The invention realizes a multi-channel fast human body attitude recognition method for intelligent video surveillance, builds a multi-channel fast human body attitude recognition system architecture, receives requests from clients, obtains video streams from network video recorders, selects key frames for format conversion, carries out fast moving target detection and human body detection for key frames, and will have human body video frames. Send to intelligent analysis server, intelligent analysis server for attitude recognition, and return the recognition results to forwarding server; forwarding server forwards the recognition results and video streams to the client, and the client displays the results on the interface; in the case of supporting multiple video channels, human body detection and attitude recognition can be realized faster, and the influence of complex background and clothing can be shielded, which improves significantly. Recognition speed and accuracy have good application prospects and market value.
【技术实现步骤摘要】
一种面向智能视频监控的多通道快速人体姿态识别方法
本专利技术涉及监控视频中的人体姿态识别，具体涉及一种面向智能视频监控的多通道快速人体姿态识别方法，属于实时流媒体以及计算机视觉领域。
技术介绍
目前大多数视频监控系统的主要功能是录制和展示监控现场的场景，不能对监控现场进行实时智能化的分析，需要安保人员实时查看监控现场视频画面，判断人员行为和场景性质，会出现因人而异的疲劳、遗漏、误判等问题。所以，现有的视频监控系统在事后取证方面起到很大作用，但在自动识别现场案情和发现现场案情方面，难以满足当前安防预警、保安工作对视频监控系统所要求的时效性、准确性、智能化和高效的需求。智能视频监控系统是当前视频监控领域出现的新技术，采用计算机视觉、图像处理和模式识别等技术，对摄像机拍摄到的视频图像进行自动分析，检测场景中的目标，进行识别与跟踪，并在此基础上分析和理解目标的行为，提供对监控和预警有用的信息。智能视频监控系统不仅应用于安全防范领域，在交通、军事、金融、工业等领域也有着广泛的应用前景和巨大的经济价值。在很多需要智能视频分析处理的系统中，例如动作分类，异常行为检测，以及自动驾...
【技术保护点】
1.一种面向智能视频监控的多通道快速人体姿态识别方法，其步骤包括：A.搭建面向智能视频监控的多通道快速人体姿态识别系统架构；A1.系统包括客户端，视频转发服务器(简称转发服务器)，智能分析服务器、网络视频录像机；A2.客户端向转发服务器发送获取视频流请求，向用户显示视频图像和识别结果；A3.转发服务器接收客户端请求，从网络视频录像机获取所请求视频流转发给客户端；A4.转发服务器进行移动目标快速检测和快速人体检测，并向智能分析服务器发送姿态识别请求，接收识别结果后发送给客户端；A5.智能分析服务器接收识别请求，识别姿态，并返回识别结果给转发服务器；A6.客户端、转发服务器，智...
【技术特征摘要】
1.一种面向智能视频监控的多通道快速人体姿态识别方法，其步骤包括：A.搭建面向智能视频监控的多通道快速人体姿态识别系统架构；A1.系统包括客户端，视频转发服务器(简称转发服务器)，智能分析服务器、网络视频录像机；A2.客户端向转发服务器发送获取视频流请求，向用户显示视频图像和识别结果；A3.转发服务器接收客户端请求，从网络视频录像机获取所请求视频流转发给客户端；A4.转发服务器进行移动目标快速检测和快速人体检测，并向智能分析服务器发送姿态识别请求，接收识别结果后发送给客户端；A5.智能分析服务器接收识别请求，识别姿态，并返回识别结果给转发服务器；A6.客户端、转发服务器，智能分析服务器之间通过网络控制端口和数据端口进行视频数据、识别信息的通信；B.转发服务器接收客户端请求，获取视频流，转发视频流给客户端，并创建检测子线程用于快速检测，具体步骤如下：B1.主线程接收客户端请求，从网络视频录像机获取所请求通道的视频流；B2.主线程为每一路视频通道创建环形缓冲队列、转发子线程；B2.1.创建环形缓冲队列存放各通道对应的转发数据包；B2.2.为获取到的视频帧创建转发数据包，挂载到各通道的环形缓冲队列上；所述的转发数据包包括数据头和视频帧缓冲区；其中，数据头包括但不限于视频帧大小、格式、时间t、姿态识别的结果信息、以及关键帧标志nIDR，取值1表示关键帧，0表示非关键帧；B2.3.创建转发子线程用于从环形缓冲队列中取视频帧，转发给客户端进行实时显示；B3.创建检测子线程用于从环形缓冲队列取得视频帧、快速检测和发送姿态识别请求；C.通道对应的检测子线程获取关键帧并进行格式转换，具体步骤如下：C1.检测子线程从所属通道的环形缓冲队列获取转发数据包；C2.选择nIDR＝1的视频帧，作为关键帧用于后续处理；C3.将H.264格式视频帧解码为YUV格式，再转换为JPG格式；D.检测子线程对关键帧进行移动目标快速检测，具体步骤如下：D1.计算3个连续视频帧的灰度差值，具体步骤如下：D1.1.将tn-1、tn、tn+1时刻的视频帧灰度值记为Fn-1，Fn，Fn+1；D1.2.分别计算视频帧Fn与Fn-1，Fn+1与Fn的灰度差值，分别作为tn-1时刻和tn时刻的前景图像Dn-1和Dn；D2.对前景图像做快速移动目标检测，含有移动目标的图像记为Rn’，具体步骤如下：D2.1.对Dn-1和Dn做交集计算得到Dn’；D2.2.根据预设阈值T1，对Dn’中的每个像素点进行二值化处理，得到二值化图像Rn，所述的T1的取值包括但不限于10；具体步骤如下：D2.2.1.记d为Dn’中像素点的灰度值；D2.2.2.若d＞T1，记Rn＝255，即为运动目标点；D2.2.3.若d＜＝T1，记Rn＝0，即为背景点；D2.3.统计Rn中像素值为255的像素点的个数，若大于预设阈值T2，则认为该视频中存在移动目标，将图像记为Rn’；当对应的图像分辨率为464*464时，所述的T2取值为30000；E.检测子线程对Rn’进行人体检测，并向智能分析服务器发送姿态识别请求，具体步骤如下：E1.加载包括锚框信息在内的深度神经网络模型(简称网络)参数；所述的锚框信息，指训练网络时通过聚类得到的锚框的宽高信息；所述的锚框指N个出现概率最高的用于预测目标的包围框，其中的N包括但不限于5；E2.将输入图像分辨率处理为464*464，通过网络卷积层和池化层处理输入图片，得到分辨率为13*13的特征图；E3.通过网络预测层对上述特征图预测目标框，具体步骤如下：E3.1对特征图上的每个像素，使用锚框预测M个目标框的信息、目标框类别以及对应的置信度和类别概率；所述的目标框的信息包括：目标框中心相对该像素的偏移，以及目标框的宽度和高度，记为(x，y，w，h)；所述的置信度表示所预测的目标框位置信息的准确度；所述的类别概率表示预测该目标框类别为人体的概率；E3.2.过滤掉置信度低于预先设置的阈值T的目标框，所述的阈值T包括但不限于0.7；E3.3.对留下来的目标框用极大抑制去掉重复目标框；E3.4.选取类别概率最高的目标框，并输出左下角和右上角坐标；E4.如果经过步骤E检测的图像帧里有人体，则每隔K帧将有人体的原始图像帧和目标框信息打包成姿态识别请...
【专利技术属性】
技术研发人员：赵霞，李磊，于重重，管文化，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。