CN114663976A - 一种基于人体动作识别的景观空间活力监测方法、系统及装置 - Google Patents
一种基于人体动作识别的景观空间活力监测方法、系统及装置 Download PDFInfo
- Publication number
- CN114663976A CN114663976A CN202210272544.8A CN202210272544A CN114663976A CN 114663976 A CN114663976 A CN 114663976A CN 202210272544 A CN202210272544 A CN 202210272544A CN 114663976 A CN114663976 A CN 114663976A
- Authority
- CN
- China
- Prior art keywords
- human body
- space
- action
- motion
- human
- 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
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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Abstract
本发明涉及景观空间活力监测技术领域,解决了目前对于景观空间活力状态无法进行有效监测的技术问题,尤其涉及一种基于人体动作识别的景观空间活力监测方法,该监测方法以景观空间中的人体动作识别作为依据监测景观空间的活力状况,该监测方法包括以下过程:获取一时间段T1内的景观空间中至少某一区域内的人体动作特征向量集;分析人体动作特征向量集并初步对人体动作类型做出判断。本发明达到了对景观空间活力进行有效监测并为管理人员提供重新布置场景评判依据的目的,能够提高景观空间的空间活力,提高游客对于景观空间的欢迎程度,并且提高游客的景观空间内的体验感以及舒适性。
Description
技术领域
本发明涉及景观空间活力监测技术领域,尤其涉及一种基于人体动作识别的景观空间活力监测方法、系统及装置。
背景技术
景观空间的形态与功能是相互关联的。空间形态为功能服务,同时功能也造就了空间形态。例如用于居住的功能所营造的景观空间,它的形态应该是安静而简洁的、布置满足生活使用所必须的灯具、休息座椅及活动场地,没有使用张扬和夸张的大体量构筑物,也没有使用强烈而刺激的颜色,而是大面积种植常绿和落叶相搭配的植物,包括丰富的地被、花卉、灌木以及乔木等。
而目前在景观空间中,空间内的地被、花卉、灌木以及乔木等景观需要定期养护,同时对于景观空间内的场景布置需要根据实际情况变更布局方式,而场景的重新布置需要以景观的受欢迎程度去确定,即为景观空间的活力,通常情况下,不同的布局方式能够直接影响整个景观空间的活力,活力的提升则会提高人员的景观空间内的体验感,并提高舒适性。
同时在景观空间中对于各种植被生长状态同样能够影响整个空间的活力,即植被生长态势较差,或者缺少相应的浇灌、施肥以及修剪等措施,导致相应的植被不受人们的欢迎,由此降低整个景观空间的活力。
综上因素能够发现,景观空间的活力状况直接影响其受欢迎程度,并对其功能服务产生严重影响,然而目前针对景观空间活力的监测缺少相应技术手段,导致无法及时获取与景观空间活力相关的改变依据,因此造就了管理人员不能够及时根据空间活力状态而去重新布置场景,不仅导致景观空间活力下降,同时还容易出现监管不到位的现象,容易出现废弃闲置空间的问题。
发明内容
针对现有技术的不足,本发明提供了一种基于人体动作识别的景观空间活力监测方法、系统及装置,解决了目前对于景观空间活力状态无法进行有效监测的技术问题,达到了对景观空间活力进行有效监测并为管理人员提供重新布置场景评判依据的目的,能够提高景观空间的空间活力,提高游客对于景观空间的欢迎程度,并且提高游客的景观空间内的体验感以及舒适性。
为解决上述技术问题,本发明提供了如下技术方案:一种基于人体动作识别的景观空间活力监测方法,该监测方法以景观空间中的人体动作识别作为依据监测景观空间的活力状况,该监测方法包括以下过程:
获取一时间段T1内的景观空间中至少某一区域内的人体动作特征向量集;
分析人体动作特征向量集并初步对人体动作类型做出判断;
根据初步判断的人体动作类型得出该区域在该时段内的空间活力值V1;
根据下一时间段T2、T3…Tn内该区域人体动作类型得出该时段内的空间活力值V2、V3…Vn;
将该区域内不同时间段内所累积的空间活力值V1、V2、V3…Vn进行比对;
根据比对结果评比出该区域内景观空间活力是否提升;
若景观空间活力提升则分析人体在该区域内出现动作频率最高的特定景观,并列出在该特定景观的具体方位以及人体动作的具体特征向量,具体特征向量为人体在该方位的人体关节动作;
若景观空间活力下降则标记该区域为重点监管区域,并分析人体在该区域内的具体特征向量减少的原因,其中包含人体在该区域内出现人体关节动作较少的某个景观,并根据人体关节动作的数量高低列出各景观的单项活力排名。
进一步地,人体动作识别的方法包括以下过程:
获取对象人体各关节点位在至少某一时间段内的动作幅度特征;
提取该时间段内具有动作幅度特征的人体关节点位;
分析具有动作幅度特征的人体各关节点位之间的关联性;
根据人体关节点位的动作幅度特征提取动作数据特征;
根据各关节点位的关联性以及数据特征判定人体动作特征向量;
根据人体特征向量的累积构建人体动作特征向量集。
进一步地,人体动作识别的方法,包括:
将该时间段内出现的人体关节点位动作逐一提取出来,与人体关节点位相对应的特征1、特征2、特征3…特征n;
将上述的特征1、特征2、特征3…特征n输入至人体动作三维模型中构建动态过程,由动态过程得出对象人体各肢体之间动作的关联程度,由此确定人体关节点位动作的组合确定各肢体组合后的具体动作。
进一步地,动作数据特征为融合特征1、特征2、特征3…特征n所得出的人体各肢体组合后的具体动作。
进一步地,在获取人体特征向量集中,人体动作特征向量集为人体关节在该时间段T1内所做出的动作集合,其中包含人体所做出的每一个单项特征向量,并在该时间段T1内进行累积。
