基于物联网实现异常用户身份的检测方法、装置及设备制造方法及图纸

本申请适用于物联网的技术领域，提供了一种基于物联网实现异常用户身份的检测方法、装置及设备，所述方法包括：获取视频数据，并提取视频数据中用户在一个步行周期中的首帧图像和尾帧图像；计算人体关节点中双腿之间的第一夹角和第一夹角对应的第一交点，并根据第一夹角和帧时长计算第一角速度；计算人体关节点中双臂之间的第二夹角和第二夹角对应的第二交点，并根据第二夹角和帧时长计算第二角速度；根据预设参数、初始置信度、第一角速度、第二角速度、第一交点和第二交点，检测视频数据中的用户是否为异常用户。由于本申请采用多个维度的数据，不仅仅单纯基于人体轮廓进行步态识别，故具有较高的识别准确率。故具有较高的识别准确率。故具有较高的识别准确率。

【技术实现步骤摘要】
基于物联网实现异常用户身份的检测方法、装置及设备


[0001]本专利技术属于物联网的
，尤其涉及一种基于物联网实现异常用户身份的检测方法、检测装置及终端设备。

技术介绍

[0002]针对智能家居中的用户身份识别，通常通过指纹识别、人脸识别或虹膜识别等识别方式。其中，指纹识别需要有设备与人体之间的物理接触，虹膜识别和人脸识别不需要物理接触，但却必须具备高清晰的正面摄影图像才能达到识别目的。且针对于异常用户的识别，由于异常用户几乎不会配合进行指纹识别、人脸识别或虹膜识别，导致存在检测盲区。为了解决上述问题，步态识别孕育而生。
[0003]步态识别是生物特征识别技术的一个新兴领域。它旨在从不同的行走行为中提取出个体的变化特征,以实现自动的身份识别。与指纹、脸部、虹膜等第一代生物特征相比，步态是外在的、动态的表现,并且和时空密切相关。同时，与基于静态特征的其他生物认证技术相比，步态识别具有非接触性、难以隐藏等显著优点。具体而言，步态可实现远程检测，能在低分辨率情况下进行监控，有较强的鲁棒性。其次，步态识别可在被观察者没有察觉的情况下进行，整个检测过程不需要被观察者的合作。第三，其他生物识别技术都具有隐藏性，比如，指纹识别可以通过擦去指纹具有隐藏性，人脸识别可以通过遮住面部具有隐藏性而步态则难以隐藏和伪装。因此，从视觉监控的观点来看，步态是远距离情况下最有潜力的生物特征。
[0004]然而，传统的步态识别往往是基于单纯的人体轮廓进行步态识别，识别准确率较低，这是一个亟需解决的技术问题。
专利技术内容
[0005]有鉴于此，本申请实施例提供了一种基于物联网实现异常用户身份的检测方法、检测装置、终端设备及计算机可读存储介质，以解决传统的步态识别往往是基于单纯的人体轮廓进行步态识别，识别准确率较低的技术问题。
[0006]本申请实施例的第一方面提供了一种基于物联网实现异常用户身份的检测方法，所述基于物联网实现异常用户身份的检测方法包括：
[0007]获取视频数据，并提取所述视频数据中用户在一个步行周期中的首帧图像和尾帧图像；
[0008]将所述首帧图像输入人体识别模型，得到由所述人体识别模型输出的初始置信度；所述置信度用于表征所述首帧图像中的用户为非异常用户的概率；
[0009]计算所述首帧图像中用户的人体关节点，计算所述人体关节点中双腿之间的第一夹角和所述第一夹角对应的第一交点，并根据所述第一夹角和帧时长计算第一角速度；所述帧时长是指所述首帧图像和所述尾帧图像之间的时间间隔；
[0010]计算所述人体关节点中双臂之间的第二夹角和所述第二夹角对应的第二交点，并
根据所述第二夹角和帧时长计算第二角速度；
[0011]根据预设参数、所述初始置信度、所述第一角速度、所述第二角速度、所述第一交点和所述第二交点，检测所述视频数据中的用户是否为异常用户。
[0012]进一步地，所述获取视频数据，并提取所述视频数据中用户在一个步行周期中的首帧图像和尾帧图像的步骤，包括：
[0013]获取视频数据，在所述视频数据截取固定时长的子视频数据；
