【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及人體行為識(shí)別，尤其涉及一種基于關(guān)鍵幀提取的人體行為識(shí)別方法及系統(tǒng)。
技術(shù)介紹
1、近年來，隨著智能安防和視頻監(jiān)控領(lǐng)域需求的日益增加，人體行為識(shí)別（humanaction?recognition）受到了越來越多研究者的關(guān)注，尤其是在實(shí)時(shí)監(jiān)控環(huán)境中的應(yīng)用。人體行為識(shí)別可以看作是一種行為檢測和識(shí)別任務(wù)，旨在通過計(jì)算機(jī)視覺技術(shù)判斷視頻序列中是否發(fā)生了特定的行為。具體而言，在給定一段待識(shí)別視頻的情況下，系統(tǒng)需要實(shí)時(shí)識(shí)別并分類出其中發(fā)生的行為，并根據(jù)監(jiān)控視頻流判斷特定行為是否出現(xiàn)。這對(duì)于智能監(jiān)控、公共安全、異常行為檢測等具有重要應(yīng)用意義。
2、隨著深度學(xué)習(xí)技術(shù)的發(fā)展，越來越深的神經(jīng)網(wǎng)絡(luò)被應(yīng)用于人體行為識(shí)別任務(wù)中，取得了顯著的識(shí)別效果。然而，隨著網(wǎng)絡(luò)深度的增加，計(jì)算機(jī)的負(fù)荷越來越大；同時(shí)，由于攝像頭拍攝角度、運(yùn)動(dòng)模糊以及數(shù)據(jù)形式等因素的影響，也使得人體行為的識(shí)別變得更加復(fù)雜，增加了模型的誤識(shí)率和漏識(shí)率。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種基于關(guān)鍵幀提取的人體行為識(shí)別方法及系統(tǒng)，旨在解決傳統(tǒng)技術(shù)存在的誤識(shí)率和漏識(shí)率較高的問題。
2、第一方面，本專利技術(shù)提供一種基于關(guān)鍵幀提取的人體行為識(shí)別方法，所述方法包括：
3、基于速度系數(shù)和身體尺寸系數(shù)對(duì)人體監(jiān)測視頻進(jìn)行數(shù)據(jù)增強(qiáng)，得到目標(biāo)監(jiān)測視頻；
4、構(gòu)建人體骨骼模型，所述人體骨骼模型包括多個(gè)關(guān)節(jié)點(diǎn)，獲取每個(gè)關(guān)節(jié)點(diǎn)的三維位置信息和三維角度信息，并根據(jù)所述三維位置信息構(gòu)建每一幀圖像的位置信
5、將同一幀圖像下的位置信息集和角度信息集進(jìn)行合并連接，得到每一幀圖像的多維數(shù)據(jù)集；
6、基于幀序?qū)⑺瞿繕?biāo)監(jiān)測視頻中的圖像劃分為k個(gè)初始簇，并根據(jù)每一初始簇中包含的若干幀圖像定義左邊界集和右邊界集，并基于改進(jìn)的kkf算法迭代遍歷左邊界集和右邊界集，以根據(jù)遍歷結(jié)果獲取k個(gè)重新分類的最終簇；
7、獲取每個(gè)最終簇的特征均值集，并計(jì)算每個(gè)最終簇中的每幀圖像的多維數(shù)據(jù)集與所屬最終簇的特征均值集之間的特征距離，從同一最終簇下的多個(gè)特征距離中篩選出最小特征距離，并根據(jù)所述最小特征距離篩選出每一最終簇下的關(guān)鍵幀圖像，并根據(jù)所述關(guān)鍵幀圖像構(gòu)建人體行為識(shí)別模型。
8、綜上，根據(jù)上述的基于關(guān)鍵幀提取的人體行為識(shí)別方法，通過優(yōu)化輸入數(shù)據(jù)形式，減少外部干擾因素（如視角、角度變化等）對(duì)識(shí)別精度的影響，并結(jié)合高效的關(guān)鍵幀提取算法進(jìn)行模型訓(xùn)練，以提高整體識(shí)別的準(zhǔn)確率。具體地，通過在視頻流中提取關(guān)鍵幀，減少冗余數(shù)據(jù)，從而提高處理效率和準(zhǔn)確率。關(guān)鍵幀的選擇不僅能加速視頻的處理速度，還能有效地捕捉到人體行為的重要特征，提高識(shí)別精度。這種方法對(duì)于實(shí)時(shí)監(jiān)控場景尤為適用，可以在確保高效性的同時(shí)，提升人體行為識(shí)別的準(zhǔn)確率，尤其是在復(fù)雜環(huán)境下的監(jiān)控應(yīng)用中。
9、進(jìn)一步地，所述構(gòu)建人體骨骼模型，所述人體骨骼模型包括多個(gè)關(guān)節(jié)點(diǎn)，獲取每個(gè)關(guān)節(jié)點(diǎn)的三維位置信息和三維角度信息，并根據(jù)所述三維位置信息構(gòu)建每一幀圖像的位置信息集，根據(jù)所述三維角度信息構(gòu)建每一幀圖像的角度信息集的步驟包括：
