CN113392676A - 一种多目标追踪的行为识别方法和装置 - Google Patents
一种多目标追踪的行为识别方法和装置 Download PDFInfo
- Publication number
- CN113392676A CN113392676A CN202010171470.XA CN202010171470A CN113392676A CN 113392676 A CN113392676 A CN 113392676A CN 202010171470 A CN202010171470 A CN 202010171470A CN 113392676 A CN113392676 A CN 113392676A
- Authority
- CN
- China
- Prior art keywords
- frame
- target detection
- detection frame
- behavior information
- video stream
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 93
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000006399 behavior Effects 0.000 description 76
- 238000010586 diagram Methods 0.000 description 18
- 230000003287 optical effect Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000002123 temporal effect Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了多目标追踪的行为识别方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括获取多帧视频流，以进行目标检测，确定具有编号的对象的目标检测框；其中，对象编号与目标检测框具有映射关系；基于目标检测框对所述对象进行追踪，以识别视频流中所述对象连续帧的行为信息，进而通过预设的预测模型得到所述对象的未来行为信息。从而，本发明的实施方式能够解决现有的行为识别技术成本高，精准度低的问题。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种多目标追踪的行为识别方法和装置。
背景技术
目前的行为识别技术，一般包括基于传统传感器的行为识别：人物佩带传感器(重力传感器)，根据加速度及方向的变化识别出行为。基于光流算法等传统算法的单帧行为识别：多帧图片先提取出光流特征，即每帧中的光向量的运动方向，然后再放入神经网络中预测行为。基于深度学习单帧的行为识别：通过采集摄像头中每一帧的图片，对其每帧进行目标检测算法，即找出图片中物体及人的真实边框和类别标签。基于深度学习视频单目标的行为识别：对视频帧中的整个图片序列进行时序提取，其中每帧大约全部区域都占据了行动者，对其进行行为分类。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
现有行为识别技术中传感器主要存在的问题：成本高且佩戴麻烦，被检测者需长时间随身佩戴传感器，带来了生活中的不便利，且需要定期更换电池。而传统光流等算法计算量大，预处理慢，很难达到实时。基于深度学习单帧的行为识别，时序性的连续行为识别误差很大。另外，基于深度学习视频单目标的行为识别不能同时监控视频中的多个人，当前算法都是基于人占据整张图片的区域进行识别，人如果在小目标区域，以整张图片作为信息就会增加了很多冗余因素，准确率很低，效果很差。
发明内容
有鉴于此，本发明实施例提供一种多目标追踪的行为识别方法和装置，能够解决现有的行为识别技术成本高，精准度低的问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种多目标追踪的行为识别方法，包括获取多帧视频流，以进行目标检测，确定具有编号的对象的目标检测框；其中，对象编号与目标检测框具有映射关系；基于目标检测框对所述对象进行追踪，以识别视频流中所述对象连续帧的行为信息，进而通过预设的预测模型得到所述对象的未来行为信息。
可选地，获取多帧视频流，以进行目标检测，包括：
获取多帧视频流，在基于darknet53的yolov3网络中使用三个尺度进行特征融合，在融合后的特征图上进行目标检测。
可选地，识别视频流中所述对象连续帧的行为信息，包括：
获取当前帧中对象编号和目标检测框，判断在预设的连续帧数内，是否存在绑定的对象编号与对应的目标检测框，若存在则截取连续帧中出现的每个目标检测框中的图片以识别连续帧的行为信息；若不存在则删除该对象编号与对应的目标检测框。