进一步地,在获取人体特征向量集中,根据景观空间的现场实际情况,可对景观空间内的区域进行划分,总区域划分为多个独立的子区域,其中某一区域对应一个子区域,并在该区域中布设摄像设备和红外热成像仪用于拍摄人体关节动作,并通过服务器建立与其相应的人体动作三维模型。
进一步地,在分析人体动作特征向量集中,根据人体特征向量集中单独特征向量的累加以及出现的频次,并结合人体关节点位进行同步分析人体所做出的具体动作,由此对人体动作类型做出相应的判断。
进一步地,在空间活力值比对中,空间活力值的比对需要以该特定区域内不同时间段内产生的数值进行比对,在T1、T2和T3三个累积的时间段内,与其相对应的空间活力值分别为V1、V2和V3,此时V1和V2进行比对得出空间活力是否提升或下降,V2和V3进行比对得出空间活力是否提升或下降。
人体动作识别的装置,包括:
第一提取模块,所述第一提取模块用于提取该时间段内具有动作幅度特征的人体关节点位;
分析模块,所述分析模块用于分析具有动作幅度特征的人体各关节点位之间的关联性;
第二提取模块,所述第二提取模块用于根据人体关节点位的动作幅度特征提取动作数据特征;
判定模块,所述判定模块用于根据各关节点位的关联性以及数据特征判定人体动作特征向量;
构建模块,所述构建模块用于根据人体特征向量的累积构建人体动作特征向量集。
一种基于人体动作识别的景观空间活力监测装置,包括:
获取模块,所述获取模块用于获取一时间段T内的景观空间中至少某一区域内的人体动作特征向量集;
分析判断模块,所述分析判断模块用于分析人体动作特征向量集并初步对人体动作类型做出判断;
第一空间活力值模块,所述第一空间活力值模块用于根据初步判断的人体动作类型得出该区域在该时段内的空间活力值V1;
第二空间活力值模块,所述第二空间活力值模块用于根据下一时间段T2、T3…Tn内该区域人体动作类型得出该时段内的空间活力值V2、V3…Vn;
比对模块,所述比对模块用于将该区域内不同时间段内所累积的空间活力值V1、V2、V3…Vn进行比对;
评比模块,所述评比模块用于根据比对结果评比出该区域内景观空间活力是否提升。
一种基于人体动作识别的景观空间活力监测方法,包括用于拍摄景观空间中人体动作视频图像,该方法包括以下过程:
接收拍摄装置上传的某一时段内人体动作视频图像;
对人体动作视频图像进行预处理并完成人体动作的关节点位的捕捉;
根据人体动作的关节点位进行人体动作识别,并构建出人体动作特征向量集;
将人体动作特征向量集上传至第二服务器;
向拍摄装置发送下一时段视频图像的上传信号。
进一步地,对人体动作视频图像进行预处理包括设置人体动作视频图像的播放速度,对人体动作视频图像降帧处理以提高清晰度,以降低50-80%的慢放速度进行播放。
一种基于人体动作识别的景观空间活力监测装置,包括:
接收模块,所述接收模块用于接收拍摄装置上传的某一时段内人体动作视频图像;
预处理模块,所述预处理模块用于对人体动作视频图像进行预处理并完成人体动作的关节点位的捕捉;
人体动作识别模块,所述人体动作识别模块用于根据人体动作的关节点位进行人体动作识别,人体动作的识别通过人体动作识别的方法完成,并构建出人体动作特征向量集;
上传模块,所述上传模块用于将人体动作特征向量集上传至第二服务器;
发送模块,所述发送模块用于向拍摄装置发送下一时段视频图像的上传信号。
进一步地,该装置还包括存储模块,所述存储模块用于对拍摄装置所摄录的本地视频图像进行存储。
一种基于人体动作识别的景观空间活力监测系统,包括:拍摄装置、第一服务器、第二服务器和终端;
所述拍摄装置与第一服务器建立通信连接,所述拍摄装置用于拍摄景观空间中人体动作视频图像;
所述第一服务器用于接收人体动作视频图像,并对其进行处理向第二服务器发送人体动作特征向量集;
所述第二服务器与第一服务器建立通信连接,所述第二服务器接收人体动作特征向量集并得出该区域内景观空间活力是否提升或下降;
所述第二服务器与终端建立通信连接,所述终端用于显示景观空间中各区域的活力状态,并能够调取各区域在上、中、下午不同时段内的空间活力状态。
进一步地,所述拍摄装置为摄像机和红外热成像仪。
一种基于人体动作识别的景观空间活力监测系统,包括:拍摄装置、第一服务器、第二服务器和终端;
所述拍摄装置与第一服务器建立通信连接,所述拍摄装置用于对景观空间内的人体动作数据采集;
所述第一服务器用于接收人体动作数据,通过SVM分类算法对所提取的动作幅度特征进行人体动作识别,并向第二服务器发送人体动作识别结果;
所述第二服务器与第一服务器建立通信连接,所述第二服务器接收人体动作识别结果并经过比对得出该区域内景观空间活力是否提升或下降;
所述第二服务器与终端建立通信连接,所述终端用于显示景观空间中各区域的活力状态,并能够调取各区域在上、中、下午不同时段内的空间活力状态。
进一步地,所述拍摄装置为非接触式体感设备Kinect。
借由上述技术方案,本发明提供了一种基于人体动作识别的景观空间活力监测方法、系统及装置,至少具备以下有益效果:
1、本发明通过人体动作识别对景观空间的活力状况进行监测,能够实时在线监测整个景观空间在当天中的空间活力,并能够根据空间活力的提升以及降低做出及时有效的评测,为管理人员的场景布置等措施提供依据,同时能够在空间活力持续降低时做出提醒,由此能够及时并且迅速的做出相对应的处理措施,并且在景观空间重新布置后通过监测验证是否足够吸引人员,是否更新有效,因此达到了对景观空间活力进行有效监测并为管理人员提供重新布置场景评判依据的目的,能够提高景观空间的空间活力,提高游客对于景观空间的欢迎程度,并且提高游客的景观空间内的体验感以及舒适性。
2、本发明通过对景观空间采取在线监测,能够根据游客的人体动作进行快速识别,并根据人体动作的频次判定空间内植被布局的受欢迎程度,同时对于各项植被的单独受欢迎程度以及各植被的生长态势提供参考依据,因此本发明能够对景观空间的活力状态进行有效监测,同时对避免出现监管不到位的现象,避免出现废气闲置空间的现象发生。
