CN107273781A - 一种基于图像分析的人体行为识别算法 - Google Patents

一种基于图像分析的人体行为识别算法 Download PDF

Info

Publication number
CN107273781A
CN107273781A CN201610212596.0A CN201610212596A CN107273781A CN 107273781 A CN107273781 A CN 107273781A CN 201610212596 A CN201610212596 A CN 201610212596A CN 107273781 A CN107273781 A CN 107273781A
Authority
CN
China
Prior art keywords
target
algorithm
detection
cam
video camera
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610212596.0A
Other languages
English (en)
Inventor
张轶君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Wen Xiang Information Technology Co Ltd
Original Assignee
Beijing Wen Xiang Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Wen Xiang Information Technology Co Ltd filed Critical Beijing Wen Xiang Information Technology Co Ltd
Priority to CN201610212596.0A priority Critical patent/CN107273781A/zh
Publication of CN107273781A publication Critical patent/CN107273781A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像分析的人体行为识别算法，它涉及人体行为识别算法技术领域。本发明通过低位检测摄像机CAM_L，初步检测是否发生起立动作；通过高位检测摄像机CAM_H，进一步判断起立是否发生，检测起立位置；高位检测摄像机CAM_H的到的目标信息，只有在低位检测摄像机CAM_L初步判断有起立动作后进行分析；并且只分析起立发生之前一定时间的图像信息。本发明采用单一摄像机在较低的安装位置初步检测起立动作，保证去除了人的转身，后仰等干扰动作造成的误检。由于只需要安装一台低位摄像机，扩展了安装的适应性。较高位置的摄像机俯视检测教室，可以依据这一图像排除检测区域外的干扰因素。

