CN109598190A - 用于动作识别的方法、装置、计算机设备及存储介质 - Google Patents
用于动作识别的方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109598190A CN109598190A CN201811236963.6A CN201811236963A CN109598190A CN 109598190 A CN109598190 A CN 109598190A CN 201811236963 A CN201811236963 A CN 201811236963A CN 109598190 A CN109598190 A CN 109598190A
- Authority
- CN
- China
- Prior art keywords
- feature data
- target user
- movement
- fisrt feature
- action
- 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
Links
- 230000009471 action Effects 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000006399 behavior Effects 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 10
- 231100001261 hazardous Toxicity 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000013475 authorization Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 13
- 239000013598 vector Substances 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 235000011888 snacks Nutrition 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种用于动作识别的方法、装置、计算机设备及存储介质,该方法包括:获取目标用户的行为图片;根据所述目标用户的行为图片,获取第一特征数据;通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,识别所述目标用户的动作。本申请实施例中,本申请提供的用于动作识别的方法、装置、计算机设备及存储介质,通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据识别所述目标用户的动作,能够有效识别目标用户的动作。
Description
技术领域
本申请涉及电子技术领域,尤其涉及一种用于动作识别的方法、装置、计算机设备及存储介质。
背景技术
在现有人脸识别技术发展下,人们可以通过脸部识别快速确定用户是否为目标用户。但是在多种场景下,人们往往需要对用户的肢体动作进行预警,而现有的脸部识别技术难以满足这种需要。
发明内容
本申请的目的是提供一种用于动作识别的方法、装置、计算机设备及存储介质,用于解决现有技术存在的问题。
为实现上述目的,本申请提供一种用于动作识别的方法,包括以下步骤:
步骤01,获取目标用户的行为图片;
步骤02,根据所述目标用户的行为图片,获取第一特征数据;
步骤03,通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,识别所述目标用户的动作。
进一步地,所述步骤01包括:
通过远程授权监控摄像头获取所述目标用户的行为图片。
进一步地,所述步骤03包括:
通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,在所述至少一个第二特征数据中确定第三特征数据,所述第三特征数据与所述第一特征数据的相似度大于预设阈值;
将所述第三特征数据对应的肢体动作,确定为所述目标用户的动作。
进一步地,所述方法还包括:
步骤04,确定所述目标用户的肢体动作属于预警动作时,根据所述目标用户的动作生成并发送预警信息,所述预警信息表示所述目标用户的动作为危险行为。
进一步地,所述预警动作包括偷窃动作和/或危险动作。
进一步地,所述方法还包括:
步骤05,所述第一特征数据和所述至少一个第二特征数据的相似度均小于或等于预设的最小阈值时,将所述第一特征数据和所述第一特征数据对应的动作添加到所述数据库中。
进一步地,所述目标用户的动作包括以下中的至少一项:
头部动作、腿部动作、手臂动作以及用户持有的物体。
为实现上述目的,本申请还提供一种识别用户动作的装置,其包括:
行为图片获取单元,用于获取目标用户的行为图片;
特征数据获取单元,用于根据所述目标用户的行为图片,获取第一特征数据;
用户动作识别单元,用于通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,识别所述目标用户的动作。
进一步地,所述行为图片获取单元具体用于包括:
通过远程授权监控摄像头获取所述目标用户的行为图片。
进一步地,所述用户动作识别单元具体用于:
通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,在所述至少一个第二特征数据中确定第三特征数据,所述第三特征数据与所述第一特征数据的相似度大于预设阈值;
