所属领域： A 电子信息技术

技术成果简介

受人体运动和环境杂波等因素的影响，人体姿态估计始终面临着三个主要问题，即：背景和光照条件的差异、人体关节的遮挡以及人外貌和姿态的多样性。人体姿态的复杂多样性，导致没有统一的姿态表示模型，为不同姿态设计不同模型即费时又费力。而且，当身体被遮挡时，会丢失相关信息，无法重建人体模型。目前，有很多人体姿态估计方法是基于多摄像头或深度传感器的，虽然都取得了不错的成果，但其成本相对较高且都离不开特殊的设备，因此没有得到推广。在生活中，单目摄像头的产品更为常见，尤其是监控摄像，这也意味着实现基于廉价摄像头的人机交互更有应用前景。这也使得彩色图像中人体姿态估计研究更有意义和价值。人体姿态估计研究虽已取得较好效果，但在估计准确度、收敛速度、鲁棒性和通用性等方面仍需进一步研究和提高。卷积神经网络结构设计过程独立于先验知识和人工特征，具有更强的表达能力，能更加真实的体现人体结构。深度学习模型的非线性映射能力，能够使图像特征有效地映射到人体姿态中，相对来说，具有更好的效果。目前，人体姿态估计研究已经逐渐向深度学习侧重。诸多研究方法都已经取得很好的结果，但通用性能、准确度、估计速度和鲁棒性等以及终端与现场的实际救助响应速度暂时还不能达到实际应用的要求。为了解决上述技术问题，一种污染修复环境中基于人工智能的人员安全监测方法。主要特征是在污染修复环境中，通过对人体的关键部位或主要关节进行检测，最终输出人体全部或局部肢体相关参数，例如人体轮廓、头部的位置与朝向、人体关节的位置和部位类别等，实时检测人员姿态动作，发生危险及时报警，以实现对污染土修复现场的智能监控。同时在一些其他危险场合也可以很好的工作，具有很高的实际应用价值。

技术成果前景

1、利用深度学习在污染修复环境中对施工人员进行姿态估计以保证其生命安全；2、采用基于ResNet101网络的Mask R-CNN算法结合SSTN模块进行优化人体检测框，提高了人体检测框的准确性；3、采用区域化协同报警机制在施工现场进行实时监控报警，第一时间采取行动、实施救助。