CN111597879A - 一种基于监控视频的姿态检测方法、装置及系统 - Google Patents
一种基于监控视频的姿态检测方法、装置及系统 Download PDFInfo
- Publication number
- CN111597879A CN111597879A CN202010258275.0A CN202010258275A CN111597879A CN 111597879 A CN111597879 A CN 111597879A CN 202010258275 A CN202010258275 A CN 202010258275A CN 111597879 A CN111597879 A CN 111597879A
- Authority
- CN
- China
- Prior art keywords
- human body
- target area
- posture
- image
- key points
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000007958 sleep Effects 0.000 claims description 10
- 230000036544 posture Effects 0.000 description 45
- 238000012545 processing Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Abstract
本申请公开了一种基于监控视频的姿态检测方法、装置及系统。该方法中,获取监控视频数据;针对所述监控视频数据中的每帧图像:检测目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。通过上述实施例,实现了通过视频监控系统自动对人体姿态的检测,能够帮助监控人员快速筛查出现在监控范围内的人的姿态,使得监控人员不必耗费大量精力紧盯监控视频,有助于降低监控人员的工作量、降低遗漏目标姿态的人的情况发生。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种基于监控视频的姿态检测方法、装置及系统。
背景技术
随着图像处理技术的发展,已经广泛应用于各个领域中。例如,图像处理中的人脸识别技术,可以应用于安保领域(如火车站进站安检、出入境安检)、支付领域(如刷脸支付)等领域中;车牌识别技术可以应用在交通监管领域中。
基于图像处理的视频监控系统,也逐渐成熟并应用。例如,交通视频监控系统,能够对马路上行驶的车辆进行监控,基于拍摄的图像和预设的算法判断车辆是否存在违章行为,并确定违章车辆的车牌,以协助交警工作。又例如,还可以利用视频监控系统监测人流量,基于拍摄的图像进行人体识别,以判断进入某区域或离开某区域的人数。
目前的视频监控系统能够实现对物体、对是否存在人体进行检测,但对于人体姿态的检测,还有待研究。
发明内容
本申请提供一种基于监控视频的姿态检测方法、装置及系统,以实现通过监控视频实现自动检测人物的姿态。
第一方面,本申请实施例提供了一种基于监控视频的姿态检测方法,包括:
获取监控视频数据;
针对所述监控视频数据中的每帧图像:
检测目标区域内是否存在人体;
若存在人体则提取所述目标区域内的人体部位关键点;
根据所述人体关键点提取人体几何特征;
根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。
在一种可能的实现方式中,所述预设的姿态分类器模型包括睡觉姿态模型;
所述根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态,包括:
根据所述人体几何特征和预设的睡觉姿态模型,确定所述目标区域内的人体是否为睡觉姿态。
在一种可能的实现方式中,该方法还包括:
获取帧数阈值;
若确定连续N帧图像中目标区域内的人体为睡觉姿态,则输出用于指示所述人体睡觉的指示信息,N为预设的大于1的整数。
在一种可能的实现方式中,所述检测目标区域内是否存在人体,包括:
计算所述目标区域的前景像素占比;
若所述前景像素占比大于第一阈值,则根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率;
若所述差分比率大于第二阈值,则认为所述目标区域内存在人体。
在一种可能的实现方式中,所述根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率,包括:
