System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 无码的免费不卡毛片视频,yy111111少妇影院里无码,日韩精品无码一区二区三区免费
  • 
    <ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>
    當前位置: 首頁 > 專利查詢>同濟大學專利>正文

    一種基于多路視頻流的人體行為識別方法和系統技術方案

    技術編號:43782875 閱讀:17 留言:0更新日期:2024-12-24 16:18
    本發明專利技術涉及一種基于多路視頻流的人體行為識別方法和系統,方法包括以下步驟:獲取網絡攝像機拍攝的視頻流得到圖像幀;利用yolov7?pose算法檢測圖像幀中的人體,并進行姿態估計,獲得人體檢測框以及對應關節點坐標;利用SORT算法通過關節點坐標實現人體追蹤,為每一個人體檢測框分配標識;根據標識區分人體檢測框,再利用時空卷積圖網絡實現人體行為識別,得到行為識別結果;得到行為識別的結果,進行實時可視化顯示并且對危險行為發出警報。與現有技術相比,本發明專利技術具有準確性高、可擴展性強等優點。

    【技術實現步驟摘要】

    本專利技術涉及圖像處理和視頻理解領域,尤其是涉及一種基于多路視頻流的人體行為識別方法和系統


    技術介紹

    1、行為識別是人工智能為人類生產生活服務的重要基礎技術。基于計算機視覺的人員行為識別技術在安防、醫療、交通等領域都得到了廣泛的應用。近年來,基于深度學習的算法成為行為識別領域的主流,這類數據驅動的算法精度更高、適應場景更廣。人的行為一般有一定的持續時間,準確識別行為就需要輸入多幀連續圖像或視頻,對其時空特征進行同步提取與分析。出于魯棒性考慮,現有行為識別系統往往首先通過人員檢測和人體姿態估計獲得人體骨架信息,作為核心行為識別模塊的輸入。骨架信息是人體動作信息的抽象表示包括關節坐標、關節索引號和關節之間的連接關系。相比于rgb圖像信息,骨架信息更少地受光照、遮擋和復雜背景的影響;骨架信息是自然的拓撲圖數據,是對于人體運動的直觀的建模,更適合作為行為識別的輸入。這樣,一個大的行為識別系統就被分解為幾個子模塊,模塊化分解流程顯然使得系統的開發、調試與維護更簡便,但模塊過多也可能導致系統效率下降,需要開發人員在效率和魯棒性間尋找平衡。

    2、基于深度學習的算法對設備算力的要求也更高。隨著實際場景中監控點位的數量增長與監控圖像質量的提升,傳統單線程視頻傳輸與處理流程或視頻離線處理方法已難以滿足實際需求。對于多路視頻輸入,簡單地將原本的單線程行為識別系統進行復制,或者將多路輸入直接合成一個大的批處理(batch)輸入,顯然無法充分利用計算資源,限制了系統的吞吐性能,更難以應對新的輸入流、算法和模型的擴展要求。


    <p>技術實現思路

    1、本專利技術的目的就是為了克服上述現有技術存在的缺陷而提供一種基于多路視頻流的人體行為識別方法和系統,提升識別準確性和系統的可擴展性。

    2、本專利技術的目的可以通過以下技術方案來實現:

    3、一種基于多路視頻流的人體行為識別方法,包括以下步驟:

    4、s1:獲取網絡攝像機拍攝的視頻流得到圖像幀;

    5、s2:利用yolov7-pose算法檢測圖像幀中的人體,并進行姿態估計,獲得人體檢測框以及對應關節點坐標;

    6、s3:利用sort算法通過關節點坐標實現人體追蹤,為每一個人體檢測框分配標識;

    7、s4:根據標識區分人體檢測框,再利用時空卷積圖網絡實現人體行為識別,得到行為識別結果;

    8、s5:得到行為識別的結果,進行實時可視化顯示并且對危險行為發出警報。

    9、進一步地,時空卷積圖模型包括關節點流和速度流,關節點流為關節點在單幀中的位置信息,速度流為同一關節點在相鄰兩幀圖像之間的差值,根據關節點流和速度流得到人體姿態和運動軌跡,進而得到人體行為識別結果。

    10、進一步地,關節點流和速度流的計算表達式分別為:

    11、pt,k=(xt,k,yt,k,st,k)