可选地，通过预设的预测模型得到所述对象的未来行为信息之前，包括：
基于3D卷积网络，在时间上和空间上分别增加注意力，得到预测模型。
另外，本发明还提供了一种多目标追踪的行为识别装置，包括获取模块，用于获取多帧视频流，以进行目标检测，确定具有编号的对象的目标检测框；其中，对象编号与目标检测框具有映射关系；处理模块，用于基于目标检测框对所述对象进行追踪，以识别视频流中所述对象连续帧的行为信息，进而通过预设的预测模型得到所述对象的未来行为信息。
可选地，所述获取模块获取多帧视频流，以进行目标检测，包括：
获取多帧视频流，在基于darknet53的yolov3网络中使用三个尺度进行特征融合，在融合后的特征图上进行目标检测。
可选地，所述处理模块识别视频流中所述对象连续帧的行为信息，包括：
获取当前帧中对象编号和目标检测框，判断在预设的连续帧数内，是否存在绑定的对象编号与对应的目标检测框，若存在则截取连续帧中出现的每个目标检测框中的图片以识别连续帧的行为信息；若不存在则删除该对象编号与对应的目标检测框。
可选地，所述处理模块通过预设的预测模型得到所述对象的未来行为信息之前，包括：
基于3D卷积网络，在时间上和空间上分别增加注意力，得到预测模型。
上述发明中的一个实施例具有如下优点或有益效果：因为采用获取多帧视频流，以进行目标检测，确定具有编号的对象的目标检测框；基于目标检测框对所述对象进行追踪，以识别视频流中所述对象连续帧的行为信息，进而通过预设的预测模型得到所述对象的未来行为信息的技术手段，所以克服了现有的行为识别技术成本高，精准度低的技术问题。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明第一实施例的多目标追踪的行为识别方法的主要流程的示意图；
图2是根据本发明实施例的预测模型的示意图；
图3a是根据本发明实施例的预测模型中通过主动性注意力得到的时间注意力示意图；
图3b是根据本发明实施例的预测模型中通过主动性注意力得到的空间示意图；
图4a是根据本发明实施例的预测模型中基于特征图的注意力得到的时间注意力示意图；
图4b是根据本发明实施例的预测模型中基于特征图的注意力得到的空间注意力示意图；
图5是根据本发明另一实施例的多目标追踪的行为识别方法的主要流程的示意图；
图6是根据本发明再一实施例的多目标追踪的行为识别方法的主要流程的示意图；
图7是根据本发明实施例的多目标追踪的行为识别装置的主要模块的示意图；
图8是本发明实施例可以应用于其中的示例性系统架构图；
图9是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明第一实施例的多目标追踪的行为识别方法的主要流程的示意图，如图1所示，所述多目标追踪的行为识别方法包括：
步骤S101，获取多帧视频流，以进行目标检测，确定具有编号的对象的目标检测框。
在一些实施例中，获取多帧视频流，在基于darknet53的yolov3网络中使用三个尺度进行特征融合，在融合后的特征图上进行目标检测。其中，darknet53网络结构基本由1*1与3*3卷积构成，因为网络中有53个卷积层。yolov3是基于darknet53用在图片分类，使用了darknet53的三层特征层，预测的三个特征层大小分别是52，26，13。
作为实施例，本发明网络可以为darknet53的yolov3网络，该yolov3采用多个尺度融合的方式做预测。为了加强YOLO算法对小目标检测的精确度。在yolov3中使用了三层的信息进行特征融合，最后融合了3个scale，其他两个scale的大小分别是26*26和52*52)，在多个scale的feature map上做检测，对于目标的检测效果提升非常明显。
其中，yolov3分为三个尺度(13*13、26*26和52*52)，每个尺度下先堆积不同尺度的特征图，而后通过卷积核(3*3和1*1)的方式实现不同尺度特征图之间的局部特征融合，具体方法可以为：将13*13的特征图上采样成26*26，然后与26*26的特征图拼接在一起。同理，将26*26的特征图上采样到52*52，将之与52*52的特征图融合。例如：yolov3中预测(13*13+26*26+52*52)*3＝10647个边界框。
另外，在进行darknet53的yolov3网络训练时，可以使用采集到的历史多帧视频流作为input，以及通过labelImg(labelImg为一种标注图像的工具)标注的行人作为label(标签)，送入到yolov3网络中进行训练。yolov3网络的输入为大量图片，经过卷积层之后每个anchor(即锚框)产生6个filters，一个类别(person)，四个坐标(分别为目标检测框框选人物的左上角坐标(x1,y1)以及右下角(x2,y2))和一个置信度(置信度为该目标检测框的框选得分，框选中人物其置信度高，框选不中人物置信度低)，一个cell有3个anchor，分别有三个不同尺度的feature map(即特征图)。最后，yolov3网络的输出与真实值(即人物真实的边框坐标值)做损失(loss)，其用来训练模型的参数。