3、本发明通过采用人体动作的识别为景观空间活力提供监测基础,能够通过人体动作识别方法对游客的人体动作而迅速做出动作类型的判定,同时SVM分类算法具有优秀的分类能力,面对线性和非线性高维特征空间时能有较高的分类能力,有效避免了维数灾难,从而提高了对于人体动作识别的精确程度,并能够迅速做出动作类型的判断依据,提高了对于空间活力状态监测的精准性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明景观空间活力监测方法的流程框图;
图2为本发明景观空间活力监测装置的原理框图;
图3为本发明人体关节点位的识别点标注示意图;
图4为本发明景观空间内总区域划分为子区域的示意图;
图5为本发明人体动作识别的方法的流程框图;
图6为本发明人体动作识别的装置的原理框图;
图7为本发明景观空间活力监测系统的原理框图;
图8为本发明景观空间活力监测系统交互的流程图;
图9为本发明实施例二中景观空间活力监测方法的流程框图;
图10为本发明实施例二中景观空间活力监测装置的原理框图;
图11为本发明动作数据的特征提取的原理框图;
图12为本发明实施例三中景观空间活力监测系统交互的流程图。
图中:110、获取模块;120、分析判断模块;130、第一空间活力值模块;140、第二空间活力值模块;150、比对模块;160、评比模块;111、第一提取模块;112、分析模块;113、第二提取模块;114、判定模块;115、构建模块;100、拍摄装置;200、第一服务器;300、第二服务器;400、终端;210、接收模块;220、预处理模块;230、人体动作识别模块;240、上传模块;250、发送模块。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。借此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
实施例一
请参照图1-8,示出了根据本发明实施例一的一种基于人体动作识别的景观空间活力监测方法,该监测方法以景观空间中的人体动作识别作为依据监测景观空间的活力状况,该监测方法包括以下过程:
S11、获取一时间段T1内的景观空间中至少某一区域内的人体动作特征向量集,人体动作特征向量集为人体关节在该时间段T1内所做出的动作集合,其中包含人体所做出的每一个单项特征向量,并在该时间段T1内进行累积,如图4所示,根据景观空间的现场实际情况,可对景观空间内的区域进行划分,总区域划分为多个独立的子区域,其中某一区域对应一个子区域,并在该区域中布设摄像设备和红外热成像仪用于拍摄人体关节动作,并通过服务器建立与其相应的人体动作三维模型;
S12、分析人体动作特征向量集并初步对人体动作类型做出判断,根据人体特征向量集中单独特征向量的累加以及出现的频次,并结合人体关节点位进行同步分析人体所做出的具体动作,由此对人体动作类型做出相应的判断,如图3所示,通过A、B两点的动态识别人体是否处于散步状态,并能够得出人体在散步过程中在某一景观前驻足的时长等基点信息;
通过A、B、E、F四点的动态识别人体在该区域内的奔跑状态;
通过C点的高度差识别人体的下蹲以及起身状态;
通过C、D、G三点的动态识别人体下蹲后对植被做出的闻嗅动作;
通过D、G两点的动态识别人体头部的转向动作,同时结合该方向的景观确定人员观看的频率等基点信息;
通过A、B、C、E、F五点的动态识别人体的跳跃状态;
通过E、E1、F、F1四点的动态识别人体上肢的动作,例如手部的摘取动作、手部拉扯景观枝干至人体头部做出闻嗅动作以及对景观植被的折取破坏动作,在出现折取破坏动作时发出预警信息;
S13、根据初步判断的人体动作类型得出该区域在该时段内的空间活力值V1,通过人体某一动作类型的频率、时长以及幅度等信息作为空间活力值的判断标准,例如人体动作类型在该区域中出现的状况:散步时在某一景观前的驻足时长、奔跑过程中视线转移至景观上的次数、在某一景观前出现的欢快跳跃情景、人体下蹲并做出闻嗅的动作、人体在某一景观前停留的时长、人体头部的转向观看及上肢的摘取动作频率以及人体拍照行为的次数等等;
在出现上述行为较多的情况下该区域的空间活力值则越大,表示该区域所存在的景观受到人们的喜爱,包括花草的生长态势、花香、景观的整体布局、植被的态势以及对于景观的科普程度等等;
S14、根据下一时间段T2、T3…Tn内该区域人体动作类型得出该时段内的空间活力值V2、V3…Vn;
S15、将该区域内不同时间段内所累积的空间活力值V1、V2、V3…Vn进行比对,空间活力值的比对需要以该特定区域内不同时间段内产生的数值进行比对,例如在T1、T2和T3三个累积的时间段内,与其相对应的空间活力值分别为V1、V2和V3,此时V1和V2进行比对得出空间活力是否提升或下降,V2和V3进行比对得出空间活力是否提升或下降;
并根据某一天内分为上午、中午和下午三个大的时间段内进行比对,上午所累积的空间活力值标记为A,与A相对应的时间段设为AT1、AT2、AT3…ATn,与该时间段相对应的空间活力值设为AV1、AV2、AV3…AVn;中午所累积的空间活力值标记为B,与B相对应的时间段设为BT1、BT2、BT3…BTn,与该时间段相对应的空间活力值设为BV1、BV2、BV3…BVn;下午所累积的空间活力值标记为C,与C相对应的时间段设为CT1、CT2、CT3…CTn,与该时间段相对应的空间活力值设为CV1、CV2、CV3…CVn,并根据一天当中的A、B、C三个大的时间段内综合空间活力值进行比对得出高低排名,综合空间活力值为以A相对应的时间段AT1、AT2、AT3…ATn为例,与该时间段相对应的空间活力值AV1+AV2+AV3+…AVn/n,由此可得出一天当中景观空间在相应时间段的活力状况是否受到上、中、下午的影响;
S16、根据比对结果评比出该区域内景观空间活力是否提升,若景观空间活力提升则分析人体在该区域内出现动作频率最高的特定景观,并列出在该特定景观的具体方位以及人体动作的具体特征向量,具体特征向量为人体在该方位的人体关节动作,若景观空间活力下降则标记该区域为重点监管区域,并分析人体在该区域内的具体特征向量减少的原因,其中包含人体在该区域内出现人体关节动作较少的某个景观,并根据人体关节动作的数量高低列出各景观的单项活力排名。
