CN112381002B - 人体风险姿态识别方法及系统 - Google Patents

Abstract

本发明公开了人体风险姿态识别方法及系统，该方法包括：S100，接收深度相机捕获的图片帧，得出人体的关键活动关节点分别与第一参考关节点及第二参考关节点之间连线所构成的夹角；S200，监测夹角的变化率，并根据夹角的变化率调整监测周期；S300，比对夹角的变化率与第一动态参数，根据比较结果调整第一动态参数，并根据调整后的第一动态参数，得到人体姿态的危险状态判断结果。本发明通过对人体关键关节的角度变化率的变化幅度进行自适应监控，对存在风险的人体姿态动作进行识别，判断用户是否处于特定场景下的危险状态，可以提升当前视频监控系统在处理人员遇险时的效率，减少因人工监视疏忽等原因带来的救援不及时等问题。

Description

人体风险姿态识别方法及系统

技术领域

本发明涉及人体姿态识别的技术领域，特别涉及一种人体风险姿态识别方法及系统。

背景技术

即传统的视频监控技术大部分仅有单一的监控和储存全部监控画面的功能，不具备对监控画面内的人体行为进行分析的能力。而面对成百上千个监控摄像头画面的轮播，仅依靠监控值班人员进行人工分析，显然效率是极低的，也容易导致监控人员疲劳疏忽。因此，当监控画面中出现的危险状况时，监控值班人员往往无法在第一时间被发现，从而延长了处理危险事件的反应时间，甚至可能耽误最佳的救援时间。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种人体风险姿态识别方法，能够及时在监控画面中发现危险状况。

本发明还提出一种具有上述人体风险姿态识别方法的人体风险姿态识别系统。

本发明还提出一种具有上述人体风险姿态识别方法的计算机可读存储介质。

根据本发明的第一方面实施例的人体风险姿态识别方法，包括以下步骤：S100，接收深度相机捕获的图片帧，得出人体的关键活动关节点分别与第一参考关节点及第二参考关节点之间连线所构成的夹角；S200，监测所述夹角的变化率，并根据所述夹角的变化率调整监测周期；S300，比对所述夹角的变化率与第一动态参数，根据比较结果调整所述第一动态参数，并根据调整后的所述第一动态参数，得到人体姿态的危险状态判断结果。

根据本发明实施例的人体风险姿态识别方法，至少具有如下有益效果：通过对人体关键关节的角度变化率的变化幅度进行自适应监控，对存在风险的人体姿态动作进行识别，判断用户是否处于特定场景下的危险状态，可以提升当前视频监控系统在处理人员遇险时的效率，减少因人工监视疏忽等原因带来的救援不及时等问题。

根据本发明的一些实施例，所述步骤S100包括：S110，通过深度相机捕获图片帧，获取所述关键活动关节点、所述第一参考关节点及所述第二参考关节点的三维坐标；S120，根据关节点的三维坐标，分别计算出所述关键活动关节点与所述第一参考关节点及所述第二参考关节点之间的距离：

其中，P₂表示所述关键活动关节点，三维坐标为(x₂，y₂，z₂)；P₁表示所述第一参考关节点，三维坐标为(x₁，y₁，z₁)；P₃表示所述第二参考关节点，三维坐标为(x₃，y₃，z₃)；S130，根据关节点之间的距离计算出所述关键活动关节点的所述夹角：

其中，θ_i表示对应时刻t_i计算得出的所述夹角。

根据本发明的一些实施例，所述步骤S200包括：S210，计算两个相邻的所述监测周期的所述夹角的变化率θ′：

其中，θ_i表示对应时刻t_i计算得出的所述夹角，θ_i+1表示对应时刻t_i+1计算得出的所述夹角；所述监测周期为ωt，t为预设时间，ω为监测周期系数；S220，根据θ′的值调整ω的大小：

ω＝k*1/θ′

其中，k为预设调整系数。

根据本发明的一些实施例，所述预设调整系数k的取值为1。

根据本发明的一些实施例，所述步骤S300包括：S310，若所述夹角的变化率θ′不大于所述第一动态参数δ，则根据第一预设步长减少所述第一动态参数δ的值，直至所述第一动态参数δ＝0；S320，若所述夹角的变化率θ′大于所述第一动态参数δ，则根据第二预设步长增加所述第一动态参数δ的值，并判断调整后的所述第一动态参数δ是否超过预设阈值门限值上限，得到所述危险状态判断结果。

