一种基于单目摄像头的快递行业抛/踢货行为的自动识别方法技术

本发明专利技术属于视频分析技术领域，尤其涉及一种基于单目摄像头的快递行业抛/踢货行为的自动识别方法。主要基于单目摄像头具有架设方便，普及面广，无须标定，现场部署方便的优点，本发明专利技术所提供的基于单目摄像头的快递行业抛/踢货行为的自动识别方法针对各种视角各种抛/踢货行为和正常工作行为进行采样，通过字典学习的方法，获得行为的稀疏特征，再与抛/踢货行为的稀疏特征进行比较，能够有效地解决基于单目摄像头提取的骨骼点做行为分析时面临的多义性问题，并且将基于骨骼点进行抛/踢货行为分析与货物运动轨迹结合起来一起分析判别，降低了误判行为概率。

An Automatic Recognition Method of Throwing/Kicking Behavior in Express Industry Based on Monocular Camera

【技术实现步骤摘要】
一种基于单目摄像头的快递行业抛/踢货行为的自动识别方法
本专利技术属于视频分析
，尤其涉及一种基于单目摄像头的快递行业抛/踢货行为的自动识别方法。
技术介绍
在快递行业，快递员的抛/踢货行为会给货物造成极大损坏，严重影响企业的信誉。因此，每年，快递企业都要投入大量人力去监管这种违规行为，但由于人力非常有限，而且监管的工作量巨大，所以并不能从根本上杜绝此类行为的发生。随着人工智能技术的发展，利用现场现有的布控摄像头，再结合计算机视觉算法，自动发现抛/踢货行为并及时予以告警具有很重要的现实意义。抛/踢货行为分析的视觉解决方案通常包含如下步骤：首先对画面中的快递员进行检测，定位其位置和大小，其次，提取每个检测对象的骨骼点；最后，对骨骼点进行分析，从而判断是否有抛/踢货行为。提取人体的骨骼点，根据传感器类型的不同，又有下述三种解决方案：第一，基于深度摄像头的骨骼点检测方法，以及基于骨骼点检测的行为识别方法；该方法的优点是检测速度快，实时性高，并且可以获取骨骼点位置的三维坐标信息，再很大程度上可以有效减轻行为识别的多义性；缺点是：相对于普通的RGB摄像头，深度摄像头的应用不是很广泛，尤其本文档来自技高网...

【技术保护点】
1.一种基于单目摄像头的快递行业抛/踢货行为的自动识别方法，其特征在于，所述基于单目摄像头的快递行业抛/踢货行为的自动识别方法包括：(1)利用深度学习模型对画面中的快递员进行检测，并提取骨骼点，骨骼点的提取采用卷积神经网络的深度模型方法；(2)基于骨骼点进行抛/踢货行为分析，具体包括：a.建模阶段输入：不同角度不同抛/踢行为的归一化的骨骼点坐标，记为Y∈R

【技术特征摘要】
1.一种基于单目摄像头的快递行业抛/踢货行为的自动识别方法，其特征在于，所述基于单目摄像头的快递行业抛/踢货行为的自动识别方法包括：(1)利用深度学习模型对画面中的快递员进行检测，并提取骨骼点，骨骼点的提取采用卷积神经网络的深度模型方法；(2)基于骨骼点进行抛/踢货行为分析，具体包括：a.建模阶段输入：不同角度不同抛/踢行为的归一化的骨骼点坐标，记为Y∈Rm×n，指定迭代次数N，收敛误差e；输出：字典D，原始骨骼点数据的稀疏编码X∈RK×n；Step1：初始化：从原始的归一化的骨骼点样本中随机抽取K个作为初始字典D；令j＝0，重复以下步骤Step2-Step3，直到达到指定的迭代步数N，或者收敛到指定的误差e；Step2：利用Step1获得的字典进行稀疏编码，得到X(j)∈RK×n；Step3：逐列更新字典D(j)，字典的列dk∈{d1，d2，…，dK}；Step3.1：当更新dk时，计算误差矩阵Ek，其中Step3.2：取出稀疏矩阵第k个行向量不为0的索引构成集合ωk，记为：Step3.3：从误差矩阵Ek中取出对应ωk不为0的列，得到E′k；Step3.4：对E′k作奇异值分解Ek＝U∑VT，取U的第1列更新字典的第k列，即dk＝U(·，1)；令得到后，将其对应地更新到原Step3.5：j＝j+1；b.骨骼点的稀疏表示阶段输入：待分析的骨骼点向量y，字典D；输出：骨骼点向量的稀疏特征x；步骤：利用正交匹配追踪算法(OMP)来求取下述优化问题：求得的向量x作...

【专利技术属性】
技术研发人员：刘立力，吴晓晖，
申请(专利权)人：杭州视在科技有限公司，
类型：发明
国别省市：浙江,33