10、根據(jù)以下公式構(gòu)建位置信息集：
11、
12、其中，表示第i幀圖像的位置信息集，分別表示第i幀圖像的第1個(gè)關(guān)節(jié)點(diǎn)、第n個(gè)關(guān)節(jié)點(diǎn)、第15個(gè)關(guān)節(jié)點(diǎn)的x坐標(biāo)，分別表示第i幀圖像的第1個(gè)關(guān)節(jié)點(diǎn)、第n個(gè)關(guān)節(jié)點(diǎn)、第15個(gè)關(guān)節(jié)點(diǎn)的y坐標(biāo)，分別表示第i幀圖像的第1個(gè)關(guān)節(jié)點(diǎn)、第n個(gè)關(guān)節(jié)點(diǎn)、第15個(gè)關(guān)節(jié)點(diǎn)的z坐標(biāo)；
13、根據(jù)以下公式構(gòu)建角度信息集：
14、
15、其中，表示第i幀圖像的角度信息集，分別表示第i幀圖像的第1個(gè)關(guān)節(jié)點(diǎn)、第n個(gè)關(guān)節(jié)點(diǎn)、第15個(gè)關(guān)節(jié)點(diǎn)在x平面的角度信息，分別表示第i幀圖像的第1個(gè)關(guān)節(jié)點(diǎn)、第n個(gè)關(guān)節(jié)點(diǎn)、第15個(gè)關(guān)節(jié)點(diǎn)在y平面的角度信息，分別表示第i幀圖像的第1個(gè)關(guān)節(jié)點(diǎn)、第n個(gè)關(guān)節(jié)點(diǎn)、第15個(gè)關(guān)節(jié)點(diǎn)在z平面的角度信息。
16、進(jìn)一步地，所述將同一幀圖像下的位置信息集和角度信息集進(jìn)行合并連接，得到與每一幀圖像對(duì)應(yīng)的多維數(shù)據(jù)集的步驟包括：
17、根據(jù)以下公式獲取多維數(shù)據(jù)集：
18、
19、其中，表示第i幀圖像的多維數(shù)據(jù)集，表示對(duì)應(yīng)信息集中的最大值，表示對(duì)應(yīng)信息集中的最小值，表示歸一化操作函數(shù)，、、、、、分別表示多維數(shù)據(jù)集中的第1維、第2維、第3維、第45維、第46維、第90維數(shù)據(jù)。
20、進(jìn)一步地，所述基于幀序?qū)⑺瞿繕?biāo)監(jiān)測視頻中的圖像劃分為k個(gè)初始簇，并根據(jù)每一初始簇中包含的若干幀圖像定義左邊界集和右邊界集，并基于改進(jìn)的kkf算法迭代遍歷左邊界集和右邊界集，以根據(jù)遍歷結(jié)果獲取k個(gè)重新分類的最終簇的步驟包括：
21、將所有幀圖像均勻劃分為k個(gè)初始化間隔，形成初始簇集，選取每個(gè)初始簇的第一幀圖像，以形成左邊界集,選取每個(gè)初始簇的最后一幀圖像，以形成右邊界集，其中，分別表示第1個(gè)、第2個(gè)、第k個(gè)初始簇，、分別表示第1個(gè)、第2個(gè)、第k個(gè)初始簇中的第一幀圖像，、分別表示第1個(gè)、第2個(gè)、第k個(gè)初始簇中的最后一幀圖像；
22、在每個(gè)迭代遍歷過程中，先遍歷右邊界集，而后遍歷左邊界集，如此不斷循環(huán)，直至新形成的k個(gè)簇的特征均值集均不發(fā)生變化，得到k個(gè)最終簇。
23、進(jìn)一步地，遍歷右邊界集的步驟包括：
24、步驟1.1、計(jì)算每個(gè)初始簇的特征均值集，令；
25、步驟2.1、計(jì)算右邊界集中與初始簇對(duì)應(yīng)的圖像分別與當(dāng)前簇和下一簇的特征距離和；
26、步驟3.1、判斷是否大于；
27、步驟4.1、若大于，則將圖像移動(dòng)到下一簇中；
28、步驟5.1、更新當(dāng)前簇和下一簇的特征均值集和?，并再次計(jì)算右邊界集中與初始簇對(duì)應(yīng)的新的圖像?與當(dāng)前簇和下一簇?的新特征距離和，直至小于或等于；
29、步驟6.1、若小于或等于，則令,重復(fù)步驟2.1至步驟6.1，直至；
30、遍歷左邊界集的步驟包括：
31、步驟1.2、令，
32、步驟2.2、計(jì)算左邊界集中與初始簇對(duì)應(yīng)的圖像分別與當(dāng)前簇和前一簇的特征距離和；
33、步驟3.2、判斷是否小于；
34、步驟4.2、若小于，則將圖像移動(dòng)到前一簇中；
35、步驟5.2、更新當(dāng)前簇和前一簇的特征均值集和?，并再次計(jì)算左邊界集中與初始簇對(duì)應(yīng)的新的圖像?與當(dāng)前簇和前一簇?的新特征距離和，直至大于或等于；
