【技术实现步骤摘要】
一种基于深度神经网络的人体姿态识别方法
本专利技术涉及人体姿态识别,具体涉及一种基于深度神经网络的人体姿态识别方法,属于智能视频监控和计算机视觉领域。
技术介绍
人体姿态识别是指对图像中的人体进行自动分析处理,对人体姿势信息按照预先设计的分类标注。姿态识别是行为识别中的一个基本问题,可靠而准确地识别人体姿态可以用于人体行为分析、人员工作状态或学习状态的判别,从而为各行各业的智能化管理自动提供信息。由于图像中人的衣着,姿态,背景等的多样性以及存在一些自我遮挡和其他人或物体遮挡的情况,准确地预测出图像中的人体姿态非常具有挑战性。目前基于普通光学图像的人体姿态识别算法主要利用人体的表观特征,如人体轮廓特征或图像中人体与其他物体之间的上下文关系,这些特征都与颜色有关,易受到光照等外界条件的影响,当不能够提取到很好的特征,易出现识别准确率低下等问题。山东大学提出一种基于关节点信息的人体行为识别新方法(机器人,2014.3),使用Kinect采集的关节点数据构造人体结构向量,用人体结构向量间的向量角和向量模比值提取行为来表示特征量,最后使用动态时间规整(DTW)算法计算测试行为模板与参考行为模板之间的相似度。该方法主要目的是识别动态行为,虽然也利用了关节点信息构造人体结构特征,但是利用Kinect专用设备获取人体关节点信息,并且构造出的人体结构特征信息处理方法也跟本专利不同。电子科技大学提出一种基于深度卷积神经网络的人体姿势识别方法(CN105069413A),将姿势估计阐述为分类问题,设计了针对姿势估计的神经网络ILPN来进行关节定位,通过查找坐标映射表,将统一尺度 ...
【技术保护点】
1.一种基于深度神经网络的人体姿态识别方法,其步骤包括:A.视频转发服务器(简称转发服务器)主线程从网络视频录像机(NVR)的实时视频流中获取视频帧,分别送给转发模块和抓图模块,具体实施步骤如下:A1.转发服务器主线程(简称主线程)分别建立面向客户端和网络视频录像机(NVR)的控制端口和数据端口;所述控制端口用于控制信息通信,数据端口用于视频流和人体姿态识别信息通信;A2.客户端通过控制端口向转发服务器发送请求某路NVR视频的请求;A3.主线程根据客户端请求,向NVR发送请求某路视频流(称为一个通道)的请求;A4.主线程为每个通道创建所需的线程和缓冲队列;A5.主线程接收从NVR发来的视频流,将视频流中的视频帧分别处理;B.抓图函数和抓图子线程合作,将视频帧发送给人体姿态识别服务器(简称识别服务器),具体步骤如下:B1.将定时器的时间间隔设置为M秒,M包括但不限于1;每隔特定的时间间隔M秒,定时器会触发给定的抓图函数;B2.抓图函数将从播放缓冲区里抓取的视频帧挂载到抓图缓冲队列上;B3.抓图子线程从抓图环形缓冲队列上摘取视频帧,发送至识别服务器;C.识别服务器端接收到视频帧后,识别模块 ...
【技术特征摘要】
1.一种基于深度神经网络的人体姿态识别方法,其步骤包括:A.视频转发服务器(简称转发服务器)主线程从网络视频录像机(NVR)的实时视频流中获取视频帧,分别送给转发模块和抓图模块,具体实施步骤如下:A1.转发服务器主线程(简称主线程)分别建立面向客户端和网络视频录像机(NVR)的控制端口和数据端口;所述控制端口用于控制信息通信,数据端口用于视频流和人体姿态识别信息通信;A2.客户端通过控制端口向转发服务器发送请求某路NVR视频的请求;A3.主线程根据客户端请求,向NVR发送请求某路视频流(称为一个通道)的请求;A4.主线程为每个通道创建所需的线程和缓冲队列;A5.主线程接收从NVR发来的视频流,将视频流中的视频帧分别处理;B.抓图函数和抓图子线程合作,将视频帧发送给人体姿态识别服务器(简称识别服务器),具体步骤如下:B1.将定时器的时间间隔设置为M秒,M包括但不限于1;每隔特定的时间间隔M秒,定时器会触发给定的抓图函数;B2.抓图函数将从播放缓冲区里抓取的视频帧挂载到抓图缓冲队列上;B3.抓图子线程从抓图环形缓冲队列上摘取视频帧,发送至识别服务器;C.识别服务器端接收到视频帧后,识别模块对视频帧进行姿态识别,具体步骤如下:C1.识别模块接收视频帧;C2.识别模块利用深度卷积姿态神经网络模型对视频帧中的人体关节点定位,得到关节点坐标,写入坐标文本文件中;C3.将离散的坐标用矩阵标识相邻关节点之间的连接关系,四肢角度与方向信息由特征向量;C4.利用支持向量机分类器进行分类识别;D.识别服务器端将视频帧信息与识别结果发送至转发服务器;所述的识别结果包括但不限于人体矩形框坐标、识别出的姿态类别、概率;E.转发服务器将视频流以及人体姿态识别结果转发给客户端进行显示,具体步骤如下:E1.转发服务器上的抓图子线程接收识别服务器发来的识别结果信息,写入转发环形缓冲队列中,下一个要转发的视频帧的附加数据包中;E2.转发子线程负责从转发环形缓冲队列摘取视频帧及其附加数据包;E3.转发子线程将视频帧及其附加数据包一起转发给客户端;E4.客户端实时显示视频帧以及对应的人体矩形包围框和姿态识别的概率。2.如权利要求1所述的一种基于深度神经网络的人体姿态识别方法,主线程为每个通道创建所需的线程和缓冲队列,具体步骤如下:A4.1创建一个定时器,一个抓图函数,一个抓图子线程和一个抓图环形缓冲队列,用于抓图和姿态识别;抓图环形缓冲队列包含但不限于以下成员:-队列头指针head,指向要识别处理的视频帧的视频数据缓冲区,初值为-1;-队列尾指针tail,指向新获取的视频帧的视频数据缓冲区,初值为-1;-视频帧数据缓冲区指针pBuf,指向当前正在识别的视频帧,初值为-1;-视频帧数据大小nSize,为当前正在识别的视频帧的大小,初值为-1;-上一帧pPre,指向已经识别的视频帧数据缓冲区,初值为-1;A4.2创建一个转发子线程和一个转发环形缓冲队列,用于转发收到的视频流给客户端;所述的转发环形缓冲队列结构类似于抓图环形缓冲队列。3.如权利要求1所述的一种基于深度神经网络的人体姿态识别方法,主线程接收从NVR发来的视频流,将视频流中的视频帧分别处理,具体步骤如下:A5.1将视频帧直接挂接到转发环形缓冲队列;A5.2将解码后的视频帧存入播放缓冲区。4.如权利要求1所述的一种基于深度神经网络的人体姿态识别方法,抓图子线程从抓图环形缓冲队列上摘取视频帧,发送至识别服务器,具体步骤如下:B3.1抓图子线程通过绑定相应的端口与识别服务器连接;B3.2抓图子线程将抓图环形缓冲队列头指针head的值,赋给视频帧数据缓冲区指针pBuf,读取视频帧大小nSize;B3.3抓图子线程将pBuf所指的视...
【专利技术属性】
技术研发人员:赵霞,管文华,于重重,李磊,赵松,冯泽骁,
申请(专利权)人:北京工商大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。