步骤S102，基于目标检测框对所述对象进行追踪，以识别视频流中所述对象连续帧的行为信息，进而通过预设的预测模型得到所述对象的未来行为信息。
在一些实施例中，识别视频流中所述对象连续帧的行为信息时，包括：
获取当前帧中对象编号和目标检测框，判断在预设的连续帧数内，是否存在绑定的对象编号与对应的目标检测框，若存在则截取连续帧中出现的每个目标检测框中的图片以识别连续帧的行为信息；若不存在则删除该对象编号与对应的目标检测框。
作为较佳地实施例，采取deepsort追踪算法对目标检测框进行跟踪。其中，deepsort是多目标跟踪算法。在实施例中，本发明创造性地结合了追踪和行为识别，即对人物进行追踪之后会得到单帧中同时多个人物的id(即对象编号)和目标检测框，其中id和目标检测框进行对应的绑定并记录。与此同时，根据目标检测框在原图上截取相应的人物图片作为下一步行为识别的数据源，对于下一帧所得到的id和目标检测框，若有相同的id，说明此人物有两帧出现在图中，从当前帧中截取相应的人物图片并与上帧中该id所截出的数据源合并，若无相同的id，表明该人物上帧并未出现，记录当前id与目标检测框，以备下帧该人物的出现。当当前记录的id，在预设的第一数量帧后依然没有出现，则删除该人物对应的所有数据(id、目标检测框、截取的人物图片等等)。当满足在连续预设第二数量帧中存在的id，保存之前每帧截取的数据源(人物图片)。
优选地，对当前帧中所有记录id存在连续预设第二数量帧(例如八帧)的数据进行识别，最后将相应的结果打印在原图上。若不存在连续预设第二数量帧，则保持持续追踪记录，超过预设第三数量帧(例如两帧)不出现id，删除记录。
作为另一些实施例，基于3D卷积网络，在时间上和空间上分别增加注意力，得到预测模型，进而通过所述预测模型得到所述对象的未来行为信息。
在进一步地实施例中，选取了3D卷积网络，可以对时间空间特征进行时空卷积，从而预测出对象行为。由于摄像机的运动，对象行为的停顿和延迟，每一帧所包含的信息是不相等的，每一帧都应该有自己的注意力。因此，本发明对于3D卷积在时间上增加注意力，使网络能够更好地关注多帧中哪几帧蕴含行为信息最为丰富。并且，在空间上增加注意力，使能够得到每一帧中的关键信息(例如更多地关注手部行为)，过滤一些非重要信息。值得说明的是，两种时空注意力都可以通过主动性注意力(initial)以及基于特征图的注意力(Feature-ba sd)获得。如图2所示，Spatial为空间注意力，Temporal为时间注意力，initial为主动性注意力(权重初始值为1)，Feature-basd为基于特征图的注意力，预测模型根据feature map训练得来的。
优选地实施例，预测模型中的所有注意力模块可以用以下式子表示：
F0＝((((InputΘIT)ΘIS)ΘMt(Input))ΘMs(Input))
其中，Θ表示广播乘法。在乘法过程中，会相应地广播(复制)注意力值。输入的维度为CxLxHxW(C:通道数，L：帧数，H：height(高度)，W：weight(宽度))。另外，该式子的输入可以替换为来自任何隐藏层的feature map，其中C、L、H、W分别表示通道的数目、每帧的剪辑长度、高度和宽度。
其中，IT和IS为主动性注意力，设定初始权重都为1(表示时空初始重要性均等)，后续会根据训练逐步自动调整为最佳值。如图3a为通过主动性注意力得到的时间注意力，在时间概念中加入注意的过程。输入的每一帧都乘以时间维数的注意，形成一个新的输入。如图3b为通过主动性注意力得到的空间注意力，在空间划分中增加注意的过程。输入的每一帧都乘以空间维数的注意，形成一个新的输入。
其中，Mt和Ms为基于特征图的注意力，这种注意力不是直接参与的，而是通过feature map或输入通过3D卷积进行训练。由于卷积运算是通过将跨时间和空间信息混合在一起来提取信息特征的，因此使用卷积来提取任意层输入的瞬态和空间特征作为相应的权值，从而强调在这两个主要维度(时间轴和空间轴)上有意义的特征。如图4a是基于特征图的注意力得到的时间注意力Mt，每个通道在时间维度上的feature map可以看作是一个feature detector。为了有效地计算时间，压缩了除时间维数外的其他三个维数，对于其他三个维度的聚合。如图4b为基于特征图的注意力得到的空间注意力Ms，利用特征图的空间关系生成空间注意权值。与时间注意力不同，空间注意力集中在每一帧的关键区域。为了计算空间注意力，首先计算每一帧中RGB通道的平均值作为中间值，然后添加基于时间张力的RGB通道最大化操作，最后通过三维卷积将RGB三通道融合成一个单通道权值。
