[發(fā)明專利]一種對象行為的識別方法及裝置有效
| 申請?zhí)枺?/td> | 202010166577.5 | 申請日： | 2020-03-11 |
| 公開（公告）號： | CN111325292B | 公開（公告）日： | 2023-05-02 |
| 發(fā)明（設(shè)計）人： | 崔震;李百合;魯衛(wèi)華;李鵬 | 申請（專利權(quán)）人： | 中國電子工程設(shè)計院有限公司 |
| 主分類號： | G06V10/75 | 分類號： | G06V10/75;G06V10/82;G06N3/0464;G06N3/0442;G06N3/08 |
| 代理公司： | 北京同達(dá)信恒知識產(chǎn)權(quán)代理有限公司 11291 | 代理人： | 劉紅彬 |
| 地址： | 100142 北*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 對象 行為 識別 方法 裝置 | ||
2.如權(quán)利要求1所述的方法，其特征在于，根據(jù)待識別對象的位置信息，獲取所述待識別對象的軌跡數(shù)據(jù)之前，所述方法還包括：
采集的待識別對象的初始位置信息；
采用預(yù)設(shè)的預(yù)處理算法，對所述初始位置信息進(jìn)行處理，得到待識別對象的位置信息；其中，所述預(yù)處理算法包括重采樣算法和異常值處理算法。
3.如權(quán)利要求1所述的方法，其特征在于，獲取所述待識別對象的軌跡數(shù)據(jù)對應(yīng)的時序特征和相應(yīng)的軌跡圖像特征，包括：
采用預(yù)設(shè)時序特征提取算法，對所述軌跡數(shù)據(jù)中不同時刻的位置數(shù)據(jù)進(jìn)行提取，獲取所述軌跡數(shù)據(jù)的時序特征；其中，所述時序特征包括所述軌跡數(shù)據(jù)中不同時刻的速度、加速度、曲率、方向和轉(zhuǎn)角；
采用預(yù)設(shè)特征轉(zhuǎn)換算法，將所述軌跡數(shù)據(jù)轉(zhuǎn)換為相應(yīng)行為類型的軌跡圖像，并獲取所述軌跡圖像的軌跡圖像特征。
4.如權(quán)利要求1所述的方法，其特征在于，采用預(yù)設(shè)訓(xùn)練算法，對所述不同行為類型的時序特征和相應(yīng)的軌跡圖像特征進(jìn)行訓(xùn)練，得到行為識別模型，包括：
采用卷積神經(jīng)網(wǎng)絡(luò)CNN算法，對所述軌跡圖像特征進(jìn)行運算，得到卷積特征；
采用長短時記憶網(wǎng)絡(luò)LSTM算法，對所述時序特征進(jìn)行運算，得到目標(biāo)時序特征；
采用預(yù)設(shè)訓(xùn)練算法，對所述卷積特征和所述目標(biāo)時序特征進(jìn)行訓(xùn)練，得到行為識別模型；其中，所述行為類型包括徘徊行為、駐留行為和正常行為。
5.如權(quán)利要求1所述的方法，其特征在于，所述位置信息還包括所述位置數(shù)據(jù)所屬的空間標(biāo)識。
6.如權(quán)利要求1所述的方法，其特征在于，在所述待識別對象的數(shù)量為至少兩個時，所述方法還包括：
采用預(yù)設(shè)聚類算法，對所述多個待識別對象的每個時刻的位置信息進(jìn)行聚類，得到所述每個時刻的至少一個對象集合；
若第一對象集合與相鄰時刻的第二對象集合包含預(yù)設(shè)數(shù)量的相同待識別對象，且所述第一對象集合的平均速度大于預(yù)設(shè)速度閾值，則確定所述第一對象集合中每個待識別對象的行為類型為群體跟隨行為；
若第一對象集合與相鄰時刻的第二對象集合包含預(yù)設(shè)數(shù)量的相同待識別對象，且所述第一對象集合的平均速度不大于預(yù)設(shè)速度閾值，則確定所述第一對象集合中每個待識別對象的行為類型為群體聚集行為。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國電子工程設(shè)計院有限公司，未經(jīng)中國電子工程設(shè)計院有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010166577.5/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
