经网络的原理，设计卷积神经网络的输出特征，探究卷积神经网络在特征提取上的优势，研究并分析卷积神经网络输出的特征；针对输出的特征图像进行相应处理从而确定各个关节点预测坐标。将处理过后的特征图进行聚类拼接，采用自下向上的聚类算法将关节点连接起来，从而构成整个人体骨架。

研究目标：

3. 研究计划与安排

（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。

（3）第7－9周：学习相关编程语言和深度学习框架的使用，如python、tensorflow、pytorch等。

4. 参考文献（12篇以上）

[1] 赵勇,巨永锋.基于改进卷积神经网络的人体姿态估计[j].测控技术,2018,37(06):9-14.

[2] 韩贵金.基于改进cnn和加权svdd算法的人体姿态估计[j].计算机工程与应用,2018,54(24):198-203.

[3] 冯健颖. 基于卷积神经网络的人体姿态估计研究[d].哈尔滨工业大学,2018.