基于元姿态的无约束环境中三维人体姿态估计研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61902321
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Since there is no assumption on human pose, background and other factors, 3D human pose estimation in unconstrained environments is a key technology in the field of intelligent video surveillance and active human-robot collaboration. This project proposes to explore the 3D human pose estimation in unconstrained environments based on meta human pose set, which aims at solving the contradiction between the high diversity of human poses and the dependence of existing algorithms on complete datasets. To capture the relationship among human poses, this project designs a new representation model based on graph neural network. By jointly learning the group discovery and vertex embedding of this graph model, a meta human pose set is extracted. By modeling the relationship between human pose and image, this project puts forward a meta training image set mining method guided by meta human pose set. To solve the hybrid supervision learning problem, this project studies the 3D human body pose estimation model based on structural consistency. By studying the extraction and utilization of meta human pose set, the project constructs a representative sample set conforming to the human pose distribution in unconstrained environment, which is then used to train a model for 3D human pose estimation. Through this research, the project improves the performance of 3D human pose estimation in unconstrained environments, which provides technical support for intelligent video surveillance and human robot collaboration.
由于对人体姿态、背景等因素均无限制,无约束环境中三维人体姿态估计是智能视频监控、人-机器人主动协作等领域的关键技术。针对无约束环境中人体姿态的高度多样性和现有算法性能依赖完备数据集的问题,本项目提出基于元姿态的无约束环境中三维人体姿态估计研究。本项目拟研究基于图网络的人体姿态关系表征模型,提出基于群体发现的元人体姿态集提取方法;研究人体姿态与图像内容的关联建模,提出基于元姿态指导的核心训练图像集挖掘方法;研究混合监督的模型训练方法,提出基于结构一致性动态先验的三维人体姿态估计模型。通过研究元人体姿态集的提取与高效学习,构建符合无约束环境下人体姿态分布的代表性样本集合,突破无约束环境中三维人体姿态估计技术,为智能监控和人-机器人协作等应用提供技术支持。

结项摘要

由于对人体姿态、背景等因素均无限制,无约束环境中的三维人体姿态估计在智能视频监控、人-机器人主动交互等多个领域具有重要的应用价值。围绕姿态多样性高和数据依赖强的问题,本项目开展了基于元姿态的无约束环境中三维人体姿态估计研究。(1)针对人体结构建模与姿态增强,设计了一种基于门控图网络的人体表征模型,使用图网络建模人体关节点的依赖关系,提高了人体姿态的表征效率;提出了一种人体姿态增强方法,从旋转方向、身体长度和位置等三个方面对输入姿态进行增强,提高姿态分布范围。(2)针对核心数据集构建问题,提出了一种自适应的视角转换模块,缓解了视角对姿态的影响;提出了一种基于长时依赖的视频质量预测与关键数据提取方法,突破了视频数据价值评估与核心数据提取问题;设计了一种基于局部增强的语义引导视频片段提取方法,提高了数据提取的准确性。(3)针对三维姿态估计中遮挡等问题,提出了一种基于图模型的遮挡人体姿态估计方法,使用关节点依赖关系推理遮挡节点的位置;提出了一种基于对比相关的跨模态行人再识别方法,动态挖掘模态之间的关键特征,提高了行人再识别的效果。通过三年的研究,突破了开放环境中人体姿态估计关键技术,相关成果在IEEE TIP、PR等高水平期刊和会议上发表论文6篇,申请专利2项,其中授权1项,参加国内外高水平会议5次,联合培养博硕士研究生6名,完成了申请书中的研究目标。

项目成果

期刊论文数量(5)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(2)
Video Summarization with a Convolutional Attentive Adversarial Network
使用卷积注意力对抗网络进行视频摘要
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    Pattern Recognition
  • 影响因子:
    8
  • 作者:
    Guoqiang Liang;Yanbing Lv;Shucheng Li;Shizhou Zhang;Yanning Zhang
  • 通讯作者:
    Yanning Zhang
An Adaptive Viewpoint Transformation Network for 3D Human Pose Estimation
用于 3D 人体姿势估计的自适应视点转换网络
  • DOI:
    10.1109/access.2020.3013917
  • 发表时间:
    2020-01-01
  • 期刊:
    IEEE ACCESS
  • 影响因子:
    3.9
  • 作者:
    Liang, Guoqiang;Zhong, Xiangping;Zhang, Yanning
  • 通讯作者:
    Zhang, Yanning
Video summarization with a dual-path attentive network
使用双路径注意力网络进行视频摘要
  • DOI:
    10.1016/j.neucom.2021.09.015
  • 发表时间:
    2021-10-09
  • 期刊:
    NEUROCOMPUTING
  • 影响因子:
    6
  • 作者:
    Liang, Guoqiang;Lv, Yanbing;Zhang, Yanning
  • 通讯作者:
    Zhang, Yanning
Attend to the Difference: Cross-Modality Person Re-Identification via Contrastive Correlation
关注差异:通过对比相关进行跨模态人员重新识别
  • DOI:
    10.1109/tip.2021.3120881
  • 发表时间:
    2019-10
  • 期刊:
    IEEE Transactions on Image Processing
  • 影响因子:
    10.6
  • 作者:
    Shizhou Zhang;Yifei Yang;Peng Wang;Guoqiang Liang;Xiuwei Zhang;Yanning Zhang
  • 通讯作者:
    Yanning Zhang

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

高校智库建设的资源状况及政府扶持政策——以大连市为例
  • DOI:
    10.19318/j.cnki.issn.2096-1634.2016.02.11
  • 发表时间:
    2016
  • 期刊:
    智库理论与实践
  • 影响因子:
    --
  • 作者:
    侯海燕;梁国强;丁堃
  • 通讯作者:
    丁堃
Backstepping Control of Supersonic Missile with Nussbaum Gain Adaptive Method
超声速导弹的努斯鲍姆增益自适应反步控制
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    information
  • 影响因子:
    3.1
  • 作者:
    雷军伟;陈洁;赵红超;梁国强
  • 通讯作者:
    梁国强
粘性系数对复合材料层合板的渐进损伤影响
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    机械设计与制造
  • 影响因子:
    --
  • 作者:
    梁国强;孙耀宁;杨文君
  • 通讯作者:
    杨文君
花香型工夫红茶的开发研究
  • DOI:
    10.15905/j.cnki.33-1157/ts.2012.04.009
  • 发表时间:
    2012
  • 期刊:
    中国茶叶加工
  • 影响因子:
    --
  • 作者:
    黄怀生;谭正初;银霞;粟本文;郑红发;赵熙;梁国强
  • 通讯作者:
    梁国强
基于“自噬-炎症反应”探讨肾炎口服液Ⅰ对阿霉素肾病大鼠的肾保护作用
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    中华中医药学刊
  • 影响因子:
    --
  • 作者:
    梁国强;徐夏莲;吉俊;倪道磊;宋永亮;许田俊;金伟民;蒋春波
  • 通讯作者:
    蒋春波

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

梁国强的其他基金

开放动态环境下的目标持续识别研究
  • 批准号:
    62376218
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码