一种基于人体动态行为特征识别的智能安防系统及其实现方法技术方案

本发明专利技术公开一种基于人体动态行为特征识别的智慧安防系统，属于图像识别领域。动态特征捕捉模块接受并处理采集到的数据；行为动态学习模块对采集到的数据、录入的危险行为进行学习，训练行为模型；动态特征识别模块对数据中的行为进行识别；行为预警模块检测到危险行为时，向用户预警并确认该行为的危险性，同时根据反馈结果修改行为标记；行为动态学习模块添加接收到的新数据，并学习训练新的行为模型；动态特征识别模块周期性的对识别模型进行更新。本发明专利技术可以精准捕捉监控视频中人体动态行为特征，以最快速度对监控区域内出现的危险性行为进行预警及视频存储。性行为进行预警及视频存储。性行为进行预警及视频存储。

【技术实现步骤摘要】
一种基于人体动态行为特征识别的智能安防系统及其实现方法


[0001]本专利技术涉及图像识别领域，具体涉及到一种基于人体动态行为特征识别的智能安防系统及其实现方法。

技术介绍

[0002]伴随着视频采集设备的普及，以及计算机视觉技术的发展，越来越多的视频监控设备应用到安保工作中。如果仍然采用以往的人眼监视摄像头画面的方式去进行警戒，显然是对人力、物力的极大浪费。互联网的飞速发展，给了我们更多的选择方式，同时强大的数据处理能力，大量的数据资源都为实现智慧安防奠定了基础。安保工作逐步脱离人力的束缚，进入自动化，智能化，网络化的阶段，在该阶段视频处理算法以及智能安保策略成为决定安保工作质量的主要因素。
[0003]现有的智慧安防系统中人脸识别大多应用于门禁，通过人脸识别将获取到的人脸数据与提前录入的人脸数据比对，从而达到限制外来人员出入特定区域的效果。然而在动态场景中通过摄像头进行图像采集时经常会遇到因为口罩、帽子、面具等遮挡而无法采集到完整图像数据的情况。
[0004]同时正如世界上没有完全相同的两片叶子，几乎不存在可以达到一模一样的两个生物。以人为例，即使两个双胞胎，外表上几乎一样，便可以躲避很多像人脸识别、虹膜识别等常见的物体识别手段。但作为一个生命体的存在来说，它是动态的，是随着周围的环境变化和随时间的演变，会逐渐形成其特有的行为特征，或者说是一些细微到我们无法通过肉眼去直接观察到的程度。
[0005]因此需要一种识别方法可以在动态场景中对不同对象的动态行为特征进行识别，通过动态行为特征的相似度锁定相应的对象，并对监视画面中出现的危险行为进行预警。

