CN108280435A - 一种基于人体姿态估计的旅客异常行为识别方法 - Google Patents
一种基于人体姿态估计的旅客异常行为识别方法 Download PDFInfo
- Publication number
- CN108280435A CN108280435A CN201810074471.5A CN201810074471A CN108280435A CN 108280435 A CN108280435 A CN 108280435A CN 201810074471 A CN201810074471 A CN 201810074471A CN 108280435 A CN108280435 A CN 108280435A
- Authority
- CN
- China
- Prior art keywords
- monitoring system
- pedestrian
- state
- passenger
- attitude estimation
- 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
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于人体姿态估计的旅客异常行为识别方法,包括:步骤S1,监测***进行图像采集;步骤S2,监测***将行人通道划分为多个区域;步骤S3,监测***根据采集的图像对行人进行姿态估计,通过提取行人的骨架信息来获取行人的姿态;步骤S4,监测***根据行人的骨架信息在相应区域内,对多帧图像进行多目标的跟踪,并根据行人的运动轨迹进行行为判断;步骤S5,监测***根据行人的不同姿态和不同运动轨迹而预设有正常通行状态和非正常通行状态,监测***若判断出行人处于非正常通行状态,则发出报警提示。本发明能够在被查验人有异常行为的情况下,精准地发出报警提示,同时具有监测判断迅速,监测范围广等效果。
Description
技术领域
本发明涉及旅客行为识别方法,尤其涉及一种基于人体姿态估计的旅客异常行为识别方法。
背景技术
现有技术中,在海关、机场、火车站等人员众多的场合,特别是证件查验时,需要旅客或者顾客在各自通道内排队一对一查验,在查验时该通道的其他旅客或顾客的逆行、翻越、尾随偷渡等异常行为会影响查验秩序,需要对其进行识别。其中,针对旅客异常行为识别方法常规技术是在单镜头彩色图像中设置检测区域的方式进行识别的,此方法简单地通过在单镜头图像上将视场划分为异常区域和正常区域,使用背景差分法判断旅客进入异常区域则说明旅客的行为异常。目前,背景差分方法提取前景不可避免存在由于光线,镜头白平衡等等问题,甚至旅客携带的行李也会造成干扰。
发明内容
本发明要解决的技术问题在于,针对现有技术的不足,提供一种基于人体姿态估计的旅客异常行为识别方法,用以实现在被查验人有异常行为的情况下,精准地发出报警提示,同时具有监测判断迅速,监测范围广等效果。
为解决上述技术问题,本发明采用如下技术方案。
一种基于人体姿态估计的旅客异常行为识别方法,该方法基于一监测***实现,所述方法包括如下步骤:步骤S1,所述监测***进行图像采集;步骤S2,所述监测***将行人通道划分为多个区域;步骤S3,所述监测***根据采集的图像对行人进行姿态估计,并通过提取行人的骨架信息来获取行人的姿态;步骤S4,所述监测***根据行人的骨架信息在相应区域内,对多帧图像进行多目标的跟踪,并根据行人的运动轨迹进行行为判断;步骤S5,所述监测***根据行人的不同姿态和不同运动轨迹而预设有正常通行状态和非正常通行状态,所述监测***若判断出行人处于非正常通行状态,则发出报警提示。
优选地,所述监测***包括有监控摄像头,所述监测***通过监控摄像头而进行图像采集。
优选地,所述监测***采集到图像后,在所述图像中将行人通道标记出来。
优选地,所述非正常通行状态包括有尾随偷渡状态、翻越护栏状态和逆行状态。
优选地,当所述监测***判断出行人为尾随偷渡状态时发出偷渡报警指令,当所述监测***判断出行人为翻越护栏状态时发出翻越报警指令,当所述监测***判断出行人为逆行状态时发出逆行报警指令。
优选地,当所述监测***的报警指令发出完成后,清除报警指令。
优选地,所述步骤S3中,所述监测***提取行人的骨架信息包括肩膀、手臂、腿部和头部姿态信息。
本发明公开的基于人体姿态估计的旅客异常行为识别方法中,所述监测***根据行人的姿态和运动轨迹来判断行人是否处于正常通行状态,当监测***判断出行人的异常行为时,可及时精准地发出报警。相比现有技术而言,本发明通过人体姿态估计进行行人肢体定位,从而对前景目标的分析将更加精确,同时本发明监测判断过程更加迅速、监测范围更广,适合应用于旅客行为识别、监控***中。
附图说明
图1为本发明基于人体姿态估计的旅客异常行为识别方法流程图。
具体实施方式
下面结合附图和实施例对本发明作更加详细的描述。
本发明公开了一种基于人体姿态估计的旅客异常行为识别方法,请参照图1,该方法基于一监测***实现,所述方法包括如下步骤:
