[发明专利]一种基于深度学习的异常行为实时监测方法在审
| 申请号： | 201910948269.5 | 申请日： | 2019-10-08 |
| 公开（公告）号： | CN110781771A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 吴铭;张闯;刘泽萱 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/06;G06N3/08 |
| 代理公司： | 11265 北京挺立专利事务所(普通合伙) | 代理人： | 叶树明 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的异常行为实时监测方法，包括：通过摄像头获取人体目标视频数据；将人体目标视频数据根据截取频率按帧提取，得到人体目标图像，将人体目标图像输入至核心控制器中；核心控制器对人体目标图像的身体关键点和骨架结构进行提取，并将提取到的每个目标的身体关键点按照运动时间顺序级联得到身体姿态演变图，并将身体姿态演变图输入分类器；分类器基于身体姿态演变图，区分动作分类，得到目标动作，当检测到目标动作为异常行为时，通过报警模块进行提示，该方法将人工智能的算法应用至传统的视频监控系统，获取功能和性能的提升，并可以快速产生动作的分类信息可以良好的反馈人体的状态，纠正、监督人体的异常行为。 | ||
| 搜索关键词： | 人体目标 身体姿态 异常行为 核心控制器 视频数据 关键点 图像 视频监控系统 输入分类器 人工智能 摄像头 报警模块 动作分类 分类信息 骨架结构 目标动作 时间顺序 实时监测 算法应用 图像输入 传统的 分类器 帧提取 级联 截取 提示 反馈 检测 纠正 监督 学习 | ||
【主权项】：
1.一种基于深度学习的异常行为实时监测方法，其特征在于，包括：/n步骤一、通过摄像头获取人体目标视频数据；/n步骤二、将人体目标视频数据根据截取频率按帧提取，得到人体目标图像，将人体目标图像输入至核心控制器OpenPose中；/n步骤三、核心控制器对人体目标图像的身体关键点和骨架结构进行提取，并将提取到的每个目标的身体关键点按照运动时间顺序级联得到身体姿态演变图，并将身体姿态演变图输入分类器Softmax；/n步骤四、分类器基于身体姿态演变图，区分动作分类，得到目标动作，当检测到目标动作为异常行为时，通过报警模块进行提示。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京邮电大学，未经北京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910948269.5/，转载请声明来源钻瓜专利网。