技术实现思路

[0006]本专利技术的目的就是为了克服上述现有技术在动态场景监控中存在的缺陷而提供一种基于人体动态特征识别的智能安防系统及其实现方法。
[0007]本专利技术的目的可以通过以下技术方案实现：
[0008]一种基于人体动态特征识别的智慧安防系统，由数据采集模块、动态特征捕捉模块、行为动态学习模块、动态特征识别模块和预警模块组成：
[0009]监控摄像头采集监控区域的视频数据并转递给动态特征捕捉模块；
[0010]所述动态特征捕捉模块对获取到的视频数据进行预处理并传递给行为动态特征学习模块以及动态特征识别模块；
[0011]所述行为动态学习模块对采集到的数据，以及录入的常见危险行为数据进行训练、学习，形成相应的行为模型并传递给动态特征识别模块；
[0012]所述动态特征识别模块采用深度神经网络算法在本地终端对所述的视频数据进
行识别，并将识别结果传递给预警模块；
[0013]所述行为预警模块将检测到的危险行为和未知行为展示给用户进行预警，从用户端获取对未知行为的危险性判断，以及是否忽略该类危险行为，根据反馈结果对行为标记进行相应修改并传递给行为动态学习模块；
[0014]所述行为动态学习模块在原有数据基础上，添加接受到的数据并学习训练新的行为模型并传递给动态特征识别模块；
[0015]所述动态特征识别模块获取新的模型后在一定时间段内对识别模型进行更新。
[0016]进一步的，所述行为动态捕捉模块拉取不同区域内的监控视频数据，并对所获得的人体动态行为的视频划分为不同视频片段，将不同视频片段包含的不同的重叠图像帧通过设定的标注组建标签文件，不同形式的文件放置在相同的视频片段中。将预处理后的视频数据传送给动态特征识别模块，由动态特征识别模块进行识别分类。
[0017]进一步的，所述动态特征识别模块从行为动态捕捉模块获取到经过预处理的视频片段人工神经数据层将视频通过相应标签发送至数据库，计算上述模型的权值并且提取视频中相应的人体动态行为特征，将不同视频段的特征进行平均后，能够获得视频描述符，将描述符与其它特征相结合用于人体动态行为分类。分别从不同帧的图像中提取一个特征，并针对不同模型形成的融合特征进行分类，选用SVM分类方法，利用组合多个分类器来完成多分类器的组建，将测试数据放入经过训练的分类器中，分别采用不同的分类器针对不同类型的测试数据进行分类，并将分类结果发送给行为预警模块。
[0018]进一步的所述行为预警模块将检测到的危险性行为和未知行为以列表的形式反馈给用户，从而进行预警，并由用户对该异常行为进行反馈，判定是否属于需要预警的异常行为。当用户将未知行为判定为危险性行为时，为该行为添加标签并将相应数据发送给行为动态特征学习模块记录并学习相应的行为，在已有模型的基础上训练形成新的行为模型，并在一定时间段内对动态特征识别模块使用的行为模型进行更新，使得该安防系统在不断学习的过程中得以不断完善和优化。
[0019]一种基于人体动态特征识别的智慧安防系统实现方法，采用如下步骤：
[0020]S1,开启系统，获取数据；
[0021]S2,动态特征捕捉模块对调取到的视频数据进行预处理，并将预处理结果传递给行为动态特征学习模块；
[0022]S3，行为动态特征学习模块使用深度神经网络算法，基于系统现有的输入数据，训练行为动态特征模型，并将模型传递给动态特征识别模块；
[0023]S4,动态特征识别模块用获取到的行为动态特征模型对视频数据中的行为动态特征进行识别，并将识别结果进行传递；
[0024]S5，对动态特征识别模块的的识别结果进行判断，若识别到危险行为或者未知行为将该识别结果和对应行为的视频数据传递给预警模块，否则将识别结果和该行为动态特征作为数据集传递给行为动态特征学习模块，进行模型优化更新；
[0025]S6,预警模块将异常行为的视频数据传递给用户，并由用户做出预警反馈，即是否认为该异常行为是危险行为，用户可将某些危险行为设置为安全行为，即该行为危险性发生变更，下次识别到该行为时不进行预警；
[0026]S7,预警模块将预警结果进行判断，若有行为特征发生了危险性变更，则将该行为
特征和修改结果作为数据集传递给行为动态特征学习模块来进行模型优化更新，否则继续获取数据进行预警。
[0027]本专利技术能够在动态场景中对不同对象的动态行为特征进行识别，通过动态行为特征的相似度锁定相应的对象，并对监视画面中出现的危险行为进行预警。
附图说明
[0028]图1是本专利技术的基于人体动态行为特征识别的智能安防系统流程图；
[0029]图2是本专利技术智能安防系统应用示例图。
具体实施方式
[0030]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0031]下面将参考附图并结合实施例来详细说明本专利技术。
[0032]一种基于人体动态特征识别的智慧安防系统，由数据采集模块、动态特征捕捉模块、行为动态学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人体动态特征识别的智能安防系统，由数据采集模块、动态特征捕捉模块、行为动态学习模块、动态特征识别模块和预警模块组成，其特征在于：监控摄像头采集监控区域的视频数据并转递给动态特征捕捉模块；所述动态特征捕捉模块对获取到的视频数据进行预处理并传递给行为动态特征学习模块以及动态特征识别模块；所述行为动态学习模块对采集到的数据，及录入的常见危险行为数据进行训练、学习，形成相应的行为模型并传递给动态特征识别模块；所述动态特征识别模块采用深度神经网络算法在本地终端对所述的视频数据进行识别，并将识别结果传递给预警模块；所述行为预警模块将检测到的危险行为和未知行为展示给用户进行预警，从用户端获取对未知行为的危险性判断，以及是否忽略该类危险行为，根据反馈结果对行为标记进行相应修改并传递给行为动态学习模块；所述行为动态学习模块在原有数据基础上，添加接受到的数据并学习训练新的行为模型并传递给动态特征识别模块；所述动态特征识别模块获取新的模型后在一定时间段内对识别模型进行更新。2.根据权利要求1所述的基于人体动态特征识别的智能安防系统，其特征在于：所述行为动态捕捉模块拉取不同区域内的监控视频数据，并对所获得的人体动态行为的视频进行划分为不同视频片段，将不同视频片段包含的不同的重叠帧通过设定的标注组建标签文件，不同形式的文件放置在相同的视频片段中，将预处理后的视频数据传送给动态特征识别模块，由动态特征识别模块进行识别分类。3.根据权利要求1所述的基于人体动态特征识别的智能安防系统，其特征在于：所述动态特征识别模块从行为动态捕捉模块获取到经过预处理的视频片段人工神经数据层将视频通过相应标签发送至数据库，计算上述模型的权值并且提取视频中相应的人体动态行为特征，将不同视频段的特征进行平均后，能够获得视频描述符，将描述符与其它特征相结合用于人体动态行为分类，分别从不同帧的图像中提取一个特征，并针对不同模型形成的融合特征进行分类，选用SVM分类方法，利...

【专利技术属性】
技术研发人员：王建东，王靖渊，沈玉龙，丁冬冬，陈昊业，李帅，
申请(专利权)人：西安电子科技大学西电科大青岛计算技术研究院有限公司，
类型：发明
国别省市：