基于雙卷積鏈的雙目人體姿態(tài)距離定位識(shí)別

孫劍明， 韓生權(quán)， 沈子成， 吳金鵬

(哈爾濱商業(yè)大學(xué) 計(jì)算機(jī)與信息工程學(xué)院， 黑龍江 哈爾濱 150028)

0 引言

近年來(lái)，隨著人工智能技術(shù)的提高和互聯(lián)網(wǎng)時(shí)代的來(lái)臨，無(wú)人機(jī)(UAV)技術(shù)已經(jīng)慢慢進(jìn)入人們的生活，例如，軍事行動(dòng)、地質(zhì)勘察、搜索救援等。隨著無(wú)人機(jī)技術(shù)的不斷提升，無(wú)人機(jī)技術(shù)的應(yīng)用層面也將更加廣泛。對(duì)于無(wú)人機(jī)技術(shù)來(lái)說(shuō)，人體姿態(tài)識(shí)別一直是研究熱點(diǎn)之一，計(jì)算機(jī)通過(guò)無(wú)人機(jī)遠(yuǎn)距離拍攝的圖片，識(shí)別人體姿態(tài)對(duì)人體的運(yùn)動(dòng)進(jìn)行分析，確定人的行為，必將對(duì)搜索救援等活動(dòng)，帶來(lái)巨大的便利[1-3]。

人體姿態(tài)復(fù)雜多變，人們不斷的研究各種方法來(lái)識(shí)別人體姿態(tài)。目前，人體姿態(tài)識(shí)別的方法主要有兩種，一種是基于視覺(jué)的，就像人的眼睛看東西辨別是什么，通常通過(guò)人眼看到的物體的輪廓就可以估計(jì)出看到的是什么。Amir等進(jìn)行模型的建立時(shí)，主要通過(guò)人體輪廓運(yùn)用非線性混合，構(gòu)建人體姿態(tài)圖，并利用隱馬爾科夫過(guò)程模型對(duì)人體姿態(tài)進(jìn)行了分類(lèi)識(shí)別[4]。而鄧甜甜等利用高斯混合背景建模和形態(tài)學(xué)方法建立人體姿態(tài)模型，穩(wěn)定性較好，但識(shí)別的過(guò)程比較繁瑣，而且實(shí)時(shí)性有待提高[5]。王玉坤等在人體姿態(tài)的識(shí)別上，采用基于擇近原則的模糊模式識(shí)別的方法，對(duì)人體姿態(tài)識(shí)別提供了一種新的有效的方法[6]。陳芙蓉等利用動(dòng)態(tài)時(shí)間規(guī)整算法高效穩(wěn)定的對(duì)人體姿態(tài)進(jìn)行識(shí)別[7]。周義凱等構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)(CNN)用于靜態(tài)的人體姿態(tài)識(shí)別的識(shí)別模型[8]。王巧真等用Mask RCNN(Region CNN)為基礎(chǔ)改進(jìn)區(qū)域建議網(wǎng)絡(luò)(RPN)錨框參數(shù)以及ROI Align層的特征選擇，利用改進(jìn)的Mask RCNN+MROI Aalign算法提取目標(biāo)輪廓特征，利用基于對(duì)應(yīng)點(diǎn)的輪廓比較算法對(duì)臥病的病人進(jìn)行姿態(tài)識(shí)別，該方法適用于特定場(chǎng)景[9]?？紤]到無(wú)人機(jī)對(duì)姿態(tài)識(shí)別的實(shí)效性要求相對(duì)較高，上述方法并不能很好的完成。但基于視覺(jué)的人體姿態(tài)識(shí)別對(duì)識(shí)別的環(huán)境要求非常高。另一種是基于傳感器，在最近10年內(nèi)，尤其是微軟公司的Kinect的推出，將利用傳感器識(shí)別人體姿態(tài)推到一個(gè)新的高度。蘇東利用一種基于多路徑梯度權(quán)重的動(dòng)態(tài)規(guī)劃的半全局匹配算法，將其用運(yùn)于雙目無(wú)人機(jī)上，已經(jīng)獲得很好的避障功能，但缺乏一種無(wú)人機(jī)目標(biāo)跟蹤功能[10]。彭欣然利用基于支持向量機(jī)與決策樹(shù)的多層人體姿態(tài)識(shí)別算法進(jìn)行構(gòu)建，考慮到無(wú)人機(jī)在空中的穩(wěn)定性，不能做到有效實(shí)時(shí)快速的識(shí)別[11]。林中豪等采用BM、SGBM匹配算法獲得深度圖，并通過(guò)與平行雙目相機(jī)構(gòu)建一個(gè)葡萄園機(jī)器人雙目測(cè)距系統(tǒng)，通過(guò)試驗(yàn)測(cè)得葡萄枝葉到機(jī)器人間的距離，系統(tǒng)在 1 m 范圍內(nèi)較精確測(cè)得兩點(diǎn)間的實(shí)際距離，超出此范圍誤差會(huì)過(guò)大，不適用于無(wú)人機(jī)[12]。

