CN111414789A - 一种基于视频网格化的人体回头行为的判定方法 - Google Patents

一种基于视频网格化的人体回头行为的判定方法 Download PDF

Info

Publication number
CN111414789A
CN111414789A CN201910997238.9A CN201910997238A CN111414789A CN 111414789 A CN111414789 A CN 111414789A CN 201910997238 A CN201910997238 A CN 201910997238A CN 111414789 A CN111414789 A CN 111414789A
Authority
CN
China
Prior art keywords
image
human body
module
video
gridding
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
CN201910997238.9A
Other languages
English (en)
Inventor
任广杰
许学军
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.)
Shanghai Chennu Intelligent Technology Co ltd
Original Assignee
Shanghai Chennu Intelligent 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 Shanghai Chennu Intelligent Technology Co ltd filed Critical Shanghai Chennu Intelligent Technology Co ltd
Priority to CN201910997238.9A priority Critical patent/CN111414789A/zh
Publication of CN111414789A publication Critical patent/CN111414789A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
    • 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
    • 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)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Image Analysis (AREA)

Abstract

一种基于视频网格化的人体回头行为的判定方法，其特征在于，包括摄像装置模块、图像处理模块、图像分析模块和图像判断模块；其中所述摄像装置模块，摄像后将图像传递给所述图像处理模块；所述图像处理模块将人像提取并进行处理，并将处理结果传递给图像分析模块；所述图像分析模块对处理后图像进行人脸分析，并将分析结果传递给所述图像判断模块，判断该图像中的人像是否为待考勤人员，并进一步判定该人员是否存在回头行为。

