[發明專利]一種人體行為識別方法、系統及存儲介質

在審

• 申請號: 201811621829.8
• 申請日: 2018-12-28
• 公開（公告）號: CN109800665A
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 黃儉
• 申請（專利權）人: 廣州粵建三和軟件股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 譚英強

本發明公開了一種人體行為識別方法、系統及存儲介質，方法包括：基于SSD目標檢測模型，對采集到的人體圖像進行身體部位檢測，得到身體部位的定位信息；根據身體部位的定位信息，通過深度學習多分類算法對各個身體部位進行分類識別；其中，所述分類識別的結果包括但不限于頭部的安全帽佩戴識別結果、身體的工作服穿著識別結果、人數識別結果以及行為的安全性識別結果。本發明能夠對人體行為進行實時識別，且通過SSD目標檢測模型提高了識別結果的準確性和可靠性，可廣泛應用于深度學習技術領域。

技術領域

本發明涉及深度學習技術領域，尤其是一種人體行為識別方法、系統及存儲介質。

背景技術

當前市面上使用的人體部位識別技術以及行為識別技術大致分為以下幾種：

光流場：光流場是空間運動物體在觀測成像面上像素運動的瞬時速度。它利用圖像序列中的像素強度數據的時域變化和相關性來研究圖像的灰度在時間上的變化與場景物體結構及其運動的關系。光流法通常假設相鄰幀的圖像差異非常小，從而獲取對真實運動場的近似估計。它不用預知任何先驗知識，即能提供有關運動速度及圖像中運動區域的簡潔描述，適用于攝像機運動的情形。但光流法易受噪聲及光照變化的影響，且計算較為復雜，很難用于實時的視頻監控系統。

點軌跡：目標的運動軌跡也可以作為特征，從而大致推斷出目標運動所屬的行為類別。但圖像平面上的軌跡對平移、旋轉和縮放等變換比較敏感，因此在大多情形下，此特征顯得不夠可靠。常用的替代特征表達有軌跡速度、時空曲率等。運動軌跡的獲取比較依賴于精確的跟蹤算法。從原始視頻中提取點軌跡特征同樣容易受到噪聲、遮擋及混亂背景等的影響。

人體形狀表達：在攝像機固定的情形下，假設背景已知，通過背景剪除法可以很容易得到運動人體形狀。基于全局、邊界及骨架等的描繪子都可以用來表達人體形狀。全局方法如剪影、矩等是在整體形狀區域內計算描繪子，而邊界方法僅考慮形狀輪廓，骨架方法則是用一組骨架曲線代表一個復雜的人體形狀，比如中軸變換等。但該方法識別的行為特征同樣存在不可靠的缺點。

濾波器響應：空時濾波器響應是一個廣義上的分類。等存時間軸上計算高斯導數，將濾波器響應較高的區域作為運動區域。利用一組空時高斯導數濾波器將Harris(哈里斯)角點檢測擴展應用于三維的視頻數據從而檢測出空時興趣點。這類方法大都基于簡單的卷積操作，運算快速而簡便。當視頻分辨率較低的情形下，提取光流或剪影特征較為困難，利用濾波器響應特性可以從視頻數據中提取有效的底層特征。但如果應用于高清實時視頻流的條件下，還需進行一系列復雜的處理才能真正做到行為識別檢測。

發明內容

為解決上述技術問題，本發明的目的在于：提供一種實時性高且準確可靠的人體行為識別方法、系統及存儲介質。

本發明一方面所采取的技術方案為：

一種人體行為識別方法，包括以下步驟：

基于SSD目標檢測模型，對采集到的人體圖像進行身體部位檢測，得到身體部位的定位信息；

根據身體部位的定位信息，通過深度學習多分類算法對各個身體部位進行分類識別；

其中，所述分類識別的結果包括但不限于頭部的安全帽佩戴識別結果、身體的工作服穿著識別結果、人數識別結果以及行為的安全性識別結果。

進一步，所述基于SSD目標檢測模型，對采集到的人體圖像進行身體部位檢測，得到身體部位的定位信息這一步驟，包括以下步驟：

通過圖像采集模塊采集圖像，所述圖像采集模塊包括攝像機；

根據采集到的圖像，確認圖像中的人體圖像；

根據確認到的人體圖像，通過SSD目標檢測模型對人體的頭肩部位、軀干部位以及大腿部位進行定位，得到各個身體部位的定位信息。