當(dāng)下傳統(tǒng)二維圖像做模式識(shí)別還是有一定的局限性：即現(xiàn)實(shí)三維物體經(jīng)過(guò)二維投影后會(huì)損失大量必要信息。針對(duì)于這種局限性，參考陳偉海等發(fā)表的基于激光測(cè)距儀的景深圖像模式識(shí)別方法[13]，為了在保證運(yùn)算效率及預(yù)測(cè)精度的同時(shí)盡可能的節(jié)省成本，采用了基于雙卷積鏈結(jié)合雙目視覺(jué)的模式識(shí)別方法。

針對(duì)現(xiàn)有用于無(wú)人機(jī)上人體姿態(tài)識(shí)別技術(shù)存在的問(wèn)題，本文對(duì)現(xiàn)有的人體姿態(tài)識(shí)別技術(shù)進(jìn)行了擴(kuò)展和優(yōu)化。主要貢獻(xiàn)在于：利用神經(jīng)網(wǎng)絡(luò)，構(gòu)建模型，能有效地識(shí)別人體位置和類(lèi)別，并能比較準(zhǔn)確的測(cè)出將無(wú)人機(jī)與目標(biāo)位置的距離；提出一種基于雙卷積鏈的人體姿態(tài)識(shí)別算法，在測(cè)出無(wú)人機(jī)與目標(biāo)位置的距離的時(shí)間上大大縮減。

1 雙CNN模型的構(gòu)建

1.1 CNN

CNN和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)(NN)的區(qū)別就是相鄰神經(jīng)網(wǎng)絡(luò)層之間神經(jīng)節(jié)點(diǎn)的連接方式不同。后者采用全連接，而前者采用部分節(jié)點(diǎn)連接。前向傳播算法和反向傳播算法同樣適用于CNN。

