3D human skeleton extraction for action analysis
Đồ án tốt nghiệp · Đại học · năm 2019 · đề tài tham khảo
| Loại tài liệu | Đồ án tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Nguyễn Hữu Thắng |
| Người hướng dẫn | Nguyễn Quang Như Quỳnh; Wen-Nung Lie |
| Cơ sở đào tạo | Trường Đại học Bách khoa, Đại học Đà Nẵng |
| Năm | 2019 |
| Nguồn | Thư viện số Trường Đại học Bách khoa, Đại học Đà Nẵng · trang gốc |
Tóm tắt
This thesis is “3D Human Skeleton Extraction for Action Analysis”. We want to generate an accurate 3D pose estimation from a single view RGB image to understand more about people in images and videos. The 3D human pose estimation algorithm contained two steps. First, we put all of the 3D Human samples into K-means algorithm, and take the mean pose in each cluster as anchor pose ground truth in training part. Second, we trained first model called “3D anchor pose estimator”, which use 2D human pose as input ground truth, and the result of clustering as output ground truth. Anchor poses are some common human posture in our daily life. Final we train second model called “3D human pose estimator” and combine 2D human pose and 3D anchor pose to estimate final 3D human pose. In this work, we show a systematic design for how Fully Convolutional Network (FCNs) can be incorporated for the task of pose estimation. Our deep learning network contains two-stage: The first network (FCN1) estimate a 3D Anchor Pose from the 2D skeleton, then pass the results to the second stage (FCN2) to further regress/refine the 3D Anchor Pose to yield the final 3D human pose estimation. According to the experiments, our two-stage FCN network can generate a 3D human pose with an average MPJPE (Mean per Joint Position Error) of 62.99 mm when a 2D skeleton prediction is used as the input. The 2D skeleton predictions are produced by a pre-trained model called Stacked Hourglass. Stateof-the-art results are achieved on the H36M benchmark
Bản toàn văn lưu tại thư viện Trường Đại học Bách khoa, Đại học Đà Nẵng
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Website thiết kế lại căn phòng với mô hình Stable Diffusion
- Xây dựng ứng dụng cung cấp thông tin và nhận dạng các món ăn đặc sản Việt
- Xây dựng website bán sách trực tuyến GREENBOOK
- MRI synthesis using Deep Learning models
- Lập trình tính toán nhiệt ẩm điều hòa không khí
- Áp dụng cân bằng chuyền tại xưởng may chi nhánh 2 TBS An Giang
- Nghiên cứu ứng dụng kỹ thuật học sâu để phát hiện bất thường trong dữ liệu chuỗi thời gian đa biến của IoT
- Xây dựng website chia sẻ kinh nghiệm và kiến thức nuôi trồng cho nông dân Việt Nam
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.