将所述当前帧的目标区域图像和所述前一帧的目标区域图像转换为二值图像;
根据下述公式确定差分比率:
其中,DifferenceRatio表示差分比率,w、h分别表示所述二值图像的长和宽,I_front(i,j)表示所述前一帧目标区域二值图像在坐标(i,j)的像素值, I_now(i,j)表示所述当前帧目标区域二值图像在坐标(i,j)的像素值。
在一种可能的实现方式中,所述提取所述目标区域内的人体部位关键点,包括:
根据预设的人体关键点检测器对所述目标区域进行检测,并生成人体部位关键点坐标。
在一种可能的实现方式中,所述根据所述人体部位关键点提取人体几何特征,包括
计算所述人体部位关键点中每两个关键点之间的距离,并根据所述距离生成线特征;
根据所述人体部位关键点和所述线特征,生成角特征。
在一种可能的实现方式中,在根据所述距离生成线特征之后,该方法还包括:对所述线特征进行归一化。
第二方面,本申请实施例提供了一种基于监控视频的姿态检测装置,包括:
获取模块,用于获取监控视频数据;
检测模块,用于针对所述监控视频数据中的每帧图像:检测目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。
第三方面,本申请实施例提供了一种基于监控视频的姿态检测设备,包括:处理器,以及与所述处理器连接的存储器;所述处理器,用于读取所述存储器中预先存储的计算机程序执行如第一方面所述的方法。
第四方面,本申请实施例提供了一种基于监控视频的姿态检测系统,包括:检测中心设备和至少一个摄像设备;
所述至少一个摄像设备用于拍摄监控视频数据;
所述检测中心设备,用于获取监控视频数据;针对所述监控视频数据中的每帧图像:检测目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。
第五方面,本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机指令,当所述指令在计算机上运行时,使得计算机执行如第一方面中任一项所述方法。
通过上述实施例,实现了通过视频监控系统自动对人体姿态的检测,能够帮助监控人员快速筛查出现在监控范围内的人的姿态,使得监控人员不必耗费大量精力紧盯监控视频,有助于降低监控人员的工作量、降低遗漏目标姿态的人的情况发生。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的基于监控视频的姿态检测方法的流程示意图;
图2为本申请实施例提供的目标区域示意图;
图3为本申请实施例提供的检测员工是否睡觉的流程示意图;
图4为本申请实施例提供的基于监控视频的姿态检测装置的结构示意图;
图5为本申请实施例提供的基于监控视频的姿态检测设备的结构示意图;
图6为本申请实施例提供的基于监控视频的姿态检测系统的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将对本申请的技术方案进行详细的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。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的前提下所得到的所有其它实施方式,都属于本申请所保护的范围。
在日常生活中,经常通过视频监控系统寻找处于特定姿态的目标人物,例如,可以通过观察监控视频发现正在行窃的人,还可以通过观察监控视频发现在办公场所睡觉的人。然而,面对上述情况时,通常需要监控人员时刻观察监控视频,尤其是在监控设备较多的情况下,人员监控的方式将消耗监控人员大量精力,且容易遗漏。
为了解决上述问题,本申请实施例提供了一种基于监控视频的姿态检测方法,以实现对人物姿态的自动检测。
参见图1,为本申请实施例提供的基于监控视频的姿态检测方法的流程示意图,如图所示,该方法可以包括以下步骤:
步骤101、获取监控视频数据。
摄像头拍摄到的监控视频数据可以通过有线传输或无线传输的方式发送至用于执行该方法的检测设备中,或者,摄像头拍摄到的监控视频数据也可以先传输至存储设备进行存储,检测设备从存储设备中读取监控视频数据,从而执行本申请实施例中的姿态检测方法。
步骤102、针对监控视频数据中的每帧图像执行以下操作:
a)检测目标区域内是否存在人体。