根据本发明的一些实施例，还包括：获取多个采集周期内的所述夹角的变化率的平均值设置/>为所述第一动态参数δ的初始值，并取/>的α倍为所述预设阈值门限值上限；并配置所述第二预设步长为所述第一预设步长的n倍，其中，α及n均为大于1的整数。

根据本发明的一些实施例，所述第一预设步长为0.1，所述第二预设步长为1，所述预设阈值门限值上限为的2倍。

根据本发明的一些实施例，所述关键活动关节点为手肘关节，所述第一参考关节点为肩关节，所述第二参考关节点为手腕关节。

根据本发明的第二方面实施例的人体风险姿态识别系统，包括：关节坐标点获取模块，用于接收深度相机捕获图片帧，识别并获取人体关节点的三维坐标信息，得出人体的关键活动关节点分别与第一参考关节点及第二参考关节点之间连线所构成的夹角；风险姿态识别模块，用于监测所述夹角的变化率，并根据所述夹角的变化率调整监测周期，比对所述夹角的变化率与第一动态参数，根据比较结果调整所述第一动态参数，并根据调整后的所述第一动态参数，判断人体姿态是否处于危险状态；报警模块，用于根据人体姿态的危险状态判断结果，触发相应的警报。

根据本发明实施例的人体风险姿态识别系统，至少具有如下有益效果：通过对人体关键关节的角度变化率的变化幅度进行自适应监控，对存在风险的人体姿态动作进行识别，判断用户是否处于特定场景下的危险状态，可以提升当前视频监控系统在处理人员遇险时的效率，减少因人工监视疏忽等原因带来的救援不及时等问题。

根据本发明的第三方面实施例的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本发明第一方面实施例的方法。

根据本发明实施例的人体风险姿态识别系统，至少具有与本发明第一方面实施例的方法同样的有益效果。

本发明的附加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，其中：

图1为本发明实施例的方法的流程示意图；

图2为本发明实施例的方法的详细步骤示意图；

图3为本发明实施例的系统的模块示意框图。

附图标记：

关节夹角获取模块100、风险姿态识别模块200、报警模块300。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个及两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

参照图1，本发明的实施例的方法包括：S100，接收深度相机捕获的图片帧，得出人体的关键活动关节点分别与第一参考关节点及第二参考关节点之间连线所构成的夹角；S200，监测夹角的变化率，并根据夹角的变化率调整监测周期；S300，比对夹角的变化率与第一动态参数，根据比较结果调整第一动态参数，并根据调整后的第一动态参数，得到人体姿态的危险状态判断结果。

本发明的实施例中，配置手肘关节为关键活动节点，相应地，第一参考关节点及第二参考关节点分别为肩关节及手腕关节，对人体卧推动作姿态识别包括如下步骤，参照图2：

步骤1：获取人体关节点的三维坐标，包括：肩关节坐标P₁(x₁，y₁，z₁),手肘关节坐标P₂(x₂，y₂，z₂),腕关节坐标P₃(x₃，y₃，z₃)；

步骤2：根据关节点三维坐标计算出手肘关节P2与参考关节P1、P3之间的距离

步骤3：利用关节点之间的距离计算出手肘关节点的夹角，并记录当前时刻t_i：

其中，θ_i表示对应时刻t_i计算得出的夹角，P₁P₃为肩关节坐标P₁与腕关节坐标P₃的距离，与步骤2中类似地可得：

步骤4：经过一段时间ωt后，重复上述步骤1-3，得到手肘关节点的夹角θ_i+1，并记录当前时刻t_i+1。

步骤5：计算手肘关节角度变化率：

步骤6：根据θ′值的变化调整ω的大小，使ω＝k*1/θ′，进而调整监控周期，其中k为预设调整系统，可自定义，在本发明的一些实施例中，k取值为1。

步骤7：判断夹角变化率θ′是否超过第一动态参数δ，若大于第一动态参数则表明需要对当前人体姿态进行异常状态检测，进入步骤9；否则，进入步骤8。

在本发明的实施例中，获取多个固定周期长度的采集周期内θ′，计算θ′的平均值设置/>为第一动态参数δ的初始值。

步骤8：根据第一预设步长减小第一动态参数δ的值，即δ＝δ-λ，λ为第一预设步长；第一动态参数δ的取值不超过预设阈值门限下限0。显然，在实际代码中，若第一动态参数δ调整后，即减去第一预设步长后小于0，则令δ＝0；进入步骤10。

本发明的一些实施例中，λ的取值为0.1。

步骤9：根据第二预设步长增加动态参数δ的值，其中，第二预设步长可以为第一预设步长的m倍(m为大于1的整数)，例如：δ＝δ+10λ，显然，m也根据应用场景自定义；并判断调整后的第一动态参数δ是否超过预设阈值门限值上限σ，若超出则判定当前人体进行卧推动作，处于危险状态，触发报警。