Description

一种基于图像分析的人体行为识别算法
技术领域
本发明涉及的是人体行为识别算法技术领域，具体涉及一种基于图像分析的人体行为识别算法。
背景技术
随着视频监视，视频录像和计算机网络技术的极大进步，视频监视和录像在安防，教学等很多方面都有大量的需求。但是由于目前大多数视频监视和录像都需要人工参与，造成极大的人工成本。并且由于人员能力，经验等限制造成监视和录制结果好坏不一，质量不高。
具备信息出版功能的排版软件一般使用注解（Tag）或者注解类似标识来标志版面样式，然后通过自带的解释器生成版面效果。数据库出版中经常使用到模板来记录版面表现式样，但是式样依赖于具体排版软件，导致模板的作用局限在该排版软件版面样式记录上。在具体应用环境中，往往同时使用多种排版软件，由于现有模板与排版软件的这种紧密绑定导致模板难以在异种排版软件中复用，不能满足大型出版过程的多种排版软件协同交互的需要。
综上所述，现有的文献或产品中提到的模板，通常依赖于具体排版软件或处理，即没有提出独立于具体排版软件的模板方法，导致要么过分依赖某种特定软件，要么版面表现过于简单。
发明内容
针对现有技术上存在的不足，本发明目的是在于提供一种基于图像分析的人体行为识别算法，是一种可以识别任意空间内，若干人站立，走动，举手等行为的识别和定位方法。借助这一系统可以自动跟踪拍摄，或监视室内或室外，人体的活动。比如可以利用在课堂教学环境中，自动拍摄学生起立回答问题及走动等情况，帮助完成课堂授课情况的录制。
为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于图像分析的人体行为识别算法，其包括以下步骤：
(1)在通常人体站立高度位置设置摄像设备CAM_L，距离地面高度为n_L米；
(2)在较高的位置设置俯视摄像设备CAM_H，距离地面高度为n_H米；
(3)针对CAM_L视频设置高度阈值L_THD，使得人体起立后的成像有一部分超出高度阈值L_THD，而人体坐下后不会有人任何部位超出此阈值。
(4)获取CAM_L视频，通过某种动态背景算法生成背景模型，本例中采用混合高斯模型算法；
(5)基于步骤(3)生成的背景模型与当前帧，基于某种算法做出动态目标分离；本例中采用的算法是当前帧与背景做差，得到灰度图像，选取阈值TH_L，得到二值化的前进图像PIC_FORE；
(6)对步骤(5)得到的图像PIC_FORE做形态学变化，取出杂点与小块干扰；
(7)对步骤(6)处理后得到的图像PIC_FORE，进行某种目标检测，得到若干目标块OBJS；
(8)判断OBJS中超出步骤(3)中设置的高度阈值L_THD的运动目标图像，并通过分析运动目标的大小及形态，确定运动目标是由起立人体造成的成像；本例中采用目标超出高度与之L_THD部分的大小作为唯一判断，凡是超出部分的大小大于设定的大小阈值SIZE_THD，就判定此目标可能是人体起立的成像；
(9)获取CAM_H视频，通过某种动态背景算法生成背景模型，本例中同样采用混合高斯模型算法；
(10)动态目标提取，并保存若干帧动态目标信息集合M_SET；本例中采取隔帧保存，共保存30帧信息，即2秒中的运动目标信息；集合中包含目标大小(OBJ_S),目标中心位置（OBJ_G）,目标上边缘位置（OBJ_T），目标下边缘位置（OBJ_B）；
(11)当步骤(8)中确定有起立目标时，提取以此时间点之前的若干帧的动态模板信息（M_SET）；
(12)通过M_SET中的信息，查找起立目标，定位目标位置；如果M_SIZE中没有符合起立特征的运动目标，则可以判定步骤(8)中的起立检测是误检。
作为优选，所述的步骤(1)中的n_L较佳取值范围为0.5～1.8m。
作为优选，所述的步骤(2)中的n_H较佳取值范围为1.8~5m。
作为优选，所述的步骤(5)中TH_L较佳取值在15～30之间。
目前检测起立动作的方法主要有两种:
(1)、靠不少于2个摄像机(摄像机，可以是其它任何感应设备，例如红外摄像机、红外感光器和红外灯组合等光学感应设备。)固定在较低的位置，通过人体起立所引起的在某个高度以上的运动目标来确定起立动作和起立位置。这种方法的缺点是:1，安装难，同时安装两个高度较低的检测摄像机不一定适应所有现场情况(比如对应高度有窗户等)；2、在较低高度平视检测无法区别目标远近，很难排除检测空间以外的运动目标的干扰。
(2)靠1台安装在较高位置上的摄像机，检测人体起立的动作。这种方法的缺点是人体起立动作非常复杂，通过单一视频画面识别时，很难区分起立动作和后仰、转身等动作，使得误识别率很高。
综上所述，本发明具有以下有益效果：本发明结合了现有两种检测方式的优点，规避了他们的缺点。1.采用单一摄像机在较低的安装位置初步检测起立动作，保证去除了人的转身，后仰等干扰动作造成的误检。2.由于只需要安装一台低位摄像机，扩展了安装的适应性。3.较高位置的摄像机俯视检测教室，可以依据这一图像排除检测区域外的干扰因素。
附图说明
下面结合附图和具体实施方式来详细说明本发明；
图1为本发明的算法流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
参照图1，本具体实施方式采用以下技术方案：一种基于图像分析的人体行为识别算法，其包括以下步骤：
(1)在通常人体站立高度位置设置摄像设备CAM_L，距离地面高度为n_L米（n_L较佳取值范围：0.5～1.8m）；
(2)在较高的位置设置俯视摄像设备CAM_H，距离地面高度为n_H米（n_H较佳取值范围:1.8~5m）；
