CN114463685A - 行为识别方法、装置、电子设备及存储介质 - Google Patents

行为识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114463685A
CN114463685A CN202210137905.8A CN202210137905A CN114463685A CN 114463685 A CN114463685 A CN 114463685A CN 202210137905 A CN202210137905 A CN 202210137905A CN 114463685 A CN114463685 A CN 114463685A
Authority
CN
China
Prior art keywords
identification
behavior
target
maintenance
recognition
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
Application number
CN202210137905.8A
Other languages
English (en)
Inventor
赵亚峰
王津
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202210137905.8A priority Critical patent/CN114463685A/zh
Publication of CN114463685A publication Critical patent/CN114463685A/zh
Pending legal-status Critical Current

Links

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
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及人工智能技术，揭露一种行为识别方法，包括：获取不同角度摄像头拍摄的汽车维修区域的多个三维视频数据，利用改造的YOLOv5模型对每个三维视频数据进行行为识别得到不同预设维修行为的识别概率，选取每种维修行为对应的识别概率的最大值作为该维修行为的目标识别概率，选取目标行为概率最大的维修行为作为最终的识别行为。本发明还涉及一种区块链技术，所述三维视频数据可以存储在区块链节点中。本发明还提出一种行为识别装置、设备以及介质。本发明可以提高行为识别的准确率。

Description

行为识别方法、装置、电子设备及存储介质
技术领域
本发明涉及人工智能技术，尤其涉及一种行为识别方法、装置、电子设备及存储介质。
背景技术
随着计算机视觉、深度学习和三维摄像机技术的不断发展，以三维时序视频为数据输入的人体动作识别和姿态估计算法有了较大的进步。尤其是近年来以卷积神经网络等算法结构为特征的深度学习技术的应用，极大提高了动作和姿态的识别准确率和召回率，对该领域产生了颠覆性影响。
目前对人体的动作识别算法通常着眼于无遮蔽且人员位置固定的场景，使用单一角度摄像头等视频、深度信息捕获设备，特点是数据量小、处理简单。
但是对一些有遮蔽的场景，如汽车维保场景由于有车辆及大型修理设备的阻挡，单一角度视频、深度信息捕获设备无法完成动作的完整捕捉，导致行为识别的准确率差。
发明内容
本发明提供一种行为识别方法、装置、电子设备及存储介质，其主要目的在于提高了行为识别的准确率。
获取不同角度摄像头拍摄的汽车维修区域的多个三维视频数据；
根据预设的时间间隔选取所述三维视频数据中的视频帧，并获取选取的视频帧对应的点云数据；
根据所述点云数据生成鸟瞰图，并利用所述鸟瞰图对YOLOv5模型进行三维识别改造，得到识别分类模型；
利用所述识别分类模型对所述鸟瞰图进行人体区域识别，得到对应的人体区域坐标；
根据所述人体区域坐标映射划分所述视频帧中对应区域，得到对应的目标识别图像；
对所述目标识别图像进行维修行为识别，得到不同预设维修行为的第一识别概率；
选取所述三维视频数据对应所有所述目标识别图像中每种维修行为的第一识别概率的最大值，得到每种所述维修行为对应的第二识别概率；
根据每种所述维修行为对应的所有所述第二识别概率进行计算，得到每种所述维修行为对应的目标识别概率；
根据所述目标识别概率对所有所述维修行为进行筛选，得到识别行为。
可选地，所述根据所述点云数据生成鸟瞰图，包括：
将所述点云坐标中每个三维坐标点进行坐标系转换，得到对应的鸟瞰坐标点；
