文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN202010894682.0

申 请 日：20200831

发 明 人：易军 庞一然 汪彦 宋光磊 郭鑫 周伟 黄麟 王波 刘玉成 袁余民

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20230721

公 开 号：CN112001347B

代 理 人：韩慧芳

代理机构：重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明提供了一种基于人体骨架形态与目标检测技术结合的动作识别办法，首先对监控区域的视频流进行初步的预处理，将视频流的帧数、码率、分辨率进行调整；然后利用YOLOv4模型对行人和物品种类进行检测，将检测到的物品种类和行人的位置信息记录保存，接着使用OpenPose提取人体骨架信息，后将人体骨架信息根据所需检测动作制作成正负样本数据集并训练动作分类器模型；分类器输出的动作信息和物品信息进行关联度匹配后输出最终的动作置信度。将模型运用于监控视频流中，当检测到设定动作时，发送动作信息和行人坐标信息至后台管理处，从而提高监控的智能化水平。

主 权 项：1.一种基于人体骨架形态与目标检测的动作识别方法，其特征在于，包括：步骤S1：构建图像采集模块采集需监控区域的视频流，并进行视频流预处理，将视频流的比特率和帧率调整为契合所选深度学习模型的帧率，将分辨率做了如下设定：1920x1080分辨率的序列需要7000kbps的码率，640x480分辨率的序列需要1900kbps的码率，352x288分辨率的序列需要800kbps的码率；步骤S2：利用YOLOv4模型检测出监控区域视频流内的行人和物体种类，并记录物体种类名称，具体步骤如下：S2.1：物体数据集的建立：对需检测动作中所包含除人体以外的物体数据集进行收集分类；设定动作设为M，则和动作M相关的物体设为O_i^M依次排列，并将物体信息将其制作成标准VOC数据集；S2.2：将上述步骤S2.1中制作好的物体VOC数据集输入到标准的YOLOv4模型中进行训练；YOLOv4模型中，运用了卷积的级联结构，网络的输入层设计为448*448；在神经网络中逻辑回归的代价函数为： 其中h_θ是sigmoid函数，作为激活函数在网络中；当物体检测的准确率达到95％以上时，模型训练完毕；S2.3：使用上述步骤S2.2训练好的YOLOv4模型对传入的视频流进行检测，当检测到步骤S2.1中物体时，将物体信息保存记录；步骤S3：通过OpenPose将视频流内识别到的人体目标图像进行人体骨架特征提取、正负样本制作和训练动作分类器模型；步骤S4：训练好的动作分类器模型对视频流内的人体动作进行检测，当识别到有设定检测动作的时候，将设定动作信息M、�

关 键 词：人体骨架  检测  视频流 预处理  位置信息记录  分类器模型 分类器输出  监控视频流  动作识别  动作信息  发送动作  技术结合  监控区域  模型运用  目标检测  物品信息  训练动作  正负样本  坐标信息  关联度  数据集  置信度 智能化  分辨率  码率 帧数  匹配  后台 输出  保存  监控  制作  

IPC专利分类号：G06V40/20;G06V40/10;G06V20/52;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/08