Description

一种基于视频网格化的人体回头行为的判定方法
技术领域
一种基于视频网格化的人体回头行为的判定方法及系统技术领域本发明涉及智能视频检测技术领域。
背景技术
近年来，全程数字化、网络化的视频监控系统优势愈发明显，其高度的开放性、集成性和灵活性，为整个视频图像的智能分析产业的发展提供了更加广阔的发展空间，而基于视频网格化的人体回头行为的判定方法的应用模式之一。智能视频监控以数字化、网络化视频监控为基础，以嵌入式技术为依托，以网络、通信技术为平台，以在摄像头中嵌入简单的图像分析算法为特色的网络视频监控系统为主。随着用户对智能图像分析的要求越来越高，单纯的在摄像头中嵌入简单的算法对抓拍的图片进行分析已经远远不能满足用户的需求。大多数其他厂商将算法集成在摄像头中,由于受摄像头硬件限制，只能构建简单算法，做基本处理，无法实现真正意义上的智能识别。发明内容本发明的目的旨在至少解决所述技术缺陷之一。为此，本发明的目的在于提出一种基于视频网格化的人体回头行为的判定方法，对环境中的人像进行检测，从而在发现通过回头的行为识别方法，来判断该用户是否是回头状态。
发明内容
为了实现上述目的，本发明一方面的实施例提供一种人像移动的视频分析检测方法，包括如下步骤：
步骤S1，对视频图像进行网格化处置，并对每个网格设置个性化的标签包括相对坐标、大小、背景特点等；
步骤S2，将所述视频图像通过交换机发送至数据库服务器进行存储，并发送至应用服务器进行智能视频分析；
步骤S3，由所述应用服务器从所述视频图像中分析出人脸特征，一种人脸识别会议签到系统；
步骤S4，根据不同时间点内人体占据网格的变化，分析人体的移动轨迹，如由远及近的人体，其在移动过程中的呈现在视频画面上的面积会逐步放大，导致占据的网格也会越来越多，则初步判定为该人体为由外往里进入。
步骤S5，当分析出用户在前进的过程中，突然被系统识别到人脸，通过回头的行为识别方法，来判断该用户是否是回头状态。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。
有益效果
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解。
附图说明
图1为本发明的一种基于视频网格化的人体回头行为的判定方法流程图；
图2为本发明的一种基于视频网格化的人体回头行为的判定方法步骤一；
图3为本发明的一种基于视频网格化的人体回头行为的判定方法步骤二；
图4为本发明的一种基于视频网格化的人体回头行为的判定方法步骤三；
图5为本发明的一种基于视频网格化的人体回头行为的判定方法步骤四；
图6为本发明的一种基于视频网格化的人体回头行为的判定方法人体移动坐标示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述，附图中给出了本发明的实施例，但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例，相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件；当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件；本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同；本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明；本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
具体实施例
参照附图1
所述摄像装置模块安装在通往会议室的通道内，并对过往人员进行自动摄像；单元网格初始化定义：本发明主要是基于视频图像的智能分析，对监控摄像机获取的监控画面进行初始化设置即网格化设置，比如200万像素的监控画面其分辨率为1920*1080，代表横向有1920个像素，纵向有1080个像素，通过网格化设置将一组有规律的像素进行有机的结合，初始化成一个一个独立的单元网格；如图2所示：
将上述一副画面分割成若干个网格，单元网格大小可以按需设置大小，若将每个网格大小设置为4*4，则代表横向有4个像素，纵向有4个像素，每个网格由16个像素组成，那么200万像素的视频，分辨率为1920*1080，其画面就被初始化为480*270个网格，本专利为了方便描述和理解，将每个单元格的大小定义为16*16，即每个单元格有256个像素组成。
所述图像处理模块对视频图像进行网格化处置，并对每个网格设置个性化的标签包括相对坐标、大小、背景特点等；网格属性定义：网格初始化后可以对每个网格的属性进行自定义，包括相对位置、背景特点进行系统设置，如图3所示：
位置定义以左上角第一个网格为1，1右侧相邻的为1，2、1，3、1，4、1，……,第二行的第一个网格为2，1、2，2、2，3、2，4、2，5……以此类推
进一步的我们可以对每个网格的属性进行设置，如1,1为墙壁，4,8为入口等，可以为后续的人体行为分析提供更多的基础数据。
