【技术实现步骤摘要】
双通路视频协同感知的行为姿态识别方法
[0001]本专利技术属于计算机视觉算法
,具体涉及一种双通路视频协同感知的行为姿态识别方法。
技术介绍
[0002]当下,监控探头几乎已布满人们日常生活的每一条街道,时时刻刻的记录着路过的行人、车辆等,但除交通违章判罚外,由于记录的信息过多,受人力成本的影响,这些被记录的信息大多只有在发生意外状况之后才会被挖掘,导致可能会贻误最佳的处理时机,例如行人突发心脏病、老人摔倒不起或是偷盗、破坏公私财物等行为。而随着计算机视觉算法的不断进步以及同等算力硬件成本的下降,使得智慧终端实时处理这些信息并作出反应处理成为可能。
[0003]然而,目前现有的动作姿态识别算法大都是基于单通路视频的,对于行人关节遮挡问题不能很好的以较低算力水平的方法解决。
[0004]综上所述,现有技术在进一步挖掘处理监控中的行人行为姿态信息方面存在一些缺陷和不足,所以有必要研发出新的方法来处理当下的应用场景。
技术实现思路
[0005]本专利技术是为解决上述问题而进行的,目的在于提供一种基于双通路视频协同感知、从而能够以较低算力水平实现视频中行为姿态识别的方法,本专利技术采用了如下技术方案:
[0006]本专利技术提供了一种双通路视频协同感知的行为姿态识别方法,其特征在于,包括以下步骤:
[0007]步骤S1,构建双通路视频协同感知系统,包括设置在道路两侧的两个感知单元,每个所述感知单元包括:摄像头,用于拍摄该道路上行人姿态图像;边缘计算模块,包含神经网络模型 ...
【技术保护点】
【技术特征摘要】
1.一种双通路视频协同感知的行为姿态识别方法,其特征在于,包括以下步骤:步骤S1,构建双通路视频协同感知系统,包括设置在道路两侧的两个感知单元,每个所述感知单元包括:摄像头,用于拍摄该道路上行人姿态图像;边缘计算模块,包含神经网络模型,用于基于输入的所述行人姿态图像识别行人行为姿态;以及交互模块,至少用于与另一个所述感知单元进行交互,其中,两个所述摄像头有重叠视野区域;步骤S2,通过两个所述摄像头拍摄该道路,基于拍摄到的视频信息识别出该道路上的行人,并判断该行人是否在所述重叠视野区域;步骤S3,在步骤S2判断为否时,两个所述感知单元将所述视频信息共享,两个所述神经网络模型通过第二滚动时域博弈优化算法进行该视频信息中的行人行为姿态识别,其中,所述第二滚动时域博弈优化算法为:当仅有一个所述感知单元拍摄到行人时,采用该感知单元的所述神经网络模型的识别结果;随时间推移,行人的空间位置发生变化,能够拍摄到行人的所述感知单元相应变化,当能够拍摄到行人的所述感知单元仍为一个时,采用该感知单元的所述神经网络模型的识别结果;步骤S4,在步骤S2判断为是时,两个所述神经网络模型将过程特征输出及权重参数共享,两个所述神经网络模型均对行人的动作属于各动作类别的可能性进行预测并打分,采用两组预测中打分最高的动作类别作为识别结果。2.根据权利要求1所述的双通路视频协同感知的行为姿态识别方法,其特征在于:其中,所述神经网络模型包括:基于MobileNet的轻量级姿态识别网络,以经过预处理的一侧的所述摄像头拍摄的视频作为输入,输出为各行人的连续多帧的行人骨骼点位置热图;以及基于3D
‑
CNN的动作识别网络,所述交互模块对所述行人骨骼点位置热图中的缺失关节点位置进行填充,以填充结果作为该动作识别网络的输入,输出为各行人的动作类别。3.根据权利要求2所述的双通路视频协同感知的行为姿态识别方法,其特征在于:其中,所述轻量级姿态识别网络作为第一阶段,所述动作识别网络作为第二阶段,所述交互模块分别记录两个所述神经网络模型第一阶段输出的行人各个骨骼点的位置、相对位置以及位置变化特征,在行人在所述重叠视野区域时,若其中一个所述感知单元的视野内行人的骨骼点被遮挡,则利用另一个所述感知单元获取的行人运动特征信息对被遮挡的骨骼点位置进行推断填充。4.根据权利要求1所述的双通路视频协同感知的行为姿态识别方法,其特征在于:其中,所述感知单元设置在智慧灯杆上,步骤S2包括以下子步骤:步骤S2
‑
1,利用预定的目标识别算法识别出所述视频信息中的行人;步骤S2
‑
2,利用所述智慧灯杆自身的地理位置信息以及该智慧灯杆处的所述摄像头拍摄到的视频信息进行时空定位;
步骤...
【专利技术属性】
技术研发人员:朱忠攀,张润泽,何斌,李刚,王志鹏,周艳敏,陆萍,
申请(专利权)人:同济大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。