步骤S1,所述监测***进行图像采集;
步骤S2,所述监测***将行人通道划分为多个区域;
步骤S3,所述监测***根据采集的图像对行人进行姿态估计,并通过提取行人的骨架信息来获取行人的姿态;
步骤S4,所述监测***根据行人的骨架信息在相应区域内,对多帧图像进行多目标的跟踪,并根据行人的运动轨迹进行行为判断;
步骤S5,所述监测***根据行人的不同姿态和不同运动轨迹而预设有正常通行状态和非正常通行状态,所述监测***若判断出行人处于非正常通行状态,则发出报警提示。
上述方法中,所述监测***根据行人的姿态和运动轨迹来判断行人是否处于正常通行状态,当监测***判断出行人的异常行为时,可及时精准地发出报警。相比现有技术而言,本发明通过人体姿态估计进行行人肢体定位,从而对前景目标的分析将更加精确,同时本发明监测判断过程更加迅速、监测范围更广,适合应用于旅客行为识别、监控***中。
本实施例中,所述监测***包括有监控摄像头,所述监测***通过监控摄像头而进行图像采集。
进一步地,所述监测***采集到图像后,在所述图像中将行人通道标记出来。
作为一种优选方式,所述非正常通行状态包括有尾随偷渡状态、翻越护栏状态和逆行状态。
实际应用中,当所述监测***判断出行人为尾随偷渡状态时发出偷渡报警指令,当所述监测***判断出行人为翻越护栏状态时发出翻越报警指令,当所述监测***判断出行人为逆行状态时发出逆行报警指令。进一步地,当所述监测***的报警指令发出完成后,清除报警指令。
作为一种优选方式,所述步骤S3中,所述监测***提取行人的骨架信息包括肩膀、手臂、腿部和头部姿态信息。
本发明公开的基于人体姿态估计的旅客异常行为识别方法,如图1所示,其实际应用过程中,可参考如下实施例:
所述监测***根据监控摄像头读入图像,将通行通道在视频图像中标记出来,对图像进行多人的行人姿态估计,到获取行人的姿态即提取骨架信息。再根据人的骨架信息在划定的区域类的多帧图像进行多目标的跟踪与运动轨迹进行行为判断。将通道中的行人划分为正常情况和多重异常情况如:尾随偷渡、翻越护栏、逆行等。当出现异常行为时,报警通知,无异常行为正常通过。相比现有技术而言,本发明通过对多人进行姿态估计来获取多人的2D骨架信息,然后进行多帧跟踪获取到多人的运动轨迹信息。其中,本发明获取的行人轨迹信息并不是简单的行人轨迹,而是人体的关键点信息包括肩膀、手臂、腿、头等肢干信息,所述监测***通过综合判断行人的异常行为时,就可以既可以针对人体肢体单独分析,又可以联合多个肢体的运动规律判断该行为是否异常。基于上述过程,本发明实现了针对旅客异常行为进行分析,可有效对犯罪活动进行预警,节约监管人力资源,更有效便捷地维持秩序。
以上所述只是本发明较佳的实施例,并不用于限制本发明,凡在本发明的技术范围内所做的修改、等同替换或者改进等,均应包含在本发明所保护的范围内。
Claims (7)
1.一种基于人体姿态估计的旅客异常行为识别方法,其特征在于,该方法基于一监测***实现,所述方法包括如下步骤:
步骤S1,所述监测***进行图像采集;
步骤S2,所述监测***将行人通道划分为多个区域;
步骤S3,所述监测***根据采集的图像对行人进行姿态估计,并通过提取行人的骨架信息来获取行人的姿态;
步骤S4,所述监测***根据行人的骨架信息在相应区域内,对多帧图像进行多目标的跟踪,并根据行人的运动轨迹进行行为判断;
步骤S5,所述监测***根据行人的不同姿态和不同运动轨迹而预设有正常通行状态和非正常通行状态,所述监测***若判断出行人处于非正常通行状态,则发出报警提示。
2.如权利要求1所述的基于人体姿态估计的旅客异常行为识别方法,其特征在于,所述监测***包括有监控摄像头,所述监测***通过监控摄像头而进行图像采集。
3.如权利要求1所述的基于人体姿态估计的旅客异常行为识别方法,其特征在于,所述监测***采集到图像后,在所述图像中将行人通道标记出来。
4.如权利要求1所述的基于人体姿态估计的旅客异常行为识别方法,其特征在于,所述非正常通行状态包括有尾随偷渡状态、翻越护栏状态和逆行状态。
5.如权利要求4所述的基于人体姿态估计的旅客异常行为识别方法,其特征在于,当所述监测***判断出行人为尾随偷渡状态时发出偷渡报警指令,当所述监测***判断出行人为翻越护栏状态时发出翻越报警指令,当所述监测***判断出行人为逆行状态时发出逆行报警指令。
6.如权利要求5所述的基于人体姿态估计的旅客异常行为识别方法,其特征在于,当所述监测***的报警指令发出完成后,清除报警指令。
7.如权利要求1所述的基于人体姿态估计的旅客异常行为识别方法,其特征在于,所述步骤S3中,所述监测***提取的骨架信息包括肩膀、手臂、腿部和头部的姿态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810074471.5A CN108280435A (zh) | 2018-01-25 | 2018-01-25 | 一种基于人体姿态估计的旅客异常行为识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810074471.5A CN108280435A (zh) | 2018-01-25 | 2018-01-25 | 一种基于人体姿态估计的旅客异常行为识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108280435A true CN108280435A (zh) | 2018-07-13 |
