[发明专利]适用于狭小空间的智能行为分析方法及智能行为分析设备

权利要求书

1.一种适用于狭小空间的智能行为分析方法，用于在狭小空间内对人的行为动作进行识别分析，其特征在于，

包括以下步骤：

步骤S1：利用深度相机获取狭小空间内的深度图像；

步骤S2：基于深度图像将人体分为多个身体组件；

步骤S3：基于多个身体组件分别进行分类判断并生成人体骨架系统；

步骤S4：对人体骨架系统的运动轨迹进行跟踪分析以识别出人体的行为状态；及

步骤S5：根据识别结果判断是否产生预警；

所述步骤S3包括以下步骤：

步骤S31：利用随机决策森林分类器对多个身体组件分别进行逐像素分类处理；

步骤S32：利用重投影分类器对分类结果进行评估以推理出逐像素分布的空间模式，并使用mean shift算法进行计算，从而得到多个人体关节点，并基于多个人体关节点生成人体骨架系统；

所述步骤S4具体包括以下步骤：

步骤S41：采用推理出的逐像素的空间分布连接形成20个关节点的人体骨架系统，对每一个骨架系统都赋予一个ID作为该人体目标的唯一标识；

步骤S42：计算得到每个人体目标的重心坐标位置；及

步骤S43：基于每个人体目标的重心坐标位置进行人体行为状态分析；

所述步骤S43包括以下内容：

预先设定第一距离阈值和第二距离阈值，对监控区域内单个人体目标的各个关节点的坐标位置进行规则判断，当头部关节和脚部关节的距离小于第一阈值，且所有关节距离重心坐标距离也小于第二距离阈值，则视为目标跌倒。

2.如权利要求1所述的智能行为分析方法，其特征在于，

所述步骤S42具体为

根据每个人体目标的多个关节点之间的距离和分布关系赋予不同的权重因子，将不同关节点坐标位置与权重因子做加权求和以得到每个人体目标的重心坐标位置。

3.如权利要求1所述的智能行为分析方法，其特征在于，

所述步骤S43具体包括以下内容：

预先设定一条或多条检测线，判断人体目标重心坐标与检测线之间的位置关系，当人体目标重心位置通过检测线，则视为越线；和/或

预先设定一个多边形区域作为检测区域，判断人体目标的重心坐标与多边形区域之间的位置关系，当重心坐标在检测区域内超过固定时长，则视为区域入侵；和/或

预先设定一个多边形区域作为检测区域，并设定检测区域内最大允许人数，判断人体目标重心位置是否进入检测区域，当人体目标重心坐标进入检测区域内的数目超过最大允许人数，则视为区域人数异常。

4.如权利要求1所述的智能行为分析方法，其特征在于，

所述步骤S43包括以下内容：

预先设定一个轨迹长度阈值，对监控区域内每个人体目标的重心位置的运动轨迹进行累加，当累计轨迹长度达到轨迹长度阈值时，则视为行程过长；和

预先设定一个停留时间阈值，对监控区域内每个人体目标的停留时间进行累加，当累计时长达到停留时间阈值，则视为逗留过久；和

预先设定一个区域运动速度阈值，分别累计监控区域内每个人体目标的轨迹长度和停留时间，统计所有人体目标的单位时间内的平均目标轨迹长度，当单位时间内的平均目标轨迹长度超过区域运动速度阈值，则视为运动过快。

5.如权利要求1所述的智能行为分析方法，其特征在于，

预先设定一个单体速度阈值，对监控区域内单个人体目标的各个关节点的进行轨迹跟踪，统计在单位时间内目标的各个关节点的轨迹长度，当单位时间内的轨迹长度超过单体速度阈值，则视为剧烈运动。

6.如权利要求1所述的智能行为分析方法，其特征在于，

所述适用于狭小空间的智能行为分析方法还包括以下步骤：

检测深度图像中各个点的深度平均值和各个点的方差，若各个点的深度平均值小于阈值，且各个点的方差也小于阈值，则视为镜头异常。

7.一种适用于狭小空间的智能行为分析设备，采用如权利要求1～6任一项所述的智能行为分析方法，其特征在于，

包括

深度相机(11)，用于拍摄狭小空间内的深度图像；

深度图像处理模块(13)，用于将人体分为多个身体组件；

人体骨架生成模块(15)，用于对多个身体组件分别进行分类判断并生成人体骨架系统；

跟踪分析模块(17)，用于对人体骨架系统的运动轨迹进行跟踪分析以识别出人体的行为状态；

预警模块(19)，用于根据所述分析模块(17)的识别结果判断是否产生预警。