综上所述，本发明所述多目标追踪的行为识别方法，能够从视频的数据实时识别多个对象(例如消费者)。在目标检测的基础上结合追踪定位信息以及多帧的时序信息对行为进行建模，从时间序列中提取多帧结合检测出对象，从多帧中追踪出当前对象所做的一系列连贯的时间序列，对该时间序列进行分类。
同时，本发明在3D卷积网络中添加了时空attention机制，意在使网络关注“该行为在何时发生，该行为在图片上的哪个区域发生”，从而避免了提取光流的运算，可以做到实时预测。
另外，本发明预测得到的对象未来行为信息，可以用于向对象进行信息的推荐(例如商品的推荐)，用于优化场景中的部署(例如购物环境的改进)，用于对对象的监控以执行相应的措施(例如特殊消费者的监控和预防特殊事件的发生)等等。
图5是根据本发明另一实施例的多目标追踪的行为识别方法的主要流程的示意图，所述多目标追踪的行为识别方法可以包括：
步骤S501，获取多帧视频流，在基于darknet53的yolov3网络中使用三个尺度进行特征融合，在融合后的特征图上进行目标检测。
步骤S502，确定具有编号的对象的目标检测框。
步骤S503，采取deepsort追踪算法对目标检测框中的对象进行追踪。
步骤S504，识别视频流中所述对象连续帧的行为信息。
步骤S505，基于3D卷积网络，在时间上和空间上分别增加注意力，得到预测模型。
步骤S506，通过预测模型得到所述对象的未来行为信息。
图6是根据本发明再一实施例的多目标追踪的行为识别方法的主要流程的示意图，所述多目标追踪的行为识别方法可以包括：
步骤S601，获取多帧视频流，以进行目标检测，确定具有编号的对象的目标检测框。
步骤S602，基于目标检测框对所述对象进行追踪。
步骤S603，获取当前帧中对象编号和目标检测框，判断在预设的连续帧数内，是否存在绑定的对象编号与对应的目标检测框，若存在则进行步骤S604，否则进行步骤S605。
步骤S604，截取连续帧中出现的每个目标检测框中的图片以识别连续帧的行为信息，进行步骤S606。
步骤S605，删除该对象编号与对应的目标检测框，退出该流程。
步骤S606，基于3D卷积网络，在时间上和空间上分别增加注意力，得到预测模型。
步骤S607，通过预测模型得到所述对象的未来行为信息。
图7是根据本发明实施例的多目标追踪的行为识别装置的主要模块的示意图，如图7所示，所述多目标追踪的行为识别装置700包括获取模块701和处理模块702。其中，获取模块701获取多帧视频流，以进行目标检测，确定具有编号的对象的目标检测框。其中，对象编号与目标检测框具有映射关系。处理模块702基于目标检测框对所述对象进行追踪，以识别视频流中所述对象连续帧的行为信息，进而通过预设的预测模型得到所述对象的未来行为信息。
在一些实施例中，所述获取模块701获取多帧视频流，以进行目标检测，包括：
获取多帧视频流，在基于darknet53的yolov3网络中使用三个尺度进行特征融合，在融合后的特征图上进行目标检测。
在另一些实施例中，所述处理模块702识别视频流中所述对象连续帧的行为信息，包括：
获取当前帧中对象编号和目标检测框，判断在预设的连续帧数内，是否存在绑定的对象编号与对应的目标检测框，若存在则截取连续帧中出现的每个目标检测框中的图片以识别连续帧的行为信息；若不存在则删除该对象编号与对应的目标检测框。
还值得说明的是，所述处理模块702通过预设的预测模型得到所述对象的未来行为信息之前，包括：
基于3D卷积网络，在时间上和空间上分别增加注意力，得到预测模型。
需要说明的是，在本发明所述多目标追踪的行为识别方法和所述多目标追踪的行为识别装置在具体实施内容上具有相应关系，故重复内容不再说明。
图8示出了可以应用本发明实施例的多目标追踪的行为识别方法或多目标追踪的行为识别装置的示例性系统架构800。
如图8所示，系统架构800可以包括终端设备801、802、803，网络804和服务器805。网络804用以在终端设备801、802、803和服务器805之间提供通信链路的介质。网络804可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备801、802、803通过网络804与服务器805交互，以接收或发送消息等。终端设备801、802、803上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备801、802、803可以是具有多目标追踪的行为识别屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器805可以是提供各种服务的服务器，例如对用户利用终端设备801、802、803所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的多目标追踪的行为识别方法一般由服务器805执行，相应地，计算装置一般设置于服务器805中。
