人体行为的识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种人体行为的识别方法、装置、计算机设备和存储介质。所述方法包括：获取激光雷达监测到的稠密点云数据；根据所述稠密点云数据确定人体关键点的运动轨迹；根据所述人体关键点的运动轨迹，识别出人体行为。由于激光雷达具有高精度、探测距离远、不受光线影响等优点，因此本发明专利技术实施例可以实现在室内外各种场景中全天候准确识别；并且，激光雷达监测到的稠密点云数据不包括彩色图像信息，因此能够较好的保护被测人员的隐私，可以使人体行为识别技术被广泛使用。

Recognition Method, Device, Computer Equipment and Storage Media of Human Behavior

【技术实现步骤摘要】
人体行为的识别方法、装置、计算机设备和存储介质
本申请涉及行为识别
，特别是涉及一种人体行为的识别方法、装置、计算机设备和存储介质。
技术介绍
随着计算机的发展，人体行为识别技术已经逐渐深入人们的工作和生活中。例如，利用人体行为识别技术的行人预警系统、智慧养老、智能防盗等。目前，人体行为识别技术通常是基于摄像头采集二维图像进行识别。例如，摄像头采集十字路口的二维图像，从二维图像中识别出是否有违反交通规则(比如攀爬护栏、闯红灯)的行为。但是，采用摄像头采集二维图像，存在有效探测距离近、在夜晚或阴暗环境中难以准确识别人体，以及容易泄露隐私等问题。因此，人体行为识别技术的应用场景受到很大限制，不能被广泛使用。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够在多种应用场景中使用的人体行为的识别方法、装置、计算机设备和存储介质。一方面，本专利技术实施例提供了一种人体行为的识别方法，包括：获取激光雷达监测到的稠密点云数据；根据上述稠密点云数据确定人体关键点的运动轨迹；根据人体关键点的运动轨迹，识别出人体行为。在其中的一个实施例中，上述根据稠密点云数据确定人体关键点的运动轨迹，包括：根据稠密点云数据，确定人体关键点在多个时刻的位置坐标；对多个时刻的位置坐标进行跟踪，得到人体关键点的运动轨迹。在其中的一个实施例中，上述根据稠密点云数据，确定人体关键点在多个时刻的位置坐标，包括：将多个时刻的稠密点云数据转换为对应的二维特征图；将各二维特征图输入至预先训练的神经网络，得到人体关键点在各时刻的位置坐标。在其中的一个实施例中，上述方法还包括：将多个二维特征图输入预设的卷积神经网络，得到人体关键点和人体关键点的位置坐标；采用梯度下降算法对卷积神经网络的权重和偏置进行更新，在人体关键点与关键点标注一致时，得到上述预先训练的神经网络。在其中的一个实施例中，上述根据人体关键点的运动轨迹，识别出人体行为，包括：采用预设的分类器对人体关键点的运动轨迹进行分类，确定人体行为所属的分类。在其中的一个实施例中，上述方法还包括：若人体行为所属的分类为预设的异常分类，则生成报警信息。在其中的一个实施例中，上述方法还包括：将人体关键点的运动轨迹和所述报警信息发送至监控终端。另一方面，本专利技术实施例提供了一种人体行为的识别装置，包括：稠密点云数据获取模块，用于获取激光雷达监测到的稠密点云数据；运动轨迹确定模块，用于根据稠密点云数据确定人体关键点的运动轨迹；人体行为识别模块，用于根据人体关键点的运动轨迹，识别出人体行为。在其中的一个实施例中，上述运动轨迹确定模块包括：位置坐标确定子模块，用于根据稠密点云数据，确定人体关键点在多个时刻的位置坐标；运动轨迹确定子模块，用于对多个时刻的位置坐标进行跟踪，得到人体关键点的运动轨迹。在其中的一个实施例中，上述位置坐标确定子模块包括：数据转换单元，用于将多个时刻的稠密点云数据转换为二维特征图；位置坐标确定单元，用于将各二维特征图输入至预先训练的神经网络，得到人体关键点在各时刻的位置坐标。在其中的一个实施例中，上述装置还包括：位置坐标计算模块，用于将多个二维特征图输入预设的卷积神经网络，得到人体关键点和人体关键点的位置坐标；参数调整模块，用于采用梯度下降算法对卷积神经网络的权重和偏置进行更新，在人体关键点与关键点标注一致时，得到上述预先训练的神经网络。在其中的一个实施例中，上述人体行为识别模块，具体用于采用预设的分类器对所述人体关键点的运动轨迹进行分类，确定人体行为所属的分类。在其中的一个实施例中，上述装置还包括：报警信息生成模块，用于若人体行为所属的分类为预设的异常分类，则生成报警信息。在其中的一个实施例中，上述装置还包括：信息发送模块，用于将人体关键点的运动轨迹和报警信息发送至监控终端。又一方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述方法的步骤。又一方面，本专利技术实施例提供了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上述的方法的步骤。上述人体行为的识别方法、装置、计算机设备和存储介质，获取激光雷达监测到的稠密点云数据；根据稠密点云数据确定人体关键点的运动轨迹；根据人体关键点的运动轨迹，识别出人体行为。由于激光雷达具有高精度、探测距离远、不受光线影响等优点，因此本专利技术实施例可以实现在室内外各种场景中全天候准确识别人体行为；并且，激光雷达监测到的稠密点云数据不包括彩色图像信息，因此能够较好的保护被测人员的隐私，可以使人体行为识别技术的应用场景更广泛。附图说明图1a为一个实施例中人体行为的识别方法的应用环境图之一；图1b为一个实施例中人体行为的识别方法的应用环境图之二；图2为一个实施例中人体行为的识别方法的流程示意图；图3为一个实施例中根据稠密点云数据确定人体关键点的运动轨迹步骤的流程示意图；图4为一个实施例中识别出人体行为后的步骤的流程示意图；图5为一个实施例中人体行为的识别装置的结构框图之一；图6为一个实施例中运动轨迹确定模块的结构框图；图7为一个实施例中人体行为的识别装置的结构框图之二。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的人体行为的识别方法，可以应用于如图1a所示的应用环境中。其中，人体行为的识别装置可以包括设置在同一处的激光雷达和识别芯片，激光雷达监测得到稠密点云数据，并将稠密点云数据发送给识别芯片，识别芯片根据稠密点云数据识别人体行为。也可以应用如图1b所示的应用环境中。其中，人体行为的识别装置包括激光雷达和设置在监控终端的识别芯片，激光雷达与监控终端采用有线或无线方式进行通信。激光雷达将监测到的稠密点云数据发送到监控终端，监控终端的识别芯片根据稠密点云数据识别人体行为。其中，监控终端可以但不限于是各种个人计算机、笔记本电脑、平板电脑。参照图2，示出了本专利技术实施例提供的一种人体行为的识别方法，该方法以上述图1a中的识别芯片为例。具体步骤包括：步骤101，获取激光雷达监测到的稠密点云数据。本实施例中，采用激光雷达对监测区域进行监测，从激光雷达获取监测到的稠密点云数据。获取方式可以采用有线或无线方式，本专利技术实施例对此不作详细限定，可以根据实际情况进行设置。具体地，在对监测区域进行监测时，激光雷达向监测区域发射密集的入射激光，入射激光被监测区域内的物体反射，激光雷达再接收返回的回波光束。激光雷达接收到回波光束后，可以从回波光束中得到物体表面每个采样点的空间坐标和激光反射强度等信息，即得到点云(PointCloud)数据。由于入射激光数量大并且比较密集，因此可以得到稠密点云数据。由于激光雷达具有高精度、探测距离远、不受光线影响等优点，因此，采用激光雷达监测到的稠密点云数据不受环境、应用场景限制，可以实现在室内外各种场景中全天候准确识别。例如，将激光雷达设置在马路上，在雨雪、大雾天气仍然可以监测行人；或者，将激光雷达设置在病房中，在夜晚时仍然可以监测病人。可见，由于激光雷达具有多种优点，使得人体行为识别技术可以应用到更广泛的场景中去，从而扩本文档来自技高网...

