一种基于人体关节点的行人低头异常行为的检测方法技术

本发明专利技术公开了一种基于人体关节点的行人低头异常行为的检测方法，包括如下步骤：步骤一，获取视频流中的每帧图像，将视频流展开为图像序列，针对序列中的每一帧，采用人体检测算法检测视频帧中的每个行人，并裁剪人体区域框；步骤二，在生成的人体区域框内，采用人体姿态算法独立估计每个行人的姿态；步骤三，将估计的人体姿态映射回原图，微调人体区域框，直至生成准确的人体关节点的坐标信息；步骤四，重复步骤一、二、三，直至人体区域框位置不再发生变化；步骤五，训练时，采用异常行为拟合算法将准确的具有正常行为的人体关节点信息拟合为异常行为，生成负样本，拟合前的正常行为为正样本，正负样本构成训练集训练行为分类器，生成最优模型；步骤六，测试时，将生成的准确关节点的坐标信息直接送入训练好的行为分类器中，检测并输出结果。本发明专利技术解决复杂环境中多个行人的异常行为检测容易出现的准确率低下的问题，实现在复杂场景中高准确率的多人实时检测的效果。

【技术实现步骤摘要】
一种基于人体关节点的行人低头异常行为的检测方法
本专利技术涉及交通安全管理
，具体涉及一种基于人体关节点的行人低头异常行为的检测方法。
技术介绍
手机的智能化发展让人们投入越来越多的精力，但当行人穿越人行横道或等待红绿灯时，如果低头看手机，容易分散其注意力，降低其对外界危险的反应速度。据世界卫生组织调查，全世界每年有超过27万行人死于路面交通事故，而途中使用手机是交通事故发生的最主要原因。世界各国纷纷采取各项措施整治低头族，却反响平平。因此，自动化检测识别行人的低头异常行为迫在眉睫。异常行为检测作为人体行为识别中的一个热点问题，目前已被广泛应用于智能交通、家居、安防监控等领域。根据其具体所使用的场景，不同的场景对异常行为有着不同的定义：例如，在密集人群中打架斗殴等被视为异常行为，在智能家居场景中老人、儿童摔倒被视为异常行为等，目前国内外学者针对上述异常行为检测已经有许多深入的研究。而针对行人低头使用手机这类异常行行为检测的方法，仅有北京交通大学提供的一种行人分心行为检测方法(CN108960029A)，其主要采用梯度和纹理特征集成本文档来自技高网...

【技术保护点】
1.一种基于人体关节点的行人低头异常行为的检测方法，其特征在于，包括如下步骤：/n步骤一，获取视频流中的每帧图像，将所述视频流展开为图像序列，针对所述图像序列中的每一帧，采用人体检测算法检测所述视频帧中的每个行人，并裁剪人体区域框；/n步骤二，在生成的所述人体区域框内，采用人体姿态算法独立估计每个行人的姿态；/n步骤三，将所述估计的人体姿态映射回原图，微调所述人体区域框，直至生成准确的人体关节点的坐标信息；/n步骤四，重复步骤一、二、三，直至所述人体区域框位置不再发生变化；/n步骤五，训练时，采用异常行为拟合算法将准确的具有正常行为的所述人体关节点的坐标信息拟合为异常行为，生成负样本，拟合前的...

【技术特征摘要】
1.一种基于人体关节点的行人低头异常行为的检测方法，其特征在于，包括如下步骤：
步骤一，获取视频流中的每帧图像，将所述视频流展开为图像序列，针对所述图像序列中的每一帧，采用人体检测算法检测所述视频帧中的每个行人，并裁剪人体区域框；
步骤二，在生成的所述人体区域框内，采用人体姿态算法独立估计每个行人的姿态；
步骤三，将所述估计的人体姿态映射回原图，微调所述人体区域框，直至生成准确的人体关节点的坐标信息；
步骤四，重复步骤一、二、三，直至所述人体区域框位置不再发生变化；
步骤五，训练时，采用异常行为拟合算法将准确的具有正常行为的所述人体关节点的坐标信息拟合为异常行为，生成负样本，拟合前的正常行为为正样本，所述正负样本构成训练集训练行为分类器，生成最优模型；
步骤六，测试时，将生成的所述准确关节点的坐标信息直接送入训练好的行为分类器中，检测并输出结果。


2.根据权利要求1所述的一种基于人体关节点的行人低头异常行为的检测方法，其特征在于，所述步骤一中所述人体区域框的裁剪方法为：在采用所述人体检测算法得到多个检测框中，选择分值最高的检测框作为该行人的区域框，记录并保存所述区域框的左上、右下两个坐标值，根据所述区域框将行人裁剪出来。


3.根据权利要求1所述的一种基于人体关节点的行人低头异常行为的检测方法，其特征在于，所述步骤二中所述人体姿态的获取方法为：通过在每个关键点位置上放置一个高斯响应的方法构造响应图的真值，获取每个人17个关节点置信度最大的响应，所述17个关节点从序号1到17分别是鼻子，右眼，左眼，右...

【专利技术属性】
技术研发人员：林春雨，管文华，赵耀，杨尚蓉，刘美琴，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11