所述图像分析模块根据不同时间点内人体占据网格的变化，分析人体的移动轨迹，如由远及近的人体，其在移动过程中的呈现在视频画面上的面积会逐步放大，导致占据的网格也会越来越多，则初步判定为该人体为由外往里进入。人体结构框：网格初始化后，进一步就需要对画面中出现的活动目标进行识别，通过人体识别算法(含人脸识别)，当捕获到画面中出现人体时，可以自动对画面中的人体进行结构化处理，分析人体所占用的网格多少，如图4所示：
图中，人体所占的网格分别是4,7、4,8、5,7、6,7,形成一个倒L型，随着单元网格的颗粒度逐步变小，这个最终形成的形状就和人体的结构逐步接近，形成一个有若干个单元格组成的人体结构。
人体移动方向识别：网格初始化后可以根据人体在时间、空间上的分布状态进行分析，视频画面中通过人体智能识别技术分析出视频中存在的人体，并对这活动的人体进行实时的跟踪，分析每个时间点人体的所占网格的数量多少，来分析人体的运动轨迹，
人体在T1时刻占据的单元网格包含{5,11、6,10、6,11、6,12、7,10、7,11、 7,12、8,10、8,11、8,12、9,11、9,12}，由这些网格组成了一个不规则的多边形，其中心点的坐标假定为M(x1，y1)，在T2时刻占据的单元网格包含{3,7、4,7、 5,7、6,7}，由这些网格组成了一个不规则的多边形，其中心点的坐标假定为N (x2，y2)，而且随着时间的推移，人体在视频画面中会逐渐变小直至消失，人体占据的单元网格数量会越来越少，根据人体在不同的时间、不同的空间，占据的单元网格的数量多少可以初步判断出该人体的移动方向，同时为了保证移动方向的准确性，还需要进一步对形成的两个中心点M、N的相对坐标进行空间上的分析，由M和N为斜边组成一个直角三角形或垂线，如图6所示。
根据直角三角形性质及M(x1，y1)及N(x2,y2)的坐标，可以计算出相对于N而言，M位于N的左上方，因此可以判断该人体是由下往上行走的。
所述图像判断模块当分析出用户在前进的过程中，突然被系统识别到人脸，通过回头的行为识别方法，来判断该用户是否是回头状态。人体回头行为识别：当人体进入视频画面的一瞬间，人体智能识别算法就会自动捕捉到有人体进入画面当中，并自动进行跟踪，经过上述算法分析该人员为由下往上的前进方向，当在某一时刻人体突然转头，人体智能识别算法通过人脸识别技术识别出这个人体是谁，并可以判断这个动作为人体的转头动作。
以上所述实施例仅表达了本发明的某种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制；应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围；因此，本发明专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种基于视频网格化的人体回头行为的判定方法，其特征在于，包括摄像装置模块、图像处理模块、图像分析模块和图像判断模块；其中所述摄像装置模块，摄像后将图像传递给所述图像处理模块；所述图像处理模块将人像提取并进行处理，并将处理结果传递给图像分析模块；所述图像分析模块对处理后图像进行人脸分析，并将分析结果传递给所述图像判断模块，判断该图像中的人像是否待考勤人员，并进一步判定该人员是否存在回头行为。
2.根据权利要求1所述的基于视频网格化的人体回头行为的判定方法的摄像装置模块，其特征在于，所述摄像装置模块安装在通往会议室的通道内，并对过往人员进行自动摄像。
3.根据权利要求1所述的基于视频网格化的人体回头行为的判定方法的图像处理模块，其特征在于，所述图像处理模块对视频图像进行网格化处置，并对每个网格设置个性化的标签包括相对坐标、大小、背景特点等。
4.根据权利要求1所述的基于视频网格化的人体回头行为的判定方法的图像分析模块，其特征在于，所述图像分析模块根据不同时间点内人体占据网格的变化，分析人体的移动轨迹，如由远及近的人体，其在移动过程中的呈现在视频画面上的面积会逐步放大，导致占据的网格也会越来越多，则初步判定为该人体为由外往里进入。
5.根据权利要求1所述的基于视频网格化的人体回头行为的判定方法的图像判断模块，其特征在于，所述图像判断模块当分析出用户在前进的过程中，突然被系统识别到人脸，通过回头的行为识别方法，来判断该用户是否是回头状态。
CN201910997238.9A 2019-10-20 2019-10-20 一种基于视频网格化的人体回头行为的判定方法 Pending CN111414789A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910997238.9A CN111414789A (zh) 2019-10-20 2019-10-20 一种基于视频网格化的人体回头行为的判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910997238.9A CN111414789A (zh) 2019-10-20 2019-10-20 一种基于视频网格化的人体回头行为的判定方法

