[发明专利]区域环境下的行为识别分析方法、系统

说明书

本发明涉及区域环境下的行为识别分析方法，包括第一步：获取视频数据；第二步：数据预处理；第三步：视频数据流中有效片段的提取；第四步：对有效视频进行行为识别分析；第五步：有效视频存储。通过在传统的模板匹配的方法上融合了基于深度学习的神经网络模型，保证了本发明在针对小环境下的行为识别分析过程中，满足实时性的同时，一并提高了准确率。

技术领域

本发明涉及视频数据中人体动作行为识别分析技术领域，尤其涉及区域环境下的行为识别分析方法、系统。

背景技术

人体动作行为识别分析是视频理解的重要研究方向，也是计算机视觉的基础任务之一，并已经广泛地应用于各行各业。在过去，监控视频中确定人员身份往往仅使用人脸识别技术就能取到不错的效果，但对于自助银行和ATM机的监控环境来说，实时的人员动作行为监控更为重要，单纯的依靠工作人员对视频数据进行人工分析是不太现实的，因此需要一种监控视频行为分析方法对摄像头采集到的数据进行快速的分析，并在有异常行为发生时，及时的发出警报。

当前，多数人体动作行为识别分析技术可分为基于人工特征的模板匹配算法、基于深度学习的神经网络两类。而：

一方面：基于人工特征的模板匹配算法中，动作识别主要基于兴趣点的检测和表示。方向梯度直方图、光流直方图、光流梯度直方图、轨迹特征以及人体骨骼特征等都用于提取视频空间和时间两个维度的特征表示。与图像相比，视频蕴含了大量的运动信息，为了更好的利用运动信息，有人提出了密集轨迹的特征，密集的提取和追踪光流中每个像素特征，编码后进行分类。

然而，当面临大规模数据集时，这些特征缺乏一定的灵活性和可扩展性。

另一方面，基于深度学习的神经网络的方法主要有基于双流的神经网络和基于三维卷积的神经网络两种模型算法。基于双流的神经网络提出了一个融合网络，将视频分成空间和时间两个部分，分别将RGB图像和光流图像送入两支神经网络并融合最终分类结果。利用双流神经网络，可以同时得到视频中人或物体外表和运动的信息；基于三维卷积的神经网络在视频动作识别中使用三维卷积的神经网络代替二维卷积的神经网络。

但是，这种做法虽然可以捕捉到更多的时空信息，但相较于二维卷积，三维卷积带来的计算量增长是指数型的，很难满足实时性要求。

发明内容

本发明的目的在于提供区域环境下的行为识别分析方法、系统，通过在传统的模板匹配的方法上融合了基于深度学习的神经网络模型以及将监控视频进行行为上的分类后再存储的方式，解决现有技术中的问题缺陷。

为实现上述目的，本发明的技术方案如下：

区域环境下的行为识别分析方法，其特征在于：包括以下步骤：

第一步：获取视频数据

开启摄像头，采集视频数据；

第二步：数据预处理

对采集到的视频数据流按帧进行处理，进行二值化，采集视频有效片段，完成数据预处理；

第三步：视频数据流中有效片段的提取

利用目标检测方法对视频数据的静态画面进行分析，检测出每个静态画面图像中可能产生目标行为的所有目标对象，并以此来确定该视频是否为有效视频，其中，

若该视频为无效视频，则，重新获得新视频数据流；

第四步：对所述有效视频进行行为识别分析

基于步骤三，若该视频为有效视频时，则，通过使用基于深度学习的卷积神经网络模型以及模板匹配算法对有效视频中发生的动作行为进行识别分析，并对识别分析后的结果进行融合打分得到最终分类结果，其中，

所述基于卷积神经网络模型和模板匹配算法分类识别的具体方式为：