基于大数据的行为分析方法及装置制造方法及图纸

本发明专利技术涉及图像识别技术领域，揭露了一种基于大数据的行为分析方法，包括：在人体动作视频帧集中提取人体区域图像集，在所述人体区域图像集中提取人体动作骨架帧集，根据人体动作骨架帧集构建人体骨架变化矢量集，利用人体骨架变化矢量集，根据相似骨架比对公式，在人体骨架特征变化矢量数据库中进行比对，得到相似骨架变化矢量集，将相似骨架变化矢量集对应的特征动作作为人体动作视频帧集中的人体动作。本发明专利技术还提出一种基于大数据的行为分析装置、电子设备以及计算机可读存储介质。本发明专利技术可以解决通过神经网络的判定方式存在判定计算量大，精确度低的问题。精确度低的问题。精确度低的问题。

【技术实现步骤摘要】
基于大数据的行为分析方法及装置


[0001]本专利技术涉及图像识别
，尤其涉及一种基于大数据的行为分析方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着互联网及监控视频技术的发展，人们在日常的生产生活中产生了海量的视频图像数据，通常人是视频图像数据的主要视觉目标，通过动作识别技术(Action Recognition)识别视频图像数据中人的行为动作，促进了视频监控及人机交互等领域的发展。
[0003]当前判定视频图像数据中人的行为动作主要通过将获取的人体骨架数据输入预先训练好的时空卷积网络中进行行为分析，但这种通过神经网络的判定方式存在判定计算量大，精确度低等现象。