将所述第三特征数据对应的肢体动作,确定为所述目标用户的动作。
进一步地,所述方法还包括:
预警单元,所述预警单元用于:
确定所述目标用户的肢体动作属于预警动作时,根据所述目标用户的动作生成并发送预警信息,所述预警信息表示所述目标用户的动作为危险行为。
进一步地,所述预警动作包括偷窃动作和/或危险动作。
进一步地,所述方法还包括:
特征数据添加单元,所述特征数据添加单元用于:
所述第一特征数据和所述至少一个第二特征数据的相似度均小于或等于预设的最小阈值时,将所述第一特征数据和所述第一特征数据对应的动作添加到所述数据库中。
进一步地,所述目标用户的动作包括以下中的至少一项:
头部动作、腿部动作、手臂动作以及用户持有的物体。
为实现上述目的,本申请还提供一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
为实现上述目的,本申请还提供计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本申请提供的用于动作识别的方法、装置、计算机设备及存储介质,通过所述目标用户的行为图片获取第一特征数据,并通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据识别所述目标用户的动作,能够有效识别目标用户的动作。
附图说明
图1为本申请用于动作识别的方法的实施例的流程图;
图2为本申请用于动作识别的方法的另一个实施例的流程图;
图3为本申请识别用户动作的装置实施例的程序模块示意图;
图4为本申请识别用户动作的装置实施例的另一程序模块示意图。
具体实施方式
在本申请涉及的方法适用于网络设备,也适用于用户设备。
其中,网络设备包括一种能够按照事先设定或存储的指令,自动进行数值计算和信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云;在此,云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述用户设备其包括但不限于任何一种可与用户通过键盘、触摸板、或声控设备进行人机交互的电子产品,例如移动终端、PDA等。其中,所述移动终端指可以在移动中使用的计算机设备,包括但不限于手机、笔记本、平板电脑、车载电脑等。本领域技术人员应能理解,其他的移动终端、网络设备同样适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
在本申请的方法可以应用于应用程序,所述应用程序可以是为了完成某项或某几项特定任务而被开发运行于操作系统之上的计算机程序,包括但不限于计算机上使用的应用程序,移动终端上使用的应用程序等。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参阅图1,本实施例的用于动作识别的方法可以包括:
步骤01,获取目标用户的行为图片。
可选地,在本申请的一个实施例中,可以通过远程授权监控摄像头来调取所述目标用户的行为图片。
例如,通过摄像头获取用户行为视频,把连续的动画拆分成每一帧单张图片,从而获取所述目标用户的行为图片。
应理解,获取所述目标用户的行为图片,还可以通过拍照的方式,例如,对于每一个进图监控范围的用户,在预设时间点或者地点对所述目标用户进行拍照,从而获取用户的行为图片。
本申请实施例中,所述目标用户的行为图片包括但不限于所述目标用户的肢体动作的图片。
例如,所述目标用户的行为图片可以是包含用户手臂动作和/或腿脚动作的图片,也可以是包括头部动作的图片,例如摇头或者点头等。
又例如,所述目标用户的行为图片还可以包括所述目标用户持有的物体,例如,零食或者武器。
请参阅图1,本实施例的用于动作识别的方法还可以包括:
步骤02,根据所述目标用户的行为图片,获取第一特征数据。
具体地,可以通过将所述目标用户的行为图片进行数字化处理,以获取所述第一特征数据。
应理解,所述第一特征数据可以是能够表征用户动作的任一形式的数据。
例如,所述第一特征数据可以是特征向量。具体地,所述第一特征数据可以是所述目标用户的行为图像进行数字化处理后形成的特征向量,也可以是图片中肢体动作进行数字化处理后形成的纹理特征向量等。
值得注意的是,本申请实施例不对特征向量的具体表示形式加以限制。例如,上述各种特征向量可以以矩阵的方式呈现、也可以以行向量的方式呈现、还也可以以列向量的方式呈现,又例如,所述第一特征数据也可以是表的形式或者图的形式等等。
下面以所述第一特征数据为纹理特征向量为例,对上述步骤02进行说明。
具体地,获取所述目标用户的行为图片后,先对所述目标用户的行为图片进行降噪处理,然后使用自适应增强(Adaptive Boosting,Adaboost)算法抓取所述目标用户的肢体动作并对肢体动作进行剪裁,以获取所述目标用户的肢体图片。
需要注意的是,本申请实施例中,所述目标用户的肢体图片是针对所述目标用户的行为图片处理后形成的图片,例如,所述目标用户的肢体图片可以是所述目标用于的行为图片中能够表征肢体动作的部分。
本申请实施例中,在获取所述目标用户的肢体图片后,可以将所述目标用户的肢体图片进行数字化处理,例如,可以利用HLACLF-top算法将所述目标用户的肢体图片进行数字化处理。从而得到肢体动作的纹理特征向量。
例如,当所述目标用户的手臂上扬时,可以得到所述目标用户的肢体动作的纹理特征向量为A,当所述目标用户的肢体动为手臂高举时,可以得到所述目标用户的肢体动作的纹理特征向量为B。
应理解,上述以Adaboost算法获取肢体图片仅为示例性描述,本申请实施例不限于此。
请参阅图1,本实施例的用于动作识别的方法还可以包括:
步骤03,通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,识别所述目标用户的动作。
具体地,执行主体在获取所述目标用户的第一特征数据后,将所述第一特征数据与所述数据库中预设的第二特征数据进行对比,以确定出所述目标用户的动作。
可选地,在本申请的一个实施例中,所述目标用户的动作包括以下中的至少一项:
头部动作、腿部动作、手臂动作以及用户持有的物体。
可以理解,本申请实施例的数据库中,可以预存有大量人类不同行为动作的第二特征数据,例如,人类手臂动作可以对应一个或者多个所述第二特征数据。例如,人体手臂的每一处动作均可以对应一个所述第二特征数据。具体地,比如,当人体手臂扬起可以包含敬礼、打人等不同类型的动作,这些动作均可以有一个所述第二特征数据来进行数据表示。
由于本申请实施例中,所述目标用户的手中包含的物体也可以作为动作的一部分。例如,人体手中握有零食或者武器等。因此,所述目标用户的行为图片中,可以结合所述目标用户的肢体动作(例如,手臂动作或者腿脚动作)和所述目标用户的手中包含的物体(例如,零食或者武器)对应一个或者多个所述第二特征数据。
本申请实施例中,在获取所述目标用户的行为图片的所述第一特征数据后,将所述第一特征数据与预存的至少一个第二特征数据进行对比,以确定所述目标用户的实际动作。
下面对本申请实施例中执行主体确定所述目标用户的动作的具体实现方式进行说明:
可选地,在本申请的一个实施例中,可以通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,在所述至少一个第二特征数据中确定第三特征数据,所述第三特征数据与所述第一特征数据的相似度大于预设阈值;然后,可以将所述第三特征数据对应的肢体动作,直接确定为所述目标用户的动作。
换句话说,当所述至少一个第二特征数据中的所述第三特征数据与所述第一特征数据属于同种动作类别的相似概率大于预设阈值时,可以确定所述第三特征数据与所述第一特征数据属于同种动作类别。
可选地,在本申请的一个实施例中,可以先构造相似度函数,然后基于所述相似度函数计算所述至少一个所述第二特征数据中每个第二特征数据的相似度。应当理解,这里获取所述第一特征数据后,可以与预存的所述至少一个第二特征数据进行比较,对于两个特征数据的比较方法有很多,这里相似度函数仅仅是一种具体的构造比较算法。例如,特征数据可以具体体现为特征向量,相似度函数可以具体体现为两个特征向量之间的欧式距离。
需要注意的是,与所述第一特征数据的相似度大于预设阈值的特征数据有可能是所述至少一个第二特征数据中的一个,也有可能是所述至少一个第二特征数据中的多个。
可选地,在本申请的一个实施例中,所述第三特征数据包括一个所述第二特征数据。
可选地,在本申请的一个实施例中,当与所述第一特征数据的相似度大于预设阈值的特征数据为所述至少一个第二特征数据中的多个时,可以将相似度最大的一个第二特征数据,确定为所述第三特征数据。
应理解,本身实施例中以所述第三特征数据包括一个所述第二特征数据为例,但本申请实施例不限于此。
例如,所述第三特征数据还包括多个第二特征数据。
这种情况下,所述目标用户的动作可以是多个。
例如,所述目标用户不仅存在手臂动作(例如,举手动作),还存在腿脚动作(例如,抬脚动作)。甚至于,所述目标用户还可以存在头部动作(例如,点头动作)。
可选地,在本申请的一个实施例中,所述预设阈值可以包括一个阈值。
例如,所述预设阈值可以设为80%,由此,可以将所述至少一个第二特征数据中与所述第一特征数据的相似度大于80%的特征数据确定为所述第三特征数据。
举例来说,当敬礼动作对应的第二特征数据,其与所述第一特征数据的相似度为90%时,便可以确定所述目标用户的动作为敬礼。
可选地,在本申请的一个实施例中,所述预设阈值可以包括多个阈值。
例如,可以设置80%和90%两个相似度阈值,可以将所述至少一个第二特征数据中与所述第一特征数据的相似度大于90%的特征数据直接确定为所述第三特征数据。当将所述至少一个第二特征数据中与所述第一特征数据的相似度小于90%且大于80%的特征数据,作为所述第三特征数据的待验证数据。将所述至少一个第二特征数据中与所述第一特征数据的相似度小于80%的特征数据,作为所述第三特征数据的排除数据。
综上所述,本申请提供的用于动作识别的方法,通过所述目标用户的行为图片获取第一特征数据,并通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据识别所述目标用户的动作,能够有效识别所述目标用户的动作。
应当理解,图1所示的用于动作识别的方法仅为示例,本申请实施例不限于此,例如,在其他可替代实施例中,当执行主体确定该待识别用户动作是某些危险动作时,还可以进行一些处理操作。
本申请实施例中,还可以设置某些预警或者特别关注的动作,当确定用户的动作类型为这些预警或者特别关注的动作时,可以将这些动作的预警信息发送给第三方,以便第三方及时采取相应的措施。
例如,当所述目标用户手中含有武器(刀具或者枪支等)时,可以将这些动作的预警信息发送给第三方,以便第三方及时采取相应的措施。
图2是本申请实施例的用于识别用户动作的另一示意性框图。
请参阅图2,本实施例的用于动作识别的方法还可以包括:
步骤04,确定所述目标用户的肢体动作属于预警动作时,根据所述目标用户的动作生成并发送预警信息,所述预警信息表示所述目标用户的动作为危险行为。或者说,所述预警信息用于预警所述目标用户的动作属于危险行为,以便第三方能够采取相应措施。
可选地,在本申请的一个实施例中,可以将所述数据库中的某些类型的肢体动作对应的所述第二特征数据,归为需要特别提示或者预警的动作。