36、步驟6.2、若大于或等于，則令，重復(fù)步驟2.2至步驟6.2，直至。
37、進(jìn)一步地，根據(jù)以下公式計(jì)算得到特征均值集：
38、
39、其中，表示與簇對(duì)應(yīng)的特征均值集，表示簇中的最后一幀圖像，表示簇中的第一幀圖像，表示與圖像t對(duì)應(yīng)的多維數(shù)據(jù)集中的第n維數(shù)據(jù),、、分別表示簇中的第1維、第2維、第90維、第n維特征均值。
40、進(jìn)一步地，根據(jù)以下公式本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于關(guān)鍵幀提取的人體行為識(shí)別方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于關(guān)鍵幀提取的人體行為識(shí)別方法，其特征在于，所述構(gòu)建人體骨骼模型，所述人體骨骼模型包括多個(gè)關(guān)節(jié)點(diǎn)，獲取每個(gè)關(guān)節(jié)點(diǎn)的三維位置信息和三維角度信息，并根據(jù)所述三維位置信息構(gòu)建每一幀圖像的位置信息集，根據(jù)所述三維角度信息構(gòu)建每一幀圖像的角度信息集的步驟包括：
3.根據(jù)權(quán)利要求2所述的基于關(guān)鍵幀提取的人體行為識(shí)別方法，其特征在于，所述將同一幀圖像下的位置信息集和角度信息集進(jìn)行合并連接，得到與每一幀圖像對(duì)應(yīng)的多維數(shù)據(jù)集的步驟包括：
4.根據(jù)權(quán)利要求3所述的基于關(guān)鍵幀提取的人體行為識(shí)別方法，其特征在于，所述基于幀序?qū)⑺瞿繕?biāo)監(jiān)測視頻中的圖像劃分為K個(gè)初始簇，并根據(jù)每一初始簇中包含的若干幀圖像定義左邊界集和右邊界集，并基于改進(jìn)的KKF算法迭代遍歷左邊界集和右邊界集，以根據(jù)遍歷結(jié)果獲取K個(gè)重新分類的最終簇的步驟包括：
5.根據(jù)權(quán)利要求4所述的基于關(guān)鍵幀提取的人體行為識(shí)別方法，其特征在于，遍歷右邊界集的步驟包括：
6.根據(jù)權(quán)利要求5所述的基于關(guān)鍵
7.根據(jù)權(quán)利要求6所述的基于關(guān)鍵幀提取的人體行為識(shí)別方法，其特征在于，根據(jù)以下公式計(jì)算得到特征距離：
8.一種基于關(guān)鍵幀提取的人體行為識(shí)別系統(tǒng)，其特征在于，所述系統(tǒng)包括：
9.一種存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)存儲(chǔ)一個(gè)或多個(gè)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的基于關(guān)鍵幀提取的人體行為識(shí)別方法。
10.一種電子設(shè)備，所述電子設(shè)備包括存儲(chǔ)器和處理器，其中：
...【技術(shù)特征摘要】
1.一種基于關(guān)鍵幀提取的人體行為識(shí)別方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于關(guān)鍵幀提取的人體行為識(shí)別方法，其特征在于，所述構(gòu)建人體骨骼模型，所述人體骨骼模型包括多個(gè)關(guān)節(jié)點(diǎn)，獲取每個(gè)關(guān)節(jié)點(diǎn)的三維位置信息和三維角度信息，并根據(jù)所述三維位置信息構(gòu)建每一幀圖像的位置信息集，根據(jù)所述三維角度信息構(gòu)建每一幀圖像的角度信息集的步驟包括：
3.根據(jù)權(quán)利要求2所述的基于關(guān)鍵幀提取的人體行為識(shí)別方法，其特征在于，所述將同一幀圖像下的位置信息集和角度信息集進(jìn)行合并連接，得到與每一幀圖像對(duì)應(yīng)的多維數(shù)據(jù)集的步驟包括：
4.根據(jù)權(quán)利要求3所述的基于關(guān)鍵幀提取的人體行為識(shí)別方法，其特征在于，所述基于幀序?qū)⑺瞿繕?biāo)監(jiān)測視頻中的圖像劃分為k個(gè)初始簇，并根據(jù)每一初始簇中包含的若干幀圖像定義左邊界集和右邊界集，并基于改...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：姚磊岳，曾超，熊建英，
申請(qǐng)(專利權(quán))人：江西中醫(yī)藥大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。