[发明专利]目标对象行为监测方法、装置、设备、系统及存储介质在审

专利信息
申请号: 202010067607.7 申请日: 2020-01-20
公开(公告)号: CN111259839A 公开(公告)日: 2020-06-09
发明(设计)人: 邓立保 申请(专利权)人: 芯梯众和科技服务有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06N3/04
代理公司: 北京三聚阳光知识产权代理有限公司 11250 代理人: 马永芬
地址: 100080 北京市海淀区*** 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: 目标 对象 行为 监测 方法 装置 设备 系统 存储 介质
【权利要求书】:

1.一种目标对象行为监测方法,其特征在于,包括:

获取包含目标对象的图像,提取所述图像中的特征参数;

根据所述特征参数确定所述图像中各关键点的位置及关键点之间的连接关系,并根据所述关键点之间的连接关系将所述各关键点连接起来,形成所述目标对象的姿势骨架;其中,所述关键点为所述目标对象上具有自由度的关节;

对所述目标对象的姿势骨架进行识别,确定所述目标对象的行为。

2.根据权利要求1所述的目标对象行为监测方法,其特征在于,所述提取所述图像中的特征参数包括:

将所述图像输入到预设的第一卷积神经网络中,利用所述第一卷积神经网络提取所述图像中的特征参数。

3.根据权利要求1所述的目标对象行为监测方法,其特征在于,所述根据所述特征参数确定所述图像中各关键点的位置及关键点之间的连接关系包括:

将所述特征参数输入到预设的第二卷积神经网络中,得到所述图像中各关键点的位置及关键点之间的连接关系;其中,所述第二卷积神经网络包括连续的多个阶段,且每个阶段包括多个分支。

4.根据权利要求1所述的目标对象行为监测方法,其特征在于,所述对所述目标对象的姿势骨架进行识别,确定所述目标对象的行为包括:

将所述目标对象的姿势骨架输入到预设的时空图卷积网络模型中进行识别,得到所述目标对象的行为;其中,所述时空图卷积网络模型包括至少两层时空图卷积网络,相邻两层的时空图卷积网络使用残差链接。

5.根据权利要求1~4任一项所述的目标对象行为监测方法,其特征在于,在确定所述目标对象的行为之后,还包括:

判断所述目标对象的行为是否异常,当异常时,发出报警信号。

6.根据权利要求1-4任一项所述的目标对象行为监测方法,其特征在于,在提取所述图像中的特征参数之前,还包括:

对所述图像进行预处理,其中预处理包括以下中的一种或几种:数据标记、双线性插值、图像翻转、亮度调整、对比度调整、色相调整、饱和度调整、图像标准归一化。

7.根据权利要求2或3或4所述的目标对象行为监测方法,其特征在于,在提取所述图像中的特征参数之前,还包括:

利用目标对象行为数据库对所述第一卷积神经网络、第二卷积神经网络及所述时空图卷积网络模型进行训练。

8.一种目标对象行为监测装置,其特征在于,包括:

提取模块,用于获取包含目标对象的图像,提取所述图像中的特征参数;

姿势骨架形成模块,用于根据所述特征参数确定所述图像中各关键点的位置及关键点之间的连接关系,并根据所述关键点之间的连接关系将所述各关键点连接起来,形成所述目标对象的姿势骨架;其中,所述关键点为所述目标对象上具有自由度的关节;

行为识别模块,用于对所述目标对象的姿势骨架进行识别,确定所述目标对象的行为。

9.根据权利要求8所述的目标对象行为监测装置,其特征在于,还包括:

报警模块,用于判断所述目标对象的行为是否异常,当异常时,发出报警信号。

10.一种目标对象行为监测服务器,其特征在于,包括:

图像采集器器、存储器和处理器,所述图像采集器、所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-8中任一项所述的目标对象行为监测方法。

11.一种目标对象行为监测系统,其特征在于,包括:摄像头、权利要求10所述的目标对象行为监测服务器及安防终端,所述摄像头和所述安防终端均与所述目标对象行为监测服务器连接;

所述摄像头,用于捕获包含目标对象的图像,并发送至所述目标对象行为监测服务器;

所述安防终端,用于在所述目标对象行为监测服务器中获取目标对象的行为/报警信号。

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芯梯众和科技服务有限公司,未经芯梯众和科技服务有限公司许可,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/202010067607.7/1.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