大数据金融安防系统行人行为分析方法、系统及机器人技术方案

本发明专利技术实施例提供了一种大数据金融安防系统行人行为分析方法、系统及机器人，通过接收行人进入预设区域的一段视频；在所述一段视频中的第一帧图像中选中目标行人；采用卡尔曼滤波在所述多帧图像中跟踪所述目标行人；在每帧图像中获得其他目标与所述目标行人之间的距离；在每帧图像中获得所述目标行人的人体姿态信息和所述其他目标的姿态信息；针对每帧图像，基于所述距离和所述其他目标的姿态信息调整所述目标行人的人体姿态信息，得到所述目标行人调整后的人体姿态信息；根据所述调整后的人体姿态信息预测所述目标行为的行为类别。考虑了目标行人周围的人或者动物对目标行为的下一步行为的影响，提高了行为分析的准确性，计算量少。

【技术实现步骤摘要】
大数据金融安防系统行人行为分析方法、系统及机器人
本专利技术涉及计算机
，具体而言，涉及一种大数据金融安防系统行人行为分析方法、系统及机器人。
技术介绍
现有技术中，对行人、目标行人的行为分析都是基于该行人大量的历史运动数据进行预测得到。但是现实生活中，一个人的行动受到周围环境的影响，例如受到周围人或者动物的影响。因此，仅仅依靠人的历史行为对人的行为进行分析，其分析结果是不准确的。
技术实现思路
本专利技术的目的在于提供了一种大数据金融安防系统行人行为分析方法、系统及机器人，用以解决现有技术中的。第一方面，本专利技术实施例提供了一种大数据金融安防系统行人行为分析方法，应用于云计算平台，所述方法包括：接收行人进入预设区域的一段视频，其中所述一段视频包括多帧图像，图像中含有所述行人的图像信息，所述一段视频是在行人进入预设区域的时间拍摄的；在所述一段视频中的第一帧图像中选中目标行人，所述第一帧图像为所述一段视频中拍摄时间最先的图像；采用卡尔曼滤波在所述多帧图像中跟踪所述目标行人；在每帧图像中获得其他目标与所述目标行人之间的距离，所述其他目标是所述图像中含有的区别于所述目标行人的人或者动物；在每帧图像中获得所述目标行人的人体姿态信息和所述其他目标的姿态信息；针对每帧图像，基于所述距离和所述其他目标的姿态信息调整所述目标行人的人体姿态信息，得到所述目标行人调整后的人体姿态信息；根据所述调整后的人体姿态信息预测所述目标行为的行为类别。>可选的，人体姿态信息包括人体骨架图；所述在每帧图像中获得所述目标行人的人体姿态信息，包括：在每帧图像中检测出人体关键点，人体关键点包括两个胯部点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手肘点位、两个手腕点位、两个膝盖点位、两个脚踝点位；通过线段对一个脚踝点位、一个膝盖点位、一个胯部点位、尾椎点位、另一个胯部点位、另一个膝盖点位、另一个脚踝点位按照顺序进行连线，对尾椎点位、颈部点位、头部点位按照顺序进行连线，对一个手腕点位、一个手肘点位、颈部点位、另一个手腕点位、另一个手肘点位按顺序进行连线，得到人体骨架图；所述其他目标的姿态信息包括骨架图，所述在每帧图像中获得所述其他目标的姿态信息，包括：若所述其他目标是人，则所述在每帧图像中获得所述其他目标的姿态信息与所述在每帧图像中获得所述目标行人的人体姿态信息相同，得到的是所述其他目标的人体骨架图，所述其他目标的人体骨架图包含其他目标关键点，所述其他目标关键点包括两个胯部点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手肘点位、两个手腕点位、两个膝盖点位、两个脚踝点位；若所述其他目标是动物，则所述在每帧图像中获得所述其他目标的姿态信息包括：在每帧图像中检测出动物关键点，动物关键点包括两个后腿踝关节点位、两个后腿膝盖点位、一个尾椎点位、一个脊背中间点位、一个头部点位、两个前腿踝关节点位、两个前腿膝盖点位；并按照一个后腿踝关节点位、一个后腿膝盖点位、尾椎点位、另一个后腿膝盖点位、另一个后腿踝关节点位的顺序进行连线，然后按照一个尾椎点位、一个脊背中间点位、一个头部点位的顺序进行连线；再按照一个、一个前腿膝盖点位、脊背中间点位、另一个前腿踝关节点位、另一个前腿膝盖点位的顺序进行连线，得到动物骨架图。