技术实现思路

[0004]本专利技术提供一种基于大数据的行为分析方法、装置及计算机可读存储介质，其主要目的在于解决通过神经网络的判定方式存在判定计算量大，精确度低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于大数据的行为分析方法，包括：
[0006]获取人体动作视频帧集，在所述人体动作视频帧集中提取人体区域图像集；
[0007]利用预构建的姿态识别算法在所述人体区域图像集中提取人体动作骨架，得到人体动作骨架帧集；
[0008]根据所述人体动作骨架帧集中同一关节点的位置变化，构建不同关节点对应的关节变化矢量集；
[0009]整合所有关节点对应的关节变化矢量集，得到人体骨架变化矢量集；
[0010]利用所述人体骨架变化矢量集，根据预构建的相似骨架比对公式，在预构建的人体骨架特征变化矢量数据库中进行比对，得到所述人体骨架变化矢量集对应的相似骨架变化矢量集，其中所述相似骨架比对公式如下所示：
[0011][0012]其中，X表示相似骨架变化矢量集与人体骨架变化矢量集之间的差值，T表示所述人体骨架特征变化矢量数据库中的人体动作类别数，i表示关节点的序号标签，n表示人体动作骨架的总关节点个数，表示所述人体骨架特征变化矢量数据库中第t个人体动作类别的第i个关节点的关节变化矢量集，x
′
表示所述人体骨架变化矢量集中第i个关节点的关节变化矢量集；
[0013]将所述相似骨架变化矢量集对应的特征动作作为所述人体动作视频帧集中的人体动作，完成所述人体动作视频帧集的行为分析。
[0014]可选地，所述在所述人体动作视频帧集中提取人体区域图像集，包括：
[0015]获取人体区域图像提取训练集及初始人体区域图像提取网络；
[0016]利用所述人体区域图像提取训练集对所述初始人体区域图像提取网络进行训练，得到目标人体区域图像提取网络；
[0017]利用所述目标人体区域图像提取网络在所述人体动作视频帧集中进行人体区域图像提取，得到所述人体区域图像集。
[0018]可选地，所述利用预构建的姿态识别算法在所述人体区域图像集中提取人体动作骨架，得到人体动作骨架帧集，包括：
[0019]利用所述姿态识别算法在所述人体区域图像集中提取关节点，得到每张所述人体区域图像对应的人体关节点集；
[0020]利用有向线段连接所述人体关节点集，得到所述人体动作骨架帧，整合所有所述人体区域图像对应的人体动作骨架帧，得到所述人体动作骨架帧集。
[0021]可选地，所述根据所述人体动作骨架帧集中同一关节点的位置变化，构建不同关节点对应的关节变化矢量集，包括：
[0022]在所述人体动作骨架帧集中依次提取相邻两张人体动作骨架帧；
[0023]识别所述相邻两张人体动作骨架帧中相同关节点的位置坐标；
[0024]连接所述相邻两张人体动作骨架帧中相同关节点的位置坐标，得到所述相邻两张人体动作骨架帧中相同关节点的关节变化矢量；
[0025]整合所述人体动作骨架帧集中所有相邻两张人体动作骨架帧中所有相同关节点的关节变化矢量，得到所述不同关节点对应的关节变化矢量集。
[0026]可选地，所述识别所述相邻两张人体动作骨架帧中相同关节点的位置坐标，包括：
[0027]构建统一参考坐标系，将所述人体动作骨架帧集中首张人体动作骨架帧置于所述统一参考坐标系中，得到所述首张人体动作骨架帧的初始参考位置；
[0028]根据所述相邻两张人体动作骨架帧中相同关节点的位移距离及所述初始参考位置，计算所述人体动作骨架帧集中所有人体动作骨架帧在所述统一参考坐标系中的位置；
[0029]根据所述人体动作骨架帧集中所有人体动作骨架帧在所述统一参考坐标系中的位置，识别所述相邻两张人体动作骨架帧中相同关节点的位置坐标。
[0030]可选地，所述整合所有关节点对应的关节变化矢量集，得到人体骨架变化矢量集，包括：
[0031]识别所述相邻两张人体动作骨架帧中相同关节点的关节变化矢量，得到单位侦差时间骨架变化矢量集；
[0032]整合所有所述相邻两张人体动作骨架帧的单位侦差时间骨架变化矢量集，得到所述人体骨架变化矢量集。
[0033]可选地，所述人体骨架变化矢量集可以如下表示：
[0034][0035]其中，x表示人体骨架变化矢量集，表示第1个关节点在所有相邻两张人体动作骨架帧中的矢量集合，示第2个关节点在所有相邻两张人体动作骨架帧中的矢量集
合，表示第n个关节点在所有相邻两张人体动作骨架帧中的矢量集合。
[0036]可选地，所述利用所述人体骨架变化矢量集，根据预构建的相似骨架比对公式，在预构建的人体骨架特征变化矢量数据库中进行比对，得到所述人体骨架变化矢量集对应的相似骨架变化矢量集，包括：
[0037]在所述人体骨架特征变化矢量数据库中依次提取各个动作类别对应的同一关节点的关节变化矢量集，得到关节变化模板矢量集；
[0038]利用所述关节变化模板矢量集，与所述人体骨架变化矢量集中相同关节点对应的关节变化矢量集进行比对，得到所述相同关节点的相似度差值；
