基于Alphapose与LightGBM的安全行为识别方法、装置及相关介质制造方法及图纸

本发明专利技术公开了基于Alphapose与LightGBM的安全行为识别方法、装置及相关介质，该方法包括：获取图片数据以及目标检测结果；根据Alphapose算法对所述目标检测结果进行结构化处理，得到结构化数据；对所述结构化数据添加安全行为姿态标签，并分别进行数据清洗处理和特征工程处理，得到数据集；根据所述数据集利用LightGBM算法进行分类训练，得到LightGBM模型；利用所述LightGBM模型对新输入的图片数据进行人体安全行为预测，得到安全行为识别结果。本发明专利技术通过所述Alphapose算法对目标检测结果进行姿态识别，再利用所述LightGBM算法进行分类训练，将得到所述LightGBM模型投入使用获取所述安全行为识别结果；如此，大大提高了人员的安全行为识别效率以及准确率。人员的安全行为识别效率以及准确率。人员的安全行为识别效率以及准确率。

【技术实现步骤摘要】
基于Alphapose与LightGBM的安全行为识别方法、装置及相关介质


[0001]本专利技术涉及计算机视觉
，特别涉及基于Alphapose与LightGBM的安全行为识别方法、装置及相关介质。

技术介绍

[0002]在传统的安防监控中，人员的安全行为识别主要通过摄像头进行实时采集以及人工实时监控，这也导致了所耗费的资源成本较高并且效率低下。而随着人工智能领域的快速发展，人员的安全行为识别发展出了以单阶段目标检测为核心的数字化方案，但是该方案在实际应用场景中也存在单阶段目标检测的局限性问题，这导致在算法评估中的准确率大大下降，比较难应用于日常生活中。

技术实现思路

[0003]本专利技术实施例提供了基于Alphapose与LightGBM的安全行为识别方法、装置及相关介质，旨在解决传统人员的安全行为识别方法效率低下且准确率不高的问题。
[0004]第一方面，本专利技术实施例提供了一种基于Alphapose与LightGBM的安全行为识别方法，包括：
[0005]获取视频画面，对所述视频画面进行预处理，得到图片数据；
[0006]利用检测算法对所述图片数据进行人体目标检测，得到目标检测结果；
[0007]根据Alphapose算法对所述目标检测结果进行结构化处理，得到结构化数据；
[0008]对所述结构化数据添加安全行为姿态标签，并分别进行数据清洗处理和特征工程处理，得到数据集；
[0009]根据所述数据集利用LightGBM算法进行分类训练，得到LightGBM模型；
[0010]利用所述LightGBM模型对新输入的图片数据进行人体安全行为预测，得到安全行为识别结果。
[0011]第二方面，本专利技术实施例提供了一种基于Alphapose与LightGBM的安全行为识别装置，包括：
[0012]数据获取单元，用于获取视频画面，对所述视频画面进行预处理，得到图片数据；
[0013]目标检测单元，用于利用检测算法对所述图片数据进行人体目标检测，得到目标检测结果；
[0014]第一处理单元，用于根据Alphapose算法对所述目标检测结果进行结构化处理，得到结构化数据；
[0015]第二处理单元，用于对所述结构化数据添加安全行为姿态标签，并分别进行数据清洗处理和特征工程处理，得到数据集；
[0016]分类训练单元，用于根据所述数据集利用LightGBM算法进行分类训练，得到LightGBM模型；
[0017]数据输出单元，用于利用所述LightGBM模型对新输入的图片数据进行人体安全行为预测，得到安全行为识别结果。
[0018]第三方面，本专利技术实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述第一方面的基于Alphapose与LightGBM的安全行为识别方法。
[0019]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述第一方面的基于Alphapose与LightGBM的安全行为识别方法。
[0020]本专利技术实施例提供一种基于Alphapose与LightGBM的安全行为识别方法，包括获取图片数据以及目标检测结果；根据Alphapose算法对所述目标检测结果进行结构化处理，得到结构化数据；对所述结构化数据添加安全行为姿态标签，并分别进行数据清洗处理和特征工程处理，得到数据集；根据所述数据集利用LightGBM算法进行分类训练，得到LightGBM模型；利用所述LightGBM模型对新输入的图片数据进行人体安全行为预测，得到安全行为识别结果。本专利技术通过所述Alphapose算法对目标检测结果进行姿态识别，再利用所述LightGBM算法进行分类训练，将得到所述LightGBM模型投入使用获取所述安全行为识别结果；如此，大大提高了人员的安全行为识别效率以及准确率。
[0021]本专利技术实施例还提供一种基于Alphapose与LightGBM的安全行为识别装置、计算机设备和存储介质，同样具有上述有益效果。
附图说明
[0022]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本专利技术实施例提供的基于Alphapose与LightGBM的安全行为识别方法的流程示意图；
[0024]图2为本专利技术实施例提供的基于Alphapose与LightGBM的安全行为识别方法的另一流程示意图；
[0025]图3为本专利技术实施例提供的肢体骨骼关键点分布图；
[0026]图4为本专利技术实施例提供的面部骨骼关键点分布图；
[0027]图5为本专利技术实施例提供的手掌骨骼关键点分布图；
[0028]图6为本专利技术实施例提供的基于Alphapose与LightGBM的安全行为识别装置的示意性框图。
具体实施方式
[0029]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，所描述的实施例是本专利技术一部分实施例，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，都属于本专利技术保护的范围。
[0030]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示
所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0031]还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0032]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0033]下面请参见图1，图1为本专利技术实施例提供的基于Alphapose与LightGBM的安全行为识别方法的流程示意图，具体包括：步骤S101～S106。
[0034]S101、获取视频画面，对所述视频画面进行预处理，得到图片数据；
[0035]S102、利用检测算法对所述图片数据进行人体目标检测，得到目标检测结果；
[0036]S103、根据Alphapose算法对所述目标检测结果进行结构化处理，得到结构化数据；
[0037]S104、对所述结构化数据添加安全行为姿态标签，并分别进行数据清洗处理和特征工程处理，得到数据集；...