可选的，若所述其他目标是人，所述其他目标关键点包括的两个胯部点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手肘点位、两个手腕点位、两个膝盖点位、两个脚踝点位与所述人体关键点包括的两个胯部点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手肘点位、两个手腕点位、两个膝盖点位、两个脚踝点位分别一一对应；所述基于所述距离和所述其他目标的姿态信息调整所述目标行人的人体姿态信息，得到所述目标行人调整后的人体姿态信息，包括：对所述其他目标的人体骨架图中的其他目标关键点进行打分；获得所述打分与所述其他目标到所述目标行人之间的距离的比值；将与所述其他目标关键点对应的所述人体关键点的坐标加上所述比值，得到调整后的人体关键点；对调整后的人体关键点进行连线，得到调整后的人体骨架图。可选的，对所述其他目标的人体骨架图中的其他目标关键点进行打分，包括：获得所述其他目标关键点到所述人体关键点的X轴方向的距离和Y轴方向的距离，其中，X轴和Y轴分别表示图像坐标中的横轴和纵轴；若Y轴方向的距离大于预设值，确定所述其他目标关键点的打分的计算方式为：q=y/(x+y)，其中，y表示其他目标关键点与所述人体关键点在Y轴方向的距离，x表示其他目标关键点与所述人体关键点在X轴方向的距离；q表示所述打分；若Y轴方向的距离小于或者等于预设值，确定所述其他目标关键点的打分的计算方式为：q=x/(x+y)。可选的，若所述其他目标是动物，其他目标关键点是动物关键点，动物关键点包括的两个后腿踝关节点位、两个后腿膝盖点位、一个尾椎点位、一个脊背中间点位、一个头部点位、两个前腿踝关节点位、两个前腿膝盖点位与所述人体关键点包括的两个脚踝点位、两个膝盖点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手腕点位、两个手肘点位分别一一对应；基于所述距离和所述其他目标的姿态信息调整所述目标行人的人体姿态信息，得到所述目标行人调整后的人体姿态信息，包括：对所述动物骨架图中的动物关键点进行打分；获得所述打分与所述其他目标到所述目标行人之间的距离的比值；将与所述动物关键点对应的所述人体关键点的坐标加上所述比值，得到累加人体关键点；将所述累加人体关键点的坐标乘以害怕系数，得到调整后的人体关键点；其中，所述害怕系数表征目标行人对所述动物的害怕程度；对调整后的人体关键点进行连线，得到调整后的人体骨架图。可选的，对所述动物骨架图中的动物关键点进行打分，包括：获得所述动物关键点到所述人体关键点的X轴方向的距离和Y轴方向的距离，其中，X轴和Y轴分别表示图像坐标中的横轴和纵轴；若X轴方向的距离大于阈值，确定所述动物关键点的打分的计算方式为：q=g*y/(x+y)，其中，y表示其他目标关键点与所述人体关键点在Y轴方向的距离，x表示动物关键点与所述人体关键点在X轴方向的距离;g表示所述害怕系数；若X轴方向的距离小于或者等于预设值，确定所述动物关键点的打分的计算方式为：q=x/(x+y)。可选的，所述调整后的人体姿态信息包括步长、步频和人体姿态数据；所述根据所述调整后的人体姿态信息预测所述目标行为的行为类别，包括：根据一段视频中的图像的调整后的人体姿态信息，获得目标行人在一段视频中的每张图像中的步长、目标行人在一段视频中的每两张相邻的图像之间的步频、目标行人在一段视频中的每张图像中的人体姿态数据；其中，步长指的是目标行人两只脚板的距离，步频指的是目标行人在两张相邻的图像中踏步的频率；人体姿态数据本文档来自技高网...

