[發(fā)明專利]視頻監(jiān)控方法、裝置、終端和介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910001785.7
• 申請日: 2019-01-02
• 公開（公告）號: CN109635783B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設(shè)計）人: 劉佩林;王俊;鄒耀;應(yīng)忍冬;鄧寧;葛昊
• 申請（專利權(quán)）人: 上海數(shù)跡智能科技有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/762;G06V10/764;H04N7/18
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種視頻監(jiān)控方法，其特征在于，包括：

基于采集的深度圖像，提取屬于人體區(qū)域的像素點(diǎn)的深度特征，所述深度特征是圖像中人體區(qū)域像素點(diǎn)的深度值；

利用預(yù)先訓(xùn)練的關(guān)節(jié)像素點(diǎn)分類器和所述深度特征，對提取深度特征的像素點(diǎn)進(jìn)行分類，得到各關(guān)節(jié)部位的像素點(diǎn)集合；

利用聚類算法，確定所述像素點(diǎn)集合的中心像素點(diǎn)，并將所述中心像素點(diǎn)作為關(guān)節(jié)點(diǎn)位置，以基于所述關(guān)節(jié)點(diǎn)位置的變化監(jiān)控人體姿態(tài)的變化；

其中，所述基于采集的深度圖像，提取屬于人體區(qū)域的像素點(diǎn)的深度特征，包括：

根據(jù)所述采集的深度圖像的深度特征，對所述深度圖像進(jìn)行前后景分割，得到人體區(qū)域圖像；

利用網(wǎng)格格點(diǎn)化方法提取所述人體區(qū)域圖像上像素點(diǎn)的深度特征；

其中，所述關(guān)節(jié)點(diǎn)位置包括脖子、脊柱、左腳踝和右腳踝對應(yīng)的關(guān)節(jié)點(diǎn)位置；相應(yīng)的，所述方法還包括：

基于所述采集的深度圖像，分別提取所述脖子、脊柱、左腳踝和右腳踝對應(yīng)的關(guān)節(jié)點(diǎn)位置處像素點(diǎn)的深度特征，以及在深度圖像坐標(biāo)系中所述脖子、脊柱、左腳踝和右腳踝對應(yīng)的關(guān)節(jié)點(diǎn)位置的像素點(diǎn)坐標(biāo)；

依據(jù)所述提取的深度特征以及所述深度圖像坐標(biāo)系和三維世界坐標(biāo)系的轉(zhuǎn)換關(guān)系，將所述提取的各個像素點(diǎn)坐標(biāo)分別轉(zhuǎn)換為三維世界坐標(biāo)；

基于轉(zhuǎn)換后的三維世界坐標(biāo)，計算所述脖子與所述脊柱對應(yīng)的關(guān)節(jié)點(diǎn)位置間的連線和所述脊柱與所述左腳踝對應(yīng)的關(guān)節(jié)點(diǎn)位置間的連線形成的第一夾角，以及所述脖子與所述脊柱對應(yīng)的關(guān)節(jié)點(diǎn)位置間的連線和所述脊柱與所述右腳踝對應(yīng)的關(guān)節(jié)點(diǎn)位置間的連線形成的第二夾角；

基于轉(zhuǎn)換后的三維世界坐標(biāo)，計算所述腳踝和所述脖子對應(yīng)的關(guān)節(jié)點(diǎn)位置之間的垂直高度差；

分別根據(jù)所述第一夾角、第二夾角和垂直高度差與相應(yīng)閾值的關(guān)系，確定所述采集的深度圖像中人體是否處于跌倒?fàn)顟B(tài)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用網(wǎng)格格點(diǎn)化方法提取所述人體區(qū)域圖像上像素點(diǎn)的深度特征，包括：

以所述人體區(qū)域圖像上的目標(biāo)像素點(diǎn)為中心，構(gòu)建格點(diǎn)矩陣，其中，所述目標(biāo)像素點(diǎn)是所述人體區(qū)域圖像上的任意像素點(diǎn)；

對所述格點(diǎn)矩陣中每個格點(diǎn)對應(yīng)的像素點(diǎn)的深度特征取平均，作為所述目標(biāo)像素點(diǎn)的深度特征。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述關(guān)節(jié)像素點(diǎn)分類器的訓(xùn)練過程包括：

對樣本圖像進(jìn)行人體關(guān)節(jié)標(biāo)記，并將標(biāo)記結(jié)果作為訓(xùn)練所述關(guān)節(jié)像素點(diǎn)分類器的輸出；

提取所述樣本圖像上屬于人體區(qū)域的像素點(diǎn)的深度特征，作為訓(xùn)練所述關(guān)節(jié)像素點(diǎn)分類器的輸入；

基于所述輸入和所述輸出，對所述關(guān)節(jié)像素點(diǎn)分類器進(jìn)行訓(xùn)練。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用聚類算法，確定所述像素點(diǎn)集合的中心像素點(diǎn)，并將所述中心像素點(diǎn)作為關(guān)節(jié)點(diǎn)位置，以基于所述關(guān)節(jié)點(diǎn)位置的變化監(jiān)控人體姿態(tài)的變化，包括：

利用聚類算法，確定所述像素點(diǎn)集合的中心像素點(diǎn)，并將所述中心像素點(diǎn)作為關(guān)節(jié)點(diǎn)位置，將各個關(guān)節(jié)點(diǎn)位置進(jìn)行連線以形成人體骨架；

將所述人體骨架顯示在所述采集的深度圖像上，得到監(jiān)控圖像，并輸出所述監(jiān)控圖像。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

根據(jù)在預(yù)設(shè)時間內(nèi)連續(xù)采集的深度圖像，若在所述預(yù)設(shè)時間內(nèi)均確定所述深度圖像內(nèi)的人體處于跌倒?fàn)顟B(tài)，則確定視頻監(jiān)控結(jié)果為人體發(fā)生跌倒。

6.根據(jù)權(quán)利要求1-5中任一所述的方法，其特征在于，所述關(guān)節(jié)像素點(diǎn)分類器包括隨機(jī)森林分類器。

7.根據(jù)權(quán)利要求1-5中任一所述的方法，其特征在于，所述聚類算法包括均值偏移算法。

8.根據(jù)權(quán)利要求1-5中任一所述的方法，其特征在于，所述深度圖像包括基于結(jié)構(gòu)光技術(shù)或時間飛行原理的深度相機(jī)采集的視頻中的任意幀圖像。