获取每个所述三维坐标点对应的RGB信息所述鸟瞰坐标点进行对应颜色设置，得到目标鸟瞰坐标点；
将所有的所述目标鸟瞰坐标点构成的图形确定为鸟瞰图。
可选地，所述利用所述鸟瞰图对YOLOv5模型进行三维识别改造，得到识别分类模型，包括：
获取所述鸟瞰图的图像通道数；
根据所述图像通道数将所述YOLOv5模型的输入通道数进行扩增；
将输入通道数扩增后的YOLOv5模型的输出区域坐标维度修改为三维坐标；
将输出区域坐标维度修改后的YOLOv5模型的二维区域损失函数修改为三维空间损失函数，得到所述识别分类模型。
可选地，所述利用所述识别分类模型对所述鸟瞰图进行人体区域识别，得到对应的人体区域坐标，包括：
利用所述识别分类模型中的区域提取网络标记所述鸟瞰图中的感兴趣区域，得到对应的划分区域；
利用所述识别分类模型中的图片识别网络对所述划分区域进行类别识别，得到对应的目标类别；
提取所有所述划分区域中对应的目标类别为人体的划分区域，得到目标划分区域；
选取所述目标划分区域中边缘的鸟瞰坐标点的坐标，得到人体区域坐标。
可选地，所述根据所述人体区域坐标映射划分所述视频帧中对应区域，得到对应的目标识别图像，包括：
选择所述人体区域坐标中所有坐标点在所述视频帧中对应的像素点，得到目标像素点；
将所述选取的视频帧中所有所述目标像素点连接组成的闭合区域内的图片进行切分，得到所述目标识别图像。
可选地，所述对所述目标识别图像进行维修行为识别，得到不同预设维修行为的第一识别概率，包括：
利用ResNet-50网络对所述目标识别图像进行特征提取，得到图像特征向量；
根据所有所述选取的视频帧的先后顺序将所有所述图像特征向量进行组合，得到图像特征矩阵；
利用自注意力机制对所述图像特征矩阵中的每个图像特征向量进行加权计算，加权特征矩阵；
利用门控循环神经网络对所述加权特征矩阵进行特征提取得到目标特征向量；
利用softmax函数对所述目标特征向量进行计算，得到不同预设维修行为的第一识别概率。
可选地，所述根据所述目标识别概率对所有所述维修行为进行筛选，得到识别行为，包括：
选取所有所述目标识别概率中的最大值，得到目标行为识别概率；
将所有所述维修行为中所述目标行为识别概率对应的维修行为确定为识别行为。
为了解决上述问题，本发明还提供一种行为识别装置，所述装置包括：
数据获取模块，用于获取不同角度摄像头拍摄的汽车维修区域的多个三维视频数据；根据预设的时间间隔选取所述三维视频数据中的视频帧，并获取选取的视频帧对应的点云数据；
模型改造模块，用于根据所述点云数据生成鸟瞰图，并利用所述鸟瞰图对YOLOv5模型进行三维识别改造，得到识别分类模型；
行为识别模块，用于利用所述识别分类模型对所述鸟瞰图进行人体区域识别，得到对应的人体区域坐标；根据所述人体区域坐标映射划分所述视频帧中对应区域，得到对应的目标识别图像；对所述目标识别图像进行维修行为识别，得到不同预设维修行为的第一识别概率；选取所述三维视频数据对应所有所述目标识别图像中每种维修行为的第一识别概率的最大值，得到每种所述维修行为对应的第二识别概率；根据每种所述维修行为对应的所有所述第二识别概率进行计算，得到每种所述维修行为对应的目标识别概率；根据所述目标识别概率对所有所述维修行为进行筛选，得到识别行为。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述所述的行为识别方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的行为识别方法。
本发明实施例选取所述三维视频数据对应所有所述目标识别图像中每种维修行为的第一识别概率的最大值，得到每种所述维修行为对应的第二识别概率；根据每种所述维修行为对应的所有所述第二识别概率进行计算，得到每种所述维修行为对应的目标识别概率；根据所述目标识别概率对所有所述维修行为进行筛选，得到识别行为，将多个角度拍摄的三维视频数据对应的识别结果进行综合筛选，提高了行为识别的准确率，因此本发明实施例提出的行为识别方法、装置、电子设备及可读存储介质提高了行为识别的准确率。
附图说明
图1为本发明一实施例提供的行为识别方法的流程示意图；
图2为本发明一实施例提供的行为识别装置的模块示意图；
图3为本发明一实施例提供的实现行为识别方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本发明实施例提供一种行为识别方法。所述行为识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述行为识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示的本发明一实施例提供的行为识别方法的流程示意图，在本发明实施例中，所述行为识别方法包括：