人体动作识别的方法,包括:
S21、获取对象人体各关节点位在至少某一时间段内的动作幅度特征,该动作幅度特征由该对象人体各关节点位的具体动作进行确定,通过人体关节点位的动作构建人体动作三维模型,并将动作幅度特征输入人体动作三维模型中构建各关节点位的动态过程;
S22、提取该时间段内具有动作幅度特征的人体关节点位,将该时间段内出现的人体关节点位动作逐一提取出来,例如与人体关节点位相对应的特征1、特征2、特征3…特征n;
S23、分析具有动作幅度特征的人体各关节点位之间的关联性,将上述的特征1、特征2、特征3…特征n输入至人体动作三维模型中构建动态过程,由动态过程得出对象人体各肢体之间动作的关联程度,由此确定人体关节点位动作的组合确定各肢体组合后的具体动作;
S24、根据人体关节点位的动作幅度特征提取动作数据特征,动作数据特征为融合特征1、特征2、特征3…特征n所得出的人体各肢体组合后的具体动作,动作数据的特征提取具体步骤是:构造人体运动向量,这些向量之间的夹角用来表示肢体的旋转,相对模比值来表示肢体的相对位移,两类参数生成描述动作的融合特征提取,并产生融合特征空间向量以供SVM进行动作分类识别。动作数据的特征提取过程如图11所示。
S25、根据各关节点位的关联性以及数据特征判定人体动作特征向量,根据对象人体各肢体之间动作的关联程度以及具体动作判定人体动作特征向量,即融合特征空间所得出的变量,通过变量确定对象人体肢体所做出的具体动作;
S26、根据人体特征向量的累积构建人体动作特征向量集,根据人体特征向量的累积得出人体动作特征向量集,即为人体动作的具体类型,例如下蹲闻嗅、散步、奔跑等动作。
人体动作识别的方法通过SVM分类算法对所提取的特征向量进行人体动作识别。
人体动作识别的装置,包括:
第一提取模块111,第一提取模块111用于提取该时间段内具有动作幅度特征的人体关节点位;
分析模块112,分析模块112用于分析具有动作幅度特征的人体各关节点位之间的关联性;
第二提取模块113,第二提取模块113用于根据人体关节点位的动作幅度特征提取动作数据特征;
判定模块114,判定模块114用于根据各关节点位的关联性以及数据特征判定人体动作特征向量;
构建模块115,构建模块115用于根据人体特征向量的累积构建人体动作特征向量集。
一种基于人体动作识别的景观空间活力监测系统,包括:拍摄装置100、第一服务器200、第二服务器300和终端400;
拍摄装置100与第一服务器200建立通信连接,拍摄装置100用于拍摄景观空间中人体动作视频图像;
第一服务器200用于接收人体动作视频图像,并对其进行处理向第二服务器300发送人体动作特征向量集;
第二服务器300与第一服务器200建立通信连接,第二服务器300接收人体动作特征向量集并得出该区域内景观空间活力是否提升或下降;
第二服务器300与终端400建立通信连接,终端400用于显示景观空间中各区域的活力状态,并能够根据需求调取各区域在上、中、下午不同时段内的空间活力状态。
终端400为PC、笔记本、平板或手机中的任意一种。
拍摄装置100为摄像机和红外热成像仪。
在本实施例中,景观空间活力监测系统的具体步骤为:
S1、拍摄景观空间中人体动作视频图像;
S2、上传所摄录的人体动作视频图像;
S3、接收拍摄装置上传的某一时段内人体动作视频图像;
S4、对人体动作视频图像进行预处理并完成人体动作的关节点位的捕捉;
S5、根据人体动作的关节点位进行人体动作识别,并构建出人体动作特征向量集;
S6、将人体动作特征向量集上传至第二服务器;
S7、向拍摄装置发送下一时段视频图像的上传信号;
S8、获取一时间段T1内的景观空间中至少某一区域内的人体动作特征向量集;
S9、分析人体动作特征向量集并初步对人体动作类型做出判断;
S10、根据初步判断的人体动作类型得出该区域在该时段内的空间活力值V1;
S11、根据下一时间段T2、T3…Tn内该区域人体动作类型得出该时段内的空间活力值V2、V3…Vn;
S12、将该区域内不同时间段内所累积的空间活力值V1、V2、V3…Vn进行比对;
S13、根据比对结果评比出该区域内景观空间活力是否提升或下降;
S14、显示景观空间中各区域的活力状态。
通过本实施例,通过人体动作识别对景观空间的活力状况进行监测,能够实时在线监测整个景观空间在当天中的空间活力,并能够根据空间活力的提升以及降低做出及时有效的评测,为管理人员的场景布置等措施提供依据,同时能够在空间活力持续降低时做出提醒,由此能够及时并且迅速的做出相对应的处理措施,并且在景观空间重新布置后通过监测验证是否足够吸引人员,是否更新有效,因此达到了对景观空间活力进行有效监测并为管理人员提供重新布置场景评判依据的目的,能够提高景观空间的空间活力,提高游客对于景观空间的欢迎程度,并且提高游客的景观空间内的体验感以及舒适性。
实施例二
请参照图8-10,示出了根据本发明实施例二的一种基于人体动作识别的景观空间活力监测方法,包括用于拍摄景观空间中人体动作视频图像并进行人体动作数据采集的拍摄装置,该方法包括以下过程:
S31、接收拍摄装置上传的某一时段内人体动作视频图像,该视频图像通过摄像机和红外热成像仪完成对人体动作的摄录,在拍摄装置中设有用于存储本地摄录视频图像的存储模块;
S32、对人体动作视频图像进行预处理并完成人体动作的关节点位的捕捉,预处理包括设置人体动作视频图像的播放速度,对人体动作视频图像降帧处理以提高清晰度,以降低50-80%的慢放速度进行播放,同时根据播放的图像捕捉人体动作的关节点位;
S33、根据人体动作的关节点位进行人体动作识别,人体动作的识别通过人体动作识别的方法完成,并构建出人体动作特征向量集;
S34、将人体动作特征向量集上传至第二服务器;
S35、向拍摄装置发送上传信号,该信号用于向拍摄装置确认第一次传输的人体动作视频图像已经过处理并完成人体动作识别,并通过该信号使拍摄装置再次上传下一时段的视频图像。
一种基于人体动作识别的景观空间活力监测装置,包括:
接收模块210,接收模块210用于接收拍摄装置上传的某一时段内人体动作视频图像;
预处理模块220,预处理模块220用于对人体动作视频图像进行预处理并完成人体动作的关节点位的捕捉;
