[发明专利]一种基于边缘计算的人体行为检测方法及装置

说明书

本发明公开了一种基于边缘计算的人体行为检测方法及装置，其中，所述方法包括：对图像信息中的人体姿态关节点进行检测，获得人体姿态关节点及所述人体姿态关节点对应的坐标数据；基于所述人体姿态关节点及所述人体姿态关节点对应的坐标数据将人体划分为六个圆形近似区域；对所述六个圆形近似区域分别进行区域特征提取处理，并基于获得的区域特征构建姿态特征矩阵；将构建好的姿态特征矩阵输入训练收敛的人体行为检测模型中进行人体行为检测，输出人体行为检测结果。在本发明实施例中，实现了判断人体行为时，简化了行为分析处理数据的复杂度，同时提高了人体行为分类识别的准确率。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于边缘计算的人体行为检测方法及装置。

背景技术

目前人体行为分析技术和方法主要可归纳为以下几类：(1)利用深度学习技术和卷积神经网络，提取连续的动作视频分析，这种方法需要连续提取每一帧的视频行为特征，结合帧间数据进行人体行为识别，这往往需要占用大量的计算内存，模型推理时间较长，行为的识别滞后。(2)提取人体姿态关节点，建立数学模型对人体姿态关节数据进行训练分类，处理的数据维度和数据量较多，并且将人体分为离散的关节点数据进行处理，未能考虑人体局部的整体动作特征，而人的身体是局部联动的。(3)利用人体区域宽高比、人体与地面夹角等数学特点判断人体的异常行为，也未能考虑人体的局部姿态特征。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于边缘计算的人体行为检测方法及装置，实现了判断人体行为时，简化了行为分析处理数据的复杂度，同时提高了人体行为分类识别的准确率。

为了解决上述技术问题，本发明实施例提供了一种基于边缘计算的人体行为检测方法，所述方法包括：

对图像信息中的人体姿态关节点进行检测，获得人体姿态关节点及所述人体姿态关节点对应的坐标数据；

基于所述人体姿态关节点及所述人体姿态关节点对应的坐标数据将人体划分为六个圆形近似区域，所述六个圆形近似区域分别为头部圆形近似区域、左臂圆形近似区域、右臂圆形近似区域、胸部圆形近似区域、左腿圆形近似区域、右腿圆形近似区域；

对所述六个圆形近似区域分别进行区域特征提取处理，并基于获得的区域特征构建姿态特征矩阵；

将构建好的姿态特征矩阵输入训练收敛的人体行为检测模型中进行人体行为检测，输出人体行为检测结果。

可选的，所述对图像信息中的人体姿态关节点进行检测，获得人体姿态关节点及所述人体姿态关节点对应的坐标数据，包括：

利用卷积神经网络模型对图像信息中的人体姿态关节点进行检测，获得人体姿态关节点及所述人体姿态关节点在图像信息中对应的坐标数据；

所述人体姿态关节点为按照预设标号顺序进行排序标号的人体姿态关节点，其中，所述人体姿态关节点包括颈部关节点、右肩关节点、右肘关节点、右腕关节点、左肩关节点、左肘关节点、左腕关节点、左臀关节点、左膝关节点、左脚踝关节点、右臀关节点、右膝关节点、右脚踝关节点、右耳关节点、左耳关节点。

可选的，所述基于所述人体姿态关节点及所述人体姿态关节点对应的坐标数据将人体划分为六个圆形近似区域，包括：

根据颈部关节点的坐标、右耳关节点的坐标和左耳关节点的坐标计算划分，获得头部圆形近似区域；

根据右肩关节点的坐标、右肘关节点的坐标和右腕关节点的坐标计算划分，获得右臂圆形近似区域；

根据颈部关节点的坐标、左臀关节点的坐标和右臀关节点的坐标计算划分，获得胸部圆形近似区域；

根据左肩关节点的坐标、左肘关节点的坐标和左腕关节点的坐标计算划分，获得左臂圆形近似区域；