CN112597961B - 一种基于大数据的兴趣目标提取方法及系统 - Google Patents

一种基于大数据的兴趣目标提取方法及系统 Download PDF

Info

Publication number
CN112597961B
CN112597961B CN202011618980.3A CN202011618980A CN112597961B CN 112597961 B CN112597961 B CN 112597961B CN 202011618980 A CN202011618980 A CN 202011618980A CN 112597961 B CN112597961 B CN 112597961B
Authority
CN
China
Prior art keywords
module
target
knee
head
data processing
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.)
Active
Application number
CN202011618980.3A
Other languages
English (en)
Other versions
CN112597961A (zh
Inventor
李成范
顾善明
刘岚
赵俊娟
童维勤
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 University of Engineering Science
University of Shanghai for Science and Technology
Original Assignee
Shanghai University of Engineering Science
University of Shanghai for Science and Technology
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 University of Engineering Science, University of Shanghai for Science and Technology filed Critical Shanghai University of Engineering Science
Priority to CN202011618980.3A priority Critical patent/CN112597961B/zh
Publication of CN112597961A publication Critical patent/CN112597961A/zh
Application granted granted Critical
Publication of CN112597961B publication Critical patent/CN112597961B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于大数据的兴趣目标提取方法及系统，包括视频监控模块、数据存储模块、状态报警模块以及目标输出模块；数据存储模块包括临时存储库以及长久储存库，视频监控模块用于获取视频图像，并将获取的视频图像通过数据传输模块发送至临时存储库，视频监控模块通过有线传输单元将视频图像传输至临时存储库，数据采集模块通过无线传输单元获取存储在临时存储库的视频图像，并将获取的视频图像发送至数据处理模块；数据处理模块接收到视频图像后，数据处理模块将视频图像处理成为图像帧，并将处理完成的图像帧发送至行为识别模块；通过行为识别模块对目标行为的识别判断目标行为的类型，进而进行针对性的提醒。