预设阈值门限值上限σ可自定义，通常可配置为θ′的平均值的α(α为大于1的整数)倍。本发明的一些实施例中，α的取值为2。

步骤10：令i＝0，回到步骤1，重新计算手肘关节角度变化率。

本发明的实施例中，报警可以通过语音播报、警报铃音及手机短信等各种方式，通知监控人员，以便监控人员及时发现出现危险状态相应人员，可以提升当前视频监控系统在处理人员遇险时的效率，减少因人工监视疏忽等带来的问题。本发明可以将判断结果通过APP、小程序或者Web前端展示等方式对监控人员进行实时推送，实现监控的自动化与智能化。

应理解的是，本发明的实施例中，还可以配置其它关节点作为关键活动节点，比如：膝关节，并选用邻近的关节点作为第一参考关节点及第二参考关节点。

参照图3，本发明的实施例的系统包括：关节夹角获取模块100，用于接收深度相机捕获图片帧，识别并获取人体关节点的三维坐标信息，得出人体的关键活动关节点分别与第一参考关节点及第二参考关节点之间连线所构成的夹角；风险姿态识别模块200，用于监测夹角的变化率，并根据夹角的变化率调整监测周期，比对夹角的变化率与第一动态参数，根据比较结果调整第一动态参数，并根据调整后的第一动态参数，判断人体姿态是否处于危险状态；报警模块300，用于根据人体姿态的危险状态判断结果，触发相应的警报。

尽管本文描述了具体实施方案，但是本领域中的普通技术人员将认识到，许多其它修改或另选的实施方案同样处于本公开的范围内。例如，结合特定设备或组件描述的功能和/或处理能力中的任一项可以由任何其它设备或部件来执行。另外，虽然已根据本公开的实施方案描述了各种例示性具体实施和架构，但是本领域中的普通技术人员将认识到，对本文所述的例示性具体实施和架构的许多其它修改也处于本公开的范围内。

上文参考根据示例性实施方案所述的系统、方法、系统和/或计算机程序产品的框图和流程图描述了本公开的某些方面。应当理解，框图和流程图中的一个或多个块以及框图和流程图中的块的组合可分别通过执行计算机可执行程序指令来实现。同样，根据一些实施方案，框图和流程图中的一些块可能无需按示出的顺序执行，或者可以无需全部执行。另外，超出框图和流程图中的块所示的那些部件和/或操作以外的附加部件和/或操作可存在于某些实施方案中。

因此，框图和流程图中的块支持用于执行指定功能的装置的组合、用于执行指定功能的元件或步骤的组合以及用于执行指定功能的程序指令装置。还应当理解，框图和流程图中的每个块以及框图和流程图中的块的组合可以由执行特定功能、元件或步骤的专用硬件计算机系统或者专用硬件和计算机指令的组合来实现。

本文所述的程序模块、应用程序等可包括一个或多个软件组件，包括例如软件对象、方法、数据结构等。每个此类软件组件可包括计算机可执行指令，所述计算机可执行指令响应于执行而使本文所述的功能的至少一部分(例如，本文所述的例示性方法的一种或多种操作)被执行。

软件组件可以用各种编程语言中的任一种来编码。一种例示性编程语言可以为低级编程语言，诸如与特定硬件体系结构和/或操作系统平台相关联的汇编语言。包括汇编语言指令的软件组件可能需要在由硬件架构和/或平台执行之前由汇编程序转换为可执行的机器代码。另一种示例性编程语言可以为更高级的编程语言，其可以跨多种架构移植。包括更高级编程语言的软件组件在执行之前可能需要由解释器或编译器转换为中间表示。编程语言的其它示例包括但不限于宏语言、外壳或命令语言、作业控制语言、脚本语言、数据库查询或搜索语言、或报告编写语言。在一个或多个示例性实施方案中，包含上述编程语言示例中的一者的指令的软件组件可直接由操作系统或其它软件组件执行，而无需首先转换成另一种形式。

软件组件可存储为文件或其它数据存储构造。具有相似类型或相关功能的软件组件可一起存储在诸如特定的目录、文件夹或库中。软件组件可为静态的(例如，预设的或固定的)或动态的(例如，在执行时创建或修改的)。

上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (8)

