基于SIFT算法的人體姿態(tài)估計(jì)研究

摘 要：本文主要介紹了SIFT算法結(jié)合人體姿態(tài)估計(jì)的應(yīng)用，在人體學(xué)習(xí)運(yùn)動(dòng)的過程中，系統(tǒng)實(shí)時(shí)捕捉用戶動(dòng)作，利用火柴人進(jìn)行用戶動(dòng)作模擬。通過對(duì)比各個(gè)訓(xùn)練動(dòng)作的特征，對(duì)用戶的錯(cuò)誤動(dòng)作進(jìn)行提示，并給出合理建議。

關(guān)鍵詞：SIFT;人體姿態(tài)估計(jì);神經(jīng)網(wǎng)絡(luò)

一、簡(jiǎn)介

近年來(lái)在生活的各個(gè)方面，或多或少都有人工智能的體現(xiàn)。除了生活必要方面，互聯(lián)網(wǎng)軟件的發(fā)展也有助于人們的精神文明建設(shè)和培養(yǎng)。利用軟件對(duì)用戶運(yùn)動(dòng)的監(jiān)測(cè)也逐漸興起。

二、研究背景

在軟件中，針對(duì)用戶體驗(yàn)角度而言，傳統(tǒng)的運(yùn)動(dòng)方式一般是用戶結(jié)合教學(xué)視頻進(jìn)行學(xué)習(xí)。用戶打開感興趣的模塊，點(diǎn)擊想要學(xué)習(xí)的課程，便可以進(jìn)行學(xué)習(xí)。這種教學(xué)模式一定程度上雖然已經(jīng)較為方便，但其局限性在于用戶不能看到自己的學(xué)習(xí)情況，動(dòng)作正誤等，對(duì)于其學(xué)習(xí)效果就不能得到保證。

如果在學(xué)習(xí)過程中，系統(tǒng)可以捕捉用戶學(xué)習(xí)視頻，并進(jìn)行分析，進(jìn)而提示用戶動(dòng)作情況、錯(cuò)誤信息等，便有利于用戶對(duì)自己的動(dòng)作及時(shí)進(jìn)行矯正。站在用戶的角度，這種學(xué)習(xí)模式很大程度上滿足了用戶的需求，學(xué)習(xí)軟件亦可以更加智能，對(duì)用戶的歷史學(xué)習(xí)數(shù)據(jù)進(jìn)行分析，找出用戶學(xué)習(xí)特點(diǎn)，根據(jù)其個(gè)人情況，提出個(gè)性化建議等。

三、算法分析與實(shí)現(xiàn)

對(duì)于捕捉到的用戶學(xué)習(xí)視頻，應(yīng)剔除背景，想人體模型提取出來(lái)，并且尋找出人體各個(gè)關(guān)鍵部位，從而進(jìn)行相對(duì)位置分析。

（一）視頻預(yù)處理

對(duì)于攝像頭錄制的視頻，應(yīng)當(dāng)先分割成若干圖片，分割是按照幀進(jìn)行處理。對(duì)于每一張圖片，結(jié)合人體大致形狀，將背景素材剔除。這樣，便于后期對(duì)人體關(guān)鍵點(diǎn)的提取。

（二）關(guān)鍵點(diǎn)提取

對(duì)于剔除背景后的圖片，應(yīng)當(dāng)提取人體關(guān)鍵部位。結(jié)合SIFT算法，將每個(gè)點(diǎn)表示為八維向量，每個(gè)點(diǎn)的八維向量順序不同、模長(zhǎng)不同，便可以作為唯一標(biāo)識(shí)符。八維向量模型如圖1

（三）神經(jīng)網(wǎng)絡(luò)訓(xùn)練

對(duì)于所提取的人體部位數(shù)據(jù)，可能會(huì)存在較大的誤差。所以將圖片數(shù)據(jù)放入卷積神經(jīng)網(wǎng)絡(luò)，進(jìn)行迭代訓(xùn)練。在網(wǎng)絡(luò)學(xué)習(xí)過程中調(diào)用激活函數(shù)，增強(qiáng)模型的魯棒性;使得模型不過分依賴所給數(shù)據(jù)，從而具有更廣泛的應(yīng)用范圍。

（四）人體動(dòng)作火柴人模擬

對(duì)于提取出來(lái)的關(guān)鍵點(diǎn)，結(jié)合人體關(guān)鍵身體部位，進(jìn)行火柴人模擬。一方面，方便用戶清晰看到自己動(dòng)作的框架，可以及時(shí)發(fā)現(xiàn)錯(cuò)誤;另一方面，系統(tǒng)根據(jù)各個(gè)身體部位的位置關(guān)系，找出一系列的典型錯(cuò)誤，經(jīng)過串行的判斷條件，得出當(dāng)前動(dòng)作的錯(cuò)誤個(gè)數(shù)與種類，從而對(duì)用戶動(dòng)作進(jìn)行打分，給出合理的改進(jìn)建議。

四、結(jié)語(yǔ)

在實(shí)際應(yīng)用場(chǎng)景中，系統(tǒng)錄制用戶動(dòng)作進(jìn)行分析，很大程度上方便了用戶的學(xué)習(xí)過程。對(duì)于用戶學(xué)習(xí)動(dòng)作錯(cuò)誤情況提示，不僅可以采用界面文字提示，也可以采用語(yǔ)音提示的方式，讓用戶感受到“私人教練”的體驗(yàn)，達(dá)到邊學(xué)習(xí)邊反饋的功能。

參考文獻(xiàn)

[1]張慶輝，萬(wàn)晨霞，秦淑英，卞山峰.基于卷積神經(jīng)網(wǎng)絡(luò)的道路目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2019，40（07）：2052-2058.

[2]張闖，楊咸兆，徐齊全，陳蘇婷.基于SIFT特征的哈希快速檢索與圖像匹配[J].現(xiàn)代電子技術(shù)，2019，42（12）：127-131.

[3]馮健穎.基于卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)估計(jì)研究[D].哈爾濱工業(yè)大學(xué)，2018.

作者簡(jiǎn)介：

李婷婷（1997～）本科，研究方向?yàn)檐浖こ獭?/p>