S1、获取不同角度摄像头拍摄的汽车维修区域的多个三维视频数据。
详细地，本发明实施例中所述三维视频数据为某汽修厂摄像头拍摄的在汽车维修区域修理某车辆的RGB-D视频数据，由于有多个摄像头从多个角度进行拍摄，每个摄像头对应一个三维视频数据，因此，有多个三维视频数据。
本发明另一实施例中，所述三维视频数据可以存储在区块链节点中，利用区块链节点高吞吐的特性，提高数据的取用效率。
S2、根据预设的时间间隔选取所述三维视频数据中的视频帧，并获取选取的视频帧对应的点云数据。
由于对所述三维视频数据中的所有视频帧进行处理资源消耗较大，因此为了降低资源消耗，根据预设的时间间隔选取所述三维视频数据中的视频帧。如：每隔0.5秒选择一视频帧。
可选地，本发明另一实施例中所述时间间隔为帧间隔，即每隔预设帧数选择一视频帧，如每隔10帧选择一帧。
可选地，本发明实施例中所述点云数据为选择的每个视频帧中每个像素点对应的三维坐标及RGB信息的集合。
S3、根据所述点云数据生成鸟瞰图，并利用所述鸟瞰图对YOLOv5模型进行三维识别改造，得到识别分类模型。
详细地，本发明实施例所述根据所述点云生成鸟瞰图，包括：
将所述点云坐标中每个三维坐标点进行坐标系转换，得到对应的鸟瞰坐标点；
可选地，本发明实施例中将每个三维坐标点预设鸟瞰图坐标系中的点，得到鸟瞰图坐标点。
获取每个所述三维坐标点对应的RGB信息所述鸟瞰坐标点进行对应颜色设置，得到目标鸟瞰坐标点。
将所有的所述目标鸟瞰坐标点构成的图形确定为鸟瞰图。
本发明实施例中所述目标鸟瞰坐标点的坐标只是点云数据中三维坐标点的不同坐标系的不同表现，实质是相同的，和视频帧中对应的像素点对应关系不变。
可选地，本发明实施例若所述鸟瞰图为M+2+3个通道组成，以0.1m为分辨率将点云数据分为2d的单元格，再将深度数据平均分为M个切片，取各切片中各单元格中最大高度的点作为高度值，即形成M个通道的高度图；将不切片的各单元格最大高度点组合成为强度图；同时将每个单元格中点的数量经归一化后组合成为密度图，进一步地，获取密度图中每个点对应的RGB信息对所述密度图中对应的点进行颜色设置，得到鸟瞰图。
本发明实施例中，由于YOLOv5模型只适用于二维图像，所述三维视频数据中每一帧均为三维图像，为了可以对三维图像进行更好的识别，需要对所述YOLOv5模型进行网络结构改造，从而使改造后的YOLOv5模型可以识别三维图像。
详细地，本发明实施例中利用所述鸟瞰图对YOLOv5模型进行三维识别改造，得到识别分类模型，包括:
获取所述鸟瞰图的图像通道数；
根据所述图像通道数将所述YOLOv5模型的输入通道数进行扩增；
详细地，本发明实施例中所述YOLOv5模型输入数据为二维图像，因此输入通道只有RGB通道，进一步，改造后的模型需要对鸟瞰图进行识别，因此，扩增后的所述YOLOv5模型的输入通道应该与所述鸟瞰图的图像通道数一致，如：所述鸟瞰图的图像通道数为8那么所述YOLOv5模型的输入通道数由3通道扩增为8通道。
将输入通道数扩增后的YOLOv5模型的输出区域坐标维度修改为三维坐标；
将输出区域坐标维度修改后的YOLOv5模型的二维区域损失函数修改为三维空间损失函数，得到所述识别分类模型。
可选地，本发明实施例中将基于二维区域IoU的损失函数改为适用于三维空间的损失函数(其他如交叉熵等部分不变)，如三维坐标的欧氏距离函数。
S4、利用所述识别分类模型对所述鸟瞰图进行人体区域识别，得到对应的人体区域坐标；
详细地，本发明实施例利用所述识别分类模型对所述鸟瞰图进行人体区域识别，包括：
利用所述识别分类模型中的区域提取网络标记所述鸟瞰图中的感兴趣区域，得到对应的划分区域；
可选地，本发明实施例中所述区域提取网络为RPN(Region Proposal Network，区域建议网络)。
本发明另一实施例中为了提高识别的效率，利用所述识别分类模型中的区域提取网络标记所述鸟瞰图中的感兴趣区域之前，将所述鸟瞰图为正视图，将所述鸟瞰图与所述正视图进行组合，得到更新后的鸟瞰图。
利用所述识别分类模型中的图片识别网络对所述划分区域进行类别识别，得到对应的目标类别；
可选地，本发明实施例中的所述图片识别网络为人工智能网络模型，如卷积神经网络。
可选地，本发明实施例中所述目标类别可以为人体、车牌、人脸等目标类别。
进一步地，本发明实施例为了识别维修的行为需要提取所有所述划分区域中对应的目标类别为人体的划分区域，得到目标划分区域；
选取所述目标划分区域中边缘的鸟瞰坐标点的坐标，得到人体区域坐标。