    12、vt,k=pt,k-pt-1,k

    13、式中,pt,k為關節點流,vt,k為速度流,xt,k為,yt,k為,st,k為,t為時間,k為第k個關節。

    14、進一步地,關節點包括鼻子、左肩、右肩、左腕、右腕、左肘、右肘、左膝、右膝、右胯、左胯、右腳踝、左腳踝和左肩與右肩的中點。

    15、進一步地,時空卷積圖模型依次包括輸入層、時空圖卷積層、批次標準化層、時空圖池化層、全局池化層和輸出層,時空卷積圖模型的輸入為關節點坐標,輸出為行為類別的概率值。

    16、本專利技術的第二方面,一種基于多路視頻流的人體行為識別系統,包括客戶端和服務端,客戶端輸入多路視頻流數據,將圖像數據和推理請求發送給服務端,服務端接收推理請求和圖像數據,對圖像數據執行推理并且返回推理結果至客戶端,系統運行時,執行如上任一的一種基于多路視頻流的人體行為識別方法。

    17、進一步地,客戶端包括攝像頭、圖像幀采集模塊、人體姿態推理請求模塊、人體追蹤模塊和行為識別推理請求模塊,服務端包括人體姿態推理響應請求模塊和行為識別推理響應請求模塊,攝像頭拍攝待識別目標,通過圖像幀采集模塊生成圖像幀,人體姿態推理請求模塊發送姿態推理請求和圖像幀到人體姿態推理響應請求模塊中,得到姿態推理結果后返回,人體追蹤模塊根據姿態推理結果進行追蹤,生成多流數據,行為識別推理請求模塊將多流數據發送到行為識別推理響應請求模塊,得到行為識別結果后返回。

    18、進一步地,客戶端還包括危險行為警報模塊,當行為識別結果為危險行為時,危險行為警報模塊發出警報。

    19、進一步地,客戶端的執行過程為:

    20、1)讀取圖像數據,轉換成將其轉換成base64編碼,得到編碼后的字符串;

    21、2)構造第一字典,其中包括鍵值對,鍵值對的鍵為預先設置的客戶端鍵值,鍵值對的值為base64編碼;

    22、3)將第一字典發送至服務端。

    23、進一步地,服務端的執行過程為:

    24、1)接收客戶端發送的第一字典;

    25、2)將編碼后的字符串解碼為圖像數組;

    26、3)定義圖像的前處理操作,并執行前處理操作,得到處理后的數據;

    27、4)將處理后的數據保存在第二字典中,將第二字典發送回客戶端。

    28、與現有技術相比,本專利技術具有以下有益效果:

    29、1)本專利技術通過sort算法通過關節點進行人員區分,避免人員之間產生識別干擾,再使用時空卷積圖,根據關節點坐標,通過計算關節點在單幀中的位置信息和關節點在連續幀之間的運動信息,得到各個關節的運動軌跡,能夠獲得連續的運動過程,從而分辨運動姿態,準確地實現場景中人員行動的監控。

    30、2)本專利技術可采用模型服務化部署的方式,將檢測和識別模型放在服務端,多路視頻流的輸入后作為多個客戶端發送推理請求,可以減少客戶端的計算壓力,同時具有較高的可擴展性,在實際生產中具有較多的應用場景。

    本文檔來自技高網
    ...

    【技術保護點】

    1.一種基于多路視頻流的人體行為識別方法,其特征在于,包括以下步驟:

    2.根據權利要求1所述的一種基于多路視頻流的人體行為識別方法,其特征在于,所述時空卷積圖模型包括關節點流和速度流,所述關節點流為關節點在單幀中的位置信息,所述速度流為同一關節點在相鄰兩幀圖像之間的差值,根據關節點流和速度流得到人體姿態和運動軌跡,進而得到人體行為識別結果。

    3.根據權利要求2所述的一種基于多路視頻流的人體行為識別方法,其特征在于,所述關節點流和速度流的計算表達式分別為:

    4.根據權利要求1所述的一種基于多路視頻流的人體行為識別方法,其特征在于,所述關節點包括鼻子、左肩、右肩、左腕、右腕、左肘、右肘、左膝、右膝、右胯、左胯、右腳踝、左腳踝和左肩與右肩的中點。

    5.根據權利要求1所述的一種基于多路視頻流的人體行為識別方法,其特征在于,所述時空卷積圖模型依次包括輸入層、時空圖卷積層、批次標準化層、時空圖池化層、全局池化層和輸出層,所述時空卷積圖模型的輸入為關節點坐標,輸出為行為類別的概率值。

    6.一種基于多路視頻流的人體行為識別系統,其特征在于,包括客戶端和服務端,所述系統運行時,執行如權利要求1-5任一所述的一種基于多路視頻流的人體行為識別方法,所述客戶端執行步驟S1、S3、S5,所述服務端執行步驟S2、S4。