人体动作识别模块230,人体动作识别模块230用于根据人体动作的关节点位进行人体动作识别,人体动作的识别通过人体动作识别的方法完成,并构建出人体动作特征向量集;
上传模块240,上传模块240用于将人体动作特征向量集上传至第二服务器;
发送模块250,发送模块250用于向拍摄装置发送下一时段视频图像的上传信号。
该装置还包括存储模块260,存储模块260用于对拍摄装置所摄录的本地视频图像进行存储。
一种基于人体动作识别的景观空间活力监测系统,包括:拍摄装置100、第一服务器200、第二服务器300和终端400;
拍摄装置100与第一服务器200建立通信连接,拍摄装置100用于拍摄景观空间中人体动作视频图像;
第一服务器200用于接收人体动作视频图像,并对其进行处理向第二服务器300发送人体动作特征向量集;
第二服务器300与第一服务器200建立通信连接,第二服务器300接收人体动作特征向量集并得出该区域内景观空间活力是否提升或下降;
第二服务器300与终端400建立通信连接,终端400用于显示景观空间中各区域的活力状态,并能够根据需求调取各区域在上、中、下午不同时段内的空间活力状态。
终端400为PC、笔记本、平板或手机中的任意一种。
拍摄装置100为摄像机和红外热成像仪。
在本实施例中,景观空间活力监测系统的具体步骤为:
S1、拍摄景观空间中人体动作视频图像;
S2、上传所摄录的人体动作视频图像;
S3、接收拍摄装置上传的某一时段内人体动作视频图像;
S4、对人体动作视频图像进行预处理并完成人体动作的关节点位的捕捉;
S5、根据人体动作的关节点位进行人体动作识别,并构建出人体动作特征向量集;
S6、将人体动作特征向量集上传至第二服务器;
S7、向拍摄装置发送下一时段视频图像的上传信号;
S8、获取一时间段T1内的景观空间中至少某一区域内的人体动作特征向量集;
S9、分析人体动作特征向量集并初步对人体动作类型做出判断;
S10、根据初步判断的人体动作类型得出该区域在该时段内的空间活力值V1;
S11、根据下一时间段T2、T3…Tn内该区域人体动作类型得出该时段内的空间活力值V2、V3…Vn;
S12、将该区域内不同时间段内所累积的空间活力值V1、V2、V3…Vn进行比对;
S13、根据比对结果评比出该区域内景观空间活力是否提升或下降;
S14、显示景观空间中各区域的活力状态。
通过本实施例,通过对景观空间采取在线监测,能够根据游客的人体动作进行快速识别,并根据人体动作的频次判定空间内植被布局的受欢迎程度,同时对于各项植被的单独受欢迎程度以及各植被的生长态势提供参考依据,比如嗅闻的动作少了,可能是因为有香味的花需要养护了,或者奔跑行为少了,可能因为野草长多了,因此本发明能够对景观空间的活力状态进行有效监测,同时对避免出现监管不到位的现象,避免出现废气闲置空间的现象发生。
实施例三
请参照图11-12,示出了根据本发明实施例三的一种基于人体动作识别的景观空间活力监测系统,包括:拍摄装置100、第一服务器200、第二服务器300和终端400;
拍摄装置100与第一服务器200建立通信连接,拍摄装置100用于对景观空间内的人体动作数据采集;
第一服务器200用于接收人体动作数据,通过SVM分类算法对所提取的动作幅度特征进行人体动作识别,并向第二服务器300发送人体动作识别结果;
第二服务器300与第一服务器200建立通信连接,第二服务器300接收人体动作识别结果并经过比对得出该区域内景观空间活力是否提升或下降;
第二服务器300与终端400建立通信连接,终端400用于显示景观空间中各区域的活力状态,并能够根据需求调取各区域在上、中、下午不同时段内的空间活力状态。
终端400为PC、笔记本、平板或手机中的任意一种。
拍摄装置100为非接触式体感设备Kinect,Kinect是微软公司于近年来推出的一款非接触式体感设备,它主要由红外设备、RGB摄像设备、深度摄像设备以及麦克风设备等组成,具有全身骨骼跟踪和行为轨迹捕捉等功能。Kinect利用一系列的传感器对人体进行数据采集,运用机器学习的方法获得骨骼信息,并对其骨骼信息进行特征提取,最后利用一种基于统计学习理论的支持向量机Support Vector Ma-chine,SVM分类算法对所提取的特征向量进行人体动作识别。
人体动作识别的方法,包括:
S21、获取对象人体各关节点位在至少某一时间段内的动作幅度特征,该动作幅度特征由该对象人体各关节点位的具体动作进行确定,通过人体关节点位的动作构建人体动作三维模型,并将动作幅度特征输入人体动作三维模型中构建各关节点位的动态过程;
S22、提取该时间段内具有动作幅度特征的人体关节点位,将该时间段内出现的人体关节点位动作逐一提取出来,例如与人体关节点位相对应的特征1、特征2、特征3…特征n;
S23、分析具有动作幅度特征的人体各关节点位之间的关联性,将上述的特征1、特征2、特征3…特征n输入至人体动作三维模型中构建动态过程,由动态过程得出对象人体各肢体之间动作的关联程度,由此确定人体关节点位动作的组合确定各肢体组合后的具体动作;
S24、根据人体关节点位的动作幅度特征提取动作数据特征,动作数据特征为融合特征1、特征2、特征3…特征n所得出的人体各肢体组合后的具体动作,动作数据的特征提取具体步骤是:构造人体运动向量,这些向量之间的夹角用来表示肢体的旋转,相对模比值来表示肢体的相对位移,两类参数生成描述动作的融合特征提取,并产生融合特征空间向量以供SVM进行动作分类识别。动作数据的特征提取过程如图11所示。
假设已知三维空间的两点为pi(xi,yi,zi),pj(xj,yj,zj),则它们之间的距离dx,y,z如公式(1)所示:
若需要求解关节的角度,在三维空间中则需要至少三个关节点的坐标,假设为pi,pj和pk,计算出两两距离假设为dij,dik和djk,再使用余弦定理可求得各关节点两两夹角为公式(2)所示。
本实施例将提取出人体动作运动向量的夹角和模比值作为融合特征值,并生成融合特征空间向量以供SVM分类使用。
SVM的基本思想:假设在m维空间里有很多样本点,如果能有一种方法能找到m-1维的最优超平面,这个平面可以恰好把空间中的样本点平均分在最优超平面的两边,那么这个m-1的超平面就可以被用来对随机样本点进行分类。
