The embodiment of the invention provides a risk identification method, which includes: acquiring the body shape of the target person in any video frame in the video stream sequence; wherein the body shape of the target person is the position information of the body parts of the target person; according to the body shape of the target person in the video frame and in the preamble video frame The target person's body shape obtains the movement information of the target person in the video frame; among them, the movement information of the target person is the movement information of the body parts of the target person; according to the body shape and movement information of the target person in the first preset number of video frames, the risk behavior recognition result of the target person is obtained. In the embodiment of the invention, the risk behavior is identified by combining the body shape and motion information to eliminate the failure of the behavior recognition method based on single information in the application, and the stability and reliability of the risk identification are improved on the basis of satisfying the recognition of the complex human behavior.
【技术实现步骤摘要】
一种风险行为识别方法
本专利技术实施例涉及行为识别
,尤其涉及一种风险行为识别方法。
技术介绍
对人类自身行为的识别在教学、医学、安全和人机交互等领域都有巨大的应用价值和重要的研究意义。例如在安全领域,可以通过对异常人体行为的分析,从而有效避免异常情况发生。目前的人体行为识别可分为基于形状和基于运动两类。其中,基于形状的人体行为识别方法的主要特点是依靠从当前帧提取的形状线索来估计姿态,很少使用时域信息。基于形状的人体行为识别方法将人体模型作为启发式知识指导对体素数据进行的分析和标记,以获得姿态参数。这类方法由于不注重时域信息的使用,不存在基于运动的人体行为识别方法中会因误差累积而不能跟踪长序列的不足,同时也无需已知首帧姿态。相对于基于运动的人体行为识别方法,此类方法比较适合无视点的出租车内(受环境影响较小,便于特征提取),能够估计比较复杂的人体运动,甚至是无约束运动(快速且难以预测的运动)。然而,由于不可能在每一帧中都能提取到可靠的形状线索,此类方法会因过度依赖绝对线索而失败。同时,这类方法在最小化目标函数(测量估计姿态的误差)过程中易于陷入局部极小,特别是在基于体素数据的方法中由于前景分割或体素重构错误而导致身体部件丢失或邻近部件错误合并的情况。基于运动的人体行为识别方法使用运动模型预测当前帧姿态,并用时域一致性假设跟踪人体运动。相对于基于形状的人体行为识别方法,此类方法可以得到更加稳定的结果,但不可避免地受到漂移问题的影响。同时,目前这类方法仅限于一些简单的、有规律的、有周期的动作,而对于复杂运动或无约束运动,由于难以建立相应的运动模型而无法准确 ...
【技术保护点】
1.一种风险行为识别方法,其特征在于,包括:获取视频流序列中任一视频帧中目标人员的身体形态;其中,所述目标人员的身体形态为所述目标人员各身体部位的位置信息;根据任一视频帧中目标人员的身体形态和所述任一视频帧的前序视频帧中目标人员的身体形态,获取所述任一视频帧中目标人员的运动信息;其中,所述目标人员的运动信息为所述目标人员各身体部位的运动信息;根据第一预设数量个视频帧中目标人员的身体形态和运动信息,获取目标人员的风险行为识别结果。
【技术特征摘要】
1.一种风险行为识别方法,其特征在于,包括:获取视频流序列中任一视频帧中目标人员的身体形态;其中,所述目标人员的身体形态为所述目标人员各身体部位的位置信息;根据任一视频帧中目标人员的身体形态和所述任一视频帧的前序视频帧中目标人员的身体形态,获取所述任一视频帧中目标人员的运动信息;其中,所述目标人员的运动信息为所述目标人员各身体部位的运动信息;根据第一预设数量个视频帧中目标人员的身体形态和运动信息,获取目标人员的风险行为识别结果。2.根据权利要求1所述的方法,其特征在于,所述根据第一预设数量个视频帧中目标人员的身体形态和运动信息,获取目标人员的风险行为识别结果,进一步包括:将第一预设数量个视频帧中目标人员的身体形态和运动信息输入行为识别模型,获取输出结果;若所述输出结果大于预设的风险阈值,则所述目标人员的风险行为识别结果为风险行为。3.根据权利要求1所述的方法,其特征在于,所述获取视频流序列中任一视频帧中目标人员的身体形态,进一步包括:获取视频流序列中任一视频帧中每一身体部位的置信度和部分亲和性字段;基于所述每一身体部位的部分亲和性字段,获取每一身体部位对应的人员;基于所述每一身体部位对应的人员和置信度,将目标人员对应的全部身体部位的位置信息作为目标人员的身体形态。4.根据权利要求3所述的方法,其特征在于,所述获取视频流序列中任一视频帧中每一身体部位的置信度和部分亲和性字段,进一步包括:将所述任一视频帧输入训练好的神经网络,获取所述任一视频帧中每一身体部位的置信度和部分亲和性字段;其中,所述神经网络由第一分支和第二分支构成;所述第一分支由第二预设数量级卷积神经网络构成,所述第一分支用于预测每一身体部位的置信度;所述第二分支由第二预设数量级卷积神经网络构成,所述第二分支用于预测每一身体部位的部分亲和性字段。5.根据权利要求3所述的方法,其特征在于,所述基于每一身体部位的部分亲和性字段,获取每一身体部位对应的人员,进一步包括:基于最大权二部图匹配法,根据每一身体部位的部分亲和性字段,获取与任一身体部位匹配权重最大的另一身体部位,并将所...
【专利技术属性】
技术研发人员:李佳,虞凡,刘杰,易显维,
申请(专利权)人:武汉斑马快跑科技有限公司,
类型:发明
国别省市:湖北,42
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。