Description

一种基于大数据的兴趣目标提取方法及系统
技术领域
本发明涉及一种目标提取方法，具体为一种基于大数据的兴趣目标提取方法及系统，属于大数据技术领域。
背景技术
目标提取是指单幅图像或序列图像中将感兴趣的目标与背景分割开来，从图像中识别和解译有意义的物体实体而提取不同的图像特征的操作。目标提取是一个至关重要的环节，它直接决定后续识别和跟踪性能的好坏。现阶段，目标提取的应用范围很广，在计算机视觉提取人脸特征和指纹等，在摄影测量与遥感中，用于特征点线的提取来进行影像匹配和三维建模等。
发明内容
本发明的目的在于提供一种基于大数据的兴趣目标提取方法及系统。
本发明的目的可以通过以下技术方案实现：
一种基于大数据的兴趣目标提取系统，包括视频监控模块、数据采集模块、数据处理模块、行为识别模块、数据传输模块、数据存储模块、状态报警模块以及目标输出模块；所述数据存储模块包括临时存储库以及长久储存库，所述视频监控模块用于获取视频图像，并将获取的视频图像通过数据传输模块发送至临时存储库，所述数据传输模块包括有线传输单元以及无线传输单元，所述视频监控模块通过有线传输单元将视频图像传输至临时存储库，所述数据采集模块通过无线传输单元获取存储在临时存储库的视频图像，并将获取的视频图像发送至数据处理模块；
所述数据处理模块接收到视频图像后，数据处理模块将视频图像处理成为图像帧，并将处理完成的图像帧发送至行为识别模块；
所述行为识别模块接收到数据处理模块发送的图像帧后，对图像进行检测，当行为识别模块没有检测到人体的特征时，所述人体的特征为人体的关键点，人体的关键点包括头部关键点、左膝盖关键点、右膝盖关键点；行为识别模块发送无兴趣目标信号至目标输出模块；并将无兴趣目标信号发送至数据存储模块中的长久储存库进行存储；
当行为识别模块检测到人体的特征时，数据采集模块获取人体的关键点的位置，并将人体的关键点位置发送至数据处理模块；
数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为A(Tx，Ty)、B(Jzx，Jzy)、C(Jyx，Jyy)；
连接ABC三点构成一个三角形，分别标记边为a、b、c，利用计算公式计算出三角形的周长l；利用计算公式计算出头膝距Ltx，
其中计算公式为：
Figure GDA0003162138810000021
其中α为修正因子；
行为识别模块设定头膝距阈值，当计算得出的头膝距Ltx大于头膝距阈值时，表示目标员工正常工作，行为识别模块发送兴趣目标正常工作信号至目标输出模块；当计算得出的头膝距Ltx小于头膝距阈值时，表示目标员工存在偷懒嫌疑，行为识别模块持续进行T周期间隔连续n次对目标员工进行行为识别；
数据采集模块持续进行T周期间隔连续n次对目标员工获取人体的关键点位置，并将人体的关键点位置发送至数据处理模块；
数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为Ai(Txi，Tyi)、Bi(Jzxi，Jzyi)、Ci(Jyxi，Jyyi)；其中i＝1，2……n；
连接AiBiCi三点构成一个三角形，分别标记边为ai、bi、ci，利用计算公式计算出三角形的周长li；利用计算公式计算出头膝距Ltxi，
其中计算公式为：
Figure GDA0003162138810000031
数据处理模块将计算得出的头膝距Ltxi进行按照时间的顺序排列，并与头膝距阈值进行比较，当存在连续超过五次头膝距Ltxi低于头膝距阈值时，行为识别模块判定目标员工为睡觉行为，行为识别模块发送兴趣目标睡觉信号至目标输出模块；并将兴趣目标睡觉信号发送至数据存储模块中的长久储存库进行存储；
当存在连续超过两次头膝距Ltxi间隔低于头膝距阈值时，行为识别模块判定目标员工为犯困行为，行为识别模块发送兴趣目标犯困信号至目标输出模块；并将兴趣目标犯困信号发送至数据存储模块中的长久储存库进行存储。
优选的，所述目标输出模块用于接收行为识别模块发送的信号，并将接收的信号转换成为行为信息进行展示或是提醒；当接收的信号为无兴趣目标信号时，目标输出模块进行兴趣目标人员离岗信息展示；
当接收的信号为兴趣目标睡觉信号时，目标输出模块进行兴趣目标人员睡觉信息展示；目标输出模块通过有线传输单元连接状态报警模块进行睡觉状态报警；
当接收的信号为兴趣目标犯困信号时，目标输出模块进行兴趣目标人员犯困信息展示；目标输出模块通过有线传输单元连接状态报警模块进行犯困状态报警。
