全文总字数：4215字
文献综述
文 献 综 述一、 选题背景动作捕捉（Motion capture）技术简称动捕，是一项记录并处理人体或其他物体动作的技术，于军事、娱乐、体育、医疗等领域有着广泛的应用。
传统的动作捕捉技术需要动作捕捉目标身着数十个复杂的传感器，通过信号捕捉设备捕捉来自传感器的位置与运动信号，最终在数据处理设备中形成运动三维模型。
现有，主要的动作捕捉技术有机械式、声学式、电磁式、光学式、惯性导航式。
其中光学式动作捕捉技术中，信号捕捉设备将监视和跟踪目标身上的光点，来完成动作捕捉任务。
由于无电缆、机械装置的束缚，光学式动作捕捉技术已经将对动捕目标的限制降到最低，使目标活动范围较大。
那么，在深度学习加持的计算机视觉技术蓬勃发展的今天，有没有可能将动作捕捉设备进一步简化？仅通过单眼捕捉的二维画面，通过深度学习与计算机视觉技术算法的计算，形成较为粗糙的动捕目标的三维运动模型，从而降低动作捕捉技术在某些领域的门槛，这些领域的特征是动作相对简单且对精度无过高要求，如人机交互领域、体育训练领域等。
我认为是可能实现的。
2010年开始至今，深度学习开始在计算机视觉领域流行，在ImageNet数据集的推动下，各类应用于目标检测的神经网络模型百花齐放，如AlexNet、R-CNN、YOLO等，各种深度学习框架也日渐成熟，如Pytorch、TensorFlow。
因此，本课题将基于以上想法，学习现有研究，设计并训练模型，实现一个基于深度学习的动作捕捉系统。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