(3)针对CAM_L视频设置高度阈值L_THD，使得人体起立后的成像有一部分超出高度阈值L_THD，而人体坐下后不会有人任何部位超出此阈值。
(4)获取CAM_L视频，通过某种动态背景算法生成背景模型，本例中采用混合高斯模型算法；
(5)基于步骤(3)生成的背景模型与当前帧，基于某种算法做出动态目标分离；本例中采用的算法是当前帧与背景做差，得到灰度图像，选取阈值TH_L(较佳取值在15～30之间)，得到二值化的前进图像PIC_FORE；
(6)对步骤(5)得到的图像PIC_FORE做形态学变化，取出杂点与小块干扰；
(7)对步骤(6)处理后得到的图像PIC_FORE，进行某种目标检测，得到若干目标块OBJS；
(8)判断OBJS中超出步骤(3)中设置的高度阈值L_THD的运动目标图像，并通过分析运动目标的大小及形态，确定运动目标是由起立人体造成的成像；本例中采用目标超出高度与之L_THD部分的大小作为唯一判断，凡是超出部分的大小大于设定的大小阈值SIZE_THD，就判定此目标可能是人体起立的成像；
(9)获取CAM_H视频，通过某种动态背景算法生成背景模型，本例中同样采用混合高斯模型算法；
(10)动态目标提取，并保存若干帧动态目标信息集合M_SET；本例中采取隔帧保存，共保存30帧信息，即2秒中的运动目标信息；集合中包含目标大小(OBJ_S),目标中心位置（OBJ_G）,目标上边缘位置（OBJ_T），目标下边缘位置（OBJ_B）；
(11)当步骤(8)中确定有起立目标时，提取以此时间点之前的若干帧的动态模板信息（M_SET）；
(12)通过M_SET中的信息，查找起立目标，定位目标位置；如果M_SIZE中没有符合起立特征的运动目标，则可以判定步骤(8)中的起立检测是误检。
本具体实施方式通过低位检测摄像机CAM_L，初步检测是否发生起立动作；通过高位检测摄像机CAM_H，进一步判断起立是否发生，检测起立位置；高位检测摄像机CAM_H的到的目标信息，只有在低位检测摄像机CAM_L初步判断有起立动作后进行分析；并且只分析起立发生之前一定时间的图像信息。
本具体实施方式采用单一摄像机在较低的安装位置初步检测起立动作，保证去除了人的转身，后仰等干扰动作造成的误检。由于只需要安装一台低位摄像机，扩展了安装的适应性。较高位置的摄像机俯视检测教室，可以依据这一图像排除检测区域外的干扰因素。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种基于图像分析的人体行为识别算法，其特征在于，其包括以下步骤：
(1)在通常人体站立高度位置设置摄像设备CAM_L，距离地面高度为n_L米；
(2)在较高的位置设置俯视摄像设备CAM_H，距离地面高度为n_H米；
(3)针对CAM_L视频设置高度阈值L_THD，使得人体起立后的成像有一部分超出高度阈值L_THD，而人体坐下后不会有人任何部位超出此阈值；
(4)获取CAM_L视频，通过某种动态背景算法生成背景模型，本例中采用混合高斯模型算法；
(5)基于步骤(3)生成的背景模型与当前帧，基于某种算法做出动态目标分离；本例中采用的算法是当前帧与背景做差，得到灰度图像，选取阈值TH_L，得到二值化的前进图像PIC_FORE；
(6)对步骤(5)得到的图像PIC_FORE做形态学变化，取出杂点与小块干扰；
(7)对步骤(6)处理后得到的图像PIC_FORE，进行某种目标检测，得到若干目标块OBJS；
(8)判断OBJS中超出步骤(3)中设置的高度阈值L_THD的运动目标图像，并通过分析运动目标的大小及形态，确定运动目标是由起立人体造成的成像；本例中采用目标超出高度与之L_THD部分的大小作为唯一判断，凡是超出部分的大小大于设定的大小阈值SIZE_THD，就判定此目标可能是人体起立的成像；
(9)获取CAM_H视频，通过某种动态背景算法生成背景模型，本例中同样采用混合高斯模型算法；
(10)动态目标提取，并保存若干帧动态目标信息集合M_SET；本例中采取隔帧保存，共保存30帧信息，即2秒中的运动目标信息；集合中包含目标大小(OBJ_S),目标中心位置（OBJ_G）,目标上边缘位置（OBJ_T），目标下边缘位置（OBJ_B）；
(11)当步骤(8)中确定有起立目标时，提取以此时间点之前的若干帧的动态模板信息（M_SET）；
(12)通过M_SET中的信息，查找起立目标，定位目标位置；如果M_SIZE中没有符合起立特征的运动目标，则可以判定步骤(8)中的起立检测是误检。
2.根据权利要求1所述的一种基于图像分析的人体行为识别算法，其特征在于，所述的步骤(1)中的n_L取值范围为0.5～1.8m。
3.根据权利要求1所述的一种基于图像分析的人体行为识别算法，其特征在于，所述的步骤(2)中的n_H取值范围为1.8~5m。
4.根据权利要求1所述的一种基于图像分析的人体行为识别算法，其特征在于，所述的步骤(5)中TH_L取值在15～30之间。
CN201610212596.0A 2016-04-07 2016-04-07 一种基于图像分析的人体行为识别算法 Pending CN107273781A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610212596.0A CN107273781A (zh) 2016-04-07 2016-04-07 一种基于图像分析的人体行为识别算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610212596.0A CN107273781A (zh) 2016-04-07 2016-04-07 一种基于图像分析的人体行为识别算法

