应用于复杂场景的行为检测系统技术方案

一种应用于复杂场景的行为检测系统，其结构为：网络摄像机通过现场控制箱内的交换机与箱内的硬盘录像机连接；5G无线信号收发单元CPE与交换机连接；以CPU和GPU为核心的检测模块与交换机连接；检测模块对网络摄像机采集到的视频流采样处理，把处理结果通过CPE发送到后台端。在检测模块中，采用AI算法对视频流进行处理和识别，在AI算法中首先对图像采集装置获得的视频帧序列，提取每一帧中人的骨架信息；再把这些骨架信息的骨架关节在相应帧的位置特征经过归一化处理；最后采用动作骨架识别网络进行识别，并分类输出。并分类输出。并分类输出。

【技术实现步骤摘要】
应用于复杂场景的行为检测系统


[0001]本专利技术涉及目标识别
，具体涉及一种应用于复杂场景的行为检测系统。
技术背景
[0002]行为检测的研究目的是从长视频中定位出人们感兴趣的行为在时间甚至是空间上的具体位置，是最为重要的视频理解任务之一。在复杂的应用场景中，目标通常会受光照变化、噪声、环境等因素的影响，有较大的外观变化，导致算法性能下降，准确地跟踪行人变成了一个极具挑战性的任务。需要考虑的是复杂场景情况多变，行人跟踪要适应场景的动态变化，尤其是光照条件的变化，例如飘动的云层引起的光照强度变化、突变的天气等。
[0003]随着计算机视觉技术的发展，对上述问题提出了许多解决方法。通常场景图像序列是由一个位置不变的摄像机获取的，许多学者使用背景建模法提取场景中的运动区域，以此作为检测行人的基础。但是使用背景减除法获取场景中的运动区域，并采用一种基于层级的框架检测阴影的方法仅使用颜色特征检测阴影，只能检测出大面积的阴影区域，鲁棒性较低。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出一种应用于复杂场本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于复杂场景的行为检测系统，包括图像采集装置、自动识别装置和通信装置，其特征是图像采集装置是网络摄像机，网络摄像机通过现场控制箱内的交换机与箱内的硬盘录像机连接；通信装置是5G无线信号收发单元CPE；CPE与交换机连接；自动识别装置是以CPU和GPU为核心的检测模块；检测模块在控制箱内，并与交换机连接；检测模块对网络摄像机采集到的视频流采样处理，把处理结果通过CPE发送到后台端；在检测模块中，采用AI算法对视频流进行处理和识别，在AI算法中：首先对图像采集装置获得的视频帧序列，提取每一帧中人的骨架信息；再把这些骨架信息的骨架关节在相应帧的位置特征经过归一化处理；最后采用动作骨架识别网络进行识别，并分类输出。2.根据权利要求1所述的应用于复杂场景的行为检测系统，其特征是归一化处理是对于骨架信息序列，骨架关节在相应帧下的位置特征进行归一化，作为动作骨架识别网络的输入；在动作骨架识别网络中，对骨架关节的位置特征在时间和空间维度进行变换；通过平均池化和全连接层对动作骨架识别网络输出的特征进行分类输出。3.根据权利要求2所述的应用于复杂场景的行为检测系统，其特征是动作骨架识别网络包括图卷积网络和时间卷积网络；交替使用图卷积网络和时间卷积网络；图卷积网络使用空间移位图运算，建立的轻量级空间移位图卷积模型；空间移位图卷积模型的操作包括：a、先对身体骨架图的节点之间进行移位图操作：给...

【专利技术属性】
技术研发人员：田青，冯赛楠，张正，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：