[發(fā)明專利]基于人體骨架和運動信號特征的暴力行為檢測系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 201810864496.5
• 申請日: 2018-08-01
• 公開（公告）號: CN109086717B
• 公開（公告）日: 2022-05-24
• 發(fā)明（設(shè)計）人: 劉貴松;張栗粽;殷光強;陳勇
• 申請（專利權(quán)）人: 四川電科維云信息技術(shù)有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V40/20;G06V10/762;G06V10/764;G06K9/62
• 代理公司: 成都希盛知識產(chǎn)權(quán)代理有限公司 51226
• 代理人: 陳澤斌;楊冬

1.基于人體骨架和運動信號特征的暴力行為檢測系統(tǒng)，其特征在于，

包括：運動區(qū)域提取模塊、運動類型分類模塊、運動信號統(tǒng)計模塊和圖像預(yù)測模塊；

所述運動區(qū)域提取模塊，用于按一定時間間隔連續(xù)提取3幀；然后根據(jù)相鄰兩幀的幀差求取人體骨架的關(guān)鍵部位像素的位移向量，提取其中運動的像素，并進行運動區(qū)域劃分；

所述運動類型分類模塊，用于根據(jù)每張圖中的運動區(qū)域數(shù)量和方向?qū)\動類型進行分類；

所述運動信號統(tǒng)計模塊，用于計算每個運行類型分類下圖片的運動信號的統(tǒng)計量；運動信號的統(tǒng)計量包括：幅度、加速度、關(guān)聯(lián)度的最大值、最小值、均值、中值和標(biāo)準(zhǔn)差；

所述圖像預(yù)測模塊，用于將運動信號的統(tǒng)計量作為特征輸入到訓(xùn)練好的SVM模型中進行暴力行為的預(yù)測。

2.如權(quán)利要求1所述的基于人體骨架和運動信號特征的暴力行為檢測系統(tǒng)，其特征在于，所述運動區(qū)域提取模塊采用k-means聚類方法進行運動區(qū)域的劃分。

3.如權(quán)利要求1所述的基于人體骨架和運動信號特征的暴力行為檢測系統(tǒng)，其特征在于，所述運動類型分類模塊將運動類型分為：單運動區(qū)域、多運動區(qū)域同向和多運動區(qū)域不同向三類。

4.如權(quán)利要求1-3任意一項所述的基于人體骨架和運動信號特征的暴力行為檢測系統(tǒng)，其特征在于，所述運動區(qū)域提取模塊、運動類型分類模塊、運動信號統(tǒng)計模塊和圖像預(yù)測模塊均被部署于同一個服務(wù)器中；或者，運動區(qū)域提取模塊、運動類型分類模塊和運動信號統(tǒng)計模塊被部署于同一個服務(wù)器中，所述圖像預(yù)測模塊被部署于另一個服務(wù)器中。

5.基于人體骨架和運動信號特征的暴力行為檢測方法，其特征在于，包括以下步驟：

a.按一定時間間隔連續(xù)提取3幀，然后根據(jù)相鄰兩幀的幀差求取人體骨架的關(guān)鍵部位像素的位移向量，提取其中運動的像素，并進行運動區(qū)域劃分；

b.根據(jù)每張圖中的運動區(qū)域數(shù)量和方向?qū)\動類型進行分類；

c.計算每個運行類型分類下圖片的運動信號的統(tǒng)計量；運動信號的統(tǒng)計量包括：幅度、加速度、關(guān)聯(lián)度的最大值、最小值、均值、中值和標(biāo)準(zhǔn)差；

d.將運動信號的統(tǒng)計量作為特征輸入到訓(xùn)練好的SVM模型中進行暴力行為的預(yù)測。

6.如權(quán)利要求5所述的基于人體骨架和運動信號特征的暴力行為檢測方法，其特征在于，步驟a中，采用k-means聚類方法進行運動區(qū)域的劃分。

7.如權(quán)利要求5所述的基于人體骨架和運動信號特征的暴力行為檢測方法，其特征在于，步驟b中，所述運動類型分為：單運動區(qū)域、多運動區(qū)域同向和多運動區(qū)域不同向三類。

8.如權(quán)利要求5所述的基于人體骨架和運動信號特征的暴力行為檢測方法，其特征在于，步驟c中，所述運動信號的統(tǒng)計量的計算方法包括：

根據(jù)公式計算出圖的幅度M；其中，r為區(qū)域，n_r表示r區(qū)域中像素個數(shù)，x和y分別表示像素的橫、縱坐標(biāo)；

根據(jù)公式A(t)＝|M(t)–M(t-1)|，計算出圖的加速度A；

根據(jù)公式計算出單圖中兩區(qū)域的關(guān)聯(lián)度G；其中，r為區(qū)域，D_ij表示i區(qū)域與j區(qū)域中心的距離。