[0014]提取所述子视频数据中每个帧图像中的第一人体轮廓，基于所述第一人体轮廓的最小外接框在所述帧图像中截取所述最小外接框对应的第一图像区域；
[0015]截取所述第一图像区域的下半部分图像；
[0016]基于所述下半部分图像的图像坐标系，获取预设间隔的多个纵轴坐标与所述人体轮廓的第三交点，得到多个所述横轴坐标各自对应的第三交点集合；所述图像坐标系是指以所述下半部分图像左下角为中心构建的坐标系；
[0017]将具有四个第三交点的所述第三交点集合作为初始交点集合；
[0018]按照所述初始交点集合中多个所述第三交点的横坐标排列顺序，计算第三排列顺序的第三交点和第二排列顺序的第三交点之间的第一距离，计算第三排列顺序的第三交点和第四排列顺序的第三交点之间的第二距离；
[0019]获取所述最小外接框的宽度值，匹配所述宽度值对应的第一阈值；
[0020]若所述初始交点集合对应的所述第一距离和所述第二距离均小于所述第一阈值，则将所述初始交点集合作为目标交点集合；
[0021]分别计算每个所述目标交点集合中第一排列顺序的第三交点和第二排列顺序的第三交点之间的第一中点，计算所述目标交点集合中第三排列顺序的第三交点和第四排列顺序的第三交点之间的第二中点；
[0022]基于多个所述第一中点进行线性拟合，得到第一直线；
[0023]基于多个所述第二中点进行线性拟合，得到第二直线；
[0024]计算所述第一直线和所述第二直线之间的第一夹角；
[0025]将最大第一夹角对应的帧图像作为所述首帧图像；
[0026]根据所述首帧图像匹配位于所述首帧图像之后的尾帧图像。
[0027]进一步地，所述根据所述首帧图像匹配位于所述首帧图像之后的尾帧图像的步骤，包括：
[0028]将所述首帧图像中的第二人体轮廓内的像素点设置为第一像素值，将所述第二人体轮廓外的像素点设置为第二像素值，得到第一目标图像；
[0029]将位于所述首帧图像之后的后续帧图像中的第三人体轮廓内的像素点设置为第一像素值，将所述第三人体轮廓外的像素点设置为第二像素值，得到第二目标图像；
[0030]分别将所述第一目标图像与多个所述第二目标图像进行居中重叠处理，统计在所述第一目标图像和所述第二目标图像重叠区域中差异像素点的数量；所述差异像素点是指两张图像中相互重叠且像素值不同的像素点；
[0031]若所述数量小于第二阈值，则将该数量对应的后续帧图像作为所述尾帧图像。
[0032]进一步地，所述计算所述首帧图像中用户的人体关节点，计算所述人体关节点中双腿之间的第一夹角和所述第一夹角对应的第一交点，并根据所述第一夹角和帧时长计算
第一角速度的步骤，包括：
[0033]提取所述首帧图像中的第二人体轮廓，基于所述第二人体轮廓的最小外接框在所述首帧图像中截取所述最小外接框对应的第二图像区域；
[0034]将所述第二图像区域由上至下二等分为第一子图像和第二子图像；
[0035]获取第一子图像中所述第二人体轮廓的最上侧坐标、第一最左侧坐标和第一最右侧坐标；
[0036]计算所述最上侧坐标和所述第一最左侧坐标构成的第三直线，计算所述最上侧坐标和所述第一最右侧坐标构成的第四直线；
[0037]将所述第三直线和所述第四直线之间的夹角作为所述第二夹角，将所述第三直线和所述第四直线之间的交点作为第一交点；
[0038]将所述第二夹角和所述帧时长相除，得到所述第一角速度。
[0039]进一步地，所述计算所述人体关节点中双臂之间的第二夹角和所述第二夹角对应的第二交点，并根据所述第二夹角和帧时长计算第二角速度的步骤，包括：