可选地,在本申请的一个实施例中,所述预警动作包括偷窃动作和/或危险动作。
例如,当所述用户手中含有武器(刀具或者枪支等)可以归为预警动作。
当理解,所述预警动作可以根据具体应用场景来进行设置。例如,对于公共场合,可以将手中含有武器归为预警动作;对于高铁环境下,可以将手中有烟草归为预警动作等。
还应理解,本申请实施例对上述预警信息发送给第三方的具体实现不做限定。
例如,可以具体通过短信发送给第三方。
又例如,可以通过APP将预警信息发送给第三方。
又例如,可以通过电话语音或者在该客户端的显示屏上显示文字的方式向该客户端发送预警信息。
又例如,也可以通过在客户端上显示视频和/或图案的方式向第三方发送预警信息。
还应理解,本身实施例的用于识别用户动作的方法,还可以将所述目标用户的行为图片发送给第三方,以便所述第三方做进一步验证,本申请实施例对此不做具体限定。例如,可以通过APP将所述目标用户的行为图片发送给第三方。
请参阅图2,本实施例的用于动作识别的方法还可以包括:
步骤05,所述第一特征数据和所述至少一个第二特征数据的相似度均小于或等于预设的最小阈值时,将所述第一特征数据和所述第一特征数据对应的动作添加到所述数据库中。由此,能够及时完善数据库。
进一步地,所述第一特征数据对应的动作可以通过用户识别的方式确定。
应理解,本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。上述实施例仅是示范性的,而且是非限制性的此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,本发明的各个装置可采用专用集成电路(ASIC)或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
图3是本申请实施例的识别用户动作的装置的示意性框图。
如图3所示,在本实施例中,识别用户动作的装置10可以包括或被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本申请,并可实现上述用于动作识别的方法。本申请所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,相对程序更适合于描述识别用户动作的装置10在存储介质中的执行过程。以下描述将具体介绍本实施例中各程序模块的功能。
如图3所示,识别用户动作的装置10可以包括:
行为图片获取单元11,用于获取目标用户的行为图片;
特征数据获取单元12,用于根据所述目标用户的行为图片,获取第一特征数据;
用户动作识别单元13,用于通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,识别所述目标用户的动作。
进一步地,所述行为图片获取单元11具体用于包括:
通过远程授权监控摄像头获取所述目标用户的行为图片。
进一步地,所述用户动作识别单元13具体用于:
通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,在所述至少一个第二特征数据中确定第三特征数据,所述第三特征数据与所述第一特征数据的相似度大于预设阈值;
将所述第三特征数据对应的肢体动作,确定为所述目标用户的动作。
进一步地,所述方法还包括:
预警单元14,所述预警单元14用于:
确定所述目标用户的肢体动作属于预警动作时,根据所述目标用户的动作生成并发送预警信息,所述预警信息表示所述目标用户的动作为危险行为。
进一步地,所述预警动作包括偷窃动作和/或危险动作。
进一步地,所述方法还包括:
特征数据添加单元15,所述特征数据添加单元15用于:
所述第一特征数据和所述至少一个第二特征数据的相似度均小于或等于预设的最小阈值时,将所述第一特征数据和所述第一特征数据对应的动作添加到所述数据库中。
进一步地,所述目标用户的动作包括以下中的至少一项:
头部动作、腿部动作、手臂动作以及用户持有的物体。
本申请提供的用于动作识别的方法、装置、计算机设备及存储介质,通过所述目标用户的行为图片获取第一特征数据,并通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据识别所述目标用户的动作,能够有效识别目标用户的动作。
本实施例中还提供一种计算机设备,如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。本实施例的计算机设备20至少包括但不限于:可通过系统总线相互通信连接的存储器21、处理器22,如图4所示。需要指出的是,图4仅示出了具有组件21-22的计算机设备20,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
本实施例中,存储器21(即可读存储介质)包括闪存、硬盘、多媒体卡、存储器卡(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备20的内部存储单元,例如该计算机设备20的硬盘或内存。在另一些实施例中,存储器21也可以是计算机设备20的外部存储设备,例如该计算机设备20上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器21还可以既包括计算机设备20的内部存储单元也包括其外部存储设备。本实施例中,存储器21通常用于存储安装于计算机设备20的操作系统和各类应用程序软件,例如实施例的识别用户动作的装置10的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备20的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行识别用户动作的装置10,以实现实施例的用于动作识别的方法。