一個(gè)CNN的結(jié)構(gòu)主要由以下3部分組成：

輸入層：整個(gè)神經(jīng)網(wǎng)絡(luò)的輸入由輸入層來(lái)完成，在處理圖像的CNN中，它通常表示圖像的像素矩陣。

卷積層：對(duì)上層輸入進(jìn)行卷積操作，獲得更加抽象的特征(如圖1所示)。

圖1 卷積核示意圖

池化層：在卷積特征上進(jìn)行池化采樣，進(jìn)一步縮小特征維度，從而減小整個(gè)網(wǎng)絡(luò)中參數(shù)數(shù)目。

CNN結(jié)構(gòu)中的輸入層已經(jīng)對(duì)原始圖像數(shù)據(jù)進(jìn)行了預(yù)處理，然后輸入卷積層。在卷積層中的每個(gè)神經(jīng)節(jié)點(diǎn)都看作一個(gè)濾波器(Filter)，通過(guò)卷積步長(zhǎng)的設(shè)置來(lái)實(shí)現(xiàn)過(guò)濾器在圖像上進(jìn)行滑動(dòng)，然后通過(guò)卷積計(jì)算得到新的圖像。也就是通過(guò)Filter來(lái)過(guò)濾圖像的各個(gè)小區(qū)域，以此來(lái)得到各個(gè)區(qū)域的特征值。卷積層中涉及到的名詞含義。深度就是卷積層有幾個(gè)神經(jīng)元。步長(zhǎng)：就是濾波器每次在圖像上移動(dòng)的距離。全0填充為避免卷積計(jì)算得出的圖像越來(lái)越小，也為避免最左上角的圖像元素只被使用一次，就引入了全0填充操作，因?yàn)樗顢?shù)值為0，所以對(duì)結(jié)果并不會(huì)有改變，也避免了丟失像素信息。卷積層的前向傳播就是讓filter從當(dāng)前的神經(jīng)網(wǎng)絡(luò)層的左上角移動(dòng)至右下角，移動(dòng)的覆蓋范圍包含整個(gè)神經(jīng)網(wǎng)絡(luò)層，并計(jì)算得到每個(gè)單位矩陣的特征。

池化層可以理解為圖像的下采樣，或者上采樣，上采樣是增加圖像的參照值，從而獲得更多的圖片信息，類(lèi)似于放大圖片(像素和算法允許的情況下加或者減)，下采樣是縮小圖像尺寸，有兩種忽略細(xì)微差距，提高訓(xùn)練速度與效率常用的池化處理：最大池化與均值池化[14]。

假設(shè)有一個(gè)3層神經(jīng)網(wǎng)絡(luò)，第1層是輸入層，包含兩個(gè)神經(jīng)元i1、i2，和截距項(xiàng)b1；第2層是隱含層，包含兩個(gè)神經(jīng)元h1，h2和截距項(xiàng)b2，第3層是輸出o1、o2，每條線上標(biāo)的wi是層與層之間連接的權(quán)重，激活函數(shù)默認(rèn)為sigmoid函數(shù)。

其中，輸入數(shù)據(jù)i1、i2；輸出數(shù)據(jù)o1、o2；初始權(quán)重w1，w2，w3，w4；w5，w6，w7，w8。目標(biāo)：給出輸入數(shù)據(jù)i1、i2，使輸出盡可能與原始輸出o1，o2接近。

第1步，前向傳播：

(1)輸入層→隱含層

計(jì)算神經(jīng)元h1的輸入加權(quán)和：

neth1=w1*i1+w2*i2+b1*1

(1)

神經(jīng)元h1的輸出o1:(此處用到激活函數(shù)為sigmoid函數(shù))：

(2)

同理，可計(jì)算出神經(jīng)元h2的輸出o2:outh2。

(2)隱含層→輸入層

計(jì)算輸出層神經(jīng)元o1和o2的值：

neto1=w5*outh1+w6*outh2+b2*1

(3)

(4)

同理，可以計(jì)算出outo1

第2步，反向傳播

(1)計(jì)算總誤差

總誤差(square error)：

(5)

但是有兩個(gè)輸出，因此分別計(jì)算o1和o2的誤差，總誤差為二者之和：

(6)

(7)

Etotal=Eo1+Eo2

(8)

(2)隱含層→輸出層的權(quán)值更新

以權(quán)重參數(shù)w5為例，如果想知道w5對(duì)整體誤差產(chǎn)生的影響，則可以用整體誤差對(duì)w5求偏導(dǎo)求出(鏈?zhǔn)椒▌t)：

(9)

最后更新w5的值(其中，η是學(xué)習(xí)速率)：

(10)

同理，可更新w6，w7，w8。

(3)隱含層→隱含層的權(quán)值更新：

(11)

(12)

(13)

最后，更新w1的權(quán)值：

(14)

