[發(fā)明專利]基于運(yùn)動(dòng)向量分段分析的行為分析方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201911260375.0
• 申請(qǐng)日: 2019-12-10
• 公開（公告）號(hào): CN111027482B
• 公開（公告）日: 2023-04-14
• 發(fā)明（設(shè)計(jì)）人: 王錦文;麥全深
• 申請(qǐng)（專利權(quán)）人: 浩云科技股份有限公司
• 主分類號(hào): G06V20/40
• 分類號(hào): G06V20/40
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 郭浩輝;麥小嬋

1.基于運(yùn)動(dòng)向量分段分析的行為分析方法，其特征在于，包括：

獲取待識(shí)別視頻；

檢測(cè)待檢測(cè)視頻中是否有人頭；

若待檢測(cè)視頻中有人頭，則提取視頻中的光流特征；

對(duì)光流特征進(jìn)行分段編碼以獲得分段特征數(shù)據(jù)，包括：根據(jù)光流特征獲取光流X方向增幅和光流Y方向增幅；當(dāng)光流X方向增幅和光流Y方向增幅均大于第一預(yù)設(shè)閾值且小于第二預(yù)設(shè)閾值時(shí)，將像素信息統(tǒng)計(jì)在1到8維度上；根據(jù)光流X方向增幅和光流Y方向增幅判斷落入哪個(gè)維度，并將所落入的維度的點(diǎn)個(gè)數(shù)加1；當(dāng)光流X方向增幅大于第二預(yù)設(shè)閾值或光流Y方向增幅大于第二預(yù)設(shè)閾值時(shí)，將像素信息統(tǒng)計(jì)在9到16維度上；根據(jù)光流X方向增幅和光流Y方向增幅判斷落入哪個(gè)維度，并將所落入的維度的點(diǎn)個(gè)數(shù)加1；對(duì)1到8維度的點(diǎn)個(gè)數(shù)和9到16維度的點(diǎn)個(gè)數(shù)進(jìn)行L1歸一化并合并得到圖像的空間特征；基于預(yù)設(shè)數(shù)量的連續(xù)若干幀圖像的空間特征形成當(dāng)前幀圖像的分段特征數(shù)據(jù)；其中所述第二預(yù)設(shè)閾值大于第一預(yù)設(shè)閾值；

基于分段特征數(shù)據(jù)和預(yù)設(shè)的行為分類器獲取行為分析結(jié)果。

2.如權(quán)利要求1所述的方法，其特征在于，檢測(cè)待檢測(cè)視頻中是否有人頭包括：以預(yù)設(shè)的改進(jìn)后的mobilenetv2-ssd卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)人頭，若檢測(cè)到人頭，則通過SORT跟蹤人頭，在預(yù)設(shè)幀圖片內(nèi)均跟蹤到人頭，則判斷待檢測(cè)視頻中有人頭；其中改進(jìn)后的mobilenetv2-ssd卷積神經(jīng)網(wǎng)絡(luò)為：將mobilenetv2第10個(gè)Bottleneck之后的卷積層裁剪掉，并將mobilenetv2的卷積通道數(shù)寬度調(diào)成0.5，然后在第10個(gè)Bottleneck之后接一個(gè)卷積層，作為第一個(gè)預(yù)測(cè)輸出層，在此基礎(chǔ)上再接一個(gè)卷積層網(wǎng)絡(luò)，作為第二個(gè)預(yù)測(cè)輸出層，然后再一個(gè)卷積層作為第三個(gè)預(yù)測(cè)輸出層。

3.基于運(yùn)動(dòng)向量分段分析的行為分析裝置，其特征在于，包括：

獲取模塊，用于獲取待識(shí)別視頻；

檢測(cè)模塊，用于檢測(cè)待檢測(cè)視頻中是否有人頭；

光流特征提取模塊，用于在待檢測(cè)視頻中包含人頭時(shí)，提取視頻中的光流特征；

分段特征數(shù)據(jù)模塊，用于對(duì)光流特征進(jìn)行分段編碼以獲得分段特征數(shù)據(jù)，具體用于：根據(jù)光流特征獲取光流X方向增幅和光流Y方向增幅；當(dāng)光流X方向增幅和光流Y方向增幅均大于第一預(yù)設(shè)閾值且小于第二預(yù)設(shè)閾值時(shí)，將像素信息統(tǒng)計(jì)在1到8維度上；根據(jù)光流X方向增幅和光流Y方向增幅判斷落入哪個(gè)維度，并將所落入的維度的點(diǎn)個(gè)數(shù)加1；當(dāng)光流X方向增幅大于第二預(yù)設(shè)閾值或光流Y方向增幅大于第二預(yù)設(shè)閾值時(shí)，將像素信息統(tǒng)計(jì)在9到16維度上；根據(jù)光流X方向增幅和光流Y方向增幅判斷落入哪個(gè)維度，并將所落入的維度的點(diǎn)個(gè)數(shù)加1；對(duì)1到8維度的點(diǎn)個(gè)數(shù)和9到16維度的點(diǎn)個(gè)數(shù)進(jìn)行L1歸一化并合并得到圖像的空間特征；基于預(yù)設(shè)數(shù)量的連續(xù)若干幀圖像的空間特征形成當(dāng)前幀圖像的分段特征數(shù)據(jù)；其中所述第二預(yù)設(shè)閾值大于第一預(yù)設(shè)閾值；

行為分析模塊，用于基于分段特征數(shù)據(jù)和預(yù)設(shè)的行為分類器獲取行為分析結(jié)果。