S5、根据所述人体区域坐标映射划分所述视频帧中对应区域，得到对应的目标识别图像；
详细地，本发明实施例中根据所述人体区域坐标映射划分所述视频帧中对应的区域，包括：
选择所述人体区域坐标中所有坐标点在所述视频帧中对应的像素点，得到目标像素点；
将所述选取的视频帧中所有所述目标像素点连接组成的闭合区域内的图片进行切分，得到所述目标识别图像。
S6、对所述目标识别图像进行维修行为识别，得到不同预设维修行为的第一识别概率；
详细地，本发明实施例中对所述目标识别图像进行维修行为识别，包括：
利用ResNet-50网络对所述目标识别图像进行特征提取，得到图像特征向量；
详细地，本发明实施例中为了保证不同的目标识别图像的特征提取过程一致，避免差异，需要现将所述目标识别图像调整至预设分辨率，可选地，所述预设分辨率为224x224。
可选地，本发明实施例中将所述目标识别图像输入所述ResNet-50网络中，得到2048维的图像特征向量。
根据所有所述选取的视频帧的先后顺序将所有所述图像特征向量进行组合，得到图像特征矩阵；
利用自注意力机制对所述图像特征矩阵中的每个图像特征向量进行加权计算，加权特征矩阵；
可选地，本发明实施例利用如下公式进行加权计算：
Figure BDA0003505104200000081
hi为所述图像特征矩阵位置顺序为i的图像特征向量；i为所述所述图像特征矩阵中图像特征矩阵的位置顺序；ai是为图像特征向量hi对应的自注意力机制预设的权重，r为加权特征矩阵。
可选地，本发明实施例中ai如下：
Figure BDA0003505104200000082
其中，
Figure BDA0003505104200000083
是多层感知机(MLP，Multilayer Perceptron)，
Figure BDA0003505104200000084
为所述图像特征矩阵位置顺序为i的图像特征向量输入多层感知机后输出的结果。
利用门控循环神经网络(GRU,，Gate Recurrent Unit)对所述加权特征矩阵进行特征提取得到目标特征向量；
可选地，本发明实施例可利用两层门控循环神经网络对所述加权特征矩阵进行特征提取得到目标特征向量。
利用softmax函数对所述目标特征向量进行计算，得到不同预设维修行为的第一识别概率。
可选地，本发明实施例利用门控循环神经网络(GRU,，Gate Recurrent Unit)对所述加权特征矩阵进行特征提取得到目标特征向量，包括：
将加权矩阵输入两层门控循环神经网络，得到输出向量；
可选地，本发明实施例中将所述加权矩阵输入1048维隐维度(hidden size)的两层门控循环神经网络(gate recurrent unit，GRU)，并输出1024维的输出向量。
将所述输出向量输入全连接神经网络，输出目标特征向量，所述目标特征向量的维度为Z，Z为预设的维修行为的种类。
S7、选取所述三维视频数据对应所有所述目标识别图像中每种维修行为的第一识别概率的最大值，得到每种所述维修行为对应的第二识别概率；
详细地，本发明实施例中每个三维视频数据选择多个视频帧，每个视频帧对应一个目标识别图像，因此，每个所述三维视频数据对应有多个目标识别图像，每个目标识别图像都有对应的预设维修行为识别概率，因此，需要选择每种维修行为的第一识别概率的最大值，得到该维修行为对应的第二识别概率。例如：三维视频数据A对应的目标识别图像共有两个A和B,维修行为共有两种分别为“更换机油”和“拆玻璃”，目标识别图像A对应的“更换机油”的第一识别概率为60％，对应的“拆玻璃”的第一识别概率为40％；目标识别图像B对应的“更换机油”的第一识别概率为55％，对应的“拆玻璃”的第一识别概率为60％；那么三维视频数据A对应的“更换机油”的第二识别概率为60％，对应的“拆玻璃”的第二识别概率为60％。
S8、根据每种所述维修行为对应的所有所述第二识别概率进行计算，得到每种所述维修行为对应的目标识别概率；
本发明实施例中获取的每个角度摄像头对应的三维视频数据识别的每种所述维修行为对应一个第二识别概率，因此，存在多个角度摄像头对应的三维视频数据，因此，每种所述维修行为对应多个第二识别概率。
进一步地，由于不同摄像头对不同维修行为的识别效果不同，因此，本发明实施例利用软投票机制对所有所述第二识别率进行集成筛选。
详细地，本发明实施例中利用软投票机制对所有所述第二识别率进行集成筛选，包括：将所述维修行为对应的所有所述第二识别率进行平均计算，得到对应的所述目标识别概率。
S9、根据所述目标识别概率对所有所述维修行为进行筛选，得到识别行为。
