基于人物身份特征识别的行为模式判断方法技术

本发明专利技术涉及基于人物身份特征识别的行为模式判断方法，根据不同应用场景进行身份特征和行为模式建模并存储在后台服务器中，所述的身份特征和行为模式应符合应用场景的规定；在应用场景安装高清摄像头，360°全方位采集场景内所有人物的身份特征和动作行为，并将采集到的信息上传到后台服务器；后台服务器将采集到的身份特征和动作行为与身份特征模型和行为模式模型进行比对，对不符合身份特征模型和行为模式模型的事件进行标记并生产记录文件。本发明专利技术摒弃传统监控中感应触发报警，采用智能人工识别，对目标对象的行为进行分析，并针对不同对象进行不同的处理。

【技术实现步骤摘要】
基于人物身份特征识别的行为模式判断方法
本专利技术涉及监控领域，具体涉及一种基于人物身份特征识别的行为模式判断方法。
技术介绍
监控系统是安防系统中应用最多的系统之一，现在市面上较为适合的工地监控系统是手持式视频通信设备，视频监控现在是主流。从最早模拟监控到前些年火热数字监控再到现在方兴未艾网络视频监控，发生了翻天覆地变化。在IP技术逐步统一全球今天，我们有必要重新认识视频监控系统发展历史。从技术角度出发，视频监控系统发展划分为第一代模拟视频监控系统(CCTV)，到第二代基于"PC+多媒体卡"数字视频监控系统(DVR)，到第三代完全基于IP网络视频监控系统(IPVS)。随着网络技术、识别技术、微电子技术、编解码技术、操作系统技术等的发展将使得嵌入式DVR向着智能化、集成化、无线化、高清晰化、个性化、互动化方向发展。1、硬件处理速度更快，存储时间更长随着芯片技术的发展，更高性能的中央处理器让DVR的速度更快，功能更加强大。从早期的CIF硬盘录像机，D1硬盘录像机，960H硬盘录像机，混合式硬盘录像机，HD-SDI硬盘录像机。另外随着对高清化的趋势，存储的需求也在增加，DVR硬盘管理技术也在提升。基本上DVR可能会支持更多的硬盘接口，支持RAID技术，支持DAS、SAN、NAS等存储技术的兼容。2、编码方式更加先进市面上主流的DVR采用的压缩技术有MPEG-4、H.264、M-JPEG。MPEG-4、H.264是国内最常见的压缩方式，而H.264因其更切合网络传输的要求已成为主流。今后为了使嵌入式DVR具有更广泛的适用性，各种算法的统一将是未来发展的趋势，但这种统一不是以国内哪个企业的标准为标准，而需要广泛的政府职能部门与DVR产业链上的各类企业的广泛参与。例如，我国具备自主知识产权的AVS压缩算法，还有H.265压缩算法，相对于H.264在很多方面有了革命性的变化。3、智能化是重要发展方向从技术角度来讲，智能化是一个重要的发展方向，只有通过智能分析技术对视频信息管理才能够把人的工作从繁复的事务中解脱出来。其实，实时监控、预警、信息的处理、检索等方面的功能都需要智能技术应用。虽然在短时间内还难以完全实现智能分析技术的管理，但是技术已经可以在某种程度上实现半自动的监控智能，在大部分的情况下利用智能分析技术能够完成大部分工作，工作人员能够集中到管理和协调处理方面，这是现阶段一个比较好的应用方式。智能化方面来说，市场需求很强。很多厂商都推出了带有智能分析技术的DVR.。现在最好的智能分析技术也没有100%的准确率，技术方面还需要很大的突破和进步才能满足市场的应用。现有技术的缺点在于：传统的监控技术只能记录监控画面，而目前的智能监控系统一般是固定场合安装行为监测的传感器进行监测，从而使得监测极为机械化。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于人物身份特征识别的行为模式判断方法，主要应用于公共场合的监控，摒弃传统监控中感应触发报警，采用智能人工识别，对目标对象的行为进行分析，并针对不同对象进行不同的处理。本专利技术的目的是通过以下技术方案来实现的：基于人物身份特征识别的行为模式判断方法，该方法步骤如下：S1.根据不同应用场景进行身份特征和行为模式建模并存储在后台服务器中，所述的身份特征和行为模式应符合应用场景的规定；S2.在应用场景安装高清摄像头，360°全方位采集场景内所有人物的身份特征和动作行为，并将采集到的信息上传到后台服务器；S3.后台服务器将采集到的身份特征和动作行为与身份特征模型和行为模式模型进行比对，对不符合身份特征模型和行为模式模型的事件进行标记并生产记录文件。进一步的，所述身份特征模型包括应用场景下目标人员的体型特征模型和着装特征模型；所述行为模式包括应用场景下目标人员的肢体动作模型、行动轨迹模型。进一步的，所述应用场景下目标人员包括该应用场景的工作人员和非工作人员，后台服务器事先采集工作人员的体型特征、并定义工作人员的着装特征；然后根据工作人员的日常工作内容定义肢体动作模型A和行为轨迹模型A；对于非工作人员则根据应用场景定义肢体动作模型B和行为轨迹模型B；进行行为模式判断时，首先判断目标是工作人员还是非工作人员；如果是工作人员则以肢体动作模型A和行为轨迹模型A为标准进行行为模式判断；如果是非工作人员则以肢体动作模型B和行为轨迹模型B为标准进行行为模式判断。进一步的，所述后台服务器记录工作人员的日常行为轨迹，然后根据对这些日常行为轨迹提取相同特征点，从而匹配出该工作人员特有的行为特征，然后将该行为特征写入后台服务器的肢体动作模型A中，并更新该肢体动作模型A。进一步的，所述后台服务器模式判断采用OpenCV算法框架，综合应用adaboost、人工神经网络CNN、Faster、R-CN进行判断。进一步的，所述判断步骤如下：S01：将采集到的视频画面分割成若干视频片段，对每一段视频片段按图片帧生成若干图片，图片按时间顺序依次编号；S02：对每一帧图片中的人物进行识别，将图片中的人物分为工作人员和非工作人员；S03：提取每一帧图片中工作人员和非工作人员的行为特征，采用双线程进行比对；将工作人员行为特征与肢体动作模型A比对；将非工作人员行为特征与肢体动作模型B比对；S04：提取连续图片，通过前后帧图片中目标人员的位置分别绘制出工作人员行动轨迹和非工作人员行动轨迹；将工作人员行动轨迹与行为轨迹模型A进行比对；将非工作人员行动轨迹与行为轨迹模型B进行比对；S05：当工作人员行为特征与肢体动作模型A相比以及行动轨迹与行为轨迹模型A相比低于阈值A时，记录当下事件并生成日志；当非工作人员行为特征与肢体动作模型B相比以及行动轨迹与行为轨迹模型B相比超过阈值B时，记录当下事件并进行报警。进一步的，所述阈值A是指采集到的工作人员行为特征、行动轨迹与肢体动作模型A、行为轨迹模型A的重合率低于85%；所述阈值B是采集到的非工作人员行为特征、行动轨迹与肢体动作模型B、行为轨迹模型B相比重合率超过60%。进一步的，所述肢体动作模型A、行为轨迹模型A是指工作人员规范操作下的行为模型，所述肢体动作模型B、行为轨迹模型B是指非工作人员非规范操作的行为模型。本专利技术的有益效果是：和传统技术相比，本方案中利用的是对监控对象进行分类，分为工作人员和非工作人员，并对此制定两套行为模型，对于工作人员采用标准的符合型模型，即一旦不符合该模型则视为非规范操作，而对于非工作人员鉴于其人员的灵活性则制定排他型模型，即制定哪些事件或行为是非规范操作，一旦达到该事件模型则视为非规范操作，对于工作人员的非规范操作进行后台处理生成日志，对于非工作人员的非规范操作则发出警报及时处理，两种处理方式使得监控更加具体有效。具体实施方式下面结合具体实施例进一步详细描述本专利技术的技术方案，但本专利技术的保护范围不局限于以下所述。实施例基于人物身份特征识别的行为模式判断方法，该方法步骤如下：S1.根据不同应用场景进行身份特征和行为模式建模并存储在后台服务器中，所述的身份特征和行为模式应符合应用场景的规定；S2.在应用场景安装高清摄像头，360°全方位采集场景内所有人物的身份特征和动作行为，并将采集到的信息上传到后台服务器；S3.后台服务器将采集到的身份特征和本文档来自技高网...