应该理解，图8中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图9，其示出了适于用来实现本发明实施例的终端设备的计算机系统900的结构示意图。图9示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，计算机系统900包括中央处理单元(CPU)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的行为和处理。在RAM903中，还存储有计算机系统900操作所需的各种程序和数据。CPU901、ROM902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶多目标追踪的行为识别器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块和处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括获取多帧视频流，以进行目标检测，确定具有编号的对象的目标检测框；其中，对象编号与目标检测框具有映射关系；基于目标检测框对所述对象进行追踪，以识别视频流中所述对象连续帧的行为信息，进而通过预设的预测模型得到所述对象的未来行为信息。
根据本发明实施例的技术方案，能够解决现有的行为识别技术成本高，精准度低的问题。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种多目标追踪的行为识别方法，其特征在于，包括：
获取多帧视频流，以进行目标检测，确定具有编号的对象的目标检测框；其中，对象编号与目标检测框具有映射关系；
基于目标检测框对所述对象进行追踪，以识别视频流中所述对象连续帧的行为信息，进而通过预设的预测模型得到所述对象的未来行为信息。
2.根据权利要求1所述的装置，其特征在于，获取多帧视频流，以进行目标检测，包括：
获取多帧视频流，在基于darknet53的yolov3网络中使用三个尺度进行特征融合，在融合后的特征图上进行目标检测。
3.根据权利要求1所述的方法，其特征在于，识别视频流中所述对象连续帧的行为信息，包括：
获取当前帧中对象编号和目标检测框，判断在预设的连续帧数内，是否存在绑定的对象编号与对应的目标检测框，若存在则截取连续帧中出现的每个目标检测框中的图片以识别连续帧的行为信息；若不存在则删除该对象编号与对应的目标检测框。
4.根据权利要求1-3中任一所述的方法，其特征在于，通过预设的预测模型得到所述对象的未来行为信息之前，包括：
基于3D卷积网络，在时间上和空间上分别增加注意力，得到预测模型。
5.一种多目标追踪的行为识别装置，其特征在于，包括：
获取模块，用于获取多帧视频流，以进行目标检测，确定具有编号的对象的目标检测框；其中，对象编号与目标检测框具有映射关系；
处理模块，用于基于目标检测框对所述对象进行追踪，以识别视频流中所述对象连续帧的行为信息，进而通过预设的预测模型得到所述对象的未来行为信息。
6.根据权利要求5所述的装置，其特征在于，所述获取模块获取多帧视频流，以进行目标检测，包括：
获取多帧视频流，在基于darknet53的yolov3网络中使用三个尺度进行特征融合，在融合后的特征图上进行目标检测。
7.根据权利要求5所述的装置，其特征在于，所述处理模块识别视频流中所述对象连续帧的行为信息，包括：
获取当前帧中对象编号和目标检测框，判断在预设的连续帧数内，是否存在绑定的对象编号与对应的目标检测框，若存在则截取连续帧中出现的每个目标检测框中的图片以识别连续帧的行为信息；若不存在则删除该对象编号与对应的目标检测框。
8.根据权利要求5-7中任一所述的装置，其特征在于，所述处理模块通过预设的预测模型得到所述对象的未来行为信息之前，包括：
基于3D卷积网络，在时间上和空间上分别增加注意力，得到预测模型。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010171470.XA CN113392676A (zh) | 2020-03-12 | 2020-03-12 | 一种多目标追踪的行为识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010171470.XA CN113392676A (zh) | 2020-03-12 | 2020-03-12 | 一种多目标追踪的行为识别方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113392676A true CN113392676A (zh) | 2021-09-14 |