特征空间存在线性可分和线性不可分情况,这些情况都可以被SVM进行分类。面对线性可分情况时,可直接使用SVM找出特征的最优分类超平面来进行分类。而线性不可分的特征空间,需要在找出最优分类超平面之前加一个步骤,SVM将使用核函数的方法,将特征空间转换到更高维的空间中,因为在更高维的空间中,不可分的问题会变得可分,可分之后在按照线性可分的步骤就可以进行分类。
线性可分的特征空间下的向量机如公式(3)所示:
其中:i=1,2,3,....l;w、b指的是分类平面系数;xi指的是第i个训练样本,yi指的是第i个训练样本所属类别;ai指的是第i个训练样本对应的是拉格朗日系数,且ai≥0;xs表示某个特定的支持向量,ys表示xs所属类别。
线性不可分的特征空间下的向量机如公式(4)所示,其中ζi是引入的松弛变量,用于控制离群点。这样,通过让部分样本距离分类平面小于1,牺牲了一些分类的准确性,从而让算法对分类的识别更加广泛。
Kinect可获得深度图像进而取得人体骨骼点信息;同时SVM具有优秀的分类能力,面对线性和非线性高维特征空间时能有较高的分类能力,有效避免了维数灾难。具体步骤是先采用Kinect传感器对人体动作进行捕捉生成深度图像,经处理建立三维人体模型,提取出其运动向量的夹角和模比值作为特征值,最后使用SVM对该特征值进行人体动作分类识别。
S25、根据各关节点位的关联性以及数据特征判定人体动作特征向量,根据对象人体各肢体之间动作的关联程度以及具体动作判定人体动作特征向量,即融合特征空间所得出的变量,通过变量确定对象人体肢体所做出的具体动作;
S26、根据人体特征向量的累积构建人体动作特征向量集,根据人体特征向量的累积得出人体动作特征向量集,即为人体动作的具体类型,例如下蹲闻嗅、散步、奔跑等动作。
人体动作识别的方法通过SVM分类算法对所提取的特征向量进行人体动作识别。
在本实施例中,景观空间活力监测系统的具体步骤为:
S1、非接触式体感设备Kinect进行人体动作数据采集;
S2、上传人体动作数据;
S3、接收人体动作数据;
S4、通过SVM分类算法对所提取的动作幅度特征进行人体动作识别;
S5、将人体动作识别结果发送至第二服务器;
S6、接收人体动作识别结果并初步对人体动作类型做出判断;
S7、根据初步判断的人体动作类型得出该区域在该时段内的空间活力值V1;
S8、根据下一时间段T2、T3…Tn内该区域人体动作类型得出该时段内的空间活力值V2、V3…Vn;
S9、将该区域内不同时间段内所累积的空间活力值V1、V2、V3…Vn进行比对;
S10、根据比对结果评比出该区域内景观空间活力是否提升或下降;
S11、显示景观空间中各区域的活力状态。
通过本实施例,通过采用人体动作的识别为景观空间活力提供监测基础,能够通过人体动作识别方法对游客的人体动作而迅速做出动作类型的判定,同时SVM分类算法具有优秀的分类能力,面对线性和非线性高维特征空间时能有较高的分类能力,有效避免了维数灾难,从而提高了对于人体动作识别的精确程度,并能够迅速做出动作类型的判断依据,提高了对于空间活力状态监测的精准性。
本实施例的景观空间活力监测系统用于实现前述多个方法实施例中相应的景观空间活力监测方法,并具有相应的方法实施例的有益效果,在此不再赘述。
本发明通过对景观空间采取在线监测,能够根据游客的人体动作进行快速识别,并根据人体动作的频次判定空间内植被布局的受欢迎程度,同时对于各项植被的单独受欢迎程度以及各植被的生长态势提供参考依据,比如嗅闻的动作少了,可能是因为有香味的花需要养护了,或者奔跑行为少了,可能因为野草长多了,因此本发明能够对景观空间的活力状态进行有效监测,同时对避免出现监管不到位的现象,避免出现废气闲置空间的现象发生。
本发明通过人体动作识别对景观空间的活力状况进行监测,能够实时在线监测整个景观空间在当天中的空间活力,并能够根据空间活力的提升以及降低做出及时有效的评测,为管理人员的场景布置等措施提供依据,同时能够在空间活力持续降低时做出提醒,由此能够及时并且迅速的做出相对应的处理措施,并且在景观空间重新布置后通过监测验证是否足够吸引人员,是否更新有效,因此达到了对景观空间活力进行有效监测并为管理人员提供重新布置场景评判依据的目的,能够提高景观空间的空间活力,提高游客对于景观空间的欢迎程度,并且提高游客的景观空间内的体验感以及舒适性。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于以上各实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上实施方式对本发明进行了详细介绍,本实施例中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (18)
1.一种基于人体动作识别的景观空间活力监测方法,其特征在于,该监测方法以景观空间中的人体动作识别作为依据监测景观空间的活力状况,该监测方法包括以下过程:
获取一时间段T1内的景观空间中至少某一区域内的人体动作特征向量集;
分析人体动作特征向量集并初步对人体动作类型做出判断;
根据初步判断的人体动作类型得出该区域在该时段内的空间活力值V1;
根据下一时间段T2、T3…Tn内该区域人体动作类型得出该时段内的空间活力值V2、V3…Vn;
将该区域内不同时间段内所累积的空间活力值V1、V2、V3…Vn进行比对;
根据比对结果评比出该区域内景观空间活力是否提升;
若景观空间活力提升则分析人体在该区域内出现动作频率最高的特定景观,并列出在该特定景观的具体方位以及人体动作的具体特征向量;
若景观空间活力下降则标记该区域为重点监管区域,并分析人体在该区域内的具体特征向量减少的原因。
2.根据权利要求1所述的一种基于人体动作识别的景观空间活力监测方法,其特征在于,人体动作识别的方法包括以下过程:
获取对象人体各关节点位在至少某一时间段内的动作幅度特征;
提取该时间段内具有动作幅度特征的人体关节点位;
分析具有动作幅度特征的人体各关节点位之间的关联性;
根据人体关节点位的动作幅度特征提取动作数据特征;