详细地，本发明实施例中选取所有所述目标识别概率中的最大值，得到目标行为识别概率；选取所有所述维修行为中所述目标行为识别概率对应的维修行为确定为识别行为。
例如：维修行为共有两种分别为“更换机油”和“拆玻璃”，“更换机油”对应的目标识别概率为70％，“拆玻璃”对应的目标识别概率为80％，那么目标行为识别概率为80％，将目标行为识别概率对应的维修行为“拆玻璃”确定为识别行为。
进一步地，本发明实施例为了判断所述识别行为是否为恰当维修行为，获取所述维修区域对应的维修信息，查询预设维修数据库中所述维修信息对应的的标准维修行为，判断所述识别行为与所述标准维修行为是否一致，若一致，则维修行为恰当，若不一致，则维修行为不恰当。
可选地，本发明实施例中所述维修信息包括维修车辆的车牌信息及维修人员的身份信息。详细地，本发明实施例中获取所述维修区域对应的维修信息，包括：
选取所有所述三维视频数据中最小角度摄像头对应的三维视频数据，得到目标三维视频数据；
利用所述识别分类模型对所述目标三维视频数据对应的鸟瞰图进行车牌区域识别，得到对应的车牌区域坐标；
利用所述识别分类模型对所述目标三维视频数据对应的鸟瞰图进行人脸区域识别，得到对应的人脸区域坐标；
利用所述车牌区域坐标映射划分所述目标三维视频数据对应视频帧中的对应区域，得到车牌识别区域图像；
利用所述人脸区域坐标映射划分所述目标三维视频数据对应视频帧中的对应区域，得到人脸识别区域图像；
将所述车牌识别区域图像转化为二维图像，得到二维车牌图像，对所述二维车牌图像进行车牌识别，得到车牌信息；
可选地，本发明实施例中仅保留所述将所述车牌识别区域图像中每个像素点的rgb信息，从而得到所述二维车牌图像。
将所述人脸识别区域图像转化为二维图像，得到二维车牌图像，对所述二维人脸图像进行人脸识别，得到维修人员的身份信息；
汇总所述车牌信息及所述维修人员的身份信息，得到所述维修信息。
如图2所示，是本发明行为识别装置的功能模块图。
本发明所述行为识别装置100可以安装于电子设备中。根据实现的功能，所述行为识别装置可以包括数据获取模块101、模型改造模块102、行为识别模块103，本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据获取模块101用于获取不同角度摄像头拍摄的汽车维修区域的多个三维视频数据；根据预设的时间间隔选取所述三维视频数据中的视频帧，并获取选取的视频帧对应的点云数据；
所述模型改造模块102用于根据所述点云数据生成鸟瞰图，并利用所述鸟瞰图对YOLOv5模型进行三维识别改造，得到识别分类模型；
所述行为识别模块103用于利用所述识别分类模型对所述鸟瞰图进行人体区域识别，得到对应的人体区域坐标；根据所述人体区域坐标映射划分所述视频帧中对应区域，得到对应的目标识别图像；对所述目标识别图像进行维修行为识别，得到不同预设维修行为的第一识别概率；选取所述三维视频数据对应所有所述目标识别图像中每种维修行为的第一识别概率的最大值，得到每种所述维修行为对应的第二识别概率；根据每种所述维修行为对应的所有所述第二识别概率进行计算，得到每种所述维修行为对应的目标识别概率；根据所述目标识别概率对所有所述维修行为进行筛选，得到识别行为。
详细地，本发明实施例中所述行为识别装置100中所述的各模块在使用时采用与上述图1中所述的行为识别方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明实现行为识别方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如行为识别程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如行为识别程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如行为识别程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(perIPheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障分类电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
可选地，所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，所述通信接口13还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的行为识别程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取不同角度摄像头拍摄的汽车维修区域的多个三维视频数据；
