-
题名基于条件GAN的复杂动作图像轮廓智能捕捉研究
- 1
-
-
作者
范蒙蒙
-
机构
吉首大学
-
出处
《现代电子技术》
北大核心
2024年第17期94-97,共4页
-
文摘
针对复杂动作本身的高动态性和多样性,传统的图像处理方法难以准确捕捉其轮廓,文中研究基于条件GAN的复杂动作图像轮廓智能捕捉方法,精准了解动作执行情况。该方法利用像素覆盖分割模型来分割原始复杂动作图像,获取复杂动作目标图像,将其作为约束条件输入生成器,经过编解码器处理后输出虚假复杂动作图像轮廓生成结果,判别器将生成器输出的虚假轮廓和真实复杂动作图像轮廓作为输入,在损失函数作用下进行真假判别,并采用反向传输的方式对生成器和判别器的参数进行迭代更新,实现最佳复杂动作图像轮廓智能捕捉。结果显示:该方法可以有效捕捉不同类型的复杂动作图像轮廓,通过消融实验证明,改进后的条件GAN模型可显著提升捕捉到的图像轮廓的平滑度和形状保持性,为捕捉复杂动作图像轮廓提供了一种新方法。
-
关键词
条件GAN
复杂动作图像
轮廓捕捉
生成器
判别器
损失函数
图像分割
-
Keywords
conditional GAN
complex action image
contour capture
generator
discriminator
loss function
image segmentation
-
分类号
TN957.51-34
[电子电信—信号与信息处理]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于条件GAN的人体复杂动作轮廓智能捕捉研究
- 2
-
-
作者
王鹏博
刘菡
-
机构
云南民族大学
-
出处
《现代电子技术》
北大核心
2024年第24期172-176,共5页
-
文摘
为了精确捕捉人体在各种复杂动作中的姿态变化,并减少动作轮廓捕捉的误判和漏判情况,研究一种基于条件GAN的人体复杂动作轮廓智能捕捉方法。构建人体复杂动作图像前景模型,利用该前景模型去除人体复杂动作图像内的干扰背景,获得其前景图像。将人体复杂动作前景图像输入到条件GAN模型内,该模型使用生成器,依据叠加条件提取人体复杂动作前景图像特征,并生成人体复杂动作轮廓图像,将该轮廓图像输入到判别器内,判别器对生成器生成的人体复杂动作轮廓图像进行判别,输出其判别值;同时,生成器依据该判别值对人体复杂动作轮廓图像进行调整和优化。生成器和判别器不断对抗,当条件GAN模型的损失函数达到最小时,生成器输出最终人体复杂动作轮廓图像,实现人体复杂动作轮廓智能捕捉。实验结果表明,所提方法可有效捕捉人体复杂动作轮廓,且智能捕捉的人体复杂动作轮廓周长与其实际轮廓周长差异较小。
-
关键词
条件GAN
人体复杂动作
轮廓图像
智能捕捉
前景模型
生成器
判别器
-
Keywords
conditional GAN
complex human motion
contour image
intelligent capture
prospect model
generator
discriminator
-
分类号
TN915-34
[电子电信—通信与信息系统]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进支持向量回归的空战飞行动作识别
被引量：2
- 3
-
-
作者
刘庆利
李蕊
乔晨昊
-
机构
大连大学通信与网络重点实验室
-
出处
《现代防御技术》
北大核心
2024年第1期49-56,共8页
-
文摘
针对空战中飞机的飞行动作愈发复杂导致识别准确率低的问题,提出了改进支持向量回归的空战飞行动作识别方法,该方法采用高斯核函数作为线性核函数,利用混沌初始化和反向学习策略改进麻雀搜索算法,利用改进后的麻雀算法优化支持向量回归算法,具体表现为对支持向量回归算法中高斯核函数的参数进行优化,通过优化后的支持向量回归算法进行飞机动作识别。采用了五种基本的飞行动作和几种复杂的飞行动作验证该方法的识别准确率。仿真表明,优化后的支持向量回归算法与传统的支持向量回归算法、模糊支持向量机算法、传统聚类算法、神经网络算法相比,对基本飞行动作的平均识别率至少提升了2.2%,对复杂飞行动作的平均识别率至少提升了3.7%。
-
关键词
空战
支持向量回归
强化麻雀搜索算法
飞行动作识别
复杂动作
-
Keywords
air combat
support vector regression
intensify sparrow search algorithm
flight action recognition
complex action
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TJ76
[兵器科学与技术—武器系统与运用工程]
-
-
题名激光传感器和机器视觉的复杂运动动作识别方法
- 4
-
-
作者
黄斌
王寅昊
-
机构
桂林理工大学
-
出处
《激光杂志》
CAS
北大核心
2023年第10期217-224,共8页
-
基金
广西壮族自治区科技计划项目(No.AK19125028)。
-
文摘
为解决因图像数据拟合、近似等情况引发的运动动作识别准确度低问题,研究激光传感器和机器视觉的复杂运动动作识别方法。通过激光传感器测量复杂运动加速度,通过相机采集复杂运动动作图像,且通过坐标系投影将其转换为二维坐标数据,结合最小二乘支持向量机和D-S证据理论,融合运动加速度数据以及图像坐标数据,将融合后的动作数据输入,基于LSTM-CNN的复杂运动动作识别模型中,通过CNN提取动作数据特征,将该特征输入LSTM中,利用LSTM深入提取动作数据时序特征,依据两种特征,LSTM的全连接层通过全连接层级联方法,获取复杂运动动作识别结果。实验结果表明:该方法可有效采集复杂运动动作图像,并实现复杂运动动作识别,且不同光照强度下的复杂运动动作识别精度较高,均不低于97%,且识别效率高,平均识别耗时为2.280 s。
-
关键词
激光传感器
机器视觉
复杂运动动作
最小二乘
D-S证据理论
时序特征
-
Keywords
laser sensor
machine vision
complex motor movements
least squares
D-S theory of evidence
temporal characteristics
-
分类号
TN247
[电子电信—物理电子学]
-
