一种风险行为识别方法技术

本发明专利技术实施例提供一种风险识别方法，所述方法包括：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，目标人员的身体形态为目标人员各身体部位的位置信息；根据该视频帧中目标人员的身体形态和前序视频帧中目标人员的身体形态，获取该视频帧中目标人员的运动信息；其中，目标人员的运动信息为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。本发明专利技术实施例中，通过将身体形态和运动信息相结合的方法对风险行为进行识别，消除基于单一信息的行为识别方法在应用中可能导致失败的情况，在满足对人员复杂行为进行识别的基础上，提高了风险识别的稳定性和可靠性。

A risk behavior recognition method

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预测下一帧姿态。因而，如何在实现估计复杂人体运动的条件下保证识别结果的稳定可靠，对行为识别技术提出了新的挑战。
技术实现思路
本专利技术实施例提供一种风险行为识别方法，用以解决现有的行为识别方法无法满足复杂人体运动条件下行为识别的稳定性和可靠性的需求的问题。一方面，本专利技术实施例提供一种风险行为识别方法，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。另一方面，本专利技术实施例提供一种风险行为识别装置，包括：身体形态获取单元，用于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；运动信息获取单元，用于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；行为识别单元，用于以时间轴为序，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，获取所述第一预设数量个视频帧中目标人员的风险行为识别结果。再一方面，本专利技术实施例提供一种风险行为识别设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行前所述的风险行为识别方法。又一方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前所述的风险行为识别方法。本专利技术实施例提供的一种风险行为识别方法，通过将身体形态和运动信息相结合的方法对风险行为进行识别，消除基于单一信息的行为识别方法在应用中可能导致失败的情况，在满足对人员复杂行为进行识别的基础上，提高了风险识别的稳定性和可靠性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例的一种风险行为识别方法的流程示意图；图2为本专利技术实施例的一种神经网络的结构示意图；图3为本专利技术实施例的一种风险行为识别装置的结构示意图；图4为本专利技术实施例的一种风险行为识别设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。现有的人体行为识别方法中，基于形状的人体行为识别方法，能够有效识别比较复杂的人体运动，甚至是无约束运动，且不存在由于误差累积造成的无法跟踪长序列的不足，但是存在因过度依赖绝对线索而失败的可能，和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。与之对应的基于运动的人体行为识别方法，可以得到相比基于形状的人体行为识别方法更为稳定的结果，但仅限于简单的、有规律的、有周期的动作。而在实际应用中，形状信息与运动信息间存在互补性，两者结合即能够弥补各自的不足，消除基于单一信息的人体行为识别方法在应用中可能导致失败的情况。对此，本专利技术实施例提出一种风险行为识别方法，结合形状信息和运动信息，以实现稳定可靠的复杂人体运动条件下的人体行为识别。图1为本专利技术实施例的一种风险行为识别方法的流程示意图，如图1所示，一种风险行为识别方法，包括：101，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，目标人员的身体形态为目标人员各身体部位的位置信息。具体地，视频流序列为用于识别风险行为的视频资料，视频流序列包括若干帧视频帧，每一视频帧为视频流序列中的一个静态图像。目标人员为视频流序列中拍摄到的一个人员，本专利技术实施例提出的方法用于对目标人员的风险行为进行识别。在实际的风险行为识别过程中，目标人员不限于一个视频流序列中的一个人员，即可以存在多个目标人员，本专利技术实施例提出的方法可用于同时对视频流序列中的多个目标人员的风险行为分别进行识别。此外，目标人员的身体形态即各身体部位的位置信息，此处可以根据实际应用场合和风险行为识别的精度要求对目标人员的身体部位的划分进行调整，例如，可将目标人员的身体部位划分为头、躯干和四肢，本专利技术实施例对此不作具体限定。102，根据任一视频帧中目标人员的身体形态和该视频帧的前序视频帧中目标人员的身体形态，获取该视频帧中目标人员的运动信息；其中，目标人员的运动信息为目标人员各身体部位的运动信息。此处，任一视频帧的前序视频帧是指以时间轴为序，任一视频帧之前的预设间隔的视频帧。例如，当前视频帧为视频流序列中的第5帧，预设间隔为3帧，则当前视频帧的前序视频帧为视频流序列中的第2帧。此处，预设间隔可根据视频流序列的帧频和/或实际应用场合进行调整，本专利技术实施例对此不作具体限定。对应地，目标人员的运动信息即目标人员的各个身体部位在从前序视频帧到当前视频帧的运动信息，此处的运动信息即身体部位的位置信息的变化情本文档来自技高网...

【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