[發(fā)明專利]一種基于邊緣計算的人體行為檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 202110389062.6
• 申請日: 2021-04-12
• 公開（公告）號: CN113177442A
• 公開（公告）日: 2021-07-27
• 發(fā)明（設(shè)計）人: 馬敬奇;焦?jié)申?/a>;李辰潼;張勃興;雷歡;陳再勵;鐘震宇
• 申請（專利權(quán)）人: 廣東省科學(xué)院智能制造研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣東廣盈專利商標(biāo)事務(wù)所(普通合伙) 44339
• 代理人: 李俊

本發(fā)明公開了一種基于邊緣計算的人體行為檢測方法及裝置，其中，所述方法包括：對圖像信息中的人體姿態(tài)關(guān)節(jié)點進(jìn)行檢測，獲得人體姿態(tài)關(guān)節(jié)點及所述人體姿態(tài)關(guān)節(jié)點對應(yīng)的坐標(biāo)數(shù)據(jù)；基于所述人體姿態(tài)關(guān)節(jié)點及所述人體姿態(tài)關(guān)節(jié)點對應(yīng)的坐標(biāo)數(shù)據(jù)將人體劃分為六個圓形近似區(qū)域；對所述六個圓形近似區(qū)域分別進(jìn)行區(qū)域特征提取處理，并基于獲得的區(qū)域特征構(gòu)建姿態(tài)特征矩陣；將構(gòu)建好的姿態(tài)特征矩陣輸入訓(xùn)練收斂的人體行為檢測模型中進(jìn)行人體行為檢測，輸出人體行為檢測結(jié)果。在本發(fā)明實施例中，實現(xiàn)了判斷人體行為時，簡化了行為分析處理數(shù)據(jù)的復(fù)雜度，同時提高了人體行為分類識別的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)視覺技術(shù)領(lǐng)域，尤其涉及一種基于邊緣計算的人體行為檢測方法及裝置。

背景技術(shù)

目前人體行為分析技術(shù)和方法主要可歸納為以下幾類：(1)利用深度學(xué)習(xí)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)，提取連續(xù)的動作視頻分析，這種方法需要連續(xù)提取每一幀的視頻行為特征，結(jié)合幀間數(shù)據(jù)進(jìn)行人體行為識別，這往往需要占用大量的計算內(nèi)存，模型推理時間較長，行為的識別滯后。(2)提取人體姿態(tài)關(guān)節(jié)點，建立數(shù)學(xué)模型對人體姿態(tài)關(guān)節(jié)數(shù)據(jù)進(jìn)行訓(xùn)練分類，處理的數(shù)據(jù)維度和數(shù)據(jù)量較多，并且將人體分為離散的關(guān)節(jié)點數(shù)據(jù)進(jìn)行處理，未能考慮人體局部的整體動作特征，而人的身體是局部聯(lián)動的。(3)利用人體區(qū)域?qū)捀弑?、人體與地面夾角等數(shù)學(xué)特點判斷人體的異常行為，也未能考慮人體的局部姿態(tài)特征。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于邊緣計算的人體行為檢測方法及裝置，實現(xiàn)了判斷人體行為時，簡化了行為分析處理數(shù)據(jù)的復(fù)雜度，同時提高了人體行為分類識別的準(zhǔn)確率。

為了解決上述技術(shù)問題，本發(fā)明實施例提供了一種基于邊緣計算的人體行為檢測方法，所述方法包括：

對圖像信息中的人體姿態(tài)關(guān)節(jié)點進(jìn)行檢測，獲得人體姿態(tài)關(guān)節(jié)點及所述人體姿態(tài)關(guān)節(jié)點對應(yīng)的坐標(biāo)數(shù)據(jù)；

基于所述人體姿態(tài)關(guān)節(jié)點及所述人體姿態(tài)關(guān)節(jié)點對應(yīng)的坐標(biāo)數(shù)據(jù)將人體劃分為六個圓形近似區(qū)域，所述六個圓形近似區(qū)域分別為頭部圓形近似區(qū)域、左臂圓形近似區(qū)域、右臂圓形近似區(qū)域、胸部圓形近似區(qū)域、左腿圓形近似區(qū)域、右腿圓形近似區(qū)域；

對所述六個圓形近似區(qū)域分別進(jìn)行區(qū)域特征提取處理，并基于獲得的區(qū)域特征構(gòu)建姿態(tài)特征矩陣；

將構(gòu)建好的姿態(tài)特征矩陣輸入訓(xùn)練收斂的人體行為檢測模型中進(jìn)行人體行為檢測，輸出人體行為檢測結(jié)果。

可選的，所述對圖像信息中的人體姿態(tài)關(guān)節(jié)點進(jìn)行檢測，獲得人體姿態(tài)關(guān)節(jié)點及所述人體姿態(tài)關(guān)節(jié)點對應(yīng)的坐標(biāo)數(shù)據(jù)，包括：

利用卷積神經(jīng)網(wǎng)絡(luò)模型對圖像信息中的人體姿態(tài)關(guān)節(jié)點進(jìn)行檢測，獲得人體姿態(tài)關(guān)節(jié)點及所述人體姿態(tài)關(guān)節(jié)點在圖像信息中對應(yīng)的坐標(biāo)數(shù)據(jù)；

所述人體姿態(tài)關(guān)節(jié)點為按照預(yù)設(shè)標(biāo)號順序進(jìn)行排序標(biāo)號的人體姿態(tài)關(guān)節(jié)點，其中，所述人體姿態(tài)關(guān)節(jié)點包括頸部關(guān)節(jié)點、右肩關(guān)節(jié)點、右肘關(guān)節(jié)點、右腕關(guān)節(jié)點、左肩關(guān)節(jié)點、左肘關(guān)節(jié)點、左腕關(guān)節(jié)點、左臀關(guān)節(jié)點、左膝關(guān)節(jié)點、左腳踝關(guān)節(jié)點、右臀關(guān)節(jié)點、右膝關(guān)節(jié)點、右腳踝關(guān)節(jié)點、右耳關(guān)節(jié)點、左耳關(guān)節(jié)點。

可選的，所述基于所述人體姿態(tài)關(guān)節(jié)點及所述人體姿態(tài)關(guān)節(jié)點對應(yīng)的坐標(biāo)數(shù)據(jù)將人體劃分為六個圓形近似區(qū)域，包括：

根據(jù)頸部關(guān)節(jié)點的坐標(biāo)、右耳關(guān)節(jié)點的坐標(biāo)和左耳關(guān)節(jié)點的坐標(biāo)計算劃分，獲得頭部圓形近似區(qū)域；

根據(jù)右肩關(guān)節(jié)點的坐標(biāo)、右肘關(guān)節(jié)點的坐標(biāo)和右腕關(guān)節(jié)點的坐標(biāo)計算劃分，獲得右臂圓形近似區(qū)域；

根據(jù)頸部關(guān)節(jié)點的坐標(biāo)、左臀關(guān)節(jié)點的坐標(biāo)和右臀關(guān)節(jié)點的坐標(biāo)計算劃分，獲得胸部圓形近似區(qū)域；

根據(jù)左肩關(guān)節(jié)點的坐標(biāo)、左肘關(guān)節(jié)點的坐標(biāo)和左腕關(guān)節(jié)點的坐標(biāo)計算劃分，獲得左臂圓形近似區(qū)域；