同理，額可更新w2、w3、w4的權(quán)值，這樣誤差反向傳播法就完成了，最后再把更新的權(quán)值重新計(jì)算，不停地迭代。

1.2 YOLO-V2網(wǎng)絡(luò)結(jié)構(gòu)

YOLOJoseph Redmon和Ali Farhadi等于2015年提出全新的目標(biāo)檢測(cè)系統(tǒng)，是基于單個(gè)神經(jīng)網(wǎng)絡(luò)的[15]。在2017年CVPR上，Joseph Redmon和Ali Farhadi又在原有的YOLO-V1的基礎(chǔ)上進(jìn)行優(yōu)化，發(fā)表了YOLO-V2[16]。YOLO-V1在物體定位方面不夠準(zhǔn)確，且在檢測(cè)精度上不如R-CNN系檢測(cè)方法，并且召回率較低。而YOLO-V2改進(jìn)了這些方面，提升了原有的YOLO模型的定位準(zhǔn)確度和召回率，從而提高mAP，YOLO模型的一大優(yōu)勢(shì)就是保持檢測(cè)速度，這也是YOLO模型的一大優(yōu)勢(shì)，當(dāng)然YOLO-V2在優(yōu)化過(guò)程也始終堅(jiān)持這一優(yōu)勢(shì)。YOLO-V2的改進(jìn)策略如圖2所示，可以看出，大部分的改進(jìn)方法都可以比較顯著提升模型的mAP。

圖2 YOLO-V2的改進(jìn)策略

1.3 基于雙卷積鏈的網(wǎng)絡(luò)結(jié)構(gòu)

本文利用雙攝像頭模擬人眼的定位以及測(cè)距分類(lèi)任務(wù)，基于YOLO-V2算法來(lái)達(dá)到實(shí)時(shí)檢測(cè)。設(shè)計(jì)思路：

兩攝像頭上下平行放置，間距3～5 cm(實(shí)驗(yàn)采用5 cm)，每一攝像頭單獨(dú)連接1個(gè)Darknet-53網(wǎng)絡(luò)，將得出的兩套特征圖像在深度上進(jìn)行堆疊，輸入至RPN層，由RPN網(wǎng)絡(luò)得出3種結(jié)果：坐標(biāo)、距離、類(lèi)別，如圖3所示。

圖3 基于雙攝像頭雙卷積鏈的YOLO網(wǎng)絡(luò)結(jié)構(gòu)圖

2 模型方法的實(shí)現(xiàn)

本文在獲取數(shù)據(jù)集時(shí)有采用深度相機(jī)來(lái)提取目標(biāo)范圍的距離數(shù)據(jù)，取得平均后即可作為標(biāo)簽供神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，然而后續(xù)預(yù)測(cè)則是使用雙目相機(jī)來(lái)預(yù)測(cè)深度相機(jī)的結(jié)果。設(shè)計(jì)思路如下：

兩攝像頭高度呈水平放置，相對(duì)角度成0.05～0.15°(場(chǎng)景檢測(cè)距離越大，則角度選擇應(yīng)越小)，間距3～5 cm(本文實(shí)驗(yàn)采用3 cm)，每一攝像頭單獨(dú)連接一個(gè)Darknet-53網(wǎng)絡(luò)(推薦攝像頭1的Darknet-53網(wǎng)絡(luò)的參數(shù)在其卷積深度上較攝像頭2中的深度少2/3左右，可提高本網(wǎng)絡(luò)的計(jì)算速度)，將得出的兩套特征圖像在深度上進(jìn)行堆疊，輸入至RPN層，由RPN網(wǎng)絡(luò)得出想要的結(jié)果：坐標(biāo)、距離、類(lèi)別。