本实施例中还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、存储器卡(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用程序商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储识别用户动作的装置10,被处理器执行时实现实施例的用于动作识别的方法。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述方法实施例可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种用于动作识别的方法,其特征在于,包括以下步骤:
步骤01,获取目标用户的行为图片;
步骤02,根据所述目标用户的行为图片,获取第一特征数据;
步骤03,通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,识别所述目标用户的动作。
2.根据权利要求1所述的方法,其特征在于,所述步骤01包括:
通过远程授权监控摄像头获取所述目标用户的行为图片。
3.根据权利要求1或2所述的方法,其特征在于,所述步骤03包括:
通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,在所述至少一个第二特征数据中确定第三特征数据,所述第三特征数据与所述第一特征数据的相似度大于预设阈值;
将所述第三特征数据对应的肢体动作,确定为所述目标用户的动作。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括:
步骤04,确定所述目标用户的肢体动作属于预警动作时,根据所述目标用户的动作生成并发送预警信息,所述预警信息表示所述目标用户的动作为危险行为。
5.根据权利要求4所述的方法,其特征在于,所述预警动作包括偷窃动作和/或危险动作。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述方法还包括:
步骤05,所述第一特征数据和所述至少一个第二特征数据的相似度均小于或等于预设的最小阈值时,将所述第一特征数据和所述第一特征数据对应的动作添加到所述数据库中。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述目标用户的动作包括以下中的至少一项:
头部动作、腿部动作、手臂动作以及用户持有的物体。
8.一种用于识别用户动作的装置,其特征在于,其包括:
行为图片获取单元,用于获取目标用户的行为图片;
特征数据获取单元,用于根据所述目标用户的行为图片,获取第一特征数据;
用户动作识别单元,用于通过比较所述第一特征数据与数据库中预设的至少一个第二特征数据,识别所述目标用户的动作。
9.一种计算机设备,其特征在于,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811236963.6A CN109598190A (zh) | 2018-10-23 | 2018-10-23 | 用于动作识别的方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811236963.6A CN109598190A (zh) | 2018-10-23 | 2018-10-23 | 用于动作识别的方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109598190A true CN109598190A (zh) | 2019-04-09 |
Family
ID=65957067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811236963.6A Pending CN109598190A (zh) | 2018-10-23 | 2018-10-23 | 用于动作识别的方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109598190A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348362A (zh) * | 2019-07-05 | 2019-10-18 | 北京达佳互联信息技术有限公司 | 标签生成、视频处理方法、装置、电子设备及存储介质 |
CN111104523A (zh) * | 2019-12-20 | 2020-05-05 | 西南交通大学 | 基于语音辅助的视听协同学习机器人及学习方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820834A (zh) * | 2015-05-19 | 2015-08-05 | 深圳市保千里电子有限公司 | 一种斗殴预警方法及装置 |
CN106599762A (zh) * | 2015-10-15 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 动作信息识别方法和系统 |
CN106951484A (zh) * | 2017-03-10 | 2017-07-14 | 百度在线网络技术(北京)有限公司 | 图片检索方法及装置、计算机设备及计算机可读介质 |