Family
ID=77615765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010171470.XA Pending CN113392676A (zh) | 2020-03-12 | 2020-03-12 | 一种多目标追踪的行为识别方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113392676A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114764897A (zh) * | 2022-03-29 | 2022-07-19 | 深圳市移卡科技有限公司 | 行为识别方法、装置、终端设备以及存储介质 |
| WO2023125119A1 (zh) * | 2021-12-30 | 2023-07-06 | 中兴通讯股份有限公司 | 时空动作检测方法、装置、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101251928A (zh) * | 2008-03-13 | 2008-08-27 | 上海交通大学 | 基于核的对象跟踪方法 |
| CN105160310A (zh) * | 2015-08-25 | 2015-12-16 | 西安电子科技大学 | 基于3d卷积神经网络的人体行为识别方法 |
| CN105678804A (zh) * | 2016-01-06 | 2016-06-15 | 北京理工大学 | 一种耦合目标检测与数据关联的实时在线多目标跟踪方法 |
| CN106909887A (zh) * | 2017-01-19 | 2017-06-30 | 南京邮电大学盐城大数据研究院有限公司 | 一种基于cnn和svm的动作识别方法 |
| KR101912569B1 (ko) * | 2018-07-11 | 2018-10-26 | 전북대학교산학협력단 | 비디오 영상에서의 물체 추적시스템 |
| CN109711338A (zh) * | 2018-12-26 | 2019-05-03 | 上海交通大学 | 利用光流指导特征融合的物体实例分割方法 |
| CN110084228A (zh) * | 2019-06-25 | 2019-08-02 | 江苏德劭信息科技有限公司 | 一种基于双流卷积神经网络的危险行为自动识别方法 |
| CN110378259A (zh) * | 2019-07-05 | 2019-10-25 | 桂林电子科技大学 | 一种面向监控视频的多目标行为识别方法及系统 |
| CN113158909A (zh) * | 2021-04-25 | 2021-07-23 | 中国科学院自动化研究所 | 基于多目标跟踪的行为识别轻量化方法、系统、设备 |
-
2020
- 2020-03-12 CN CN202010171470.XA patent/CN113392676A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101251928A (zh) * | 2008-03-13 | 2008-08-27 | 上海交通大学 | 基于核的对象跟踪方法 |
| CN105160310A (zh) * | 2015-08-25 | 2015-12-16 | 西安电子科技大学 | 基于3d卷积神经网络的人体行为识别方法 |
| CN105678804A (zh) * | 2016-01-06 | 2016-06-15 | 北京理工大学 | 一种耦合目标检测与数据关联的实时在线多目标跟踪方法 |
| CN106909887A (zh) * | 2017-01-19 | 2017-06-30 | 南京邮电大学盐城大数据研究院有限公司 | 一种基于cnn和svm的动作识别方法 |
| KR101912569B1 (ko) * | 2018-07-11 | 2018-10-26 | 전북대학교산학협력단 | 비디오 영상에서의 물체 추적시스템 |
| CN109711338A (zh) * | 2018-12-26 | 2019-05-03 | 上海交通大学 | 利用光流指导特征融合的物体实例分割方法 |
| CN110084228A (zh) * | 2019-06-25 | 2019-08-02 | 江苏德劭信息科技有限公司 | 一种基于双流卷积神经网络的危险行为自动识别方法 |
| CN110378259A (zh) * | 2019-07-05 | 2019-10-25 | 桂林电子科技大学 | 一种面向监控视频的多目标行为识别方法及系统 |
