CN111414886A - 一种人体动态特征的智能识别系统 - Google Patents
一种人体动态特征的智能识别系统 Download PDFInfo
- Publication number
- CN111414886A CN111414886A CN202010232592.5A CN202010232592A CN111414886A CN 111414886 A CN111414886 A CN 111414886A CN 202010232592 A CN202010232592 A CN 202010232592A CN 111414886 A CN111414886 A CN 111414886A
- Authority
- CN
- China
- Prior art keywords
- human body
- module
- neural network
- recognition
- orientation
- 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
- 238000003062 neural network model Methods 0.000 claims abstract description 16
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人体动态特征的智能识别系统,包括:视频取帧模块,用于调用视频取帧脚本,每隔一定帧数获取一张图像,得图像集;目标识别模块,基于DSOD算法实现人体目标的识别;人体朝向识别模块,用于实现人体目标朝向的识别;人体骨骼信息获取模块,用于通过kinect深度传感器实现人体骨骼信息的获取;骨骼信息滤波模块,消除所获得骨骼信息的抖动和噪声干扰;人体动态特征识别模块,用于将所得的骨骼信息规范化后,输入所构建的神经网络模型进行动态特征的识别。本发明基于神经网络模型实现了人体动态特征的高效识别对比,从而可以快速的判定该特定人员和目标特定人员是否为同一人。
Description
技术领域
本发明涉及一种人体动态识别系统,具体涉及一种人体动态特征的智能识别系统。
背景技术
在视频检索、视频监控中和人机交互等很多应用中,人体运动分析是被关注的主题之一,人体动作识别是人体运动分析的关键,因此,它已成为计算机视觉、模式识别和图像处理的研究热点。
在以往案件侦破的过程中,监控录像提供的影像资料,往往由于特定人员蒙面或影像不清而无法进行个体识别的认定,从而失去证据功能。
发明内容
为解决上述技术问题,本发明提供了一种人体动态特征的智能识别系统,。
为实现上述目的,本发明采取的技术方案为:
一种人体动态特征的智能识别系统,包括:
视频取帧模块,用于调用视频取帧脚本,每隔一定帧数获取一张图像,得图像集;
目标识别模块,基于DSOD算法实现人体目标的识别;
人体朝向识别模块,用于实现人体目标朝向的识别;
人体骨骼信息获取模块,用于通过kinect深度传感器实现人体骨骼信息的获取;
骨骼信息滤波模块,消除所获得骨骼信息的抖动和噪声干扰;
人体动态特征识别模块,用于将所得的骨骼信息规范化后,输入所构建的神经网络模型进行动态特征的识别。
进一步地,所述人体朝向识别模块基于Inception_V3_coco模型实现。
进一步地,所述模型采用coco数据集预训练Inception V3深度神经网络,然后用先前准备好的数据集训练该模型,微调深度神经网络中的各项参数,最后得到合适的用于人体朝向的目标检测模型。
进一步地,所述人体动态特征识别模块首先基于最邻近分类器基于人体朝向识别结果调用对应神经网络模型,然后基于神经网络模型实现人体动态特征的识别。
进一步地,所述神经网络模型的输入项为骨骼信息,输出项为相似的概率,采用Inception V3深度神经网络。
本发明具有以下有益效果:
基于DSOD算法和神经网络模型实现了人体动态特征的高效识别对比,从而可以快速的判定特定人员和目标特定人员是否为同一人。
不同的人体朝向采用不同的识别模型,大大提高了识别结果的准确率。
附图说明
图1为本发明实施例一种人体动态特征的智能识别系统的系统框图。
具体实施方式
为了使本发明的目的及优点更加清楚明白,以下结合实施例对本发明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仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供了一种人体动态特征的智能识别系统,包括:
视频取帧模块,用于调用视频取帧脚本,每隔一定帧数获取一张图像,得图像集;
目标识别模块,基于DSOD算法实现人体目标的识别;
人体朝向识别模块,基于Inception_V3_coco模型实现人体目标朝向的识别;该模型采用coco数据集预训练Inception V3深度神经网络,然后用先前准备好的数据集(监控录像取帧后所获取的图像)训练该模型,微调深度神经网络中的各项参数,最后得到合适的用于人体朝向的目标检测模型;
人体骨骼信息获取模块,用于通过kinect深度传感器实现人体骨骼信息的获取;
