[发明专利]一种人体行为识别方法与装置

说明书

本发明公开了一种人体行为识别方法与装置，该方法包括：根据预先采集的图像训练样本对预先建立的深度卷积神经网络进行训练，得到行为识别模型；其中，所述行为识别模型包括多个采用序贯模型搭建的中间层；将捕获到的人体运动图像信息输入到所述行为识别模型，得到行为识别结果。采用多个序贯模型搭建的中间层以构建行为识别模型，既能有效解决现有技术行为识别精度低，识别效率低的问题，又能有效简化操作，有利于产品化。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种人体行为识别方法与装置。

背景技术

人体行为识别技术是机器视觉领域的重要分支和前沿性技术，可广泛应用于智能视频监控、机器人视觉、人机交互、游戏控制等，应用市场前景广阔。人的各种行为可由人体各骨悟关节点的相对关系进行表征，因此通过描述人体骨悟关节运动的点来识别人体的行为动作完全有效可行。目前常用的识别方法是使用单人检测器来检测识别单个人的行为动作，存在识别精度低、识别时间过长的问题。

发明内容

本发明实施例提供一种人体行为识别方法与装置，能有效解决现有技术存在识别精度低，识别效率低的问题，能有效提高识别精度，且实现快速识别，又能有效简化操作，有利于产品化。

本发明一实施例提供一种人体行为识别方法，包括：

根据预先采集的图像训练样本对预先建立的深度卷积神经网络进行训练，得到行为识别模型；其中，所述行为识别模型包括多个采用序贯模型搭建的中间层；

将捕获到的人体运动图像信息输入到所述行为识别模型，得到行为识别结果。

作为上述方案的改进，所述根据预先采集的图像训练样本对预先建立的深度卷积神经网络进行训练，得到行为识别模型，具体为：

根据预设的若干种行为，将采集的人体运动图像信息进行分类，得到图像训练样本，并构建行为数据集；其中，所述行为数据集包括正常行为类别和异常行为类别；

对所述行为数据集进行预处理，生成对应人体骨架的构造图；

采用所述构造图对预先建立的深度卷积神经网络进行训练,得到行为识别模型。

作为上述方案的改进，所述方法的对所述行为数据集进行预处理，生成对应人体骨架的构造图，具体为：

根据所述行为数据集，提取预设的若干个人体关节点的位置数据，得到人体骨架节点数据；其中，所述人体骨架节点数据包括关节点X方向轴上的数据以及关节点Y方向轴上的数据；

对所述人体骨架节点数据进行模型化处理，生成对应人体骨架的构造图。

作为上述方案的改进，所述行为识别模型包括：一个输入层、一个输出层以及采用序贯模型搭建的依次相连的六个中间层；其中，所述输入层的输出端与第一中间层相连接，第六中间层的输出端与所述输出层的输入端相连接。

作为上述方案的改进，所述方法还包括：

所述每一个中间层包括归一化模块、激活模块以及二维卷积模块；其中，所述二维卷积模块的卷积核为9*9，卷积步长为1。

作为上述方案的改进，所述将捕获到的人体运动图像信息输入到所述行为识别模型，得到行为识别结果，具体为：

获取摄像头捕获到的人体运动图像信息；

对所述人体运动图像信息进行预处理，得到人体骨架节点信息；

根据所述人体骨架节点信息，采用所处行为识别模型进行行为识别，确定捕获到的行为类别。

作为上述方案的改进，所述对所述人体运动图像信息进行预处理，得到人体骨架节点信息，具体为：