[发明专利]视频帧人体行为识别方法

权利要求书

1.一种视频帧人体行为识别方法，其特征在于，包括如下步骤：

S1：从视频帧中截取人体区域；

S2：从S1取得的人体区域中构成人体骨架；

S3：基于人体骨架的空间特征识别人体行为。

2.如权利要求1所述视频帧人体行为识别方法，其特征在于：

所述S1：使用人体检测算法检测视频帧中的所述人体区域；

所述S2：使用深度神经网络对所述S1取得的所述人体区域回归得到人体关键点，并连接各所述人体关键点构成所述人体骨架；

所述S3：对所述S2取得的所述人体骨架提取所述空间特征，并基于所述空间特征判定视频帧中的人体行为分类。

3.如权利要求2所述视频帧人体行为识别方法，其特征在于，步骤S1进一步包括如下步骤：

S11：将视频帧分解为多个图片帧；

S12：以人体检测算法对S11所得各图片帧分别进行检测、并获取人体区域；

S13：将S12所得人体区域从图片帧中截取出来。

4.如权利要求3所述视频帧人体行为识别方法，其特征在于，步骤S12所述人体检测算法采用神经网络算法。

5.如权利要求4所述视频帧人体行为识别方法，其特征在于，所述神经网络算法选自Faster RCNN算法或SSD算法。

6.如权利要求2所述视频帧人体行为识别方法，其特征在于，步骤S2进一步包括如下步骤：

S21：基于全卷积网络计算在人体区域中各个像素点属于关键点的编号的概率；

S22：对各个关键点，将其所对应的高概率的像素点团中心，记为其关键点的位置，由此获得所有关键点的坐标；

S23：链接S22所得各个关键点，构建为人体骨架。

7.如权利要求2所述视频帧人体行为识别方法，其特征在于，步骤S3进一步包括如下步骤：

S31：选取某个关键点坐标为原点，以其他关键点坐标与原点坐标做差，计算其他各关键点坐标与原点坐标的偏移向量；

S32：以原点和参考关键点的连线距离，作为标准长度，所有相对偏移向量距离除以其归一化；

S33：将所有相对偏移向量合并成一个大向量，输入预测模型进行预测，分类其对应的动作。

8.如权利要求7所述视频帧人体行为识别方法，其特征在于：步骤S33中所述预测模型采用决策树模型。

9.如权利要求8所述视频帧人体行为识别方法，其特征在于：所述决策树模型以原点低于参考关键点时进行倒地行为判定。

10.如权利要求8所述视频帧人体行为识别方法，其特征在于：所述决策树模型以原点与参考关键点的斜率绝对值低于阈值时进行倒地行为判定。