一种基于步态识别和隐私保护的防走失方法及系统技术方案

本发明专利技术公开了一种基于步态识别和隐私保护的防走失方法及系统，该方法包括获取摄像机的视频数据并基于步态轮廓进行身份识别，得到老人身份；根据老人身份和摄像机的视频数据进行路线跟踪，得到老人行动路线；根据老人身份获取对应的规则，并结合老人行动路线进行防走失监控。该系统包括：身份识别模块、路线跟踪模块和警告模块。通过使用本发明专利技术，能够使得老人家属能够随时监控老人是否进入危险区域以及离开指定范围，从而确保老人安全。本发明专利技术作为一种基于步态识别和隐私保护的防走失方法及系统，可广泛应用于防走失监控领域。可广泛应用于防走失监控领域。可广泛应用于防走失监控领域。

【技术实现步骤摘要】
一种基于步态识别和隐私保护的防走失方法及系统


[0001]本专利技术涉及防走失监控领域，尤其涉及一种基于步态识别和隐私保护的防走失方法及系统。

技术介绍

[0002]面对认知障碍老人，病人的家人通常十分担心病人是否会走失，在现有技术中，通常识使用智能手环或胸牌来进行定位防走失，该方法具有联网定位能力，但是存在容易丢失、易对老人心理健康产生一定的影响、需要主动佩戴，对硬件要求较高且侵犯老人的人脸信息等隐私信息等问题，不符合老人的需求，不利于老人的健康。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的是提供一种基于步态识别和隐私保护的防走失方法及系统，能够使得老人家属能够随时监控老人是否进入危险区域以及离开指定范围，从而确保老人安全。
[0004]本专利技术所采用的第一技术方案是：一种基于步态识别和隐私保护的防走失方法，包括以下步骤：
[0005]获取摄像机的视频数据并基于步态轮廓进行身份识别，得到老人身份；
[0006]根据老人身份和摄像机的视频数据进行路线跟踪，得到老人行动路线；
[0007]根据老人身份获取对应的规则，并结合老人行动路线进行防走失监控。
[0008]进一步，所述获取摄像机的视频数据并基于步态轮廓进行身份识别，得到老人身份这一步骤，其具体包括：
[0009]获取摄像机的视频数据并对视频数据进行分帧处理，得到视频帧数据；
[0010]根据视频帧数据提取轮廓和锚框信息并构建对应老人连续的步态轮廓二值图；
[0011]根据步态轮廓二值图进行特征提取，得到对应的输出特征；
[0012]根据输出特征进行身份识别，得到对应的老人身份。
[0013]进一步，所述根据视频帧数据提取轮廓和锚框信息并构建对应老人连续的步态轮廓二值图这一步骤，其具体包括：
[0014]将视频帧数据按帧输入至预训练的深度学习神经网络提取轮廓和锚框信息，得到视频帧对应的轮廓和锚框信息；
[0015]根据每一帧的锚框信息估算对应老人在每一帧出现的位置，并结合每一帧的轮廓信息，得到老人连续的步态轮廓二值图。
[0016]进一步，所述根据步态轮廓二值图进行特征提取，得到对应的输出特征这一步骤，其具体包括：
[0017]根据步态轮廓二值图提取不同尺寸的轮廓特征；
[0018]根据不同尺寸的轮廓特征提取时间维度上的步态信息；
[0019]将不同尺寸的轮廓特征和时间纬度上的步态信息进行融合，得到最终输出特征。
[0020]进一步，所述深度学习神经网络的训练步骤具体包括：
[0021]获取公开数据库数据并进行初步筛选行人图像，得到数据集；
[0022]对数据集进行数据扩充，得到扩充后数据集；
[0023]基于扩充后数据集对深度学习神经网络进行训练并调整网络参数，得到预训练的深度学习神经网络。
[0024]进一步，所述根据老人身份和摄像机的视频数据进行路线跟踪，得到老人行动路线这一步骤，其具体包括：
[0025]将多个摄像机的视频数据进行等时切片，得到多个视频片段；
[0026]根据老人身份，将多个视频片段按身份归类，得到归类后视频片段；
[0027]将归类后视频片段按时间顺序排序，得到老人在摄像头中依次出现的顺序，生成老人行动路线。
[0028]进一步，所述根据老人身份获取对应的规则，并结合老人行动路线进行防走失监控这一步骤，其具体包括：
[0029]根据用户需求针对不同老人身份设置对应警告规则；
[0030]根据老人身份获取对应警告规则；
[0031]根据对应警告规则和老人行动路线，判断到老人超出预设安全区域，发送通知警告，完成防走失监控。
[0032]本专利技术所采用的第二技术方案是：一种基于步态识别和隐私保护的防走失系统，包括：
[0033]身份识别模块，用于获取摄像机的视频数据并基于步态轮廓进行身份识别，得到老人身份；
[0034]路线跟踪模块，用于根据老人身份和摄像机的视频数据进行路线跟踪，得到老人行动路线；