1.一种人体风险姿态识别方法，其特征在于，包括以下步骤：

S100，接收深度相机捕获的图片帧，得出人体的关键活动关节点分别与第一参考关节点及第二参考关节点之间连线所构成的夹角；

S200，监测所述夹角的变化率，并根据所述夹角的变化率调整监测周期；

S300，比对所述夹角的变化率与第一动态参数，根据比较结果调整所述第一动态参数，并根据调整后的所述第一动态参数，得到人体姿态的危险状态判断结果；

所述步骤S200包括：

S210，计算两个相邻的所述监测周期的所述夹角的变化率θ′：

其中，θ_i表示对应时刻t_i计算得出的所述夹角，θ_i+1表示对应时刻t_i+1计算得出的所述夹角；所述监测周期为ωt，t为预设时间，ω为监测周期系数；

S220，根据θ′的值调整ω的大小：

ω＝k*1/θ′

其中，k为预设调整系数；

所述步骤S300包括：

S310，若所述夹角的变化率θ′不大于所述第一动态参数δ，则根据第一预设步长减少所述第一动态参数δ的值，直至所述第一动态参数δ＝0；

S320，若所述夹角的变化率θ′大于所述第一动态参数δ，则根据第二预设步长增加所述第一动态参数δ的值，并判断调整后的所述第一动态参数δ是否超过预设阈值门限值上限，得到所述危险状态判断结果。

2.根据权利要求1所述的人体风险姿态识别方法，其特征在于，所述步骤S100包括：

S110，通过深度相机捕获图片帧，获取所述关键活动关节点、所述第一参考关节点及所述第二参考关节点的三维坐标；

S120，根据关节点的三维坐标，分别计算出所述关键活动关节点与所述第一参考关节点及所述第二参考关节点之间的距离：

其中，P₂表示所述关键活动关节点，三维坐标为(x₂，y₂，z₂)；P₁表示所述第一参考关节点，三维坐标为(x₁，y₁，z₁)；P₃表示所述第二参考关节点，三维坐标为(x₃，y₃，z₃)；

S130，根据关节点之间的距离计算出所述关键活动关节点的所述夹角：

其中，θ_i表示对应时刻t_i计算得出的所述夹角。

3.根据权利要求1所述的人体风险姿态识别方法，其特征在于，所述预设调整系数k的取值为1。

4.根据权利要求1所述的人体风险姿态识别方法，其特征在于，还包括：

获取多个采集周期内的所述夹角的变化率的平均值设置/>为所述第一动态参数δ的初始值，并取/>的α倍为所述预设阈值门限值上限；

并配置所述第二预设步长为所述第一预设步长的n倍，其中，α及n均为大于1的整数。

5.根据权利要求4所述的人体风险姿态识别方法，其特征在于，所述第一预设步长为0.1，所述第二预设步长为1，所述预设阈值门限值上限为的2倍。

6.根据权利要求1所述的人体风险姿态识别方法，其特征在于，所述关键活动关节点为手肘关节，所述第一参考关节点为肩关节，所述第二参考关节点为手腕关节。

7.一种人体风险姿态识别系统，使用权利要求1至6中任一项的方法，其特征在于，包括：

关节夹角获取模块，用于接收深度相机捕获图片帧，识别并获取人体关节点的三维坐标信息，得出人体的关键活动关节点分别与第一参考关节点及第二参考关节点之间连线所构成的夹角；所述关节夹角获取模块还用于计算两个相邻的所述监测周期的所述夹角的变化率θ′：

其中，θ_i表示对应时刻t_i计算得出的所述夹角，θ_i+1表示对应时刻t_i+1计算得出的所述夹角；所述监测周期为ωt，t为预设时间，ω为监测周期系数；

根据θ′的值调整ω的大小：

ω＝k*1/θ′

其中，k为预设调整系数；

风险姿态识别模块，用于监测所述夹角的变化率，并根据所述夹角的变化率调整监测周期，比对所述夹角的变化率与第一动态参数，根据比较结果调整所述第一动态参数，并根据调整后的所述第一动态参数，判断人体姿态是否处于危险状态；所述风险姿态识别模块还用于若所述夹角的变化率θ′不大于所述第一动态参数δ，则根据第一预设步长减少所述第一动态参数δ的值，直至所述第一动态参数δ＝0；若所述夹角的变化率θ′大于所述第一动态参数δ，则根据第二预设步长增加所述第一动态参数δ的值，并判断调整后的所述第一动态参数δ是否超过预设阈值门限值上限，得到所述危险状态判断结果；

报警模块，用于根据人体姿态的危险状态判断结果，触发相应的警报。

8.一种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权利要求1至6中任一项的方法。