圖4為Region proposal networks設(shè)計(jì)細(xì)節(jié)[17]：

圖4 Region proposal networks論文中的引圖

雙目攝像頭的兩個(gè)圖像傳感器連接至兩個(gè)主干神經(jīng)網(wǎng)絡(luò)當(dāng)中，后經(jīng)過(guò)RPN層的通道整合得出類(lèi)別以及檢測(cè)目標(biāo)的坐標(biāo)。兩張圖像雖視野不同，但交給CNN進(jìn)行特征提取后會(huì)得到兩組Feature map，所謂的融合就是指將兩組feature map在通道上進(jìn)行堆疊即可，后交給RPN層來(lái)進(jìn)一步特征提取、尋找感興趣區(qū)域。

將堆疊后的Feature map交給RPN層后，通過(guò)卷積層來(lái)遍歷整張F(tuán)eature map來(lái)尋找置信度高的區(qū)域，并標(biāo)記錨點(diǎn)。嚴(yán)格意義上來(lái)講，RCNN之類(lèi)的目標(biāo)檢測(cè)模型為雙階段，而本文采用的YOLO屬于單階段，故僅有RPN就已足夠。

這一步可以理解為在三維坐標(biāo)系上，兩個(gè)相機(jī)在Z軸上為水平，但在X&Y軸上擁有夾角。兩個(gè)相機(jī)所采取到的圖像經(jīng)過(guò)卷積鏈特征提取后在特征圖的通道上進(jìn)行堆疊，交給RPN層來(lái)分析兩種特征圖所包含的目標(biāo)特征以及目標(biāo)偏移量，即可得到距離。

本文算法在此RPN層的基礎(chǔ)上額外添一1個(gè)全連接層(1*1卷積核，且不經(jīng)過(guò)Biase)，最終輸出節(jié)點(diǎn)數(shù)量等同Anchor boxes的個(gè)數(shù)，為1個(gè)組神經(jīng)元，即Metre(m)的[0，1]標(biāo)準(zhǔn)化形式，如圖5所示。

圖5 添加了距離識(shí)別的Region proposal networks

X、Y、W、H由Bounding Box進(jìn)行平移與縮放，最終得出目標(biāo)坐標(biāo)，Classes由Softmax進(jìn)行回歸得出最終預(yù)測(cè)的類(lèi)別。Metre*10最終經(jīng)過(guò)Relu非線性激活函數(shù)得出距離，有效距離范圍為0～15 m。

Relu激活函數(shù)如圖6中紅色曲線所示。

圖6 Relu激活函數(shù)曲線

經(jīng)過(guò)Relu激活函數(shù)處理后，神經(jīng)網(wǎng)絡(luò)的反向傳播過(guò)程如下公式所示

(15)

(16)

損失計(jì)算：

坐標(biāo)：均方誤差

距離：均方誤差

分類(lèi)：交叉熵

(17)

式中：W為指特征圖的寬，H為特征圖的高；A為指先驗(yàn)框的數(shù)目；λ為每個(gè)loss部分的權(quán)重系數(shù)則是值。第1項(xiàng)loss是用來(lái)計(jì)算background的置信度誤差。第2項(xiàng)是計(jì)算先驗(yàn)框與預(yù)測(cè)寬的坐標(biāo)誤差，但是只在前12 800個(gè)iterations間計(jì)算。第3項(xiàng)計(jì)算與某個(gè)ground truth匹配的預(yù)測(cè)框各部分loss值，包括坐標(biāo)誤差、置信度誤差、距離誤差以及分類(lèi)誤差。第4項(xiàng)λmetre表示metre loss所占的權(quán)重，利用均方誤差計(jì)算最終的Loss并加入總體的Loss中。

