[发明专利]人体行为的识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种人体行为的识别方法、装置、计算机设备和存储介质。所述方法包括：获取激光雷达监测到的稠密点云数据；根据所述稠密点云数据确定人体关键点的运动轨迹；根据所述人体关键点的运动轨迹，识别出人体行为。由于激光雷达具有高精度、探测距离远、不受光线影响等优点，因此本发明实施例可以实现在室内外各种场景中全天候准确识别；并且，激光雷达监测到的稠密点云数据不包括彩色图像信息，因此能够较好的保护被测人员的隐私，可以使人体行为识别技术被广泛使用。

技术领域

本申请涉及行为识别技术领域，特别是涉及一种人体行为的识别方法、装置、计算机设备和存储介质。

背景技术

随着计算机的发展，人体行为识别技术已经逐渐深入人们的工作和生活中。例如，利用人体行为识别技术的行人预警系统、智慧养老、智能防盗等。

目前，人体行为识别技术通常是基于摄像头采集二维图像进行识别。例如，摄像头采集十字路口的二维图像，从二维图像中识别出是否有违反交通规则(比如攀爬护栏、闯红灯)的行为。

但是，采用摄像头采集二维图像，存在有效探测距离近、在夜晚或阴暗环境中难以准确识别人体，以及容易泄露隐私等问题。因此，人体行为识别技术的应用场景受到很大限制，不能被广泛使用。

发明内容

基于此，有必要针对上述技术问题，提供一种能够在多种应用场景中使用的人体行为的识别方法、装置、计算机设备和存储介质。

一方面，本发明实施例提供了一种人体行为的识别方法，包括：

获取激光雷达监测到的稠密点云数据；

根据上述稠密点云数据确定人体关键点的运动轨迹；

根据人体关键点的运动轨迹，识别出人体行为。

在其中的一个实施例中，上述根据稠密点云数据确定人体关键点的运动轨迹，包括：

根据稠密点云数据，确定人体关键点在多个时刻的位置坐标；

对多个时刻的位置坐标进行跟踪，得到人体关键点的运动轨迹。

在其中的一个实施例中，上述根据稠密点云数据，确定人体关键点在多个时刻的位置坐标，包括：

将多个时刻的稠密点云数据转换为对应的二维特征图；

将各二维特征图输入至预先训练的神经网络，得到人体关键点在各时刻的位置坐标。

在其中的一个实施例中，上述方法还包括：

将多个二维特征图输入预设的卷积神经网络，得到人体关键点和人体关键点的位置坐标；

采用梯度下降算法对卷积神经网络的权重和偏置进行更新，在人体关键点与关键点标注一致时，得到上述预先训练的神经网络。

在其中的一个实施例中，上述根据人体关键点的运动轨迹，识别出人体行为，包括：

采用预设的分类器对人体关键点的运动轨迹进行分类，确定人体行为所属的分类。

在其中的一个实施例中，上述方法还包括：

若人体行为所属的分类为预设的异常分类，则生成报警信息。

在其中的一个实施例中，上述方法还包括：

将人体关键点的运动轨迹和所述报警信息发送至监控终端。

另一方面，本发明实施例提供了一种人体行为的识别装置，包括：

稠密点云数据获取模块，用于获取激光雷达监测到的稠密点云数据；

运动轨迹确定模块，用于根据稠密点云数据确定人体关键点的运动轨迹；