基于人体关键点时序的行为分析方法、存储介质及设备技术

本发明专利技术提供了一种基于人体关键点时序的行为分析方法、计算机存储介质及电子设备，方法包括以下步骤：S1、获取图像；S2、对于所述图像进行人体检测，获得人体在图像中的坐标位置；S3、根据所述坐标位置获取人体在图像中的图像数据，回归出人体的多个关键点；S4、对多个所述关键点的空间结构进行分析，提取多个所述关键点的连接和运动特征；S5、将步骤S4得到的特征合并为一个向量后，使用分类器进行分类以判断人体是否有疑似异常的动作；S6、对图像中的每个人进行疑似行为判别，如果判断为有疑似行为，则以当前人体为中心，取预定范围内的人体作为感兴趣人体；S7、选取所述感兴趣人体的关键点输入图卷积网络，得到识别结果。

Behavior analysis method, storage medium and equipment based on the time sequence of human key points

【技术实现步骤摘要】
基于人体关键点时序的行为分析方法、存储介质及设备
本专利技术涉及行为分析
，更具体地，涉及一种基于人体关键点时序的行为分析方法、计算机存储介质及电子设备。
技术介绍
基于视频的行为分析是一个比较热点的课题，其应用场景也非常广阔，如户外的行人监控，监所、案管等司法场所，商场，居民小区等场景。通过对人体行为的识别，达到及时，准确的预警，能够降低异常行为引发的危害，同时可以有效的减少监管人员的工作量。基于人体关键点时序的行为分析算法因为速度快，稳定性高，需要的训练数据少，在工程中应用比较多。之前的算法主要是基于人工设计特征，再进行分类，很难区分比较复杂的运动。随着近两年图卷积技术的发展，其在行为分析上优势也越来越明显，如st-gcn网络率先将图卷积网络应用于行为分析，并在当时取得了最优的效果，在NTU数据集上达到了81.5％的准确率，今年最新的DGNN网络，甚至达到89.9％的准确率，取得了当前数据集的最优成绩。从st-gcn网络到DGNN网络，基于图卷积的网络改进则是目前基于时序关键点的主流做法。虽然图卷积在公共数据集上有显著本文档来自技高网...

【技术保护点】
1.一种基于人体关键点时序的行为分析方法，其特征在于，包括以下步骤：/nS1、获取图像；/nS2、对于所述图像进行人体检测，获得人体在图像中的坐标位置；/nS3、根据所述坐标位置获取人体在图像中的图像数据，回归出人体的多个关键点；/nS4、对多个所述关键点的空间结构进行分析，提取多个所述关键点的连接和运动特征；/nS5、将步骤S4得到的特征合并为一个向量后，使用分类器进行分类以判断人体是否有疑似异常的动作；/nS6、对图像中的每个人进行疑似行为判别，如果判断为有疑似行为，则以当前人体为中心，取预定范围内的人体作为感兴趣人体；/nS7、选取所述感兴趣人体的关键点输入图卷积网络，得到识别结果。/n

【技术特征摘要】
1.一种基于人体关键点时序的行为分析方法，其特征在于，包括以下步骤：
S1、获取图像；
S2、对于所述图像进行人体检测，获得人体在图像中的坐标位置；
S3、根据所述坐标位置获取人体在图像中的图像数据，回归出人体的多个关键点；
S4、对多个所述关键点的空间结构进行分析，提取多个所述关键点的连接和运动特征；
S5、将步骤S4得到的特征合并为一个向量后，使用分类器进行分类以判断人体是否有疑似异常的动作；
S6、对图像中的每个人进行疑似行为判别，如果判断为有疑似行为，则以当前人体为中心，取预定范围内的人体作为感兴趣人体；
S7、选取所述感兴趣人体的关键点输入图卷积网络，得到识别结果。


2.根据权利要求1所述的方法，其特征在于，在步骤S2中，采用YOLOv3算法对所述数据集中的图像进行人体检测。


3.根据权利要求1所述的方法，其特征在于，在步骤S3中，采用自顶向下的关键点检测算法回归出人体15个关键点。


4.根据权利要求1所述的方法，其特征在于，在步骤S4中，所述连接和运动特征包括：人体每个肢体...

【专利技术属性】
技术研发人员：周谦，林焕凯，王祥雪，汪刚，刘双广，
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