[0035]警告模块，根据老人身份获取对应的规则，并结合老人行动路线进行防走失监控。
[0036]本专利技术方法及系统的有益效果是：本专利技术通过基于步态识别的身份识别判别出老人的身份，基于此通过时间以及空间关联计算出老人在各个摄像头出现的顺序，连接成线，从而得出老人的活动路线并实现路线跟踪，最后根据预设的告警规则以达到预防老人走失的效果。
附图说明
[0037]图1是本专利技术一种基于步态识别和隐私保护的防走失方法的步骤流程图；
[0038]图2是本专利技术一种基于步态识别和隐私保护的防走失系统的结构框图；
[0039]图3是本专利技术具体实施例身份识别的流程示意图；
[0040]图4是本专利技术具体实施例获取老人行动路线的流程示意图。
具体实施方式
[0041]下面结合附图和具体实施例对本专利技术做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0042]如图1所示，本专利技术提供了一种基于步态识别和隐私保护的防走失方法，该方法包括以下步骤：
[0043]S1、获取摄像机的视频数据并基于步态轮廓进行身份识别，得到老人身份；
[0044]具体地，本专利技术中的身份识别是基于步态识别实现的，具体过程参照图3，详细如下：输入每个摄像头的视频，通过maskrcnn获取视频中每帧的行人的轮廓以及与轮廓一一对应的锚框，然后基于deepsort算法，计算出每一帧行人的锚框之间的关联，从而使视频中每个行人的每一帧的锚框关联起来，进一步地由于行人的轮廓与锚框一一对应于是就得到了行人在每一帧中的轮廓，从而得到视频中连续的行走的轮廓组。进一步地，我们将每个行人的轮廓组输入负责步态识别的神经网络，得到表示视频中每个行人的特征向量。最后利用基于欧氏距离的分类器将得到的特征向量与步态数据库中已记录的特征向量一一比较从而得出视频中的老人的身份信息。
[0045]S1.1、获取摄像机的视频数据并对视频数据进行分帧处理，得到视频帧数据；
[0046]S1.2、根据视频帧数据提取轮廓和锚框信息并构建对应老人连续的步态轮廓二值图；
[0047]S1.2.1、将视频帧数据按帧输入至预训练的深度学习神经网络提取轮廓和锚框信息，得到视频帧对应的轮廓和锚框信息；
[0048]S1.2.2、根据每一帧的锚框信息估算对应老人在每一帧出现的位置，并结合每一帧的轮廓信息，得到老人连续的步态轮廓二值图。
[0049]具体地，该部分由目标轮廓及锚框生成模块以及目标定位与跟踪模块，所述目标轮廓及锚框生成模块由深度学习神经网路组成，具体为：所述目标轮廓及锚框生成模块分为三部分：特征提取，区域建议模块，掩码分支模块：主干网络，作为特征提取器，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于步态识别和隐私保护的防走失方法，其特征在于，包括以下步骤：获取摄像机的视频数据并基于步态轮廓进行身份识别，得到老人身份；根据老人身份和摄像机的视频数据进行路线跟踪，得到老人行动路线；根据老人身份获取对应的规则，并结合老人行动路线进行防走失监控。2.根据权利要求1所述一种基于步态识别和隐私保护的防走失方法，其特征在于，所述获取摄像机的视频数据并基于步态轮廓进行身份识别，得到老人身份这一步骤，其具体包括：获取摄像机的视频数据并对视频数据进行分帧处理，得到视频帧数据；根据视频帧数据提取轮廓和锚框信息并构建对应老人连续的步态轮廓二值图；根据步态轮廓二值图进行特征提取，得到对应的输出特征；根据输出特征进行身份识别，得到对应的老人身份。3.根据权利要求2所述一种基于步态识别和隐私保护的防走失方法，其特征在于，所述根据视频帧数据提取轮廓和锚框信息并构建对应老人连续的步态轮廓二值图这一步骤，其具体包括：将视频帧数据按帧输入至预训练的深度学习神经网络提取轮廓和锚框信息，得到视频帧对应的轮廓和锚框信息；根据每一帧的锚框信息估算对应老人在每一帧出现的位置，并结合每一帧的轮廓信息，得到老人连续的步态轮廓二值图。4.根据权利要求3所述一种基于步态识别和隐私保护的防走失方法，其特征在于，所述根据步态轮廓二值图进行特征提取，得到对应的输出特征这一步骤，其具体包括：根据步态轮廓二值图提取不同尺寸的轮廓特征；根据不同尺寸的轮廓特征提取时间维度上的步态信息；将不同尺寸的轮廓特征和时间纬度上的步态信息进行融合，得到最...

【专利技术属性】
技术研发人员：邓杰航，陈汉杰，黄欣茵，李峥，陈奂宇，许睿晗，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：