本发明专利技术实施例公开了一种基于深度信息的实验人员不规范行为检测方法及检测装置，涉及实验室管理技术领域，所述方法包括：实时获取针对实验人员的深度图像；基于所述深度图像生成所述实验人员的骨架追踪信息；基于所述骨架追踪信息生成对应的人体关节信息；基于开集识别算法对所述人体关节信息进行识别，获得动作识别信息；基于所述动作识别信息生成对应的不规范行为检测结果。通过实时采集实验室内实验人员的深度图像信息，并基于开集识别算法对其不规范动作进行识别，从而提高了实验室工作的安全性。安全性。安全性。
【技术实现步骤摘要】
基于深度信息的实验人员不规范行为检测方法及检测装置
[0001]本专利技术涉及实验室管理
，具体地涉及一种基于深度信息的实验人员不规范行为检测方法及一种基于深度信息的实验人员不规范行为检测装置。
技术介绍
[0002]在实验室中，实验人员需要进行大量的实验以验证科研理论，在实验过程中往往会涉及到一些比较危险的操作，因此实验室内往往对实验人员的行为有严格的规范和要求。
[0003]为了提高实验室内实验人员的操作安全性，现有技术主要通过在实验室内设置多个监控摄像头，并由专门的人员通过监控摄像头查看实验人员的操作是否安全规范，但在实际中，人为对多个监控摄像头进行观察容易出现疏忽，工作量极大，因此依然存在安全隐患。
[0004]为了解决该技术问题，可以采用机器识别的方式对实验人员的动作进行识别，现有的机器识别方法主要基于二维图像进行人体动作分析识别，然而在实际应用过程中，由于人体动作具有高度的灵活性，人体的姿态、运动、衣着具有显著的个体差异性，相机视角、相机的运动、光照条件的变化、遮挡、自遮挡等因素的影响，同时包含人－物的交互以及复杂的时－空结构等因素进行综合影响，使得传统的人体动作识别在识别效率、识别准确性等方面效果不佳，无法满足实际需求。
技术实现思路
[0005]为了克服现有技术中存在的上述技术问题，本专利技术实施例提供一种基于深度信息的实验人员不规范行为检测及检测装置，通过实时采集实验室内实验人员的深度图像信息，并基于开集识别算法对其不规范动作进行识别，从而提高了实验室工作的安全性。
[0006]为了实现上述目的，本专利技术实施例提供一种基于深度信息的实验人员不规范行为检测方法，所述方法包括：实时获取针对实验人员的深度图像；基于所述深度图像生成所述实验人员的骨架追踪信息；基于所述骨架追踪信息生成对应的人体关节信息；基于开集识别算法对所述人体关节信息进行识别，获得动作识别信息；基于所述动作识别信息生成对应的不规范行为检测结果。
[0007]优选地，所述基于所述深度图像生成所述实验人员的骨架追踪信息，包括：在所述深度图像中提取预设形状物体；基于边缘检测规则对所述预设形状物体进行分析，获得分析结果；基于所述分析结果在所述预设形状物体中确定人体；基于所述分析结果确定所述人体中的各个身体部位；基于每个身体部位确定所述实验人员的骨架追踪信息。
[0008]优选地，所述基于开集识别算法对所述人体关节信息进行识别，获得动作识别信息，包括：基于预设神经网络算法对所述人体关节信息进行处理，获得初步处理后信息；对所述初步处理后信息执行线性化处理，获得线性化结果；确定预设样本集中每个样本的不规范动作分类信息；基于所述不规范动作分类信息对所述线性化结果进行分析，获得针对
所述实验人员的动作类别概率信息和动作分类得分信息；基于所述动作类别概率信息和所述动作分类得分信息生成对应的动作识别信息。
[0009]优选地，所述不规范行为检测结果包括不规范行为和未知行为，所述方法还包括：若所述不规范行为检测结果为未知行为，基于所述线性化结果确定每个未知动作的未知动作特征；基于层次聚类算法对所述未知动作特征进行处理，生成至少一个未知动作类；判断所述未知动作类对应的未知动作特征是否满足预设不规范动作条件；若是，基于所述未知动作类生成新的不规范动作类别。
[0010]优选地，所述基于所述未知动作类生成新的不规范动作类别，包括：判断当前未知动作类中的未知动作数量是否达到预设值；若是，从预设数据库获取与当前未知动作类相类似的至少一张类似动作图像；计算每张类似动作图像与当前未知动作类的余弦相似度；获取每张类似动作图像的实施场景和动作标签；基于所述余弦相似度、所述实时场景以及所述动作标签确定与当前未知动作类最匹配的最匹配图像；基于所述最匹配图像的动作标签确定所述未知动作类的不规范动作类别。
[0011]相应的，本专利技术还提供一种基于深度信息的实验人员不规范行为检测装置，所述装置包括：深度图像获取单元，用于实时获取针对实验人员的深度图像；骨架追踪单元，用于基于所述深度图像生成所述实验人员的骨架追踪信息；关节信息生成单元，用于基于所述骨架追踪信息生成对应的人体关节信息；动作识别单元，用于基于开集识别算法对所述人体关节信息进行识别，获得动作识别信息；行为检测单元，用于基于所述动作识别信息生成对应的不规范行为检测结果。
[0012]优选地，所述骨架追踪单元包括：提取模块，用于在所述深度图像中提取预设形状物体；形状分析模块，用于基于边缘检测规则对所述预设形状物体进行分析，获得分析结果；人体确定模块，用于基于所述分析结果在所述预设形状物体中确定人体；部位确定模块，用于基于所述分析结果确定所述人体中的各个身体部位；骨架追踪模块，用于基于每个身体部位确定所述实验人员的骨架追踪信息。