無(wú)人機(jī)在搭載基本的雙目避障功能外，添加本論文的卷積模型，可做到飛行時(shí)自動(dòng)避障以及半自動(dòng)的目標(biāo)跟蹤。無(wú)人機(jī)可根據(jù)光流傳感器或氣壓傳感器得出機(jī)體所處的空間高度，根據(jù)勾股定理即可算出目標(biāo)與無(wú)人機(jī)的相對(duì)空間模型。采用文獻(xiàn)[9]與本文方法相結(jié)合，神經(jīng)網(wǎng)絡(luò)得出目標(biāo)框，在其目標(biāo)框中分別取出匹配算法與本文神經(jīng)網(wǎng)絡(luò)得出的距離參數(shù)，按點(diǎn)對(duì)點(diǎn)的方式做歐式距離算法(為了提高運(yùn)算速度，可采用大小為2*2、步長(zhǎng)為2的滑窗方式去遍歷出每個(gè)區(qū)域中的平均值或最大值，類(lèi)似CNN中的池化層)，同時(shí)在目標(biāo)框周?chē)?個(gè)像素點(diǎn)左右取出10個(gè)背景距離做平均(最小值)設(shè)為B，在目標(biāo)框內(nèi)部取出歐式距離最小的像素點(diǎn)的距離(最有可能為目標(biāo)的像素點(diǎn))設(shè)為V。

(18)

式中：M為YOLO中算出的距離；m(x，y)為文獻(xiàn)[9]中的距離。

在目標(biāo)框中得出的歐式距離上做softmax回歸，限制最大距離為V，最小距離為B。

即得出結(jié)果為目標(biāo)框中前景物體概率矩陣，采用閥值分割法，即概率大于0.5左右的像素點(diǎn)將被劃分至前景中，反之即是背景。

(19)

3 實(shí)驗(yàn)結(jié)果與分析

人體姿態(tài)的識(shí)別是在圖像中找到人體的位置，并進(jìn)行姿態(tài)類(lèi)別分類(lèi)。人體位置的5個(gè)指標(biāo)X、Y、W、H、Metre分別是橫軸坐標(biāo)、縱軸坐標(biāo)、寬度、高度、與攝像頭的相對(duì)距離(m)。本數(shù)據(jù)集中人體姿態(tài)分類(lèi)有站立、蹲坐、臥倒、行走、奔跑5種，如圖7所示。數(shù)據(jù)集中左攝像頭的數(shù)據(jù)為灰度圖像，即單色(見(jiàn)圖7(a1)、圖7(b1))，數(shù)據(jù)集中右攝像頭的數(shù)據(jù)為RGB三色(圖7：a2、b2)圖像。數(shù)據(jù)集共包含4 000張圖像，4∶1的形式劃分訓(xùn)練集與測(cè)試集。每對(duì)圖像至少包含1～10人。本文算法實(shí)現(xiàn)樣例如圖7(a3)、圖7(b3)所示。

圖7 數(shù)據(jù)集與本文算法結(jié)果樣例

最終使用Adam優(yōu)化函數(shù)進(jìn)行反向傳播。訓(xùn)練細(xì)節(jié)如下：使用ImageNet數(shù)據(jù)集對(duì)Darknet-53進(jìn)行預(yù)訓(xùn)練，迭代15 000輪，Batch size為64，基礎(chǔ)學(xué)習(xí)率為0.001，進(jìn)行指數(shù)衰減學(xué)習(xí)，衰減率為0.999。后期對(duì)模型進(jìn)行拼接，直接訓(xùn)練整體網(wǎng)絡(luò)24 000輪，Batch size不變。

基于YOLO-V2的人體姿態(tài)識(shí)別精度結(jié)果如表1所示。

表1 單卷積鏈識(shí)別網(wǎng)絡(luò)的AP精度

基于雙卷積鏈下的YOLO-V2下的人體姿態(tài)識(shí)別精度結(jié)果如表2所示。

根據(jù)表1表2的數(shù)據(jù)不難得出，雙卷積鏈對(duì)目標(biāo)檢測(cè)的提升空間更大，識(shí)別精度更高。由于二維的圖像無(wú)法表示其深度，表1未給出距離識(shí)別精度。