Publications (1)

Publication Number Publication Date
CN111414789A true CN111414789A (zh) 2020-07-14

Family

ID=71490856

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910997238.9A Pending CN111414789A (zh) 2019-10-20 2019-10-20 一种基于视频网格化的人体回头行为的判定方法

Country Status (1)

Country Link
CN (1) CN111414789A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201742495U (zh) * 2009-07-08 2011-02-09 宝鸡市公安局 视频目标跟踪选择输出系统
CN104123544A (zh) * 2014-07-23 2014-10-29 通号通信信息集团有限公司 基于视频分析的异常行为检测方法及系统
CN104794463A (zh) * 2015-05-11 2015-07-22 华东理工大学 基于Kinect实现室内人体跌倒检测的系统及方法
CN106845378A (zh) * 2017-01-03 2017-06-13 江苏慧眼数据科技股份有限公司 一种自对向图像中识别人体目标的方法
CN107483894A (zh) * 2017-09-13 2017-12-15 浙大网新系统工程有限公司 基于场景判断实现客运管理的高铁车站视频监控系统
CN108549838A (zh) * 2018-03-13 2018-09-18 苏州奥科德瑞智能科技有限公司 一种基于视觉系统的辅助监督方法
CN108563992A (zh) * 2018-03-13 2018-09-21 苏州奥科德瑞智能科技有限公司 一种基于人脸识别的视觉勘察系统
CN108955519A (zh) * 2018-04-09 2018-12-07 江苏金海湾智能制造有限公司 一种快递活物检测系统和方法
CN109544838A (zh) * 2019-01-14 2019-03-29 博拉网络股份有限公司 一种用于特殊区域的人工智能认知识别系统
CN110213723A (zh) * 2019-05-16 2019-09-06 武汉数矿科技股份有限公司 一种根据轨迹快速确定嫌疑人的方法和装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201742495U (zh) * 2009-07-08 2011-02-09 宝鸡市公安局 视频目标跟踪选择输出系统
CN104123544A (zh) * 2014-07-23 2014-10-29 通号通信信息集团有限公司 基于视频分析的异常行为检测方法及系统
CN104794463A (zh) * 2015-05-11 2015-07-22 华东理工大学 基于Kinect实现室内人体跌倒检测的系统及方法
CN106845378A (zh) * 2017-01-03 2017-06-13 江苏慧眼数据科技股份有限公司 一种自对向图像中识别人体目标的方法
CN107483894A (zh) * 2017-09-13 2017-12-15 浙大网新系统工程有限公司 基于场景判断实现客运管理的高铁车站视频监控系统
CN108549838A (zh) * 2018-03-13 2018-09-18 苏州奥科德瑞智能科技有限公司 一种基于视觉系统的辅助监督方法
CN108563992A (zh) * 2018-03-13 2018-09-21 苏州奥科德瑞智能科技有限公司 一种基于人脸识别的视觉勘察系统
CN108955519A (zh) * 2018-04-09 2018-12-07 江苏金海湾智能制造有限公司 一种快递活物检测系统和方法
CN109544838A (zh) * 2019-01-14 2019-03-29 博拉网络股份有限公司 一种用于特殊区域的人工智能认知识别系统
CN110213723A (zh) * 2019-05-16 2019-09-06 武汉数矿科技股份有限公司 一种根据轨迹快速确定嫌疑人的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宗智嵩: "监控视频中信息提取及标注技术的研究与应用" *

Similar Documents

Publication Publication Date Title
CN112216049B (zh) 一种基于图像识别的施工警戒区监测预警系统及方法
KR102465532B1 (ko) 객체 인식 방법 및 장치
US8213679B2 (en) Method for moving targets tracking and number counting
US7110569B2 (en) Video based detection of fall-down and other events
CN110110657A (zh) 视觉识别危险的预警方法、装置、设备及存储介质
CN109522793A (zh) 基于机器视觉的多人异常行为检测与识别方法
US20140226855A1 (en) Subject sensing in an environment
JP5147761B2 (ja) 画像監視装置
Park et al. Multi-person interaction and activity analysis: a synergistic track-and body-level analysis framework
Li et al. Robust multiperson detection and tracking for mobile service and social robots
CN112733690A (zh) 一种高空抛物检测方法、装置及电子设备
US20190279382A1 (en) 4d tracking
Thome et al. A HHMM-based approach for robust fall detection
Cardile et al. A vision-based system for elderly patients monitoring
CN112270381A (zh) 基于深度学习的人流量检测方法
CN111178129B (zh) 一种基于人脸和姿态的多模态人员识别方法
Hu et al. Building occupancy detection and localization using CCTV camera and deep learning
CN109740527B (zh) 一种视频帧中图像处理方法
CN105931429A (zh) 一种智慧金睛识别夜间接近报警方法和装置
CN111310689B (zh) 潜在信息融合的家庭安防系统中的人体行为识别的方法
CN111414789A (zh) 一种基于视频网格化的人体回头行为的判定方法
Leotta et al. PLaTHEA: a marker‐less people localization and tracking system for home automation
CN115601834A (zh) 基于WiFi信道状态信息的跌倒检测方法
Benet et al. Embedded low-level video processing for surveillance purposes
CN114035482A (zh) 一种楼宇智能监控系统及监控方法

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200714