优选的，所述数据存储模块分为临时存储库以及长久储存库，所述临时存储库用于储存视频监控模块获取的视频图像，所述视频监控模块具体为安装在服务范围内的若干摄像头，所述临时存储库具体为与若干摄像头对应的临时存储库单元，且若干临时存储单元组成的临时存储库存储的视频图像通过数据采集单元发送至数据处理模块；
所述长久储存库通过无线传输单元与目标输出模块、数据处理模块无线连接。
优选的，所述状态报警模块具体为声光报警器，所述声光报警器接收目标输出模块的信号后进行报警，具体的：
当接收的信号为无兴趣目标信号时，目标输出模块进行兴趣目标人员离岗信息展示；并通过声光报警器进行声光报警，声光报警器发出“人员离岗”语音；
当接收的信号为兴趣目标睡觉信号时，目标输出模块进行兴趣目标人员睡觉信息展示；目标输出模块通过有线传输单元连接状态报警模块进行睡觉状态报警；并通过声光报警器进行声光报警，声光报警器发出“人员睡觉”语音；
当接收的信号为兴趣目标犯困信号时，目标输出模块进行兴趣目标人员犯困信息展示；目标输出模块通过有线传输单元连接状态报警模块进行犯困状态报警；并通过声光报警器进行声光报警，声光报警器发出“人员犯困”语音。
优选的，一种基于大数据的兴趣目标提取方法，具体的兴趣目标提取方法包括以下步骤：
步骤一：所述视频监控模块通过有线传输单元将视频图像传输至临时存储库，所述数据采集模块通过无线传输单元获取存储在临时存储库的视频图像，并将获取的视频图像发送至数据处理模块；
所述数据处理模块接收到视频图像后，数据处理模块将视频图像处理成为图像帧，并将处理完成的图像帧发送至行为识别模块；
步骤二：所述行为识别模块接收到数据处理模块发送的图像帧后，对图像进行检测，当行为识别模块没有检测到人体的特征时，所述人体的特征为人体的关键点，人体的关键点包括头部关键点、左膝盖关键点、右膝盖关键点；行为识别模块发送无兴趣目标信号至目标输出模块；并将无兴趣目标信号发送至数据存储模块中的长久储存库进行存储；
当行为识别模块检测到人体的特征时，数据采集模块获取人体的关键点的位置，并将人体的关键点位置发送至数据处理模块；
步骤三：数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为A(Tx，Ty)、B(Jzx，Jzy)、C(Jyx，Jyy)；
连接ABC三点构成一个三角形，分别标记边为a、b、c，利用计算公式计算出三角形的周长l；利用计算公式计算出头膝距Ltx，
其中计算公式为：
Figure GDA0003162138810000051
其中α为修正因子；
步骤四：行为识别模块设定头膝距阈值，当计算得出的头膝距Ltx大于头膝距阈值时，表示目标员工正常工作，行为识别模块发送兴趣目标正常工作信号至目标输出模块；当计算得出的头膝距Ltx小于头膝距阈值时，表示目标员工存在偷懒嫌疑，行为识别模块持续进行T周期间隔连续n次对目标员工进行行为识别；
步骤五：数据采集模块持续进行T周期间隔连续n次对目标员工获取人体的关键点位置，并将人体的关键点位置发送至数据处理模块；
数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为Ai(Txi，Tyi)、Bi(Jzxi，Jzyi)、Ci(Jyxi，Jyyi)；
连接AiBiCi三点构成一个三角形，分别标记边为ai、bi、ci，利用计算公式计算出三角形的周长li；利用计算公式计算出头膝距Ltxi，
其中计算公式为：
Figure GDA0003162138810000061
步骤六：数据处理模块将计算得出的头膝距Ltxi进行按照时间的顺序排列，并与头膝距阈值进行比较，当存在连续超过五次头膝距Ltxi低于头膝距阈值时，行为识别模块判定目标员工为睡觉行为，行为识别模块发送兴趣目标睡觉信号至目标输出模块；并将兴趣目标睡觉信号发送至数据存储模块中的长久储存库进行存储；当存在连续超过两次头膝距Ltxi间隔低于头膝距阈值时，行为识别模块判定目标员工为犯困行为，行为识别模块发送兴趣目标犯困信号至目标输出模块；并将兴趣目标犯困信号发送至数据存储模块中的长久储存库进行存储。
与现有技术相比，本发明的有益效果是：
1、本发明设置有数据存储模块，数据存储模块分为临时存储库以及长久储存库，临时存储库用于储存视频监控模块获取的视频图像，视频监控模块具体为安装在服务范围内的若干摄像头，临时存储库具体为与若干摄像头对应的临时存储库单元，且若干临时存储单元组成的临时存储库存储的视频图像通过数据采集单元发送至数据处理模块；长久储存库通过无线传输单元与目标输出模块、数据处理模块无线连接；通过临时存储库以及长久储存库的建立，将视频监控数据与处理后的数据进行分开储存，减小了数据存储模块存储数据的压力。
