[發(fā)明專利]一種智能監(jiān)控的手勢(shì)識(shí)別方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110694158.3
• 申請(qǐng)日: 2021-06-22
• 公開（公告）號(hào): CN113408433A
• 公開（公告）日: 2021-09-17
• 發(fā)明（設(shè)計(jì)）人: 崔子棟;吳毳;李津軒;姜峰
• 申請(qǐng)（專利權(quán)）人: 華僑大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/02
• 代理公司: 廈門智慧呈睿知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 35222
• 代理人: 陳曉思

本發(fā)明實(shí)施例提供一種智能監(jiān)控的手勢(shì)識(shí)別方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)，涉及智能監(jiān)控技術(shù)領(lǐng)域。其中，這種手勢(shì)識(shí)別方法包括S3C0、獲取圖像序列。其中，圖像序列包含有目標(biāo)人物。S3C1、基于終端輕量化神經(jīng)網(wǎng)絡(luò)模型，構(gòu)建物體檢測(cè)模型。S3C2、通過物體檢測(cè)模型，提取圖像序列中的手部圖像，并根據(jù)圖像序列的時(shí)間生成手部圖像序列。S3C3、根據(jù)手部圖像序列，通過圖像分類模型進(jìn)行分類，以獲得手勢(shì)序列。本發(fā)明通過物體檢測(cè)模型，從圖像序列中提取手部的圖像，然后再用圖像分類模型識(shí)別手部的動(dòng)作，大大提高了手勢(shì)識(shí)別的效率，具有很好的實(shí)際意義。

技術(shù)領(lǐng)域

本發(fā)明涉及智能監(jiān)控技術(shù)領(lǐng)域，具體而言，涉及一種智能監(jiān)控的手勢(shì)識(shí)別方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

為了能夠及時(shí)的發(fā)現(xiàn)老人或者小孩子發(fā)生意外，往往會(huì)在老人和小孩活動(dòng)的地方安裝攝像頭進(jìn)行實(shí)時(shí)拍攝。同時(shí)，為了能夠更加及時(shí)的知道老人或者小孩是否發(fā)生意外，會(huì)通過本地服務(wù)器、云服務(wù)器等設(shè)備對(duì)攝像頭拍到的畫面進(jìn)行實(shí)時(shí)的分析，在判斷到目標(biāo)人物發(fā)生意外的時(shí)候生成警報(bào)通知相關(guān)人員。

特別地，在先技術(shù)中，能夠通過分析監(jiān)控視頻中人物的手部動(dòng)作來判斷目標(biāo)人物是否發(fā)生意外。由于人體手部比較靈活。因此，在先技術(shù)中，對(duì)手部的識(shí)別的計(jì)算量比較大，識(shí)別速率往往比較慢。有時(shí)甚至?xí)霈F(xiàn)服務(wù)器死機(jī)，導(dǎo)致無法及時(shí)的發(fā)出警報(bào)的問題。

發(fā)明內(nèi)容

本發(fā)明提供了一種智能監(jiān)控的手勢(shì)識(shí)別方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)，以改善相關(guān)技術(shù)中的手勢(shì)識(shí)別速度慢的問題。

第一方面、

本發(fā)明實(shí)施例提供了一種智能監(jiān)控的手勢(shì)識(shí)別方法，其包含如下步驟：

S3C0、獲取圖像序列。其中，圖像序列包含有目標(biāo)人物。

S3C1、基于終端輕量化神經(jīng)網(wǎng)絡(luò)模型，構(gòu)建物體檢測(cè)模型。

S3C2、通過物體檢測(cè)模型，提取圖像序列中的手部圖像，并根據(jù)圖像序列的時(shí)間生成手部圖像序列。

S3C3、根據(jù)手部圖像序列，通過圖像分類模型進(jìn)行分類，以獲得手勢(shì)序列。

可選地，終端輕量化模型為MnasNet模型。物體檢測(cè)模型為SSD模型。

可選地，步驟S3C1具體包括：

S3C11、構(gòu)建以MnasNet模型為主干網(wǎng)絡(luò)的SSD模型。其中，主干網(wǎng)絡(luò)依次包括：1層卷積核為3x3的Conv，1層卷積核為3x3的SpeConv，2層卷積核為3x3的MBConv，3層卷積核為5x5的MBConv，4層卷積核為3x3的MBConv，2層卷積核為3x3的MBConv，3層卷積核為5x5的MBConv，1層卷積核為3x3的MBConv，1層Pooling或者1層FC。

可選地，步驟S3C2具體包括：

S3C21、將圖像序列逐幀輸入主干網(wǎng)絡(luò)，以使主干網(wǎng)絡(luò)逐層對(duì)圖像進(jìn)行卷積。

S3C22、提取卷積過程中的尺度為112×112×16、56×56×24、28×28×40、14×14×112、7×7×100的五個(gè)中間層進(jìn)行回歸分析，以獲得手部圖像的區(qū)域S3C23、根據(jù)區(qū)域從圖像中提取手部圖像。

可選地，步驟S3C0具體包括步驟S1和S2：

S1、接收目標(biāo)區(qū)域的不同角度的多個(gè)監(jiān)控視頻。

S2、根據(jù)多個(gè)監(jiān)控視頻，分別獲取目標(biāo)區(qū)域中的各個(gè)人物的圖像序列。

可選地，步驟S2具體包括：

S21、根據(jù)多個(gè)監(jiān)控視頻，通過OpenPose模型獲取目標(biāo)區(qū)域中的各個(gè)人物的不同角度的骨架信息。