骨骼信息滤波模块,消除所获得骨骼信息的抖动和噪声干扰;
人体动态特征识别模块,用于将所得的骨骼信息规范化(按照发生时间依次排列)后,输入所构建的神经网络模型进行动态特征的识别;所述人体动态特征识别模块首先基于最邻近分类器基于人体朝向识别结果调用对应神经网络模型,然后基于神经网络模型实现人体动态特征的识别。所述神经网络模型的输入项为骨骼信息,输出项为相似的概率,采用Inception V3深度神经网络。
本具体实施首先通过摄像头进行目标动作视频的采集,用视频取帧脚本,每隔一定帧数获取一张图像,然后利用Inception_V3_coco模型实现图像中人体目标朝向的识别,然后通过kinect深度传感器实现人体骨骼信息的获取,经骨骼信息滤波模块消除所获得骨骼信息的抖动和噪声干扰,最后,将所得的骨骼信息规范化后,输入所构建的神经网络模型进行动态特征的识别。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种人体动态特征的智能识别系统,其特征在于,包括:
视频取帧模块,用于调用视频取帧脚本,每隔一定帧数获取一张图像,得图像集;
目标识别模块,基于DSOD算法实现人体目标的识别;
人体朝向识别模块,用于实现人体目标朝向的识别;
人体骨骼信息获取模块,用于通过kinect深度传感器实现人体骨骼信息的获取;
骨骼信息滤波模块,消除所获得骨骼信息的抖动和噪声干扰;
人体动态特征识别模块,用于将所得的骨骼信息规范化后,输入所构建的神经网络模型进行动态特征的识别。
2.如权利要求1所述的一种人体动态特征的智能识别系统,其特征在于,所述人体朝向识别模块基于Inception_V3_coco模型实现。
3.如权利要求2所述的一种人体动态特征的智能识别系统,其特征在于,所述模型采用coco数据集预训练Inception V3深度神经网络,然后用先前准备好的数据集训练该模型,微调深度神经网络中的各项参数,最后得到合适的用于人体朝向的目标检测模型。
4.如权利要求1所述的一种人体动态特征的智能识别系统,其特征在于,所述人体动态特征识别模块首先基于最邻近分类器基于人体朝向识别结果调用对应神经网络模型,然后基于神经网络模型实现人体动态特征的识别。
5.如权利要求1所述的一种人体动态特征的智能识别系统,其特征在于,所述神经网络模型的输入项为骨骼信息,输出项为相似的概率,采用Inception V3深度神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010232592.5A CN111414886A (zh) | 2020-03-28 | 2020-03-28 | 一种人体动态特征的智能识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010232592.5A CN111414886A (zh) | 2020-03-28 | 2020-03-28 | 一种人体动态特征的智能识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111414886A true CN111414886A (zh) | 2020-07-14 |
Family
ID=71493343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010232592.5A Pending CN111414886A (zh) | 2020-03-28 | 2020-03-28 | 一种人体动态特征的智能识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111414886A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967323A (zh) * | 2020-07-16 | 2020-11-20 | 电子科技大学 | 一种基于深度学习算法的电力带电作业安全检测方法 |
CN112507967A (zh) * | 2020-12-23 | 2021-03-16 | 河南应用技术职业学院 | 一种基于人工智能识别的影像处理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105999670A (zh) * | 2016-05-31 | 2016-10-12 | 山东科技大学 | 基于kinect的太极拳动作判定和指导系统及其指导方法 |
CN110554614A (zh) * | 2019-08-30 | 2019-12-10 | 唐山市智维信息咨询服务有限公司 | 一种人体特征自适应调节的智能家具集成系统 |
CN110858295A (zh) * | 2018-08-24 | 2020-03-03 | 广州汽车集团股份有限公司 | 一种交警手势识别方法、装置、整车控制器及存储介质 |
-
2020