2、本发明设置有行为检测模块，行为识别模块检测到人体的特征时，数据采集模块获取人体的关键点的位置，并将人体的关键点位置发送至数据处理模块；利用计算公式计算出头膝距Ltx，行为识别模块设定头膝距阈值，当计算得出的头膝距Ltx大于头膝距阈值时，表示目标员工正常工作，行为识别模块发送兴趣目标正常工作信号至目标输出模块；当计算得出的头膝距Ltx小于头膝距阈值时，表示目标员工存在偷懒嫌疑，行为识别模块持续进行T周期间隔连续n次对目标员工进行行为识别；数据处理模块将计算得出的头膝距Ltxi进行按照时间的顺序排列，并与头膝距阈值进行比较，当存在连续超过五次头膝距Ltxi低于头膝距阈值时，行为识别模块判定目标员工为睡觉行为，行为识别模块发送兴趣目标睡觉信号至目标输出模块；并将兴趣目标睡觉信号发送至数据存储模块中的长久储存库进行存储；当存在连续超过两次头膝距Ltxi间隔低于头膝距阈值时，行为识别模块判定目标员工为犯困行为，行为识别模块发送兴趣目标犯困信号至目标输出模块；并将兴趣目标犯困信号发送至数据存储模块中的长久储存库进行存储。通过行为识别模块对目标行为的识别判断目标行为的类型，进而进行针对性的提醒。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种基于大数据的兴趣目标提取系统，包括视频监控模块、数据采集模块、数据处理模块、行为识别模块、数据传输模块、数据存储模块、状态报警模块以及目标输出模块；所述数据存储模块包括临时存储库以及长久储存库，所述视频监控模块用于获取视频图像，并将获取的视频图像通过数据传输模块发送至临时存储库，所述数据传输模块包括有线传输单元以及无线传输单元，所述视频监控模块通过有线传输单元将视频图像传输至临时存储库，所述数据采集模块通过无线传输单元获取存储在临时存储库的视频图像，并将获取的视频图像发送至数据处理模块；
所述数据处理模块接收到视频图像后，数据处理模块将视频图像处理成为图像帧，并将处理完成的图像帧发送至行为识别模块；
所述行为识别模块接收到数据处理模块发送的图像帧后，对图像进行检测，当行为识别模块没有检测到人体的特征时，所述人体的特征为人体的关键点，人体的关键点包括头部关键点、左膝盖关键点、右膝盖关键点；行为识别模块发送无兴趣目标信号至目标输出模块；并将无兴趣目标信号发送至数据存储模块中的长久储存库进行存储；
当行为识别模块检测到人体的特征时，数据采集模块获取人体的关键点的位置，并将人体的关键点位置发送至数据处理模块；
数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为A(Tx，Ty)、B(Jzx，Jzy)、C(Jyx，Jyy)；
连接ABC三点构成一个三角形，分别标记边为a、b、c，利用计算公式计算出三角形的周长l；利用计算公式计算出头膝距Ltx，
其中计算公式为：
Figure GDA0003162138810000081
其中α为修正因子；
行为识别模块设定头膝距阈值，当计算得出的头膝距Ltx大于头膝距阈值时，表示目标员工正常工作，行为识别模块发送兴趣目标正常工作信号至目标输出模块；当计算得出的头膝距Ltx小于头膝距阈值时，表示目标员工存在偷懒嫌疑，行为识别模块持续进行T周期间隔连续n次对目标员工进行行为识别；
数据采集模块持续进行T周期间隔连续n次对目标员工获取人体的关键点位置，并将人体的关键点位置发送至数据处理模块；
数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为Ai(Txi，Tyi)、Bi(Jzxi，Jzyi)、Ci(Jyxi，Jyyi)；其中i＝1，2……n；
连接AiBiCi三点构成一个三角形，分别标记边为ai、bi、ci，利用计算公式计算出三角形的周长li；利用计算公式计算出头膝距Ltxi，
其中计算公式为：
Figure GDA0003162138810000091
数据处理模块将计算得出的头膝距Ltxi进行按照时间的顺序排列，并与头膝距阈值进行比较，当存在连续超过五次头膝距Ltxi低于头膝距阈值时，行为识别模块判定目标员工为睡觉行为，行为识别模块发送兴趣目标睡觉信号至目标输出模块；并将兴趣目标睡觉信号发送至数据存储模块中的长久储存库进行存储；
当存在连续超过两次头膝距Ltxi间隔低于头膝距阈值时，行为识别模块判定目标员工为犯困行为，行为识别模块发送兴趣目标犯困信号至目标输出模块；并将兴趣目标犯困信号发送至数据存储模块中的长久储存库进行存储。
其中，所述目标输出模块用于接收行为识别模块发送的信号，并将接收的信号转换成为行为信息进行展示或是提醒；当接收的信号为无兴趣目标信号时，目标输出模块进行兴趣目标人员离岗信息展示；