Family
ID=62805301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810074471.5A Pending CN108280435A (zh) | 2018-01-25 | 2018-01-25 | 一种基于人体姿态估计的旅客异常行为识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108280435A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109522793A (zh) * | 2018-10-10 | 2019-03-26 | 华南理工大学 | 基于机器视觉的多人异常行为检测与识别方法 |
CN109784199A (zh) * | 2018-12-21 | 2019-05-21 | 深圳云天励飞技术有限公司 | 同行分析方法及相关产品 |
CN109815921A (zh) * | 2019-01-29 | 2019-05-28 | 北京融链科技有限公司 | 加氢站中活动类别的预测方法及装置 |
CN109977796A (zh) * | 2019-03-06 | 2019-07-05 | 新华三技术有限公司 | 尾随通行检测方法及装置 |
CN110110710A (zh) * | 2019-06-03 | 2019-08-09 | 北京启瞳智能科技有限公司 | 一种场景异常状态识别方法、***和智能终端 |
CN110135345A (zh) * | 2019-05-15 | 2019-08-16 | 武汉纵横智慧城市股份有限公司 | 基于深度学习的行为识别方法、装置、设备及存储介质 |
CN110378281A (zh) * | 2019-07-17 | 2019-10-25 | 青岛科技大学 | 基于伪3d卷积神经网络的组群行为识别方法 |
CN110874910A (zh) * | 2018-08-31 | 2020-03-10 | 杭州海康威视数字技术股份有限公司 | 路面报警方法、装置、电子设备及可读存储介质 |
CN110930568A (zh) * | 2019-12-05 | 2020-03-27 | 江苏中云智慧数据科技有限公司 | 一种视频防尾随***及方法 |
CN111145533A (zh) * | 2019-12-24 | 2020-05-12 | 安徽虹湾信息技术有限公司 | 基于城市区域的行人异常交通行为模式识别管控*** |
CN111144260A (zh) * | 2019-12-19 | 2020-05-12 | 北京文安智能技术股份有限公司 | 一种翻越闸机的检测方法、装置及*** |
CN111444804A (zh) * | 2020-03-19 | 2020-07-24 | 盛视科技股份有限公司 | 一种基于步态识别的人体查验方法及*** |
CN113822250A (zh) * | 2021-11-23 | 2021-12-21 | 中船(浙江)海洋科技有限公司 | 一种船舶驾驶异常行为检测方法 |
CN114010429A (zh) * | 2021-11-03 | 2022-02-08 | 河北医科大学第二医院 | 用于新冠肺炎管理的处理装置及隔离管理*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105518744A (zh) * | 2015-06-29 | 2016-04-20 | 北京旷视科技有限公司 | 行人再识别方法及设备 |
CN106778655A (zh) * | 2016-12-27 | 2017-05-31 | 华侨大学 | 一种基于人体骨架的入口尾随进入检测方法 |
CN107194360A (zh) * | 2017-05-25 | 2017-09-22 | 智慧航安(北京)科技有限公司 | 逆向通行对象识别方法、装置及*** |
CN107204114A (zh) * | 2016-03-18 | 2017-09-26 | 中兴通讯股份有限公司 | 一种车辆异常行为的识别方法及装置 |
-
2018
- 2018-01-25 CN CN201810074471.5A patent/CN108280435A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105518744A (zh) * | 2015-06-29 | 2016-04-20 | 北京旷视科技有限公司 | 行人再识别方法及设备 |
