[发明专利]一种基于人体姿态的异常行为识别方法及系统

权利要求书

1.一种基于人体姿态的异常行为识别方法，用于观察室中人体行为检测，其特征在于，包括：

建立异常行为视频数据集，对所述异常行为视频数据集进行预处理和基于像素点的行为不当数据标记，得到训练数据集；

使用姿态识别算法对训练数据集中的每张图像进行骨架信息提取，得到骨架序列数据；

将骨架序列数据输入联邦学习模型中进行预训练，基于半监督学习机制，得到训练后的分类识别模型；

获取实时输入的待检测视频，经过数据处理后输入至训练后的所述分类识别模型，得到预测分类结果。

2.如权利要求1所述的一种基于人体姿态的异常行为识别方法，其特征在于，在将骨架序列数据输入联邦学习模型中进行预训练时，包括：

在所述联邦学习模型中包括两个及以上与观察室对应分布式布置的LSTM-GCN模型，利用每个所述LSTM-GCN模型对骨架序列数据进行特征值提取，利用目标函数将各特征值进行归一化处理，特征融合形成统一大小的矩阵，再线性处理成单一维度，训练得到分类识别模型。

3.如权利要求2所述的一种基于人体姿态的异常行为识别方法，其特征在于，所述分类识别模型为GCN-LSTM模型，包括两个以上的transfer层，利用每个所述transfer层对线性处理后的单一维度数据进行预测分类，分类结果包括威胁观察人员生命安全类别、破坏公物行为类别、自残危险行为类别和正常行为类别中的一种或一种以上。

4.如权利要求3所述的一种基于人体姿态的异常行为识别方法，其特征在于，在特征融合形成统一大小的矩阵并线性处理成单一维度后，将单一维度数据与被观察对象人口学结构化数据合并处理，得到预训练输入数据，再输入至各所述transfer层。

5.如权利要求1至4任一项所述的一种基于人体姿态的异常行为识别方法，其特征在于，在建立异常行为视频数据集时：

将视频样本分割成正常行为数据样本和异常行为数据样本，将异常行为数据样本按3:2的比例分成异常行为视频数据集和测试数据集，所述视频样本包括但不限于公开的坐在被观察座椅上的异常行为数据、观察室历史异常行为数据；

利用异常行为视频数据集进行模型训练，利用测试数据集校验模型的预测分类结果。

6.如权利要求5所述的一种基于人体姿态的异常行为识别方法，其特征在于，在进行基于像素点的行为不当数据标记时：

接收描点指令，将图像中被选中的像素点标记为特定颜色，该像素点标记为1，其余像素点标记为0；

按描点顺序，将各被选中的像素点连线，形成行为不当数据标记，所述行为不当数据标记的最终形式为开环线段集或闭环线段集。

7.如权利要求6所述的一种基于人体姿态的异常行为识别方法，其特征在于，在完成行为不当数据标记后：

基于GAN对原标记数据进行数据增强，得到合成标记数据；

将合成标记数据与原标记数据合并，得到训练数据集。

8.如权利要求7所述的一种基于人体姿态的异常行为识别方法，其特征在于，在使用姿态识别算法对训练数据集中的每张图像进行骨架信息提取时：

利用人体姿态识别算法OpenPose获取图像中的人体关键骨骼点和骨架数据；

将所述关键骨骼点和骨架数据进行骨架归一化处理，切割出设定大小的图片；

利用AlphaPose算法进行精准躯干识别，得到骨架序列数据。