| CN113158909A (zh) * | 2021-04-25 | 2021-07-23 | 中国科学院自动化研究所 | 基于多目标跟踪的行为识别轻量化方法、系统、设备 |
Non-Patent Citations (1)
| Title |
|---|
| 刘博;王胜正;赵建森;李明峰;: "基于Darknet网络和YOLOv3算法的船舶跟踪识别", 计算机应用, no. 06, 29 January 2019 (2019-01-29) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023125119A1 (zh) * | 2021-12-30 | 2023-07-06 | 中兴通讯股份有限公司 | 时空动作检测方法、装置、电子设备及存储介质 |
| CN114764897A (zh) * | 2022-03-29 | 2022-07-19 | 深圳市移卡科技有限公司 | 行为识别方法、装置、终端设备以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11574149B2 (en) | System and method for classifying passive human-device interactions through ongoing device context awareness | |
| JP7435130B2 (ja) | 屋内位置特定のための方法、サーバ、及びプログラム | |
| US9729792B2 (en) | Dynamic image selection | |
| CN109308490A (zh) | 用于生成信息的方法和装置 | |
| CN112954450A (zh) | 视频处理方法、装置、电子设备和存储介质 | |
| KR102547527B1 (ko) | 객체 라벨링 방법 및 장치 | |
| CN114943936B (zh) | 目标行为识别方法、装置、电子设备及存储介质 | |
| US11922597B2 (en) | Video processing method and apparatus, readable medium, and electronic device | |
| CN110222726A (zh) | 图像处理方法、装置及电子设备 | |
| CN109902681B (zh) | 用户群体关系确定方法、装置、设备及存储介质 | |
| US20240320807A1 (en) | Image processing method and apparatus, device, and storage medium | |
| CN113392676A (zh) | 一种多目标追踪的行为识别方法和装置 | |
| CN115205925A (zh) | 表情系数确定方法、装置、电子设备及存储介质 | |
| CN112989987A (zh) | 用于识别人群行为的方法、装置、设备以及存储介质 | |
| CN110851059A (zh) | 图片编辑方法、装置和电子设备 | |
| CN111160410A (zh) | 一种物体检测方法和装置 | |
| Sasikala et al. | A proposed framework for cloud-aware multimodal multimedia big data analysis toward optimal resource allocation | |
| CN111310595B (zh) | 用于生成信息的方法和装置 | |
| Salehin et al. | Fusion of Foreground Object, Spatial and Frequency Domain Motion Information for Video Summarization | |
| CN113362090A (zh) | 一种用户行为数据处理方法和装置 | |
| CN111652831B (zh) | 对象融合方法、装置、计算机可读存储介质及电子设备 | |
| CN115134639B (zh) | 视频档位确定方法、装置、服务器、存储介质和系统 | |
| CN111311603B (zh) | 用于输出目标物体数目信息的方法和装置 | |
| CN112394809B (zh) | 一种实现增强现实的方法、装置及通信设备 | |
| CN114299539A (zh) | 一种模型训练方法、行人重识别方法和装置 |
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 |