[0039]根据所述人体骨架变化矢量集中所有关节点对应的相似度差值，利用所述相似骨架比对公式，计算所述关节变化模板矢量集与人体骨架变化矢量集之间的差值；
[0040]提取各个动作类别对应的关节变化模板矢量集与人体骨架变化矢量集之间的差值的最小矢量差值，将所述最小矢量差值对应的关节变化模板矢量集作为所述相似骨架变化矢量集。
[0041]可选地，所述将所述相似骨架变化矢量集对应的特征动作作为所述人体动作视频帧集中的人体动作，完成所述人体动作视频帧集的行为分析之后，所述方法还包括：
[0042]利用预构建的性能检测公式，检测所述人体动作视频帧集的行为分析性能，其中所述的性能检测公式如下所示：
[0043][0044]其中，T
P
表示在动作类别发生时，检测正确的次数；T
N
表示在动作类别未发生时，检测正确的次数；F
P
表示在动作类别发生时，检测错误的次数；F
N
表示在动作类别未发生时，检测错误的次数，A
c本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的行为分析方法，其特征在于，所述方法包括：获取人体动作视频帧集，在所述人体动作视频帧集中提取人体区域图像集；利用预构建的姿态识别算法在所述人体区域图像集中提取人体动作骨架，得到人体动作骨架帧集；根据所述人体动作骨架帧集中同一关节点的位置变化，构建不同关节点对应的关节变化矢量集；整合所有关节点对应的关节变化矢量集，得到人体骨架变化矢量集；利用所述人体骨架变化矢量集，根据预构建的相似骨架比对公式，在预构建的人体骨架特征变化矢量数据库中进行比对，得到所述人体骨架变化矢量集对应的相似骨架变化矢量集，其中所述相似骨架比对公式如下所示：其中，X表示相似骨架变化矢量集与人体骨架变化矢量集之间的差值，T表示所述人体骨架特征变化矢量数据库中的人体动作类别数，i表示关节点的序号标签，n表示人体动作骨架的总关节点个数，表示所述人体骨架特征变化矢量数据库中第t个人体动作类别的第i个关节点的关节变化矢量集，x
′
i
表示所述人体骨架变化矢量集中第i个关节点的关节变化矢量集；将所述相似骨架变化矢量集对应的特征动作作为所述人体动作视频帧集中的人体动作，完成所述人体动作视频帧集的行为分析。2.如权利要求1所述的基于大数据的行为分析方法，其特征在于，所述在所述人体动作视频帧集中提取人体区域图像集，包括：获取人体区域图像提取训练集及初始人体区域图像提取网络；利用所述人体区域图像提取训练集对所述初始人体区域图像提取网络进行训练，得到目标人体区域图像提取网络；利用所述目标人体区域图像提取网络在所述人体动作视频帧集中进行人体区域图像提取，得到所述人体区域图像集。3.如权利要求2所述的基于大数据的行为分析方法，其特征在于，所述利用预构建的姿态识别算法在所述人体区域图像集中提取人体动作骨架，得到人体动作骨架帧集，包括：利用所述姿态识别算法在所述人体区域图像集中提取关节点，得到每张所述人体区域图像对应的人体关节点集；利用有向线段连接所述人体关节点集，得到所述人体动作骨架帧，整合所有所述人体区域图像对应的人体动作骨架帧，得到所述人体动作骨架帧集。4.如权利要求3所述的基于大数据的行为分析方法，其特征在于，所述根据所述人体动作骨架帧集中同一关节点的位置变化，构建不同关节点对应的关节变化矢量集，包括：在所述人体动作骨架帧集中依次提取相邻两张人体动作骨架帧；识别所述相邻两张人体动作骨架帧中相同关节点的位置坐标；连接所述相邻两张人体动作骨架帧中相同关节点的位置坐标，得到所述相邻两张人体
动作骨架帧中相同关节点的关节变化矢量；整合所述人体动作骨架帧集中所有相邻两张人体动作骨架帧中所有相同关节点的关节变化矢量，得到所述不同关节点对应的关节变化矢量集。5.如权利要求4所述的基于大数据的行为分析方法，其特征在于，所述识别所述相邻两张人体动作骨架帧中相同关节点的位置坐标，包括：构建统一参考坐标系，将所述人体动作骨架帧集中首张人体动作骨架帧置于所述统一参考坐标系中，得到所述首张人体动作骨架帧的初始参考位置；根据所述相邻两张人体动作骨架帧中相同关节点的位移距离及所述初始参考位置，计算所述人体动作骨架帧集中所有人体动作骨架帧在所述统一参考坐标系中的位置；根据所述人体动作骨架帧集中所有人体动作骨架帧在所述统一参考坐标系中的位置，识别所述相邻两张人体动作骨架帧中相同关节点的位置坐标。6.如权利要求4所述的基于大数据的行为分析方法，其特征在于，所述整合所有关节点对应的关节变化矢量集，得到人体骨架变化矢量集，包括：识别所述相邻两张人体动作骨架帧中相同关节点的关节变化矢量，得到单位侦差时间骨架变化矢量集；整合所有所述相邻两张人体动作骨架帧的单...

【专利技术属性】
技术研发人员：李佳，
申请(专利权)人：遥相科技发展北京有限公司，
类型：发明
国别省市：