一般情况下,摄像头的位置、拍摄角度是固定的,因此,其拍摄范围通常是固定的,即,拍摄到的场景是固定的或者变化较小的,其中有些区域检测到人体的可能较小,如,摆放有柜子的地方检测到人体的可能性较小,有柱子的地方检测到人体的可能性较小。因此,可以设置一个目标区域,即较大可能出现目标的区域,在针对每帧图像进行处理时,可以根据预先设置的目标区域的位置信息,在当前待处理的图像中提取目标区域图像,并检测该目标区域图像中是否存在人体,有助于减低计算量即运算时间。
例如,在检测是否有员工在办公场所睡觉的应用中,由于员工睡觉的情况多为员工爬在桌子上睡觉,因此,可以将办公桌,或者办公桌及周围设置为目标区域,如图2所示。
具体的,可以预先根据公式(1)针对目标区域计算人体行动检测自适应阈值(以下简称第一阈值)。
其中,adaptiveThreshold表示第一阈值,h表示目标区域的高,w表示目标区域的宽,α、β、γ为常数。
然后针对当前待处理图像中的目标区域图像,计算前景像素占比,并将计算得到的前景像素占比与上述第一阈值进行比较。例如,前景像素占比可以通过ViBe算法进行前景像素检测,并生成二值图像,通过统计二值图像内像素值大于0的像素个数确定前景像素占比。若前景像素占比小于第一阈值,则认为目标区域图像中不包含人物,则继续检测下一帧图像,即,针对下一帧图像从步骤a)开始处理。若前景像素占比大于第一阈值,则根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率,并将确定出的差分比率与差分比率阈值(以下简称第二阈值)进行比较,若确定出的差分比率大于第二阈值,则认为当前帧的目标区域图像中可能包含有人体,否则,认为不包含人体,对下一帧图像从步骤a)开始处理。
可选的,可以先将当前帧的目标区域图像和前一帧的目标区域图像转换为二值图像,然后根据公式(2)计算差分比率。
其中,DifferenceRatio表示差分比率,h表示目标区域的高,w表示目标区域的宽,I_front(i,j)表示所述前一帧目标区域二值图像在坐标(i,j)的像素值, I_now(i,j)表示所述当前帧目标区域二值图像在坐标(i,j)的像素值。
b)若存在人体则提取目标区域内的人体部位关键点。
在确定目标区域内包含有人物时,则进一步提取人体部位的关键点。可选的,可以根据预设的人体关键点检测器对当前帧的目标区域图像进行检测,并生成人体部位关键点坐标。人体部位关键点可以包括头部关键点Phead、颈部关键点Pneck、左肩关键点Pleftshoulder、右肩关键点Prightshoulder、左手腕关键点Pleftwrist、右手腕关键点Prightwrist等等。进一步的,在根据人体关键点检测器提取关键点之前,还可以先根据人体关键点检测器对当前帧目标区域图像进行阈值筛选,进一步确定当前帧是否包含有人体,若包含人体,则进一步提取关键点,否则对下一帧图像从步骤a)开始处理。在进行阈值筛选时,可以先在目标区域图像中确定检测的人体的检测框大小,然后判断该人体检测框的大小是否大于经验阈值,若该检测框的大小大于经验阈值,则认为在目标区域中检测到人体,否则,认为检测框过小,为人体的可能性较小,即,判断没有人体。
具体的,预设的人体关键点检测器,可以是根据一定数量的包含有人体的图像训练得到的,该人体关键点检测器中包含有提取各个人体部位关键点的模型,根据各个关键点的模型提取相应的关键点并确定每个关键点的坐标。
c)根据提取到的人体关键点提取人体几何特征。
可选的,人体几何特征可以包括线特征和角特征,即,该步骤中根据提取到的人体关键点提取线特征和角特征。
其中,在提取线特征时,可以先根据提取到的关键点,计算每两个关键点之间的距离,然后根据计算出的距离生成线特征。例如,头部关键点Phead(x1, y1)和颈部关键点Pneck(x2,y2)之间的距离为:参照上述示例针对每两个关键点分别计算距离,得到dis2、dis3、dis4、…、dism,则线特征可以表示为LineFeature=(dis1,dis2,dis3,...,dism)。
在提取角特征时,可以先根据提取到的关键点以及计算出的线特征,计算所需的角度并生成角特征AngleFeature=(angle1,angle2,angle3,...,anglen),该角特征具有旋转不变性。具体的,可以根据公式(3)进行计算:
例如,若所需的角度为头部关键点Phead、左肩关键点Pleftshoulder所在直线,与左肩关键点Pleftshoulder、右肩关键点Prightshoulder所在直线的夹角,在可以根据上述距离公式确定a(头部关键点Phead与右肩关键点Prightshoulder之间的距离)、b (头部关键点Phead与左肩部关键点Pleftshoulder之间的距离)和c(左肩关键点 Pleftshoulder与右肩关键点Prightshoulder之间的距离),然后将计算得到的a、b、c带入上述公式(3),以得到所需角度α。