当接收的信号为兴趣目标睡觉信号时，目标输出模块进行兴趣目标人员睡觉信息展示；目标输出模块通过有线传输单元连接状态报警模块进行睡觉状态报警；
当接收的信号为兴趣目标犯困信号时，目标输出模块进行兴趣目标人员犯困信息展示；目标输出模块通过有线传输单元连接状态报警模块进行犯困状态报警。
其中，所述数据存储模块分为临时存储库以及长久储存库，所述临时存储库用于储存视频监控模块获取的视频图像，所述视频监控模块具体为安装在服务范围内的若干摄像头，所述临时存储库具体为与若干摄像头对应的临时存储库单元，且若干临时存储单元组成的临时存储库存储的视频图像通过数据采集单元发送至数据处理模块；
所述长久储存库通过无线传输单元与目标输出模块、数据处理模块无线连接。
其中，所述状态报警模块具体为声光报警器，所述声光报警器接收目标输出模块的信号后进行报警，具体的：
当接收的信号为无兴趣目标信号时，目标输出模块进行兴趣目标人员离岗信息展示；并通过声光报警器进行声光报警，声光报警器发出“人员离岗”语音；
当接收的信号为兴趣目标睡觉信号时，目标输出模块进行兴趣目标人员睡觉信息展示；目标输出模块通过有线传输单元连接状态报警模块进行睡觉状态报警；并通过声光报警器进行声光报警，声光报警器发出“人员睡觉”语音；
当接收的信号为兴趣目标犯困信号时，目标输出模块进行兴趣目标人员犯困信息展示；目标输出模块通过有线传输单元连接状态报警模块进行犯困状态报警；并通过声光报警器进行声光报警，声光报警器发出“人员犯困”语音。
本发明的工作原理：视频监控模块通过有线传输单元将视频图像传输至临时存储库，数据采集模块通过无线传输单元获取存储在临时存储库的视频图像，并将获取的视频图像发送至数据处理模块；数据处理模块接收到视频图像后，数据处理模块将视频图像处理成为图像帧，并将处理完成的图像帧发送至行为识别模块；行为识别模块接收到数据处理模块发送的图像帧后，对图像进行检测，当行为识别模块没有检测到人体的特征时，人体的特征为人体的关键点，人体的关键点包括头部关键点、左膝盖关键点、右膝盖关键点；行为识别模块发送无兴趣目标信号至目标输出模块；并将无兴趣目标信号发送至数据存储模块中的长久储存库进行存储；当行为识别模块检测到人体的特征时，数据采集模块获取人体的关键点的位置，并将人体的关键点位置发送至数据处理模块；数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为A(Tx，Ty)、B(Jzx，Jzy)、C(Jyx，Jyy)；连接ABC三点构成一个三角形，分别标记边为a、b、c，利用计算公式计算出三角形的周长l；利用计算公式计算出头膝距Ltx，其中计算公式为：
Figure GDA0003162138810000111
其中α为修正因子；行为识别模块设定头膝距阈值，当计算得出的头膝距Ltx大于头膝距阈值时，表示目标员工正常工作，行为识别模块发送兴趣目标正常工作信号至目标输出模块；当计算得出的头膝距Ltx小于头膝距阈值时，表示目标员工存在偷懒嫌疑，行为识别模块持续进行T周期间隔连续n次对目标员工进行行为识别；数据采集模块持续进行T周期间隔连续n次对目标员工获取人体的关键点位置，并将人体的关键点位置发送至数据处理模块；数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为Ai(Txi，Tyi)、Bi(Jzxi，Jzyi)、Ci(Jyxi，Jyyi)；连接AiBiCi三点构成一个三角形，分别标记边为ai、bi、ci，利用计算公式计算出三角形的周长li；利用计算公式计算出头膝距Ltxi，
其中计算公式为：
Figure GDA0003162138810000112
数据处理模块将计算得出的头膝距Ltxi进行按照时间的顺序排列，并与头膝距阈值进行比较，当存在连续超过五次头膝距Ltxi低于头膝距阈值时，行为识别模块判定目标员工为睡觉行为，行为识别模块发送兴趣目标睡觉信号至目标输出模块；并将兴趣目标睡觉信号发送至数据存储模块中的长久储存库进行存储；当存在连续超过两次头膝距Ltxi间隔低于头膝距阈值时，行为识别模块判定目标员工为犯困行为，行为识别模块发送兴趣目标犯困信号至目标输出模块；并将兴趣目标犯困信号发送至数据存储模块中的长久储存库进行存储。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”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。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (2)

