[發明專利]一種目標物的姿態識別方法、裝置及攝像機

在審

• 申請號: 201811247103.2
• 申請日: 2018-10-25
• 公開（公告）號: CN111104816A
• 公開（公告）日: 2020-05-05
• 發明（設計）人: 呂瑞
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 謝安昆;宋志強

1.一種目標物的姿態識別方法，其特征在于，該方法包括，

獲取當前視頻幀；

檢測當前視頻幀中目標物的預設關鍵點，獲得當前幀中目標物的預設關鍵點信息；

根據預設關鍵點信息，判斷當前幀與前f幀中當前目標物的預設關鍵點的位置變化是否滿足第一預設姿態條件，和/或，判斷當前幀中當前目標物的預設關鍵點之間的位置關系是否滿足第二預設姿態條件；

如果滿足預設的姿態條件，則識別當前目標物姿態為預設姿態，

其中，f為預設的自然數，所述預設姿態條件根據目標物待識別姿態所具有的關鍵點之間的位置特征設置。

2.如權利要求1所述的識別方法，其特征在于，該方法進一步包括，

將識別出當前目標物姿態的當前幀輸入到訓練后的機器學習模型，如果機器學習模型識別當前幀中目標物姿態為所述預設姿態，則將該預設姿態作為識別結果。

3.如權利要求2所述的識別方法，其特征在于，所述將識別出當前目標物姿態的當前幀輸入到訓練后的機器學習模型，如果機器學習模型識別當前幀中目標物姿態為所述預設姿態，則將該預設姿態作為識別結果，包括，

收集包含目標物姿態的圖片數據，

標定圖片數據中所述目標物的第一目標框，提取圖片數據中的第一目標框圖像，制作識別姿態和非識別姿態的二分類樣本，

將所述二分類樣本輸入至機器學習模型，對該模型進行訓練，并保存當前訓練后的模型；

基于預設關鍵點生成當前幀中所識別當前目標物的第二目標框，從當前幀中提取第二目標框圖像，實時輸入至訓練后的模型進行分類，如果機器學習模型將其分類為所識別的姿態，則將該分類結果作為識別結果。

4.如權利要求1所述的識別方法，其特征在于，所述獲得當前幀中目標物的預設關鍵點信息之后進一步包括，

根據獲得的預設關鍵點信息，判斷當前幀中是否包括兩個以上目標物，如果是，則根據預設關鍵點信息進行目標物跟蹤，獲得鎖定目標物；否則，則將當前幀中的目標物作為鎖定目標物；

該方法進一步包括，

遍歷當前幀中的鎖定目標物，根據當前鎖定目標物的預設關鍵點信息進行姿態識別，直至當前幀的所有目標物姿態識別完畢。

5.如權利要求1至4任一所述的識別方法，其特征在于，該方法進一步包括，

判斷當前幀與前f幀中鎖定目標物的預設關鍵點位置變化是否大于第一位移閾值，

如果是，執行所述判斷當前幀與前f幀中當前目標物的預設關鍵點的位置變化是否滿足第一預設姿態條件步驟，

否則，則執行所述判斷當前幀中當前目標物的預設關鍵點之間的位置關系是否滿足第二預設姿態條件步驟。

6.如權利要求5所述的識別方法，其特征在于，所述第一預設姿態條件為起坐姿態條件，

所述判斷當前幀與前f幀中當前目標物的預設關鍵點的位置變化是否滿足第一預設姿態條件包括，

根據預設人體關鍵點信息，確定當前幀與前f幀同一預設人體關鍵點的縱向位置變化，并根據所述相對位置變化確定是否符合所述起坐姿態條件。

7.如權利要求6所述的識別方法，其特征在于，所述根據預設人體關鍵點信息，確定當前幀與前f幀同一預設人體關鍵點的縱向位置變化，并根據所述相對位置變化確定是否符合所述起坐姿態條件，包括，

根據預設的左肩部、和右肩部人體關鍵點信息，確定當前幀與前f幀中左肩部、和右肩部人體關鍵點的縱向位置變化，并根據所述位置變化確定是否符合起坐姿態條件。