表2 雙卷積鏈識(shí)別網(wǎng)絡(luò)的AP精度

實(shí)驗(yàn)結(jié)果如圖8所示，a為原圖，b為單卷積鏈YOLO-V2與視差算法結(jié)合檢測(cè)結(jié)果(從左至右分別為：走8.46、站7.72)，實(shí)際距離應(yīng)為13M、10M，c為本文算法的計(jì)算結(jié)果(從左至右分別為：站12.38、站9.63)，距離精度較視差檢測(cè)方式要精確很多，且分人體姿態(tài)分類(lèi)精度也要高很多。

圖8 單雙卷積鏈的實(shí)驗(yàn)比較

如圖9顯示了兩種雙目距離檢測(cè)法在不同距離上的精確度對(duì)比結(jié)果。圖10顯示了不同卷積方式下的數(shù)據(jù)集分類(lèi)精度情況。圖11顯示了單雙卷積鏈下不同距離上的目標(biāo)定位精度結(jié)果。圖12顯示了單雙卷積鏈下LOSS下降情況。圖13反映了雙通道神經(jīng)元整合層的權(quán)重分布情況。圖14展示了雙通道卷積神經(jīng)元整合層的偏置分布情況。圖15顯示了雙通道卷積神經(jīng)元整合層的神經(jīng)元激活情況。

圖9 兩種雙目距離檢測(cè)法在不同距離上的精確度對(duì)比

圖10 不同卷積方式下的數(shù)據(jù)集分類(lèi)精度情況

圖11 單雙卷積鏈下不同距離上的目標(biāo)定位精度

圖12 單雙卷積鏈下Loss下降情況

圖13 雙通道神經(jīng)元整合層的權(quán)重分布情況

圖14 雙通道卷積神經(jīng)元整合層的偏置分布情況

圖15 雙通道卷積神經(jīng)元整合層的神經(jīng)元激活情況

圖12展示了Loss下降趨勢(shì)，從中可以看出本文方法在前期的收斂速度更快，且收斂曲線更加平滑。這是因?yàn)殡p卷積鏈所帶來(lái)的效果，雙卷積鏈在提取特征圖時(shí)往往更具有優(yōu)勢(shì)，尤其是在高分辨率圖像中，雙卷積鏈可以有效地達(dá)到特征提取過(guò)長(zhǎng)中的分工作用。

從上述對(duì)比效果上可知本文方法具有明顯優(yōu)勢(shì)。

4 結(jié)論

本文提出了基于雙卷積鏈的雙目遠(yuǎn)距離人體姿態(tài)識(shí)別算法，在原版YOLO-V2算法下，利用具有雙攝像頭的無(wú)人機(jī)來(lái)代替現(xiàn)在比較大眾的單攝像頭進(jìn)行圖像收集。所得主要結(jié)論如下：

1)本文算法在確保運(yùn)行效率的基礎(chǔ)上，有效預(yù)估與目標(biāo)的相對(duì)距離。

2)在測(cè)試階段，本文算法相較于單通道模型而言，人體姿態(tài)分類(lèi)精度得到了有效提高，較存在的算法提高了2.14%。

3)在速度方面，本文模型經(jīng)優(yōu)化后的單幀運(yùn)算速度足夠進(jìn)行實(shí)時(shí)預(yù)測(cè)。

本文算法相對(duì)于激光測(cè)距等硬件測(cè)距方法而言，硬件設(shè)備要求下限更低，且在15 m內(nèi)的實(shí)時(shí)檢測(cè)速度與精度依舊不弱于當(dāng)下主流的16線雷達(dá)；還能有效用于無(wú)人機(jī)遠(yuǎn)距離識(shí)別人體姿態(tài)中，而且對(duì)于搜索救援，地質(zhì)勘探等活動(dòng)中定位人或物具有顯著的作用。對(duì)于開(kāi)發(fā)人員而言，降低了其功能實(shí)現(xiàn)的復(fù)雜性，使之像其他神經(jīng)網(wǎng)絡(luò)一樣應(yīng)用簡(jiǎn)便。