1. 研究目的与意义（文献综述）

1.1 研究背景及目的

人体关节点定位是计算机视觉领域的热点研究问题，其通过实时地估计预测人体的运动姿态来达到监控，娱乐等目的。随着计算机软硬件技术的发展，在游戏、监控等领域都得到了更为广泛的应用。2010年，微软利用一种新的图像格式——深度图像对人体进行关节点定位并取得了良好的预测效果。但由于深度图像需要使用专用的传感器获取——微软使用了专门研制的kinect传感器——基于深度图像的定位方法具有一定的局限性。因此，开发一种基于传统的可见光图像的人体特征点定位方法，可以有效降低设备成本，提升算法的普适性。

人体关节点定位技术可以为人体动作识别、异常行为检测等技术提供有价值的数据，可以应用在监控系统、视频分析、智能机器人、人机交互等许多领域，具有非常广阔的应用市场：

2. 研究的基本内容与方案

2.1 基本内容

人体特征点识别算法主要实现基于2d彩色图像中的人体目标的关节点识别与定位。首先查阅相关的国内外资料，对国内外的研究现状加以分析，根据信息系统的开发要求，有计划地完成系统调研。通过各种调查调研方法，结合数字图书馆的文献综述，分析设计系统的功能需求，进行详细的系统分析和系统设计。使用图像处理方法对图像进行处理，结合cnn或者rcnn对相关数据集进行训练，测试，尝试目标对象的多视角图像融合，提升人体特征点识别的准确率。用熟悉的开发工具和数据库完成系统的开发，系统应具有高可靠性，尽可能使系统简洁明了，人机界面友好，易于操作。

2.2 技术方案

3. 研究计划与安排

2019.01.18之前：完成毕业设计选题；

2019.02.28之前：结合选题和任务书的目标要求，完成开题报告撰写；

2019.05.25之前：根据指导老师的修改意见，完成系统的修改完善和论文的修订；

4. 参考文献（12篇以上）

[1] lin z, davis l s.shape-based human detection and segmentation via hierarchical part-templatematching[j]. ieee transactions on pattern analysis and machine intelligence,2010, 32(4): 604-618.

[2] cire#351;an d,meier u, schmidhuber j. multi-column deep neural networks for imageclassification[j]. arxiv preprint arxiv:1202.2745, 2012.

[3] long j, shelhamer e,darrell t. fully convolutional networks for semanticsegmentation[c]//proceedings of the ieee conference on computer vision andpattern recognition. 2015: 3431-3440.