根据预设的时间间隔选取所述三维视频数据中的视频帧，并获取选取的视频帧对应的点云数据；
根据所述点云数据生成鸟瞰图，并利用所述鸟瞰图对YOLOv5模型进行三维识别改造，得到识别分类模型；
利用所述识别分类模型对所述鸟瞰图进行人体区域识别，得到对应的人体区域坐标；
根据所述人体区域坐标映射划分所述视频帧中对应区域，得到对应的目标识别图像；
对所述目标识别图像进行维修行为识别，得到不同预设维修行为的第一识别概率；
选取所述三维视频数据对应所有所述目标识别图像中每种维修行为的第一识别概率的最大值，得到每种所述维修行为对应的第二识别概率；
根据每种所述维修行为对应的所有所述第二识别概率进行计算，得到每种所述维修行为对应的目标识别概率；
根据所述目标识别概率对所有所述维修行为进行筛选，得到识别行为。
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以是非易失性的，也可以是易失性的。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明实施例还可以提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取不同角度摄像头拍摄的汽车维修区域的多个三维视频数据；
根据预设的时间间隔选取所述三维视频数据中的视频帧，并获取选取的视频帧对应的点云数据；
根据所述点云数据生成鸟瞰图，并利用所述鸟瞰图对YOLOv5模型进行三维识别改造，得到识别分类模型；
利用所述识别分类模型对所述鸟瞰图进行人体区域识别，得到对应的人体区域坐标；
根据所述人体区域坐标映射划分所述视频帧中对应区域，得到对应的目标识别图像；
对所述目标识别图像进行维修行为识别，得到不同预设维修行为的第一识别概率；
选取所述三维视频数据对应所有所述目标识别图像中每种维修行为的第一识别概率的最大值，得到每种所述维修行为对应的第二识别概率；
根据每种所述维修行为对应的所有所述第二识别概率进行计算，得到每种所述维修行为对应的目标识别概率；
根据所述目标识别概率对所有所述维修行为进行筛选，得到识别行为。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种行为识别方法，其特征在于，所述方法包括：
获取不同角度摄像头拍摄的汽车维修区域的多个三维视频数据；
根据预设的时间间隔选取所述三维视频数据中的视频帧，并获取选取的视频帧对应的点云数据；
根据所述点云数据生成鸟瞰图，并利用所述鸟瞰图对YOLOv5模型进行三维识别改造，得到识别分类模型；
利用所述识别分类模型对所述鸟瞰图进行人体区域识别，得到对应的人体区域坐标；
根据所述人体区域坐标映射划分所述视频帧中对应区域，得到对应的目标识别图像；
对所述目标识别图像进行维修行为识别，得到不同预设维修行为的第一识别概率；
选取所述三维视频数据对应所有所述目标识别图像中每种维修行为的第一识别概率的最大值，得到每种所述维修行为对应的第二识别概率；
根据每种所述维修行为对应的所有所述第二识别概率进行计算，得到每种所述维修行为对应的目标识别概率；
根据所述目标识别概率对所有所述维修行为进行筛选，得到识别行为。
2.如权利要求1所述的行为识别方法，其特征在于，所述根据所述点云数据生成鸟瞰图，包括：
将所述点云坐标中每个三维坐标点进行坐标系转换，得到对应的鸟瞰坐标点；
获取每个所述三维坐标点对应的RGB信息所述鸟瞰坐标点进行对应颜色设置，得到目标鸟瞰坐标点；
将所有的所述目标鸟瞰坐标点构成的图形确定为鸟瞰图。
3.如权利要求1所述的行为识别方法，其特征在于，所述利用所述鸟瞰图对YOLOv5模型进行三维识别改造，得到识别分类模型，包括：
获取所述鸟瞰图的图像通道数；
根据所述图像通道数将所述YOLOv5模型的输入通道数进行扩增；
将输入通道数扩增后的YOLOv5模型的输出区域坐标维度修改为三维坐标；
将输出区域坐标维度修改后的YOLOv5模型的二维区域损失函数修改为三维空间损失函数，得到所述识别分类模型。
4.如权利要求1所述的行为识别方法，其特征在于，所述利用所述识别分类模型对所述鸟瞰图进行人体区域识别，得到对应的人体区域坐标，包括：
利用所述识别分类模型中的区域提取网络标记所述鸟瞰图中的感兴趣区域，得到对应的划分区域；
利用所述识别分类模型中的图片识别网络对所述划分区域进行类别识别，得到对应的目标类别；
提取所有所述划分区域中对应的目标类别为人体的划分区域，得到目标划分区域；
选取所述目标划分区域中边缘的鸟瞰坐标点的坐标，得到人体区域坐标。
