[发明专利]一种风险行为识别方法

说明书

本发明实施例提供一种风险识别方法，所述方法包括：获取视频流序列中任一视频帧中目标人员的身体形态；其中，目标人员的身体形态为目标人员各身体部位的位置信息；根据该视频帧中目标人员的身体形态和前序视频帧中目标人员的身体形态，获取该视频帧中目标人员的运动信息；其中，目标人员的运动信息为目标人员各身体部位的运动信息；根据第一预设数量个视频帧中目标人员的身体形态和运动信息，获取目标人员的风险行为识别结果。本发明实施例中，通过将身体形态和运动信息相结合的方法对风险行为进行识别，消除基于单一信息的行为识别方法在应用中可能导致失败的情况，在满足对人员复杂行为进行识别的基础上，提高了风险识别的稳定性和可靠性。

技术领域

本发明实施例涉及行为识别技术领域，尤其涉及一种风险行为识别方法。

背景技术

对人类自身行为的识别在教学、医学、安全和人机交互等领域都有巨大的应用价值和重要的研究意义。例如在安全领域，可以通过对异常人体行为的分析，从而有效避免异常情况发生。

目前的人体行为识别可分为基于形状和基于运动两类。其中，基于形状的人体行为识别方法的主要特点是依靠从当前帧提取的形状线索来估计姿态，很少使用时域信息。基于形状的人体行为识别方法将人体模型作为启发式知识指导对体素数据进行的分析和标记，以获得姿态参数。这类方法由于不注重时域信息的使用，不存在基于运动的人体行为识别方法中会因误差累积而不能跟踪长序列的不足，同时也无需已知首帧姿态。相对于基于运动的人体行为识别方法，此类方法比较适合无视点的出租车内(受环境影响较小，便于特征提取)，能够估计比较复杂的人体运动，甚至是无约束运动(快速且难以预测的运动)。然而，由于不可能在每一帧中都能提取到可靠的形状线索，此类方法会因过度依赖绝对线索而失败。同时，这类方法在最小化目标函数(测量估计姿态的误差)过程中易于陷入局部极小，特别是在基于体素数据的方法中由于前景分割或体素重构错误而导致身体部件丢失或邻近部件错误合并的情况。基于运动的人体行为识别方法使用运动模型预测当前帧姿态，并用时域一致性假设跟踪人体运动。相对于基于形状的人体行为识别方法，此类方法可以得到更加稳定的结果，但不可避免地受到漂移问题的影响。同时，目前这类方法仅限于一些简单的、有规律的、有周期的动作，而对于复杂运动或无约束运动，由于难以建立相应的运动模型而无法准确预测下一帧姿态。

因而，如何在实现估计复杂人体运动的条件下保证识别结果的稳定可靠，对行为识别技术提出了新的挑战。

发明内容

本发明实施例提供一种风险行为识别方法，用以解决现有的行为识别方法无法满足复杂人体运动条件下行为识别的稳定性和可靠性的需求的问题。

一方面，本发明实施例提供一种风险行为识别方法，包括：

获取视频流序列中任一视频帧中目标人员的身体形态；其中，所述目标人员的身体形态为所述目标人员各身体部位的位置信息；

根据任一视频帧中目标人员的身体形态和所述任一视频帧的前序视频帧中目标人员的身体形态，获取所述任一视频帧中目标人员的运动信息；其中，所述目标人员的运动信息为所述目标人员各身体部位的运动信息；

根据第一预设数量个视频帧中目标人员的身体形态和运动信息，获取目标人员的风险行为识别结果。

另一方面，本发明实施例提供一种风险行为识别装置，包括：

身体形态获取单元，用于获取视频流序列中任一视频帧中目标人员的身体形态；其中，所述目标人员的身体形态为所述目标人员各身体部位的位置信息；

运动信息获取单元，用于根据任一视频帧中目标人员的身体形态和所述任一视频帧的前序视频帧中目标人员的身体形态，获取所述任一视频帧中目标人员的运动信息；其中，所述目标人员的运动信息为所述目标人员各身体部位的运动信息；