在得到角特征后,可以对线特征和角特征进行拼接,即得到几何特征GeometryFeature=(dis1,dis2,dis3,...,dism,angle1,angle2,angle3,..., anglen)。
可选的,还可以对上述线特征进行归一化处理,以使线特征具有尺度不变性。具体的,可以根据公式(4)对上述线特征中的每个距离进行归一化处理。
在对每个距离进行归一化处理后,即可得到经过归一化处理后的线特征LineFeature′=(dis1′,dis2′,dis3′,...,dism′)。则拼接的几何特征可以为GeometryFeature= (dis1,dis2,dis3,...,dism,angle1,angle2,angle3,...,anglen)。
d)根据人体几何特征和预设的姿态分类器模型,确定目标区域内的人体的姿态。
具体的,上述方法能够识别的姿态种类,取决于该姿态分类器模型所包含的姿态种类模型,例如,若预设的姿态分类器模型中包括站姿模型,则可以检测图像中是否包含有站立的人,若预设的姿态分类器模型包括睡觉姿态模型,则可以检测图像中是否包含与睡觉的人。
在一些实施例中,可以利用上述方法检测办公区域内是否有员工在睡觉,令预设的姿态分类器模型中包含有睡觉姿态模型即可。一般来说,人在睡觉时将维持睡觉姿态一段时间,若只检测到一帧图像中的人物处于睡觉姿态,也可能是人物在活动过程中恰好在某一时刻的姿态与睡觉姿态较为接近,而并非真的睡觉。因此,为了提高检测的准确度,可以预先设置帧数阈值N,N为大于1 的整数,即,若连续N帧图像中的人物均为睡觉姿态,则判定检测到的人物在睡觉;否则,不判定检测的人物在睡觉。
例如,可以预先设置一个时间阈值,表示若检测到人物在预设时间阈值内一直保持睡觉姿态,则认为该人物在睡觉。假设该时间阈值为1分钟、当前摄像头拍摄视频的帧率为25帧每秒,则确定帧数阈值N=60*25=1500;若时间阈值不变,对摄像头的帧率进行了调整,则相应调整帧数阈值N。
进一步的,还可以在判定检测到的人物在睡觉时,输出睡觉指示信息,表示检测到目标区域内有人在睡觉。例如,通过显示器显示检测到有人睡觉的提示信息,或者向预设终端发送检测到有人睡觉的消息,或者触发警示灯亮起等。
为了更清楚理解本申请上述实施例,下面结合图3进行举例说明。利用上述方法实施例检测办公场景中是否存在员工睡觉,如图3所示,检测过程包括以下步骤:
S01、获取一帧监控视频图像。
S02、针对当前帧图像技术目标区域的前景像素占比。
S03、判断前景像素占比是否大于第一阈值,若大于,则进入S03,否则,进入S11。
S04、根据当前帧的目标区域二值图像和前一帧的目标区域二值图像计算差分比率。
S05、将差分比率与第二阈值、第三阈值进行比较,若大于第二阈值,则进入S06;若小于第三阈值且前一帧图像中人体被判断为睡觉姿态,则进入S09;否则,进入S11。
S06、针对当前帧的目标区域,根据人体关键点检测器提取人体部位关键点。
S07、根据人体部位关键点提取人体几何特征。
S08、根据人体几何特征和预设姿态分类器模型,确定人体的姿态是否为睡觉姿态。若是睡觉姿态,则进入S09,否则,进入S11。
S09、令X=X+1,并判断X是否大于帧数阈值N,若大于,进入S10,否则进入S12。
S10、输出睡觉提示信息。
S11、令X=0,将当前帧目标区域图像标作为前一帧目标图像。
S12、将当前帧目标区域图像标作为前一帧目标图像。
基于相同的技术构思,本申请实施例还提供了一种基于监控视频的姿态检测装置,如图4所述,该装置可以包括:
获取模块401,用于获取监控视频数据;
检测模块402,用于针对所述监控视频数据中的每帧图像:检测目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。
在一种可能的实现方式中,所述预设的姿态分类器模型包括睡觉姿态模型;
所述检测模块402,在根据所述人体几何特征和预设的姿态分类器模型确定所述目标区域内的人体的姿态时,具体用于:根据所述人体几何特征和预设的睡觉姿态模型,确定所述目标区域内的人体是否为睡觉姿态。
在一种可能的实现方式中,所述检测模块402还用于:获取帧数阈值;若确定连续N帧图像中目标区域内的人体为睡觉姿态,则输出用于指示所述人体睡觉的指示信息,N为预设的大于1的整数。