[0013]优选地，所述动作识别单元包括：初步处理模块，用于基于预设神经网络算法对所述人体关节信息进行处理，获得初步处理后信息；线性化处理模块，用于对所述初步处理后信息执行线性化处理，获得线性化结果；分类确定模块，用于确定预设样本集中每个样本的不规范动作分类信息；动作分析模块，用于基于所述不规范动作分类信息对所述线性化结果进行分析，获得针对所述实验人员的动作类别概率信息和动作分类得分信息；动作识别模块，用于基于所述动作类别概率信息和所述动作分类得分信息生成对应的动作识别信息。
[0014]优选地，所述不规范行为检测结果包括不规范行为和未知行为，所述装置还包括未知动作识别单元，所述未知动作识别单元用于：若所述不规范行为检测结果为未知行为，基于所述线性化结果确定每个未知动作的未知动作特征；基于层次聚类算法对所述未知动作特征进行处理，生成至少一个未知动作类；判断所述未知动作类对应的未知动作特征是否满足预设不规范动作条件；若是，基于所述未知动作类生成新的不规范动作类别。
[0015]优选地，所述基于所述未知动作类生成新的不规范动作类别，包括：判断当前未知动作类中的未知动作数量是否达到预设值；若是，从预设数据库获取与当前未知动作类相类似的至少一张类似动作图像；计算每张类似动作图像与当前未知动作类的余弦相似度；
获取每张类似动作图像的实施场景和动作标签；基于所述余弦相似度、所述实时场景以及所述动作标签确定与当前未知动作类最匹配的最匹配图像；基于所述最匹配图像的动作标签确定所述未知动作类的不规范动作类别。
[0016]通过本专利技术提供的技术方案，本专利技术至少具有如下技术效果：
[0017]通过对传统的实验室监控方法进行改进，采用基于深度图像信息的监控方式，对实验人员的不规范动作进行更精确的检测，同时采用开集识别算法对其不规范动作进行更有效的区分和识别，实现了更精确的不规范实验行为检测效果。
[0018]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0019]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度信息的实验人员不规范行为检测方法，其特征在于，所述方法包括：实时获取针对实验人员的深度图像；基于所述深度图像生成所述实验人员的骨架追踪信息；基于所述骨架追踪信息生成对应的人体关节信息；基于开集识别算法对所述人体关节信息进行识别，获得动作识别信息；基于所述动作识别信息生成对应的不规范行为检测结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述深度图像生成所述实验人员的骨架追踪信息，包括：在所述深度图像中提取预设形状物体；基于边缘检测规则对所述预设形状物体进行分析，获得分析结果；基于所述分析结果在所述预设形状物体中确定人体；基于所述分析结果确定所述人体中的各个身体部位；基于每个身体部位确定所述实验人员的骨架追踪信息。3.根据权利要求1所述的方法，其特征在于，所述基于开集识别算法对所述人体关节信息进行识别，获得动作识别信息，包括：基于预设神经网络算法对所述人体关节信息进行处理，获得初步处理后信息；对所述初步处理后信息执行线性化处理，获得线性化结果；确定预设样本集中每个样本的不规范动作分类信息；基于所述不规范动作分类信息对所述线性化结果进行分析，获得针对所述实验人员的动作类别概率信息和动作分类得分信息；基于所述动作类别概率信息和所述动作分类得分信息生成对应的动作识别信息。4.根据权利要求3所述的方法，其特征在于，所述不规范行为检测结果包括不规范行为和未知行为，所述方法还包括：若所述不规范行为检测结果为未知行为，基于所述线性化结果确定每个未知动作的未知动作特征；基于层次聚类算法对所述未知动作特征进行处理，生成至少一个未知动作类；判断所述未知动作类对应的未知动作特征是否满足预设不规范动作条件；若是，基于所述未知动作类生成新的不规范动作类别。5.根据权利要求4所述的方法，其特征在于，所述基于所述未知动作类生成新的不规范动作类别，包括：判断当前未知动作类中的未知动作数量是否达到预设值；若是，从预设数据库获取与当前未知动作类相类似的至少一张类似动作图像；计算每张类似动作图像与当前未知动作类的余弦相似度；获取每张类似动作图像的实施场景和动作标签；基于所述余弦相似度、所述实时场景以及所述动作标签确定与当前未知动作类最匹配的最匹配图像；基于所述最匹配图像的动作标签确定所述未知动作类的不规范动作类别。6.一种基于深度信息的实验人员不规范行为检测装置，其特征在于，所述方法装置：深度图像获取单元，用于实时获取针对实验人员的深度图像；...
【专利技术属性】
技术研发人员：郑德欣，徐娟，李静，
申请(专利权)人：南通锡鼎智能科技有限公司，
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。