根据各关节点位的关联性以及数据特征判定人体动作特征向量;
根据人体特征向量的累积构建人体动作特征向量集。
3.根据权利要求2所述的人体动作识别的方法,其特征在于,包括:
将该时间段内出现的人体关节点位动作逐一提取出来,与人体关节点位相对应的特征1、特征2、特征3…特征n;
将上述的特征1、特征2、特征3…特征n输入至人体动作三维模型中构建动态过程,由动态过程得出对象人体各肢体之间动作的关联程度,由此确定人体关节点位动作的组合确定各肢体组合后的具体动作。
4.根据权利要求2所述的人体动作识别的方法,其特征在于:动作数据特征为融合特征1、特征2、特征3…特征n所得出的人体各肢体组合后的具体动作。
5.根据权利要求1所述的一种基于人体动作识别的景观空间活力监测方法,其特征在于:在获取人体特征向量集中,人体动作特征向量集为人体关节在该时间段T1内所做出的动作集合,其中包含人体所做出的每一个单项特征向量,并在该时间段T1内进行累积。
6.根据权利要求1所述的一种基于人体动作识别的景观空间活力监测方法,其特征在于:在获取人体特征向量集中,根据景观空间的现场实际情况,可对景观空间内的区域进行划分,总区域划分为多个独立的子区域,其中某一区域对应一个子区域,并在该区域中布设摄像设备和红外热成像仪用于拍摄人体关节动作,并通过服务器建立与其相应的人体动作三维模型。
7.根据权利要求1所述的一种基于人体动作识别的景观空间活力监测方法,其特征在于:在分析人体动作特征向量集中,根据人体特征向量集中单独特征向量的累加以及出现的频次,并结合人体关节点位进行同步分析人体所做出的具体动作,由此对人体动作类型做出相应的判断。
8.根据权利要求1所述的一种基于人体动作识别的景观空间活力监测方法,其特征在于:在空间活力值比对中,空间活力值的比对需要以该特定区域内不同时间段内产生的数值进行比对,在T1、T2和T3三个累积的时间段内,与其相对应的空间活力值分别为V1、V2和V3,此时V1和V2进行比对得出空间活力是否提升或下降,V2和V3进行比对得出空间活力是否提升或下降。
9.人体动作识别的装置,其特征在于,包括:
第一提取模块(111),所述第一提取模块(111)用于提取该时间段内具有动作幅度特征的人体关节点位;
分析模块(112),所述分析模块(112)用于分析具有动作幅度特征的人体各关节点位之间的关联性;
第二提取模块(113),所述第二提取模块(113)用于根据人体关节点位的动作幅度特征提取动作数据特征;
判定模块(114),所述判定模块(114)用于根据各关节点位的关联性以及数据特征判定人体动作特征向量;
构建模块(115),所述构建模块(115)用于根据人体特征向量的累积构建人体动作特征向量集。
10.一种基于人体动作识别的景观空间活力监测装置,其特征在于,包括:
获取模块(110),所述获取模块(110)用于获取一时间段T1内的景观空间中至少某一区域内的人体动作特征向量集;
分析判断模块(120),所述分析判断模块(120)用于分析人体动作特征向量集并初步对人体动作类型做出判断;
第一空间活力值模块(130),所述第一空间活力值模块(130)用于根据初步判断的人体动作类型得出该区域在该时段内的空间活力值V1;
第二空间活力值模块(140),所述第二空间活力值模块(140)用于根据下一时间段T2、T3…Tn内该区域人体动作类型得出该时段内的空间活力值V2、V3…Vn;
比对模块(150),所述比对模块(150)用于将该区域内不同时间段内所累积的空间活力值V1、V2、V3…Vn进行比对;
评比模块(160),所述评比模块(160)用于根据比对结果评比出该区域内景观空间活力是否提升。
11.一种基于人体动作识别的景观空间活力监测方法,其特征在于,包括用于拍摄景观空间中人体动作视频图像,该方法包括以下过程:
接收拍摄装置上传的某一时段内人体动作视频图像;
对人体动作视频图像进行预处理并完成人体动作的关节点位的捕捉;
根据人体动作的关节点位进行人体动作识别,并构建出人体动作特征向量集;
将人体动作特征向量集上传至第二服务器;
向拍摄装置发送下一时段视频图像的上传信号。
12.根据权利要求11所述的一种基于人体动作识别的景观空间活力监测方法,其特征在于:对人体动作视频图像进行预处理包括设置人体动作视频图像的播放速度,对人体动作视频图像降帧处理以提高清晰度,以降低50-80%的慢放速度进行播放。
13.一种基于人体动作识别的景观空间活力监测装置,其特征在于,包括:
接收模块(210),所述接收模块(210)用于接收拍摄装置上传的某一时段内人体动作视频图像;
预处理模块(220),所述预处理模块(220)用于对人体动作视频图像进行预处理并完成人体动作的关节点位的捕捉;
人体动作识别模块(230),所述人体动作识别模块(230)用于根据人体动作的关节点位进行人体动作识别,人体动作的识别通过人体动作识别的方法完成,并构建出人体动作特征向量集;
上传模块(240),所述上传模块(240)用于将人体动作特征向量集上传至第二服务器;
发送模块(250),所述发送模块(250)用于向拍摄装置发送下一时段视频图像的上传信号。
14.根据权利要求13所述的一种基于人体动作识别的景观空间活力监测装置,其特征在于:该装置还包括存储模块(260),所述存储模块(260)用于对拍摄装置所摄录的本地视频图像进行存储。
15.一种基于人体动作识别的景观空间活力监测系统,其特征在于,包括:拍摄装置(100)、第一服务器(200)、第二服务器(300)和终端(400);
所述拍摄装置(100)与第一服务器(200)建立通信连接,所述拍摄装置(100)用于拍摄景观空间中人体动作视频图像;
所述第一服务器(200)用于接收人体动作视频图像,并对其进行处理向第二服务器(300)发送人体动作特征向量集;
所述第二服务器(300)与第一服务器(200)建立通信连接,所述第二服务器(300)接收人体动作特征向量集并得出该区域内景观空间活力是否提升或下降;
所述第二服务器(300)与终端(400)建立通信连接,所述终端(400)用于显示景观空间中各区域的活力状态,并能够调取各区域在上、中、下午不同时段内的空间活力状态。