【技术保护点】
1.基于人物身份特征识别的行为模式判断方法，其特征在于，该方法步骤如下：S1.根据不同应用场景进行身份特征和行为模式建模并存储在后台服务器中，所述的身份特征和行为模式应符合应用场景的规定；S2.在应用场景安装高清摄像头，360°全方位采集场景内所有人物的身份特征和动作行为，并将采集到的信息上传到后台服务器；S3.后台服务器将采集到的身份特征和动作行为与身份特征模型和行为模式模型进行比对，对不符合身份特征模型和行为模式模型的事件进行标记并生产记录文件。

【技术特征摘要】
1.基于人物身份特征识别的行为模式判断方法，其特征在于，该方法步骤如下：S1.根据不同应用场景进行身份特征和行为模式建模并存储在后台服务器中，所述的身份特征和行为模式应符合应用场景的规定；S2.在应用场景安装高清摄像头，360°全方位采集场景内所有人物的身份特征和动作行为，并将采集到的信息上传到后台服务器；S3.后台服务器将采集到的身份特征和动作行为与身份特征模型和行为模式模型进行比对，对不符合身份特征模型和行为模式模型的事件进行标记并生产记录文件。2.根据权利要求1所述的基于人物身份特征识别的行为模式判断方法，其特征在于，所述身份特征模型包括应用场景下目标人员的体型特征模型和着装特征模型；所述行为模式包括应用场景下目标人员的肢体动作模型、行动轨迹模型。3.根据权利要求2所述的基于人物身份特征识别的行为模式判断方法，其特征在于，所述应用场景下目标人员包括该应用场景的工作人员和非工作人员，后台服务器事先采集工作人员的体型特征、并定义工作人员的着装特征；然后根据工作人员的日常工作内容定义肢体动作模型A和行为轨迹模型A；对于非工作人员则根据应用场景定义肢体动作模型B和行为轨迹模型B；进行行为模式判断时，首先判断目标是工作人员还是非工作人员；如果是工作人员则以肢体动作模型A和行为轨迹模型A为标准进行行为模式判断；如果是非工作人员则以肢体动作模型B和行为轨迹模型B为标准进行行为模式判断。4.根据权利要求3所述的基于人物身份特征识别的行为模式判断方法，其特征在于，所述后台服务器记录工作人员的日常行为轨迹，然后根据对这些日常行为轨迹提取相同特征点，从而匹配出该工作人员特有的行为特征，然后将该行为特征写入后台服务器的肢体动作模型A中，并更新该肢体动作模型A。5.根据权利要求4所述的基于人物身份特征...

【专利技术属性】
技术研发人员：李正平，华清松，张腾，赵菊蓉，
申请(专利权)人：成都阳帆网络科技有限公司，
类型：发明
国别省市：四川,51