[0040]获取所述第二子图像中所述第二人体轮廓的第二最左侧坐标和第二最右侧坐标；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网实现异常用户身份的检测方法，其特征在于，所述基于物联网实现异常用户身份的检测方法，包括：获取视频数据，并提取所述视频数据中用户在一个步行周期中的首帧图像和尾帧图像；将所述首帧图像输入人体识别模型，得到由所述人体识别模型输出的初始置信度；所述置信度用于表征所述首帧图像中的用户为非异常用户的概率；计算所述首帧图像中用户的人体关节点，计算所述人体关节点中双腿之间的第一夹角和所述第一夹角对应的第一交点，并根据所述第一夹角和帧时长计算第一角速度；所述帧时长是指所述首帧图像和所述尾帧图像之间的时间间隔；计算所述人体关节点中双臂之间的第二夹角和所述第二夹角对应的第二交点，并根据所述第二夹角和帧时长计算第二角速度；根据预设参数、所述初始置信度、所述第一角速度、所述第二角速度、所述第一交点和所述第二交点，检测所述视频数据中的用户是否为异常用户。2.如权利要求1所述的基于物联网实现异常用户身份的检测方法，其特征在于，所述获取视频数据，并提取所述视频数据中用户在一个步行周期中的首帧图像和尾帧图像的步骤，包括：获取视频数据，在所述视频数据截取固定时长的子视频数据；提取所述子视频数据中每个帧图像中的第一人体轮廓，基于所述第一人体轮廓的最小外接框在所述帧图像中截取所述最小外接框对应的第一图像区域；截取所述第一图像区域的下半部分图像；基于所述下半部分图像的图像坐标系，获取预设间隔的多个纵轴坐标与所述人体轮廓的第三交点，得到多个所述横轴坐标各自对应的第三交点集合；所述图像坐标系是指以所述下半部分图像左下角为中心构建的坐标系；将具有四个第三交点的所述第三交点集合作为初始交点集合；按照所述初始交点集合中多个所述第三交点的横坐标排列顺序，计算第三排列顺序的第三交点和第二排列顺序的第三交点之间的第一距离，计算第三排列顺序的第三交点和第四排列顺序的第三交点之间的第二距离；获取所述最小外接框的宽度值，匹配所述宽度值对应的第一阈值；若所述初始交点集合对应的所述第一距离和所述第二距离均小于所述第一阈值，则将所述初始交点集合作为目标交点集合；分别计算每个所述目标交点集合中第一排列顺序的第三交点和第二排列顺序的第三交点之间的第一中点，计算所述目标交点集合中第三排列顺序的第三交点和第四排列顺序的第三交点之间的第二中点；基于多个所述第一中点进行线性拟合，得到第一直线；基于多个所述第二中点进行线性拟合，得到第二直线；计算所述第一直线和所述第二直线之间的第一夹角；将最大第一夹角对应的帧图像作为所述首帧图像；根据所述首帧图像匹配位于所述首帧图像之后的尾帧图像。3.如权利要求1所述的基于物联网实现异常用户身份的检测方法，其特征在于，所述根
据所述首帧图像匹配位于所述首帧图像之后的尾帧图像的步骤，包括：将所述首帧图像中的第二人体轮廓内的像素点设置为第一像素值，将所述第二人体轮廓外的像素点设置为第二像素值，得到第一目标图像；将位于所述首帧图像之后的后续帧图像中的第三人体轮廓内的像素点设置为第一像素值，将所述第三人体轮廓外的像素点设置为第二像素值，得到第二目标图像；分别将所述第一目标图像与多个所述第二目标图像进行居中重叠处理，统计在所述第一目标图像和所述第二目标图像重叠区域中差异像素点的数量；所述差异像素点是指两张图像中相互重叠且像素值不同的像素点；若所述数量小于第二阈值，则将该数量对应的后续帧图像作为所述尾帧图像。4.如权利要求1所述的基于物联网实现异常用户身份的检测方法，其特征在于，所述计算所述首帧图像中用户的人体关节点，计算所述人体关节点中双腿之间的第一夹角和所述第一夹角对应的第一交点，并根据所述第一夹角和帧时长计算第一角速度的步骤，包括：提取所述首帧图像中的第二人体轮廓，基于所述第二人体轮廓的最小外接框在所述首帧图像中截取所述最小外接框对应的第二图像区域；将所述第二图像区域由上至下二等分为第一子图像和第二子图像；获取第一子图像中所述第二人体轮廓的最上侧坐标、第一最左侧坐标和第一最右侧坐...

【专利技术属性】
技术研发人员：李家才，李全彬，严凤英，丁研研，陆胜海，
申请(专利权)人：深圳慧锐通智能技术股份有限公司，
类型：发明
国别省市：