[发明专利]异常姿态的检测方法和装置有效

专利信息
申请号: 201910562307.3 申请日: 2019-06-26
公开(公告)号: CN110378244B 公开(公告)日: 2021-12-31
发明(设计)人: 曹凯 申请(专利权)人: 曹凯
主分类号: G06K9/00 分类号: G06K9/00;G06N3/04
代理公司: 北京英创嘉友知识产权代理事务所(普通合伙) 11447 代理人: 张岩龙
地址: 100031 北京市西*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 异常 姿态 检测 方法 装置
【权利要求书】:

1.一种异常姿态的检测方法,其特征在于,所述方法包括:

获取目标用户的目标图像;

获取所述目标用户的关键点在所述目标图像中的位置坐标,所述关键点包括预先设置的所述目标用户的人体部位;

根据所述位置坐标确定所述目标用户的姿态是否为异常姿态;

所述关键点包括至少两个所述关键点,所述根据所述位置坐标确定所述目标用户的姿态是否为异常姿态包括:

根据所述位置坐标确定每两个所述关键点之间的关键点距离;

根据所述关键点距离确定所述目标用户的姿态是否为异常姿态;所述根据所述关键点距离确定所述目标用户的姿态是否为异常姿态包括:

从所述关键点距离中确定目标距离,所述目标距离为满足预设条件的关键点距离;

根据所述目标距离和每两个所述关键点对应的距离权重计算得到姿态确定参数;

根据所述姿态确定参数和预设参数阈值,确定所述目标用户的姿态是否为异常姿态。

2.根据权利要求1所述的方法,其特征在于,所述根据所述位置坐标确定所述目标用户的姿态是否为异常姿态包括:

根据预设的划分线从所述目标图像中确定第一图像区域;

根据所述位置坐标和所述第一图像区域,确定所述目标用户的姿态是否为异常姿态。

3.根据权利要求2所述的方法,其特征在于,所述根据所述位置坐标和所述第一图像区域,确定所述目标用户的姿态是否为异常姿态包括:

从所述关键点中确定第一目标关键点,所述第一目标关键点包括所述位置坐标位于所述第一图像区域内的关键点;

确定所述第一目标关键点的第一数量;

若所述第一数量大于或者等于第一预设数量阈值,确定所述目标用户的姿态为异常姿态;

若所述第一数量小于所述第一预设数量阈值,确定所述目标用户的姿态为非异常姿态。

4.根据权利要求1所述的方法,其特征在于,所述根据所述关键点距离确定所述目标用户的姿态是否为异常姿态包括:

从所述关键点距离中确定目标距离,所述目标距离为满足预设条件的关键点距离;

确定所述目标距离的第二数量;

若所述第二数量大于或者等于第二预设数量阈值,确定所述目标用户的姿态为异常姿态;

若所述第二数量小于所述第二预设数量阈值,确定所述目标用户的姿态为非异常姿态。

5.根据权利要求1所述的方法,其特征在于,所述根据所述姿态确定参数和预设参数阈值,确定所述目标用户的姿态是否为异常姿态包括:

若所述姿态确定参数大于或者等于预设参数阈值,确定所述目标用户的姿态为异常姿态;

若所述姿态确定参数小于预设参数阈值,确定所述目标用户的姿态为非异常姿态。

6.根据权利要求1所述的方法,其特征在于,所述关键点包括多个所述关键点,所述根据所述位置坐标确定所述目标用户的姿态是否为异常姿态包括:

从所述关键点中确定第二目标关键点,所述第二目标关键点为所述关键点中任一关键点;

以所述第二目标关键点为中心建立参考坐标系;

将所述关键点中除所述第二目标关键点外的其他关键点映射到所述参考坐标系中,得到所述其他关键点的相对位置坐标;

将所述相对位置坐标作为预设的卷积神经网络的输入,以获取所述卷积神经网络输出的第一概率和第二概率,所述第一概率为所述目标用户的姿态为异常姿态的概率,所述第二概率为所述目标用户的姿态为非异常姿态的概率;

若所述第一概率大于或等于所述第二概率,确定所述目标用户的姿态为异常姿态;

若所述第一概率小于所述第二概率,确定所述目标用户的姿态为非异常姿态。

7.根据权利要求1至6中任一项所述的方法,其特征在于,所述方法还包括:

若确定所述目标用户的姿态为异常姿态,发出第一告警信息;和/或,

若确定所述目标用户的姿态为异常姿态,向预设的终端发送第二告警信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于曹凯,未经曹凯许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910562307.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top