    7.根據權利要求6所述的一種基于多路視頻流的人體行為識別系統,其特征在于,所述客戶端包括攝像頭、圖像幀采集模塊、人體姿態推理請求模塊、人體追蹤模塊和行為識別推理請求模塊,所述服務端包括人體姿態推理響應請求模塊和行為識別推理響應請求模塊,所述攝像頭拍攝待識別目標,通過圖像幀采集模塊生成圖像幀,所述人體姿態推理請求模塊發送姿態推理請求和圖像幀到人體姿態推理響應請求模塊中,得到姿態推理結果后返回,所述人體追蹤模塊根據姿態推理結果進行追蹤,生成多流數據,所述行為識別推理請求模塊將多流數據發送到行為識別推理響應請求模塊,得到行為識別結果后返回。

    8.根據權利要求7所述的一種基于多路視頻流的人體行為識別系統,其特征在于,所述客戶端還包括危險行為警報模塊,當行為識別結果為危險行為時,所述危險行為警報模塊發出警報。

    9.根據權利要求6所述的一種基于多路視頻流的人體行為識別方法,其特征在于,所述客戶端的執行過程為:

    10.根據權利要求9所述的一種基于多路視頻流的人體行為識別方法,其特征在于,所述服務端的執行過程為:

    ...

    【技術特征摘要】

    1.一種基于多路視頻流的人體行為識別方法,其特征在于,包括以下步驟:

    2.根據權利要求1所述的一種基于多路視頻流的人體行為識別方法,其特征在于,所述時空卷積圖模型包括關節點流和速度流,所述關節點流為關節點在單幀中的位置信息,所述速度流為同一關節點在相鄰兩幀圖像之間的差值,根據關節點流和速度流得到人體姿態和運動軌跡,進而得到人體行為識別結果。

    3.根據權利要求2所述的一種基于多路視頻流的人體行為識別方法,其特征在于,所述關節點流和速度流的計算表達式分別為:

    4.根據權利要求1所述的一種基于多路視頻流的人體行為識別方法,其特征在于,所述關節點包括鼻子、左肩、右肩、左腕、右腕、左肘、右肘、左膝、右膝、右胯、左胯、右腳踝、左腳踝和左肩與右肩的中點。

    5.根據權利要求1所述的一種基于多路視頻流的人體行為識別方法,其特征在于,所述時空卷積圖模型依次包括輸入層、時空圖卷積層、批次標準化層、時空圖池化層、全局池化層和輸出層,所述時空卷積圖模型的輸入為關節點坐標,輸出為行為類別的概率值。

    6.一種基于多路視頻流的人體行為識別系統,其特征在于,包括客戶端和服務端,所述系統運行時,執行如權利要求1-5任一所述的...

    【專利技術屬性】
    技術研發人員:劉成菊陳啟軍王正璞
    申請(專利權)人:同濟大學
    類型:發明
    國別省市:

    網友詢問留言 已有0條評論
    • 還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。

    1
    主站蜘蛛池模板: 亚洲成av人片在线观看无码不卡| 国产精品三级在线观看无码| 无码人妻AV一二区二区三区| 免费人妻无码不卡中文字幕系| 国产成人无码aa精品一区| 久久青青草原亚洲av无码| 亚洲av永久无码天堂网| 麻豆国产精品无码视频| 无码视频一区二区三区在线观看| 国产亚洲精久久久久久无码| 亚洲中文无码永久免| 亚洲中文字幕无码av| 亚洲精品无码成人AAA片| 91精品无码久久久久久五月天| 99久无码中文字幕一本久道| 亚洲一区无码中文字幕| 无码毛片AAA在线| 亚洲精品无码专区在线| 亚洲中文字幕无码一区| 人妻av无码专区| 寂寞少妇做spa按摩无码| 亚洲成A人片在线观看无码不卡| 免费A级毛片无码免费视| 一本大道久久东京热无码AV| 亚洲成在人线在线播放无码| 无码区国产区在线播放| 国产办公室秘书无码精品99 | 无码人妻精品一二三区免费| 亚洲av无码国产精品夜色午夜 | 亚洲AV区无码字幕中文色| 亚洲中久无码不卡永久在线观看| 国产品无码一区二区三区在线| 中文字幕无码免费久久99| 人妻少妇精品无码专区二区| 精品无码日韩一区二区三区不卡| 无码人妻少妇色欲AV一区二区| 久久精品中文字幕无码绿巨人| 精品少妇无码AV无码专区| 伊人无码精品久久一区二区| 亚洲一区二区三区国产精品无码 | 亚州AV综合色区无码一区|