Publications (1)

Publication Number Publication Date
CN107273781A true CN107273781A (zh) 2017-10-20

Family

ID=60052825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610212596.0A Pending CN107273781A (zh) 2016-04-07 2016-04-07 一种基于图像分析的人体行为识别算法

Country Status (1)

Country Link
CN (1) CN107273781A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109522846A (zh) * 2018-11-19 2019-03-26 深圳博为教育科技有限公司 一种起立监测方法、装置、服务器及起立监测系统
CN113076936A (zh) * 2021-04-30 2021-07-06 华南理工大学 一种基于绳子目标提取的跳绳计数方法
CN117968367A (zh) * 2024-04-01 2024-05-03 招远市双盛石艺科技有限公司 一种利用尾矿制备烘干砂的自动上料系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719216A (zh) * 2009-12-21 2010-06-02 西安电子科技大学 基于模板匹配的运动人体异常行为识别方法
CN103259964A (zh) * 2012-11-21 2013-08-21 上海申瑞电网控制系统有限公司 视频动态目标捕捉的图像信号滤波方法
CN103327250A (zh) * 2013-06-24 2013-09-25 深圳锐取信息技术股份有限公司 基于模式识别镜头控制方法
CN103425971A (zh) * 2013-08-28 2013-12-04 重庆大学 一种家庭环境下独居老人异常行为的监测方法
CN103686092A (zh) * 2013-12-30 2014-03-26 深圳锐取信息技术股份有限公司 学生起立双系统检测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719216A (zh) * 2009-12-21 2010-06-02 西安电子科技大学 基于模板匹配的运动人体异常行为识别方法
CN103259964A (zh) * 2012-11-21 2013-08-21 上海申瑞电网控制系统有限公司 视频动态目标捕捉的图像信号滤波方法
CN103327250A (zh) * 2013-06-24 2013-09-25 深圳锐取信息技术股份有限公司 基于模式识别镜头控制方法
CN103425971A (zh) * 2013-08-28 2013-12-04 重庆大学 一种家庭环境下独居老人异常行为的监测方法
CN103686092A (zh) * 2013-12-30 2014-03-26 深圳锐取信息技术股份有限公司 学生起立双系统检测方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109522846A (zh) * 2018-11-19 2019-03-26 深圳博为教育科技有限公司 一种起立监测方法、装置、服务器及起立监测系统
CN109522846B (zh) * 2018-11-19 2020-08-14 深圳博为教育科技有限公司 一种起立监测方法、装置、服务器及起立监测系统
CN113076936A (zh) * 2021-04-30 2021-07-06 华南理工大学 一种基于绳子目标提取的跳绳计数方法
CN113076936B (zh) * 2021-04-30 2022-05-24 华南理工大学 一种基于绳子目标提取的跳绳计数方法
CN117968367A (zh) * 2024-04-01 2024-05-03 招远市双盛石艺科技有限公司 一种利用尾矿制备烘干砂的自动上料系统及方法
CN117968367B (zh) * 2024-04-01 2024-05-28 招远市双盛石艺科技有限公司 一种利用尾矿制备烘干砂的自动上料系统及方法

Similar Documents

Publication Publication Date Title
CN103366156B (zh) 道路结构检测和跟踪
CN102521578B (zh) 一种入侵检测和识别方法
CN108229407A (zh) 一种视频分析中的行为检测方法与系统
CN107301375B (zh) 一种基于稠密光流的视频图像烟雾检测方法
CN109829382B (zh) 基于行为特征智能分析的异常目标预警追踪系统及方法
CN103425967A (zh) 一种基于行人检测和跟踪的人流监控方法
CN110309801B (zh) 一种视频分析方法、装置、系统、存储介质及计算机设备
CN104463869B (zh) 一种视频火焰图像复合识别方法
CN110378179A (zh) 基于红外热成像的地铁逃票行为检测方法及系统
KR101863727B1 (ko) 영상으로부터 다중 조건에 따른 객체 검색을 가능하게 하는 ｃｃｔｖ 시스템 및 그 객체 검색방법
CN106780565A (zh) 一种基于光流与k‑means聚类的多学生起坐检测方法
CN107273781A (zh) 一种基于图像分析的人体行为识别算法
CN112528861A (zh) 应用于铁路隧道内道床的异物检测方法及装置
CN110096943A (zh) 一种基于深度学习的违章建筑检测系统
CN103390151A (zh) 人脸检测方法及装置
CN114140745A (zh) 施工现场人员属性检测方法、系统、装置及介质
CN105957300A (zh) 一种智慧金睛识别可疑张贴遮蔽报警方法和装置
CN110244923B (zh) 一种图像显示方法及装置
CN206331472U (zh) 一种基于人脸检测的互动机器人
CN110580708B (zh) 一种快速移动检测方法、装置及电子设备
CN103049748A (zh) 行为监测方法及装置
CN106683077A (zh) 一种扶梯口楼层板上大件物滞留检测方法
CN102663350A (zh) 一种基于视频的公路隧道火灾检测方法
JP7125843B2 (ja) 障害検知システム
CN108446581A (zh) 一种恶劣环境中的无人机检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 100075 Beijing Daxing District, Beijing Economic and Technological Development Zone, No. 26 Kechuang Thirteenth Street, 1 5-storey 501

Applicant after: Beijing Wen Xiang Information Technology Co., Ltd.

Address before: Room 2503, Building No. 2, 66 Zhongguancun East Road, Haidian District, Beijing 100097

Applicant before: Beijing Wen Xiang Information Technology Co., Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 1101, 11 / F, building 2, No. 15, South Ronghua Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: BEIJING WENXIANG INFORMATION TECHNOLOGY Co.,Ltd.

Address before: 100075 Beijing Daxing District, Beijing Economic and Technological Development Zone, No. 26 Kechuang Thirteenth Street, 1 5-storey 501

Applicant before: BEIJING WENXIANG INFORMATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20171020

RJ01 Rejection of invention patent application after publication