在一种可能的实现方式中,所述检测模块402,在检测目标区域内是否存在人体时,具体用于:计算所述目标区域的前景像素占比;若所述前景像素占比大于第一阈值,则根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率;若所述差分比率大于第二阈值,则认为所述目标区域内存在人体。
在一种可能的实现方式中,所述检测模块402,在根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率时,具体用于:将所述当前帧的目标区域图像和所述前一帧的目标区域图像转换为二值图像;根据上述公式(2) 确定差分比率。
在一种可能的实现方式中,所述检测模块402,在提取所述目标区域内的人体部位关键点时,具体用于:根据预设的人体关键点检测器对所述目标区域进行检测,并生成人体部位关键点坐标。
在一种可能的实现方式中,所述检测模块402,在根据所述人体部位关键点提取人体几何特征时,具体用于:计算所述人体部位关键点中每两个关键点之间的距离,并根据所述距离生成线特征;根据所述人体部位关键点和所述线特征,生成角特征。
在一种可能的实现方式中,所述检测模块402,在根据所述距离生成线特征之后,还用于:对所述线特征进行归一化。
基于相同的技术构思,本申请实施例还提供了一种基于监控视频的姿态检测设备,如图5所述,该设备可以包括:处理器501,以及与所述处理器501 连接的存储器502;所述处理器501,用于读取所述存储器502中预先存储的计算机程序执行如上述方法实施例提供的姿态检测方法。进一步的,该设备还可以包括通信接口,可以用于从外部设备获取监控视频数据。
基于相同的技术构思,本申请实施例还提供了一种基于监控视频的姿态检测系统,如图6所述,该系统可以包括:检测中心设备601和至少一个摄像设备602;
所述至少一个摄像设备602用于拍摄监控视频数据;
所述检测中心设备601,用于获取监控视频数据;针对所述监控视频数据中的每帧图像:检测目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。
可选的,该检测中心设备601可以根据前述姿态检测方法中的任一实施例进行人体姿态的检测。
基于相同的技术构思,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机指令,当所述指令在计算机上运行时,使得计算机执行上述基于监控视频的姿态检测方法的任一实施例。
通过上述实施例,实现了通过视频监控系统自动对人体姿态的检测,能够帮助监控人员快速筛查出现在监控范围内的人的姿态,使得监控人员不必耗费大量精力紧盯监控视频,有助于降低监控人员的工作量、降低遗漏目标姿态的人的情况发生。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于监控视频的姿态检测方法,其特征在于,包括:
获取监控视频数据;
针对所述监控视频数据中的每帧图像:
检测目标区域内是否存在人体;
若存在人体则提取所述目标区域内的人体部位关键点;
根据所述人体关键点提取人体几何特征;
根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。
2.根据权利要求1所述的方法,其特征在于,所述预设的姿态分类器模型包括睡觉姿态模型;
所述根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态,包括:
根据所述人体几何特征和预设的睡觉姿态模型,确定所述目标区域内的人体是否为睡觉姿态。
3.根据权利要求2所述的方法,其特征在于,还包括:
获取帧数阈值;
若确定连续N帧图像中目标区域内的人体为睡觉姿态,则输出用于指示所述人体睡觉的指示信息,N为预设的大于1的整数。
4.根据权利要求1所述的方法,其特征在于,所述检测目标区域内是否存在人体,包括:
计算所述目标区域的前景像素占比;
若所述前景像素占比大于第一阈值,则根据当前帧的目标区域图像和前一帧的目标区域图像确定差分比率;
若所述差分比率大于第二阈值,则认为所述目标区域内存在人体。
6.根据权利要求1所述的方法,其特征在于,所述提取所述目标区域内的人体部位关键点,包括:
根据预设的人体关键点检测器对所述目标区域进行检测,并生成人体部位关键点坐标。
7.根据权利要求1所述的方法,其特征在于,所述根据所述人体部位关键点提取人体几何特征,包括:
计算所述人体部位关键点中每两个关键点之间的距离,并根据所述距离生成线特征;
根据所述人体部位关键点和所述线特征,生成角特征。
8.根据权利要求7所述的方法,其特征在于,在根据所述距离生成线特征之后,还包括:
对所述线特征进行归一化。