1.一种基于大数据的兴趣目标提取系统，其特征在于，包括视频监控模块、数据采集模块、数据处理模块、行为识别模块、数据传输模块、数据存储模块、状态报警模块以及目标输出模块；所述数据存储模块包括临时存储库以及长久储存库，所述视频监控模块用于获取视频图像，并将获取的视频图像通过数据传输模块发送至临时存储库，所述数据传输模块包括有线传输单元以及无线传输单元，所述视频监控模块通过有线传输单元将视频图像传输至临时存储库，所述数据采集模块通过无线传输单元获取存储在临时存储库的视频图像，并将获取的视频图像发送至数据处理模块；
所述数据处理模块接收到视频图像后，数据处理模块将视频图像处理成为图像帧，并将处理完成的图像帧发送至行为识别模块；
所述行为识别模块接收到数据处理模块发送的图像帧后，对图像进行检测，当行为识别模块没有检测到人体的特征时，所述人体的特征为人体的关键点，人体的关键点包括头部关键点、左膝盖关键点、右膝盖关键点；行为识别模块发送无兴趣目标信号至目标输出模块；并将无兴趣目标信号发送至数据存储模块中的长久储存库进行存储；
当行为识别模块检测到人体的特征时，数据采集模块获取人体的关键点的位置，并将人体的关键点位置发送至数据处理模块；
数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为A(Tx，Ty)、B(Jzx，Jzy)、C(Jyx，Jyy)；
连接ABC三点构成一个三角形，分别标记边为a、b、c，利用计算公式计算出三角形的周长l；利用计算公式计算出头膝距Ltx，
其中计算公式为：
Figure FDA0003162138800000011
其中α为修正因子；
行为识别模块设定头膝距阈值，当计算得出的头膝距Ltx大于头膝距阈值时，表示目标员工正常工作，行为识别模块发送兴趣目标正常工作信号至目标输出模块；当计算得出的头膝距Ltx小于头膝距阈值时，表示目标员工存在偷懒嫌疑，行为识别模块持续进行T周期间隔连续n次对目标员工进行行为识别；
数据采集模块持续进行T周期间隔连续n次对目标员工获取人体的关键点位置，并将人体的关键点位置发送至数据处理模块；
数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为Ai(Txi，Tyi)、Bi(Jzxi，Jzyi)、Ci(Jyxi，Jyyi)；其中i＝1，2……n；
连接AiBiCi三点构成一个三角形，分别标记边为ai、bi、ci，利用计算公式计算出三角形的周长li；利用计算公式计算出头膝距Ltxi，
其中计算公式为：
Figure FDA0003162138800000021
数据处理模块将计算得出的头膝距Ltxi进行按照时间的顺序排列，并与头膝距阈值进行比较，当存在连续超过五次头膝距Ltxi低于头膝距阈值时，行为识别模块判定目标员工为睡觉行为，行为识别模块发送兴趣目标睡觉信号至目标输出模块；并将兴趣目标睡觉信号发送至数据存储模块中的长久储存库进行存储；
当存在连续超过两次头膝距Ltxi间隔低于头膝距阈值时，行为识别模块判定目标员工为犯困行为，行为识别模块发送兴趣目标犯困信号至目标输出模块；并将兴趣目标犯困信号发送至数据存储模块中的长久储存库进行存储；
所述目标输出模块用于接收行为识别模块发送的信号，并将接收的信号转换成为行为信息进行展示或是提醒；
当接收的信号为无兴趣目标信号时，目标输出模块进行兴趣目标人员离岗信息展示；
当接收的信号为兴趣目标睡觉信号时，目标输出模块进行兴趣目标人员睡觉信息展示；目标输出模块通过有线传输单元连接状态报警模块进行睡觉状态报警；
当接收的信号为兴趣目标犯困信号时，目标输出模块进行兴趣目标人员犯困信息展示；目标输出模块通过有线传输单元连接状态报警模块进行犯困状态报警；
数据存储模块分为临时存储库以及长久储存库，临时存储库用于储存视频监控模块获取的视频图像，视频监控模块具体为安装在服务范围内的若干摄像头，临时存储库具体为与若干摄像头对应的临时存储库单元，且若干临时存储单元组成的临时存储库存储的视频图像通过数据采集单元发送至数据处理模块；
长久储存库通过无线传输单元与目标输出模块、数据处理模块无线连接；
状态报警模块具体为声光报警器，声光报警器接收目标输出模块的信号后进行报警，具体的：