【技术保护点】

【技术特征摘要】
1.一种基于Alphapose与LightGBM的安全行为识别方法，其特征在于，包括：获取视频画面，对所述视频画面进行预处理，得到图片数据；利用检测算法对所述图片数据进行人体目标检测，得到目标检测结果；根据Alphapose算法对所述目标检测结果进行结构化处理，得到结构化数据；对所述结构化数据添加安全行为姿态标签，并分别进行数据清洗处理和特征工程处理，得到数据集；根据所述数据集利用LightGBM算法进行分类训练，得到LightGBM模型；利用所述LightGBM模型对新输入的图片数据进行人体安全行为预测，得到安全行为识别结果。2.根据权利要求1所述的基于Alphapose与LightGBM的安全行为识别方法，其特征在于，所述获取视频画面，对所述视频画面进行预处理，得到图片数据，包括：对所述视频画面分别进行抽帧处理和缩放处理，得到图片画面；对所述图片画面分别进行数据增强处理和数据过滤处理，得到所述图片数据。3.根据权利要求1所述的基于Alphapose与LightGBM的安全行为识别方法，其特征在于，所述利用检测算法对所述图片数据进行人体目标检测，得到目标检测结果，包括：利用YOLOV5s算法对所述图片数据进行人体目标检测，得到人体检测框；根据所述人体检测框中的左上角坐标以及右下角坐标，分析得到所述目标检测结果。4.根据权利要求1所述的基于Alphapose与LightGBM的安全行为识别方法，其特征在于，所述根据Alphapose算法对所述目标检测结果进行结构化处理，得到结构化数据，包括：利用所述Alphapose算法识别所述目标检测结果中的人体姿态，得到多个骨骼关键点坐标；其中，所述骨骼关键点坐标包括目标臀部关键点坐标；将所述目标臀部关键点坐标作为原点，并对其他骨骼关键点坐标进行距离重置，得到所述结构化数据。5.根据权利要求4所述的基于Alphapose与LightGBM的安全行为识别方法，其特征在于，所述对所述结构化数据添加安全行为姿态标签，并分别进行数据清洗处理和特征工程处理，得到数据集，包括：对所述结构化数据中的异常数据进行过滤处理，同时对缺失数据进行平均值填充，得到备用数据集；根据所述备用数据集按如下公式提取距离特征：其中，(x
a
,y
a
)与(x
b
,y

【专利技术属性】
技术研发人员：王俊宜，常可欣，袁戟，
申请(专利权)人：深圳市万物云科技有限公司，
类型：发明
国别省市：