[发明专利]一种基于深度学习的姿态追踪方法及系统

说明书

本申请提供的一种基于深度学习的姿态追踪方法及系统，具体应用于目标追踪领域，该方法包括通过摄像头采集目标场景的视频数据；将视频数据输入Yolo模型，检测目标对象；构建目标对象的边界框，确定当前时刻的位置信息；针对目标对象，采用目标追踪模型获取目标追踪结果；其中，深度学习算法和联合概率数据关联算法构成目标追踪模型；基于目标追踪结果，采用人体姿态估计算法获取骨骼信息；对骨骼信息进行姿态估计，获得当前时刻的姿态估计结果；判断目标对象当前时刻的位置信息与姿态估计结果是否一致；若一致，则目标对象处于正常状态；若不一致，则目标对象处于异常状态。通过该方法提高老年人姿态追踪的准确率和精确度。

技术领域

本申请涉及目标追踪领域，更具体地，涉及一种基于深度学习的姿态追踪方法及系统。

背景技术

针对老年人独居的情况，除了事前的防范之外，更重要的是在老年人发生意外时，第一时间通知家属和医院，及时进行救护。

现有技术中，通常采用智能监护和报警系统，以应对老年人的突发意外，但很少涉及实时姿态追踪的研究，如何进行更准确的姿态追踪有待进一步开发与探索。

发明内容

本发明实施例的目的在于提供一种基于深度学习的姿态追踪方法及系统，引入深度学习算法和联合概率数据关联算法，并根据位置信息与姿态估计结果确定目标对象的当前状态，提高老年人姿态追踪的准确率和精确度。具体技术方案如下：

在本发明实施例的第一方面，提供一种基于深度学习的姿态追踪方法，包括：通过摄像头采集目标场景的视频数据；将所述视频数据输入Yolo模型，检测目标对象；构建所述目标对象的边界框，确定当前时刻的位置信息；针对所述目标对象，采用目标追踪模型获取目标追踪结果；其中，深度学习算法和联合概率数据关联算法构成所述目标追踪模型；基于所述目标追踪结果，采用人体姿态估计算法获取骨骼信息；对所述骨骼信息进行姿态估计，获得当前时刻的姿态估计结果；判断所述目标对象当前时刻的位置信息与姿态估计结果是否一致；若一致，则所述目标对象处于正常状态；若不一致，则所述目标对象处于异常状态。

可选地，所述Yolo模型具体是Yolov5模型。

可选地，所述位置信息包括休息区域和活动区域。

可选地，所述针对所述目标对象，采用目标追踪模型获取目标追踪结果，包括：通过卡尔曼滤波算法检测上一时刻的目标对象，获得上一时刻的目标追踪结果；通过匈牙利算法检测当前时刻的目标对象，获得当前时刻的目标追踪结果；通过联合概率数据关联算法将上一时刻和当前时刻的目标追踪结果进行关联，获得精确的目标追踪结果。

可选地，所述基于所述目标追踪结果，采用人体姿态估计算法获取骨骼信息，包括：通过卷积神经网络提取图像特征；将所述图像特征作为输入，采用 OpenPose算法识别所述目标对象的每个关键点；采用置信度图，对每个关键点构建二分图；将PAF相关值作为边权，利用匈牙利算法得到关键点联接结果；根据所述关键点联接结果，识别出所述目标对象的骨骼信息。

可选地，所述采用人体姿态估计算法获取骨骼信息之后，还包括步骤：基于所述骨骼信息，以所述目标场景为基准，确定所述目标对象的身体倾斜角度、头部位置、面部表情以及手部动作。

可选地，所述对所述骨骼信息进行姿态估计，获得当前时刻的姿态估计结果，包括：根据所述目标对象的身体倾斜角度和头部位置与所述目标场景的相对位置关系，确定当前时刻的身体姿态；联合所述身体姿态、所述面部表情以及所述手部动作，构建当前时刻的姿态估计结果。

可选地，所述姿态估计结果包括休息姿态和活动姿态。