- 2020-03-28 CN CN202010232592.5A patent/CN111414886A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105999670A (zh) * | 2016-05-31 | 2016-10-12 | 山东科技大学 | 基于kinect的太极拳动作判定和指导系统及其指导方法 |
CN110858295A (zh) * | 2018-08-24 | 2020-03-03 | 广州汽车集团股份有限公司 | 一种交警手势识别方法、装置、整车控制器及存储介质 |
CN110554614A (zh) * | 2019-08-30 | 2019-12-10 | 唐山市智维信息咨询服务有限公司 | 一种人体特征自适应调节的智能家具集成系统 |
Non-Patent Citations (1)
Title |
---|
薛艳等: "基于人体步态识别技术的视频监控应用研究" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967323A (zh) * | 2020-07-16 | 2020-11-20 | 电子科技大学 | 一种基于深度学习算法的电力带电作业安全检测方法 |
CN111967323B (zh) * | 2020-07-16 | 2022-07-26 | 电子科技大学 | 一种基于深度学习算法的电力带电作业安全检测方法 |
CN112507967A (zh) * | 2020-12-23 | 2021-03-16 | 河南应用技术职业学院 | 一种基于人工智能识别的影像处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427800B (zh) | 视频物体加速检测方法、装置、服务器及存储介质 | |
CN108875708A (zh) | 基于视频的行为分析方法、装置、设备、系统及存储介质 | |
US10366595B2 (en) | Surveillance method and system based on human behavior recognition | |
US6917703B1 (en) | Method and apparatus for image analysis of a gabor-wavelet transformed image using a neural network | |
CN101253535B (zh) | 图像检索装置以及图像检索方法 | |
CN110084130B (zh) | 基于多目标跟踪的人脸筛选方法、装置、设备及存储介质 | |
CN112464730B (zh) | 一种基于域无关前景特征学习的行人再识别方法 | |
CN112001347A (zh) | 一种基于人体骨架形态与检测目标的动作识别方法 | |
CN110188715A (zh) | 一种多帧检测投票的视频人脸活体检测方法 | |
CN110309709A (zh) | 人脸识别方法、装置及计算机可读存储介质 | |
CN111414886A (zh) | 一种人体动态特征的智能识别系统 | |
US10621424B2 (en) | Multi-level state detecting system and method | |
CN116092119A (zh) | 基于多维度特征融合的人体行为识别系统及其工作方法 | |
CN114187561A (zh) | 异常行为的识别方法、装置、终端设备及存储介质 | |
CN113052091A (zh) | 一种基于卷积神经网络的动作识别方法 | |
CN113065568A (zh) | 目标检测、属性识别与跟踪方法及系统 | |
Komagal et al. | Real time background subtraction techniques for detection of moving objects in video surveillance system | |
CN110222647B (zh) | 一种基于卷积神经网络的人脸活体检测方法 | |
CN114997279A (zh) | 一种基于改进Yolov5模型的建筑工人危险区域入侵检测方法 | |
Adaickalam et al. | A Vibrant Multiple Object Detection Using Machine Learning Techniques | |
US20080019595A1 (en) | System And Method For Identifying Patterns | |
CN111814613A (zh) | 一种人脸识别方法、设备及计算机可读存储介质 | |
CN108596068B (zh) | 一种动作识别的方法和装置 | |
CN115527147A (zh) | 一种多模态目标重识别方法 | |
CN114973408A (zh) | 一种动态手势识别方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200714 |