9.一种基于监控视频的姿态检测装置,其特征在于,包括:
获取模块,用于获取监控视频数据;
检测模块,用于针对所述监控视频数据中的每帧图像:检测目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。
10.一种基于监控视频的姿态检测系统,其特征在于,包括:检测中心设备和至少一个摄像设备;
所述至少一个摄像设备用于拍摄监控视频数据;
所述检测中心设备,用于获取监控视频数据;针对所述监控视频数据中的每帧图像:检测目标区域内是否存在人体;若存在人体则提取所述目标区域内的人体部位关键点;根据所述人体关键点提取人体几何特征;根据所述人体几何特征和预设的姿态分类器模型,确定所述目标区域内的人体的姿态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258275.0A CN111597879A (zh) | 2020-04-03 | 2020-04-03 | 一种基于监控视频的姿态检测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258275.0A CN111597879A (zh) | 2020-04-03 | 2020-04-03 | 一种基于监控视频的姿态检测方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111597879A true CN111597879A (zh) | 2020-08-28 |
Family
ID=72181885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010258275.0A Pending CN111597879A (zh) | 2020-04-03 | 2020-04-03 | 一种基于监控视频的姿态检测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111597879A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597961A (zh) * | 2020-12-30 | 2021-04-02 | 上海大学 | 一种基于大数据的兴趣目标提取方法及系统 |
CN113139530A (zh) * | 2021-06-21 | 2021-07-20 | 城云科技(中国)有限公司 | 一种睡岗行为检测方法、装置及其电子设备 |
CN113554837A (zh) * | 2021-07-21 | 2021-10-26 | 山东浪潮通软信息科技有限公司 | 一种监控报警方法及系统 |
CN113657278A (zh) * | 2021-08-18 | 2021-11-16 | 成都信息工程大学 | 一种运动姿态识别方法、装置、设备及存储介质 |
CN113963311A (zh) * | 2021-10-22 | 2022-01-21 | 江苏安泰信息科技发展有限公司 | 一种安全生产风险视频监控方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799928A (zh) * | 2010-03-30 | 2010-08-11 | 深圳市融创天下科技发展有限公司 | 一种应用于图像处理的高效低复杂度运动侦测方法 |
CN110287923A (zh) * | 2019-06-29 | 2019-09-27 | 腾讯科技(深圳)有限公司 | 人体姿态获取方法、装置、计算机设备及存储介质 |
-
2020
- 2020-04-03 CN CN202010258275.0A patent/CN111597879A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799928A (zh) * | 2010-03-30 | 2010-08-11 | 深圳市融创天下科技发展有限公司 | 一种应用于图像处理的高效低复杂度运动侦测方法 |
CN110287923A (zh) * | 2019-06-29 | 2019-09-27 | 腾讯科技(深圳)有限公司 | 人体姿态获取方法、装置、计算机设备及存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597961A (zh) * | 2020-12-30 | 2021-04-02 | 上海大学 | 一种基于大数据的兴趣目标提取方法及系统 |
