行为识别方法技术

本发明专利技术涉及计算机视觉领域，具体提供一种行为识别方法

【技术实现步骤摘要】
行为识别方法、系统、电子设备及存储介质


[0001]本专利技术涉及计算机视觉领域，具体提供一种行为识别方法
、
系统
、
电子设备及存储介质
。

技术介绍

[0002]随着人工智能技术的发展及智慧城市建设的推进，越来越多的场所部署了视频监控系统，在交通治理
、
社区安防及实时监控等领域起着愈发重要的作用
。
在安防和监控等领域，常常有着这样一类需求，即在实时采集的视频流中检测画面中的人是否有出现某种特定的行为动作，如社区场景下的奔跑
、
摔倒
、
打架斗殴检测以及办公场景的离岗
、
睡岗等，能够快速准确地对目标行为进行检测识别，并反馈给监控决策报警系统，从而大大节约人力物力，提高资源利用效率，有着广泛的应用前景和重要的应用价值
。
[0003]目前，对于视频中的人体行为检测一般由两个步骤组成
。
首先是对人体框的检测和跟踪，即一个行人进入摄像头范围后，使用人体检测算法检测其每帧出现的位置，由于经常会在视频中同时出现多个人体，所以还需要使用跟踪算法将同一个人体在每帧上的位置框进行串联，组成每个人体的视频动作片段；第二步，使用行为识别算法对每个人体的视频片段进行检测和分类，判断此片段中是否出现了目标行为动作
。
[0004]现有技术中，在对视频中的人体行为检测过程中存在着以下几个问题：一是监控摄像头获取的一般为高分辨率的全景图，直接使用全景图组成的视频片段作为输入资源消耗过高，且当同一时刻出现多个人体时，行为检测算法无法聚焦到每个行人的动作特征，影响行为识别效果；二是一些特定的行为动作
(
如跌倒，打架等
)
其人体姿态往往会有剧烈的变化，且容易受遮挡
、
干扰物等的影响，人体检测算法往往对人体框的检测效果不佳，会出现人体框不准，漏检等问题
。
如果直接将全景图中每个人体框进行抠图后输入，则无法保留人体与周围环境的交互信息，且人体框抠图质量不佳，也会对行为识别的效果产生较大的影响
。
因此，如何在背景繁杂，干扰严重的情况下进行快速准确的行为识别成为一个亟待解决的难题
。
[0005]相应地，本领域需要一种新的行为识别方法
、
系统
、
电子设备及存储介质方案来解决上述问题
。