【技术保护点】
1.一种人体行为的识别方法，其特征在于，所述方法包括：获取激光雷达监测到的稠密点云数据；根据所述稠密点云数据确定人体关键点的运动轨迹；根据所述人体关键点的运动轨迹，识别出人体行为。

【技术特征摘要】
1.一种人体行为的识别方法，其特征在于，所述方法包括：获取激光雷达监测到的稠密点云数据；根据所述稠密点云数据确定人体关键点的运动轨迹；根据所述人体关键点的运动轨迹，识别出人体行为。2.根据权利要求1所述的方法，其特征在于，所述根据所述稠密点云数据确定人体关键点的运动轨迹，包括：根据所述稠密点云数据，确定所述人体关键点在多个时刻的位置坐标；对所述多个时刻的位置坐标进行跟踪，得到所述人体关键点的运动轨迹。3.根据权利要求2所述的方法，其特征在于，所述根据所述稠密点云数据，确定所述人体关键点在多个时刻的位置坐标，包括：将多个时刻的稠密点云数据转换为对应的二维特征图；将各所述二维特征图输入至预先训练的神经网络，得到所述人体关键点在各时刻的位置坐标。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：将多个二维特征图输入预设的卷积神经网络，得到所述人体关键点和所述人体关键点的位置坐标；采用梯度下降算法对所述卷积神经网络的权重和偏置进行更新，在所述人体关键点与关键点标注一致时，得到所述预先训练的神经网络。5.根据权利要求1-4...

【专利技术属性】
技术研发人员：颜培清，王斌，
申请(专利权)人：深圳市速腾聚创科技有限公司，
类型：发明
国别省市：广东,44