CN113139530A (zh) * | 2021-06-21 | 2021-07-20 | 城云科技(中国)有限公司 | 一种睡岗行为检测方法、装置及其电子设备 |
CN113139530B (zh) * | 2021-06-21 | 2021-09-03 | 城云科技(中国)有限公司 | 一种睡岗行为检测方法、装置及其电子设备 |
CN113554837A (zh) * | 2021-07-21 | 2021-10-26 | 山东浪潮通软信息科技有限公司 | 一种监控报警方法及系统 |
CN113554837B (zh) * | 2021-07-21 | 2023-08-15 | 浪潮通用软件有限公司 | 一种监控报警方法及系统 |
CN113657278A (zh) * | 2021-08-18 | 2021-11-16 | 成都信息工程大学 | 一种运动姿态识别方法、装置、设备及存储介质 |
CN113963311A (zh) * | 2021-10-22 | 2022-01-21 | 江苏安泰信息科技发展有限公司 | 一种安全生产风险视频监控方法及系统 |
CN113963311B (zh) * | 2021-10-22 | 2022-07-01 | 江苏安泰信息科技发展有限公司 | 一种安全生产风险视频监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111597879A (zh) | 一种基于监控视频的姿态检测方法、装置及系统 | |
CN106951849B (zh) | 一种预防儿童意外的监控方法及系统 | |
US20180115749A1 (en) | Surveillance system and surveillance method | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
US20060056702A1 (en) | Image processing apparatus and image processing method | |
US11963759B2 (en) | State determination device, state determination method, and recording medium | |
CN111767888A (zh) | 对象状态检测方法、计算机设备、存储介质和电子设备 | |
CN111383460B (zh) | 一种车辆状态判别方法、装置以及计算机存储介质 | |
CN111241913A (zh) | 一种检测人员摔倒的方法、装置及系统 | |
CN108875531B (zh) | 人脸检测方法、装置、系统及计算机存储介质 | |
CN114758464B (zh) | 一种基于充电桩监控视频的电瓶防盗方法、设备和存储介质 | |
CN114764912A (zh) | 驾驶行为识别方法、设备和存储介质 | |
CN111191507A (zh) | 智慧社区的安全预警分析方法及系统 | |
CN114140745A (zh) | 施工现场人员属性检测方法、系统、装置及介质 | |
WO2018149322A1 (zh) | 图像识别方法、装置、设备及存储介质 | |
CN110557628A (zh) | 一种检测摄像头遮挡的方法、装置及电子设备 | |
US20200084416A1 (en) | Information processing apparatus, control method, and program | |
CN114332925A (zh) | 电梯内宠物检测方法、系统、装置及计算机可读存储介质 | |
JP6991045B2 (ja) | 画像処理装置、画像処理装置の制御方法 | |
JP2007172378A (ja) | 注視対象物体特定装置 | |
CN111539267A (zh) | 一种人体几何特征提取方法、装置、设备及系统 | |
CN104392201A (zh) | 一种基于全向视觉的人体跌倒识别方法 | |
CN111144260A (zh) | 一种翻越闸机的检测方法、装置及系统 | |
CN111781585B (zh) | 一种确定烟花燃放位置的方法及图像采集设备 | |
CN113947795A (zh) | 口罩佩戴检测方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200828 |