16.根据权利要求15所述的一种基于人体动作识别的景观空间活力监测系统,其特征在于:所述拍摄装置(100)为摄像机和红外热成像仪。
17.一种基于人体动作识别的景观空间活力监测系统,其特征在于,包括:拍摄装置(100)、第一服务器(200)、第二服务器(300)和终端(400);
所述拍摄装置(100)与第一服务器200建立通信连接,所述拍摄装置(100)用于对景观空间内的人体动作数据采集;
所述第一服务器(200)用于接收人体动作数据,通过SVM分类算法对所提取的动作幅度特征进行人体动作识别,并向第二服务器(300)发送人体动作识别结果;
所述第二服务器(300)与第一服务器(200)建立通信连接,所述第二服务器(300)接收人体动作识别结果并经过比对得出该区域内景观空间活力是否提升或下降;
所述第二服务器(300)与终端400建立通信连接,所述终端(400)用于显示景观空间中各区域的活力状态,并能够调取各区域在上、中、下午不同时段内的空间活力状态。
18.根据权利要求17所述的一种基于人体动作识别的景观空间活力监测系统,其特征在于:所述拍摄装置(100)为非接触式体感设备Kinect。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210272544.8A CN114663976A (zh) | 2022-03-18 | 2022-03-18 | 一种基于人体动作识别的景观空间活力监测方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210272544.8A CN114663976A (zh) | 2022-03-18 | 2022-03-18 | 一种基于人体动作识别的景观空间活力监测方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114663976A true CN114663976A (zh) | 2022-06-24 |
Family
ID=82029615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210272544.8A Pending CN114663976A (zh) | 2022-03-18 | 2022-03-18 | 一种基于人体动作识别的景观空间活力监测方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663976A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052088A (zh) * | 2023-03-06 | 2023-05-02 | 合肥工业大学 | 基于点云的活力空间测度方法、系统及计算机设备 |
-
2022
- 2022-03-18 CN CN202210272544.8A patent/CN114663976A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052088A (zh) * | 2023-03-06 | 2023-05-02 | 合肥工业大学 | 基于点云的活力空间测度方法、系统及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109922310B (zh) | 目标对象的监控方法、装置及系统 | |
CN107423674A (zh) | 一种基于人脸识别的寻人方法、电子设备及存储介质 | |
CN102509305B (zh) | 基于全方位视觉的动物行为检测装置 | |
CN101635835A (zh) | 智能视频监控方法及系统 | |
CN109327737B (zh) | 电视节目推荐方法、终端、系统及存储介质 | |
CN110458032B (zh) | 荔枝生长状况全程监控方法、系统、云服务器及存储介质 | |
CN107256386A (zh) | 基于深度学习的人类行为分析方法 | |
CN100464348C (zh) | 视频监视识别智能装置与方法 | |
CN108198130B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN105528754A (zh) | 一种基于双神经网络行为识别模型的老年人信息服务系统 | |
CN102282570A (zh) | 用于立体视场多动物行为特征的系统和方法 | |
CN114663976A (zh) | 一种基于人体动作识别的景观空间活力监测方法、系统及装置 | |
CN106354264A (zh) | 基于视线追踪的实时人机交互系统及其工作方法 | |
KR102466438B1 (ko) | 인지 기능 평가 시스템 및 인지 기능 평가 방법 | |
CN113642526A (zh) | 基于计算机控制的画面处理系统及方法 | |
CN113411542A (zh) | 一种智能化的工作状况监测设备 | |
CN107438019A (zh) | 智能家居学习控制方法、装置以及系统 | |
CN113111782A (zh) | 基于显著对象检测的视频监控方法及装置 | |
CN115526521A (zh) | 一种用于植物工厂的植物生长状态监控报警系统 | |
CN109460792A (zh) | 一种基于图像识别的人工智能模型训练方法及装置 | |
CN110443179B (zh) | 离岗检测方法、装置以及存储介质 | |
CN111401310A (zh) | 基于人工智能的厨房卫生安全监督管理方法 | |
CN111681269B (zh) | 一种基于空间一致性的多摄像机协同人物追踪系统及训练方法 | |
CN110458076A (zh) | 一种基于计算机视觉的教学方法及系统 | |
CN112866919B (zh) | 基于室内人员定位和行为感知的非入侵安防方法及系统 |
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 |