一种基于执法办案区场景下的倒地异常行为识别方法技术

本发明专利技术属于异常行为分析技术领域，具体涉及一种基于执法办案区场景下的倒地异常行为识别方法，可分为二维图像数据获取、基于深度学习的人体检测、人体关键点定位、倒地行为识别四部分。(1)首先通过摄像机获取执法办案场景内的视频图像数据，(2)然后通过目标检测网络得到人体检测框的坐标位置，(3)之后单独对每个人体框使用人体关键点检测网络，得到人体每个关键点的位置，(4)最后将每个人体检测框输入到分类网络进行二分类，判断该人是否倒地，提高了识别效果和识别精度。

A recognition method of abnormal behaviors on the ground based on the scene of law enforcement and case handling area

【技术实现步骤摘要】
一种基于执法办案区场景下的倒地异常行为识别方法
本专利技术属于异常行为分析
，具体涉及一种基于执法办案区场景下的倒地异常行为识别方法。
技术介绍
现有技术：针对执法办案区场景下的倒地行为识别方法，需要高识别率，以便于预防活动区内人员因倒地而出现生命危险的情况。而现有倒地行为识别的判断流程一般是：(1)图像数据的获取；(2)图像数据处理获得人体图像或其特征；(3)特征分类，识别倒地行为。针对不同步骤，识别倒地行为拥有不同的方法。在第一阶段可以通过二维或三维摄像机获得人体的二维或三维图像数据；在第二阶段可通过传统方法，人工获取人体特征，如颜色、人体框长宽比等特征，另外亦可通过深度学习方法，由神经网络检测到人体框然后自动学习获取人体特征。第三阶段，通过SVM(支持向量机)或者深度学习的分类网络对提取的特征进行二分类，判断是否为倒地行为。根据是否使用深度学习的方法，现有技术还可分为传统方法和深度学习法。与本提案的方法相比，现有技术对于使用深度学习得到的人体检测框出现局部人体时的倒地检测会出现识别不准确问题，本提案通过加入人体关键点本文档来自技高网...

【技术保护点】
1.一种基于执法办案区场景下的倒地异常行为识别方法，其特征在于，包括以下步骤：/n(1)通过摄像机获取执法办案场景内的视频图像数据；/n(2)通过目标检测网络得到人体检测框的坐标位置；/n(3)单独对每个人体检测框使用人体关键点检测网络，得到人体每个关键点的位置；/n(4)将每个人体检测框输入到分类网络进行二分类，判断该人是否倒地。/n

【技术特征摘要】
1.一种基于执法办案区场景下的倒地异常行为识别方法，其特征在于，包括以下步骤：
(1)通过摄像机获取执法办案场景内的视频图像数据；
(2)通过目标检测网络得到人体检测框的坐标位置；
(3)单独对每个人体检测框使用人体关键点检测网络，得到人体每个关键点的位置；
(4)将每个人体检测框输入到分类网络进行二分类，判断该人是否倒地。


2.根据权利要求1所述的一种基于执法办案区场景下的倒地异常行为识别方法，其特征在于，在步骤(1)中，所述通过摄像机获取执法办案场景内的视频图像数据具体包括，通过安装在执法办案区域的室内摄像头，获取摄像区域内人员的活动视频，得到基于时间序列的包含人体的图像数据。


3.根据权利要求1所述的一种基于执法办案区场景下的倒地异常行为识别方法，其特征在于，在步骤(2)中，所述通过目标检测网络得到人体检测框的坐标位置具体包括，基于FasterR-CNN算法，将所述步骤(1)获得的图像数据输入到检测网络，获得人体检测框，再通过NMS非极大抑制去除多余的人体检测框，使得每个人体都只有唯一的框。


4.根据权利要求1所述的一种基于执法办案区场景下的倒地异常行为识别方法，其特征在于，在步骤(3)中，所述单独对每个人体检测框使用人体关键点检测网络，得到人体每个关键点的位置具体包括，将从所述步骤(2)得到的人体检测框图输入到SPPE网络中，获得人体关键点分布图。


5.根据权利要求4所述的一种基于执法办案区场景下的倒地异常行为识别方法，其特征在于，各关键点的位置包括头部、颈部、左右肩膀、左右护肘、左右手腕、左右髋关节、左右膝盖和左右脚踝。


6.根据权利要求1所述的一种基于执法办案区场景下的倒地异常行为识别方法，其特征在于，在步骤(4)中，所述判断该人是否倒地具体包括步骤：
4.1输入每张图像中的各个人体检测框坐标以及关键点坐标数据；
4.2判断...

【专利技术属性】
技术研发人员：冯家辉，毛亮，林焕凯，周谦，汪刚，
申请(专利权)人：高新兴科技集团股份有限公司，
类型：发明
国别省市：广东;44