[发明专利]一种从监控视频自动识别人体动作异常的方法

说明书

本发明提供了一种从监控视频自动识别人体动作异常的方法。首先通过环形搭建的摄像头网络采集监控视频，然后通过单人姿态估计模块提取人体骨骼关键点坐标序列，并通过软件如Python封装的计算向量的类得到关键点向量实例列表，再计算四肢向量的投影和方向角，最后将构造的特征融合向量通过K均值聚类方法识别异常人体动作。本发明具有识别人体姿态，动作行为异常的功能。

技术领域

本发明涉及生物特征识别技术领域，尤其涉及一种从监控视频自动识别人体动作异常的方法。

背景技术

随着硬件技术的发展，监控摄像头已经无处不在，大到广场、银行、学校等公共场所，小到家庭居所的客厅、卧室等等，摄像头可以记录着人类生活的每个环节，面对监控行业前所未有的大数据，如何有效地管理和挖掘这些数据资源，使这些资源变成信息、知识，智能地帮助人们解决生活中遇到的问题，尽早发现异常征兆，以便提前预警和干预，通过分析、统计、判别人体的姿态行为影像，较早的发现异常行为特征，区分群体中单个人的异常行为。

注意力缺陷多动症(ADHD)是一种常见的儿童行为异常疾病，主要表现为注意力缺失(Primarily Inattentive)和多动/冲动(Primarily Hyperactive-Impulsive)等，采用范式的检测方式，常用的诊断依据是，如果在9个症状中出现6个以上就有ADHD嫌疑。这类患儿的智力正常或基本正常，但学习、行为及情绪方面有缺陷，主要表现为注意力不集中，注意短暂，活动过多，情绪易冲动，学习成绩普遍较差，在家庭及学校均难与人相处，日常生活中常常使家长和教师感到没有办法。多动症的患病率，国外报道在5％～10％之间，国内调查在10％以上，男孩多于女孩。

目前，视频中人体姿态、行为识别的深度学习方法相关研究，通常可分为单人人体骨骼关键点检测和多人人体骨骼关键点检测两类，多人检测又可分为自顶向下和自底向上两类。其中自顶向下的人体骨骼关节点定位算法主要包含两个步骤：人体检测及其关节点检测，即首先通过目标检测算法将每一个人从图像背景中识别出来，然后针对单个人做骨骼关节点检测；自底向上的方法逻辑上相反，由关节点检测和关节点聚类两个过程组成，即首先检测出图片中所有的人体骨骼关节点，然后将所有的关节点聚类成相应所属的个体。无论是单人人体骨骼关键点检测还是多人人体骨骼关键点检测，其输出结果都是关键点的空间位置信息，没有继续再对这些信息处理和分析。

发明内容

针对现有技术的不足，本发明以一种更接近人文方式，从非范式检测的手段出发，利用监控视频中人的行为统计信息进行判别，采用聚类分析法识别基于人体关键点检测的姿态异常，是一种探索性分析方法。

为实现上述技术效果，本发明提出了一种从监控视频自动识别人体动作异常的方法，包括区域多人姿态识别模型和人体肢体特征表示及其聚类算法两个部分，具体包括以下步骤：

步骤1：在待识别目标的监控范围内，以环形等角度θ间隔布置n个监控摄像头，用于多角度同时采集待识别目标的监控视频，其中定义监控范围内的待识别目标的个数为m；

步骤2：分别提取n个监控摄像头在同一时间段内的监控视频，并将提取到的n个监控视频依次通过目标检测算法得到n*m个单人区域框，定义通过n个监控摄像头分别得到的同一待识别目标的n个单人区域框为一组单人区域框组合，则m个待识别目标组成m个单人区域框组合；

步骤3：从每组单人区域框组合中选择宽高比值最大的单人区域框作为预处理区域框，将预处理区域框中对应的像素数据先输入到空间变换网络中进行变换，然后将变换后的像素数据输入到单人姿态估计模块中得到单人姿态数据，再将单人姿态数据输入到空间反变换网络中进行反变换，最后通过空间反变换网络输出所述预处理区域框中的人体关键点坐标序列，所述人体关键点坐标序列包括预处理区域框中的待识别目标的17个关键点信息，每个关键点信息是指每个关键点的横坐标值、纵坐标值和置信度，所述17个关键点包括鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左肘关节、右肘关节、左腕、右腕、左髋关节、右髋关节、左膝关节、右膝关节、左踝关节、右踝关节；