【技术保护点】
1.一种大数据金融安防系统行人行为分析方法，应用于云计算平台，其特征在于，所述方法包括：/n接收行人进入预设区域的一段视频，其中所述一段视频包括多帧图像，图像中含有所述行人的图像信息，所述一段视频是在行人进入预设区域的时间拍摄的；/n在所述一段视频中的第一帧图像中选中目标行人，所述第一帧图像为所述一段视频中拍摄时间最先的图像；/n采用卡尔曼滤波在所述多帧图像中跟踪所述目标行人；在每帧图像中获得其他目标与所述目标行人之间的距离，所述其他目标是所述图像中含有的区别于所述目标行人的人或者动物；/n在每帧图像中获得所述目标行人的人体姿态信息和所述其他目标的姿态信息；/n针对每帧图像，基于所述距离和所述其他目标的姿态信息调整所述目标行人的人体姿态信息，得到所述目标行人调整后的人体姿态信息；/n根据所述调整后的人体姿态信息预测所述目标行为的行为类别。/n

【技术特征摘要】
1.一种大数据金融安防系统行人行为分析方法，应用于云计算平台，其特征在于，所述方法包括：
接收行人进入预设区域的一段视频，其中所述一段视频包括多帧图像，图像中含有所述行人的图像信息，所述一段视频是在行人进入预设区域的时间拍摄的；
在所述一段视频中的第一帧图像中选中目标行人，所述第一帧图像为所述一段视频中拍摄时间最先的图像；
采用卡尔曼滤波在所述多帧图像中跟踪所述目标行人；在每帧图像中获得其他目标与所述目标行人之间的距离，所述其他目标是所述图像中含有的区别于所述目标行人的人或者动物；
在每帧图像中获得所述目标行人的人体姿态信息和所述其他目标的姿态信息；
针对每帧图像，基于所述距离和所述其他目标的姿态信息调整所述目标行人的人体姿态信息，得到所述目标行人调整后的人体姿态信息；
根据所述调整后的人体姿态信息预测所述目标行为的行为类别。


2.根据权利要求1所述的方法，其特征在于，人体姿态信息包括人体骨架图；所述在每帧图像中获得所述目标行人的人体姿态信息，包括：
在每帧图像中检测出人体关键点，人体关键点包括两个胯部点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手肘点位、两个手腕点位、两个膝盖点位、两个脚踝点位；
通过线段对一个脚踝点位、一个膝盖点位、一个胯部点位、尾椎点位、另一个胯部点位、另一个膝盖点位、另一个脚踝点位按照顺序进行连线，对尾椎点位、颈部点位、头部点位按照顺序进行连线，对一个手腕点位、一个手肘点位、颈部点位、另一个手腕点位、另一个手肘点位按顺序进行连线，得到人体骨架图；
所述其他目标的姿态信息包括骨架图，所述在每帧图像中获得所述其他目标的姿态信息，包括：
若所述其他目标是人，则所述在每帧图像中获得所述其他目标的姿态信息与所述在每帧图像中获得所述目标行人的人体姿态信息相同，得到的是所述其他目标的人体骨架图，所述其他目标的人体骨架图包含其他目标关键点，所述其他目标关键点包括两个胯部点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手肘点位、两个手腕点位、两个膝盖点位、两个脚踝点位；
若所述其他目标是动物，则所述在每帧图像中获得所述其他目标的姿态信息包括：
在每帧图像中检测出动物关键点，动物关键点包括两个后腿踝关节点位、两个后腿膝盖点位、一个尾椎点位、一个脊背中间点位、一个头部点位、两个前腿踝关节点位、两个前腿膝盖点位；并按照一个后腿踝关节点位、一个后腿膝盖点位、尾椎点位、另一个后腿膝盖点位、另一个后腿踝关节点位的顺序进行连线，然后按照一个尾椎点位、一个脊背中间点位、一个头部点位的顺序进行连线；再按照一个、一个前腿膝盖点位、脊背中间点位、另一个前腿踝关节点位、另一个前腿膝盖点位的顺序进行连线，得到动物骨架图。


3.根据权利要求2所述的方法，其特征在于，若所述其他目标是人，所述其他目标关键点包括的两个胯部点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手肘点位、两个手腕点位、两个膝盖点位、两个脚踝点位与所述人体关键点包括的两个胯部点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手肘点位、两个手腕点位、两个膝盖点位、两个脚踝点位分别一一对应；
所述基于所述距离和所述其他目标的姿态信息调整所述目标行人的人体姿态信息，得到所述目标行人调整后的人体姿态信息，包括：
对所述其他目标的人体骨架图中的其他目标关键点进行打分；
获得所述打分与所述其他目标到所述目标行人之间的距离的比值；
将与所述其他目标关键点对应的所述人体关键点的坐标加上所述比值，得到调整后的人体关键点；
对调整后的人体关键点进行连线，得到调整后的人体骨架图。


4.根据权利要求3所述的方法，其特征在于，对所述其他目标的人体骨架图中的其他目标关键点进行打分，包括：
获得所述其他目标关键点到所述人体关键点的X轴方向的距离和Y轴方向的距离，其中，X轴和Y轴分别表示图像坐标中的横轴和纵轴；
若Y轴方向的距离大于预设值，确定所述其他目标关键点的打分的计算方式为：q=y/(x+y)，其中，y表示其他目标关键点与所述人体关键点在Y轴方向的距离，x表示其他目标关键点与所述人体关键点在X轴方向的距离；q表示所述打分；
若Y轴方向的距离小于或者等于预设值，确定所述其他目标关键点的打分的计算方式为：q=x/(x+y)。


5.根据权利要求4所述的方法，其特征在于，若所述其他目标是动物，其他目标关键点是动物关键点，动物关键点包括的两个后腿踝关节点位、两个后腿膝盖点位、一个尾椎点位、一个脊背中间点位、一个头部点位、两个前腿踝关节点位、两个前腿膝盖点位与所述人体关键点包括的两个脚踝点位、两个膝盖点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手腕点位、两个手肘点位分别一一对应；
基于所述距离和所述其他目标的姿态信息调整所述目标行人的人体姿态信息，得到所述目标行人调整后的人体姿态信息，包括：
对所述动物骨架图中的动物关键点进行打分；
获得所述打分与所述其他目...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：杨九妹，
类型：发明
国别省市：四川;51