技术实现思路

[0006]为了克服上述问题至少之一，提出了本专利技术，以提供解决或至少部分地解决现有技术无法快速准确地识别目标行为的技术问题的行为识别方法
、
系统
、
电子设备及存储介质
。
[0007]在第一方面，本专利技术提供一种行为识别方法，包括：
[0008]获取视频中每一个目标所对应的检测框序列；
[0009]根据所述检测框序列中的检测框，生成与所述目标相对应的融合框；
[0010]利用所述融合框对所述目标进行提取，得到所述目标所对应的视频序列；
[0011]将所述视频序列输入至预设模型，确定所述目标的行为
。
[0012]在上述行为识别方法的一个技术方案中，所述“根据所述检测框序列中的检测框，生成与所述目标相对应的融合框”包括：
[0013]获取所述视频的
n
个采样帧，所述
n≥1
；
[0014]在所述目标所对应的检测框序列中，选取与所述每一个采样帧相对应的检测框并记为采样框；
[0015]根据所述采样框，生成与所述目标相对应的融合框
。
[0016]在上述行为识别方法的一个技术方案中，所述方法还包括：
[0017]若在所述目标所对应的检测框序列中，与所述每一个采样帧相对应的检测框均不存在，则重新获取所述视频的
n
个采样帧
。
[0018]在上述行为识别方法的一个技术方案中，所述“根据所述采样框，生成与所述目标相对应的融合框”包括：
[0019]在预设坐标系中获取所述采样框的角点的坐标，其中，所述预设坐标系的
x
轴与所述采样框的其中一组边线平行，所述预设坐标系的
y
轴与所述采样框的另一组边线平行；
[0020]遍历所述所有采样框，得到所述所有采样框的角点的坐标；
[0021]根据所述所有采样框的角点的坐标生成所述融合框
。
[0022]在上述行为识别方法的一个技术方案中，所述“根据所述所有采样框的角点的坐标生成所述融合框”包括：
[0023]选取所述所有角点的坐标中最小的
x
值
x_min、
最小的
y
值
y_min、
最大的
x
值
x_max
以及最大的
y
值
y_max
；
[0024]将
(x_min
，
y_min)
记为所述融合框的第一角点的坐标，并且，将
(x_max
，
y_max)
记为所述融合框的第二角点的坐标，其中，所述第一角点与所述第二角点的连线为所述融合框的对角线，所述融合框的其中一组边线与所述预设坐标系的
x
轴平行，所述融合框的另一组边线与所述预设坐标系的
y
轴平行
。
[0025]在上述行为识别方法的一个技术方案中，所述“获取视频中每一个目标所对应的检测框序列”包括：
[0026]获取所述视频的当前帧中的检测框和历史帧中的检测框；
[0027]将所述当前帧中的检测框与所述历史帧中的检测框进行匹配；
[0028]将每一组匹配成功的检测框记为对应目标的检测框序列；
[0029]将每一个匹配失败的当前帧检测框记为对应新出现目标的检测框序列
。
[0030]在上述行为识别方法的一个技术方案中，所述“将所述视频序列输入至预设模型，确定所述目标的行为”包括：
[0031]获取所述目标每一个动作的预测分值；
[0032]若所述预测分值大于预设阈值，则确定所述目标出现了对应的动作
。
[0033]在第二方面，本专利技术提供一种行为识别系统，包括：
[0034]检测模块，所述检测模块被配置为获取视频中每一个目标所对应的检测框序列；
[0035]生成模块，所述生成模块被配置为根据所述检测框序列中的检测框，生成与所述目标相对应的融合框；
[0036]处理模块，所述处理模块被配置为利用所述融合框对所述目标进行提取，得到所
述目标所对应的视频序列；
[0037]分析模块，所述分析模块被配置为将所述视频序列输入至预设模型，确定所述目标的行为
。
[0038]在第三方面，提供一种电子设备，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种行为识别方法，其特征在于，所述方法包括：获取视频中每一个目标所对应的检测框序列；根据所述检测框序列中的检测框，生成与所述目标相对应的融合框；利用所述融合框对所述目标进行提取，得到所述目标所对应的视频序列；将所述视频序列输入至预设模型，确定所述目标的行为
。2.
如权利要求1所述的方法，其特征在于，所述“根据所述检测框序列中的检测框，生成与所述目标相对应的融合框”包括：获取所述视频的
n
个采样帧，所述
n≥1
；在所述目标所对应的检测框序列中，选取与所述每一个采样帧相对应的检测框并记为采样框；根据所述采样框，生成与所述目标相对应的融合框
。3.
如权利要求2所述的方法，其特征在于，所述方法还包括：若在所述目标所对应的检测框序列中，与所述每一个采样帧相对应的检测框均不存在，则重新获取所述视频的
n
个采样帧
。4.
如权利要求2所述的方法，其特征在于，所述“根据所述采样框，生成与所述目标相对应的融合框”包括：在预设坐标系中获取所述采样框的角点的坐标，其中，所述预设坐标系的
x
轴与所述采样框的其中一组边线平行，所述预设坐标系的
y
轴与所述采样框的另一组边线平行；遍历所述所有采样框，得到所述所有采样框的角点的坐标；根据所述所有采样框的角点的坐标生成所述融合框
。5.
如权利要求4所述的方法，其特征在于，所述“根据所述所有采样框的角点的坐标生成所述融合框”包括：选取所述所有角点的坐标中最小的
x
值
x_min、
最小的
y
值
y_min、
最大的
x
值
x_max
以及最大的
y
值
y_max
；将
(x_min
，<...

【专利技术属性】
技术研发人员：杨文哲，
申请(专利权)人：上海云从企业发展有限公司，
类型：发明
国别省市：