5.如权利要求1所述的行为识别方法，其特征在于，所述根据所述人体区域坐标映射划分所述视频帧中对应区域，得到对应的目标识别图像，包括：
选择所述人体区域坐标中所有坐标点在所述视频帧中对应的像素点，得到目标像素点；
将所述选取的视频帧中所有所述目标像素点连接组成的闭合区域内的图片进行切分，得到所述目标识别图像。
6.如权利要求1所述的行为识别方法，其特征在于，所述对所述目标识别图像进行维修行为识别，得到不同预设维修行为的第一识别概率，包括：
利用ResNet-50网络对所述目标识别图像进行特征提取，得到图像特征向量；
根据所有所述选取的视频帧的先后顺序将所有所述图像特征向量进行组合，得到图像特征矩阵；
利用自注意力机制对所述图像特征矩阵中的每个图像特征向量进行加权计算，加权特征矩阵；
利用门控循环神经网络对所述加权特征矩阵进行特征提取得到目标特征向量；
利用softmax函数对所述目标特征向量进行计算，得到不同预设维修行为的第一识别概率。
7.如权利要求1至6中任意一项所述的行为识别方法，其特征在于，所述根据所述目标识别概率对所有所述维修行为进行筛选，得到识别行为，包括：
选取所有所述目标识别概率中的最大值，得到目标行为识别概率；
将所有所述维修行为中所述目标行为识别概率对应的维修行为确定为识别行为。
8.一种行为识别装置，其特征在于，包括：
数据获取模块，用于获取不同角度摄像头拍摄的汽车维修区域的多个三维视频数据；根据预设的时间间隔选取所述三维视频数据中的视频帧，并获取选取的视频帧对应的点云数据；
模型改造模块，用于根据所述点云数据生成鸟瞰图，并利用所述鸟瞰图对YOLOv5模型进行三维识别改造，得到识别分类模型；
行为识别模块，用于利用所述识别分类模型对所述鸟瞰图进行人体区域识别，得到对应的人体区域坐标；根据所述人体区域坐标映射划分所述视频帧中对应区域，得到对应的目标识别图像；对所述目标识别图像进行维修行为识别，得到不同预设维修行为的第一识别概率；选取所述三维视频数据对应所有所述目标识别图像中每种维修行为的第一识别概率的最大值，得到每种所述维修行为对应的第二识别概率；根据每种所述维修行为对应的所有所述第二识别概率进行计算，得到每种所述维修行为对应的目标识别概率；根据所述目标识别概率对所有所述维修行为进行筛选，得到识别行为。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的行为识别方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的行为识别方法。
CN202210137905.8A 2022-02-15 2022-02-15 行为识别方法、装置、电子设备及存储介质 Pending CN114463685A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210137905.8A CN114463685A (zh) 2022-02-15 2022-02-15 行为识别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210137905.8A CN114463685A (zh) 2022-02-15 2022-02-15 行为识别方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114463685A true CN114463685A (zh) 2022-05-10

Family

ID=81413986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210137905.8A Pending CN114463685A (zh) 2022-02-15 2022-02-15 行为识别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114463685A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677650A (zh) * 2022-05-25 2022-06-28 武汉卓鹰世纪科技有限公司 地铁乘客行人违法行为智能分析方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150579A (zh) * 2013-02-25 2013-06-12 东华大学 一种基于视频序列的人体异常行为检测方法