CN107786848A (zh) * | 2017-10-30 | 2018-03-09 | 周燕红 | 运动目标检测与动作识别的方法、装置、终端及存储介质 |
CN108369645A (zh) * | 2018-02-08 | 2018-08-03 | 深圳前海达闼云端智能科技有限公司 | 一种出租车运营监测方法、设备、存储介质和系统 |
CN108647581A (zh) * | 2018-04-18 | 2018-10-12 | 深圳市商汤科技有限公司 | 信息处理方法、装置及存储介质 |
-
2018
- 2018-10-23 CN CN201811236963.6A patent/CN109598190A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820834A (zh) * | 2015-05-19 | 2015-08-05 | 深圳市保千里电子有限公司 | 一种斗殴预警方法及装置 |
CN106599762A (zh) * | 2015-10-15 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 动作信息识别方法和系统 |
CN106951484A (zh) * | 2017-03-10 | 2017-07-14 | 百度在线网络技术(北京)有限公司 | 图片检索方法及装置、计算机设备及计算机可读介质 |
CN107786848A (zh) * | 2017-10-30 | 2018-03-09 | 周燕红 | 运动目标检测与动作识别的方法、装置、终端及存储介质 |
CN108369645A (zh) * | 2018-02-08 | 2018-08-03 | 深圳前海达闼云端智能科技有限公司 | 一种出租车运营监测方法、设备、存储介质和系统 |
CN108647581A (zh) * | 2018-04-18 | 2018-10-12 | 深圳市商汤科技有限公司 | 信息处理方法、装置及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348362A (zh) * | 2019-07-05 | 2019-10-18 | 北京达佳互联信息技术有限公司 | 标签生成、视频处理方法、装置、电子设备及存储介质 |
CN111104523A (zh) * | 2019-12-20 | 2020-05-05 | 西南交通大学 | 基于语音辅助的视听协同学习机器人及学习方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106203305B (zh) | 人脸活体检测方法和装置 | |
CN111489290B (zh) | 一种人脸图像超分辨重建方法、装置及终端设备 | |
CN106709318B (zh) | 一种用户设备唯一性的识别方法、装置和计算设备 | |
CN111241883B (zh) | 防止远程被测人员作弊的方法和装置 | |
CN110555428B (zh) | 行人重识别方法、装置、服务器以及存储介质 | |
CN111931153B (zh) | 基于人工智能的身份验证方法、装置和计算机设备 | |
CN112073709B (zh) | 测试数据的生成方法、装置及电子设备 | |
CN116168038B (zh) | 一种图像翻拍检测的方法、装置、电子设备及存储介质 | |
CN108806151A (zh) | 监控报警方法、装置、服务器和存储介质 | |
CN109598190A (zh) | 用于动作识别的方法、装置、计算机设备及存储介质 | |
CN113570635A (zh) | 目标运动轨迹还原方法、装置、电子设备、存储介质 | |
CN112347526A (zh) | 基于防摄屏的信息安全保护方法、装置、电子设备及介质 | |
CN109522451B (zh) | 重复视频检测方法和装置 | |
WO2019242156A1 (zh) | 终端中的应用控制方法和装置及计算机可读存储介质 | |
CN108446737B (zh) | 用于识别对象的方法和装置 | |
CN115037790B (zh) | 异常注册识别方法、装置、设备及存储介质 | |
Li et al. | Detection of partially occluded pedestrians by an enhanced cascade detector | |
CN114238223A (zh) | 图片移除方法、装置、计算机设备及计算机可读存储介质 | |
JPWO2019187107A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN110647858B (zh) | 一种视频遮挡判断方法、装置和计算机存储介质 | |
CN114913567A (zh) | 口罩佩戴的检测方法、装置、终端设备及可读存储介质 | |
CN111931148A (zh) | 图像处理方法、装置和电子设备 | |
CN111651555A (zh) | 业务处理方法、系统和计算机可读存储介质 | |
CN116309274B (zh) | 图像中小目标检测方法、装置、计算机设备及存储介质 | |
CN112685588B (zh) | 资源推荐方法、装置、设备和存储介质 |
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 |