当接收的信号为无兴趣目标信号时，目标输出模块进行兴趣目标人员离岗信息展示；并通过声光报警器进行声光报警，声光报警器发出“人员离岗”语音；
当接收的信号为兴趣目标睡觉信号时，目标输出模块进行兴趣目标人员睡觉信息展示；目标输出模块通过有线传输单元连接状态报警模块进行睡觉状态报警；并通过声光报警器进行声光报警，声光报警器发出“人员睡觉”语音；
当接收的信号为兴趣目标犯困信号时，目标输出模块进行兴趣目标人员犯困信息展示；目标输出模块通过有线传输单元连接状态报警模块进行犯困状态报警；并通过声光报警器进行声光报警，声光报警器发出“人员犯困”语音。
2.一种基于大数据的兴趣目标提取方法，其特征在于：具体的兴趣目标提取方法包括以下步骤：
步骤一：视频监控模块通过有线传输单元将视频图像传输至临时存储库，数据采集模块通过无线传输单元获取存储在临时存储库的视频图像，并将获取的视频图像发送至数据处理模块；
数据处理模块接收到视频图像后，数据处理模块将视频图像处理成为图像帧，并将处理完成的图像帧发送至行为识别模块；
步骤二：行为识别模块接收到数据处理模块发送的图像帧后，对图像进行检测，当行为识别模块没有检测到人体的特征时，人体的特征为人体的关键点，人体的关键点包括头部关键点、左膝盖关键点、右膝盖关键点；行为识别模块发送无兴趣目标信号至目标输出模块；并将无兴趣目标信号发送至数据存储模块中的长久储存库进行存储；
当行为识别模块检测到人体的特征时，数据采集模块获取人体的关键点的位置，并将人体的关键点位置发送至数据处理模块；
步骤三：数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为A(Tx，Ty)、B(Jzx，Jzy)、C(Jyx，Jyy)；
连接ABC三点构成一个三角形，分别标记边为a、b、c，利用计算公式计算出三角形的周长l；利用计算公式计算出头膝距Ltx，
其中计算公式为：
Figure FDA0003162138800000041
其中α为修正因子；
步骤四：行为识别模块设定头膝距阈值，当计算得出的头膝距Ltx大于头膝距阈值时，表示目标员工正常工作，行为识别模块发送兴趣目标正常工作信号至目标输出模块；当计算得出的头膝距Ltx小于头膝距阈值时，表示目标员工存在偷懒嫌疑，行为识别模块持续进行T周期间隔连续n次对目标员工进行行为识别；
步骤五：数据采集模块持续进行T周期间隔连续n次对目标员工获取人体的关键点位置，并将人体的关键点位置发送至数据处理模块；
数据处理模块将建立平面二维坐标，分别将头部关键点位置、左膝盖关键点位置、右膝盖关键点位置标记为Ai(Txi，Tyi)、Bi(Jzxi，Jzyi)、Ci(Jyxi，Jyyi)；
连接AiBiCi三点构成一个三角形，分别标记边为ai、bi、ci，利用计算公式计算出三角形的周长li；利用计算公式计算出头膝距Ltxi，
其中计算公式为：
Figure FDA0003162138800000051
步骤六：数据处理模块将计算得出的头膝距Ltxi进行按照时间的顺序排列，并与头膝距阈值进行比较，当存在连续超过五次头膝距Ltxi低于头膝距阈值时，行为识别模块判定目标员工为睡觉行为，行为识别模块发送兴趣目标睡觉信号至目标输出模块；并将兴趣目标睡觉信号发送至数据存储模块中的长久储存库进行存储；当存在连续超过两次头膝距Ltxi间隔低于头膝距阈值时，行为识别模块判定目标员工为犯困行为，行为识别模块发送兴趣目标犯困信号至目标输出模块；并将兴趣目标犯困信号发送至数据存储模块中的长久储存库进行存储。
CN202011618980.3A 2020-12-30 2020-12-30 一种基于大数据的兴趣目标提取方法及系统 Active CN112597961B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011618980.3A CN112597961B (zh) 2020-12-30 2020-12-30 一种基于大数据的兴趣目标提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011618980.3A CN112597961B (zh) 2020-12-30 2020-12-30 一种基于大数据的兴趣目标提取方法及系统