CN109344909A (zh) * 2018-10-30 2019-02-15 咪付（广西）网络技术有限公司 一种基于多通道卷积神经网络的身份识别方法
CN111709923A (zh) * 2020-06-10 2020-09-25 中国第一汽车股份有限公司 一种三维物体检测方法、装置、计算机设备和存储介质
CN112580557A (zh) * 2020-12-25 2021-03-30 深圳市优必选科技股份有限公司 行为识别方法、装置、终端设备和可读存储介质
CN113015022A (zh) * 2021-02-05 2021-06-22 深圳市优必选科技股份有限公司 行为识别方法、装置、终端设备及计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150579A (zh) * 2013-02-25 2013-06-12 东华大学 一种基于视频序列的人体异常行为检测方法
CN109344909A (zh) * 2018-10-30 2019-02-15 咪付（广西）网络技术有限公司 一种基于多通道卷积神经网络的身份识别方法
CN111709923A (zh) * 2020-06-10 2020-09-25 中国第一汽车股份有限公司 一种三维物体检测方法、装置、计算机设备和存储介质
CN112580557A (zh) * 2020-12-25 2021-03-30 深圳市优必选科技股份有限公司 行为识别方法、装置、终端设备和可读存储介质
CN113015022A (zh) * 2021-02-05 2021-06-22 深圳市优必选科技股份有限公司 行为识别方法、装置、终端设备及计算机可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677650A (zh) * 2022-05-25 2022-06-28 武汉卓鹰世纪科技有限公司 地铁乘客行人违法行为智能分析方法及装置

Similar Documents

Publication Publication Date Title
CN113283446B (zh) 图像中目标物识别方法、装置、电子设备及存储介质
CN109978893A (zh) 图像语义分割网络的训练方法、装置、设备及存储介质
CN112507934B (zh) 活体检测方法、装置、电子设备及存储介质
CN112396005A (zh) 生物特征图像识别方法、装置、电子设备及可读存储介质
CN112699775A (zh) 基于深度学习的证件识别方法、装置、设备及存储介质
CN112052850A (zh) 车牌识别方法、装置、电子设备及存储介质
CN112137591B (zh) 基于视频流的目标物位置检测方法、装置、设备及介质
CN111639704A (zh) 目标识别方法、装置及计算机可读存储介质
CN113705462A (zh) 人脸识别方法、装置、电子设备及计算机可读存储介质
CN114049568A (zh) 基于图像比对的标的物形变检测方法、装置、设备及介质
CN112016617A (zh) 细粒度分类方法、装置及计算机可读存储介质
CN114708461A (zh) 基于多模态学习模型的分类方法、装置、设备及存储介质
CN111985449A (zh) 救援现场图像的识别方法、装置、设备及计算机介质
CN115471775A (zh) 基于录屏视频的信息验证方法、装置、设备及存储介质
CN112132216A (zh) 车型识别方法、装置、电子设备及存储介质
CN112528903B (zh) 人脸图像获取方法、装置、电子设备及介质
CN114463685A (zh) 行为识别方法、装置、电子设备及存储介质
CN113487621A (zh) 医学图像分级方法、装置、电子设备及可读存储介质
CN112862703A (zh) 基于移动拍照的图像校正方法、装置、电子设备及介质
CN113255456B (zh) 非主动活体检测方法、装置、电子设备及存储介质
CN112541436A (zh) 专注度分析方法、装置、电子设备及计算机存储介质
CN114187476A (zh) 基于图像分析的车险信息核对方法、装置、设备及介质
CN113627394A (zh) 人脸提取方法、装置、电子设备及可读存储介质
CN113792671A (zh) 人脸合成图像的检测方法、装置、电子设备及介质
CN113343882A (zh) 人群计数方法、装置、电子设备及存储介质

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