Publications (2)

Publication Number Publication Date
CN112597961A CN112597961A (zh) 2021-04-02
CN112597961B true CN112597961B (zh) 2021-09-24

Family

ID=75206303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011618980.3A Active CN112597961B (zh) 2020-12-30 2020-12-30 一种基于大数据的兴趣目标提取方法及系统

Country Status (1)

Country Link
CN (1) CN112597961B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113163174A (zh) * 2021-04-27 2021-07-23 沈勤标 一种基于云存储的视频数据采集和管理系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2522589T3 (es) * 2007-02-08 2014-11-17 Behavioral Recognition Systems, Inc. Sistema de reconocimiento conductual
CN106709424B (zh) * 2016-11-19 2022-11-11 广东中科人人智能科技有限公司 一种优化的监控视频存储系统
CN110287923B (zh) * 2019-06-29 2023-09-15 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
CN111242075A (zh) * 2020-01-20 2020-06-05 成都国翼电子技术有限公司 一种用于警务督察睡觉行为识别方法
CN111597879A (zh) * 2020-04-03 2020-08-28 成都云盯科技有限公司 一种基于监控视频的姿态检测方法、装置及系统

Also Published As

Publication number Publication date
CN112597961A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
Vishnu et al. Human fall detection in surveillance videos using fall motion vector modeling
CN106951849B (zh) 一种预防儿童意外的监控方法及系统
CN110458101B (zh) 基于视频与设备结合的服刑人员体征监测方法及设备
CN111814638B (zh) 基于深度学习的安防场景火焰检测方法
CN110781798B (zh) 一种基于树莓派和人脸识别的车载嫌疑犯锁定系统
US20220180534A1 (en) Pedestrian tracking method, computing device, pedestrian tracking system and storage medium
CN108960076B (zh) 基于卷积神经网络的耳朵识别与跟踪方法
CN111739250A (zh) 结合图像处理技术与红外传感器的火灾探测方法及系统
CN110135290B (zh) 一种基于SSD和AlphaPose的安全帽佩戴检测方法及系统
CN112084963B (zh) 一种监控预警方法、系统及存储介质
CN106251363A (zh) 一种智慧金睛识别人流人数统计方法和装置
CN112364696A (zh) 一种利用家庭监控视频提高家庭安全的方法及系统
CN107886677A (zh) 一种基于Kinect的老年人步态家庭监控系统
CN112183219A (zh) 一种基于人脸识别的公共安全视频监测方法及系统
CN112597961B (zh) 一种基于大数据的兴趣目标提取方法及系统
CN111597879A (zh) 一种基于监控视频的姿态检测方法、装置及系统
CN112686214A (zh) 一种基于Retinaface算法的人脸口罩检测系统和方法
CN114078603A (zh) 智能养老监护系统、方法及计算机设备、可读存储介质
CN115953815A (zh) 基建现场的监测方法及装置
CN114994663A (zh) 一种基于毫米波雷达的跌倒检测方法及系统
CN112804492B (zh) 一种电子猫眼的通信提示方法及装置
CN116246299A (zh) 一种结合目标检测和姿态识别技术的“低头族”智能识别系统
CN111339970B (zh) 一种适用于公共环境下的吸烟行为检测方法
TWI730795B (zh) 多目標人體體溫追蹤方法及系統
CN113158933A (zh) 一种走失人员识别的方法、系统、装置及存储介质

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
GR01 Patent grant
GR01 Patent grant