CN107204114A (zh) * | 2016-03-18 | 2017-09-26 | 中兴通讯股份有限公司 | 一种车辆异常行为的识别方法及装置 |
CN106778655A (zh) * | 2016-12-27 | 2017-05-31 | 华侨大学 | 一种基于人体骨架的入口尾随进入检测方法 |
CN107194360A (zh) * | 2017-05-25 | 2017-09-22 | 智慧航安(北京)科技有限公司 | 逆向通行对象识别方法、装置及*** |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110874910A (zh) * | 2018-08-31 | 2020-03-10 | 杭州海康威视数字技术股份有限公司 | 路面报警方法、装置、电子设备及可读存储介质 |
CN110874910B (zh) * | 2018-08-31 | 2021-03-23 | 杭州海康威视数字技术股份有限公司 | 路面报警方法、装置、电子设备及可读存储介质 |
CN109522793A (zh) * | 2018-10-10 | 2019-03-26 | 华南理工大学 | 基于机器视觉的多人异常行为检测与识别方法 |
CN109522793B (zh) * | 2018-10-10 | 2021-07-23 | 华南理工大学 | 基于机器视觉的多人异常行为检测与识别方法 |
CN109784199B (zh) * | 2018-12-21 | 2020-11-24 | 深圳云天励飞技术有限公司 | 同行分析方法及相关产品 |
CN109784199A (zh) * | 2018-12-21 | 2019-05-21 | 深圳云天励飞技术有限公司 | 同行分析方法及相关产品 |
CN109815921A (zh) * | 2019-01-29 | 2019-05-28 | 北京融链科技有限公司 | 加氢站中活动类别的预测方法及装置 |
CN109977796A (zh) * | 2019-03-06 | 2019-07-05 | 新华三技术有限公司 | 尾随通行检测方法及装置 |
CN110135345A (zh) * | 2019-05-15 | 2019-08-16 | 武汉纵横智慧城市股份有限公司 | 基于深度学习的行为识别方法、装置、设备及存储介质 |
CN110110710A (zh) * | 2019-06-03 | 2019-08-09 | 北京启瞳智能科技有限公司 | 一种场景异常状态识别方法、***和智能终端 |
CN110378281A (zh) * | 2019-07-17 | 2019-10-25 | 青岛科技大学 | 基于伪3d卷积神经网络的组群行为识别方法 |
CN110930568A (zh) * | 2019-12-05 | 2020-03-27 | 江苏中云智慧数据科技有限公司 | 一种视频防尾随***及方法 |
CN111144260A (zh) * | 2019-12-19 | 2020-05-12 | 北京文安智能技术股份有限公司 | 一种翻越闸机的检测方法、装置及*** |
CN111145533A (zh) * | 2019-12-24 | 2020-05-12 | 安徽虹湾信息技术有限公司 | 基于城市区域的行人异常交通行为模式识别管控*** |
CN111444804A (zh) * | 2020-03-19 | 2020-07-24 | 盛视科技股份有限公司 | 一种基于步态识别的人体查验方法及*** |
CN114010429A (zh) * | 2021-11-03 | 2022-02-08 | 河北医科大学第二医院 | 用于新冠肺炎管理的处理装置及隔离管理*** |
CN114010429B (zh) * | 2021-11-03 | 2023-12-29 | 河北医科大学第二医院 | 用于新冠肺炎管理的处理装置及隔离管理*** |
CN113822250A (zh) * | 2021-11-23 | 2021-12-21 | 中船(浙江)海洋科技有限公司 | 一种船舶驾驶异常行为检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280435A (zh) | 一种基于人体姿态估计的旅客异常行为识别方法 | |
CN109522793B (zh) | 基于机器视觉的多人异常行为检测与识别方法 | |
CN110188724A (zh) | 基于深度学习的安全帽定位与颜色识别的方法及*** | |
CN106241533A (zh) | 基于机器视觉的电梯乘员综合安全智能监控方法 | |
CN104318578B (zh) | 一种视频图像分析方法及*** | |
CN109002744A (zh) | 图像识别方法、装置和视频监控设备 | |
CN106241534B (zh) | 多人乘梯异常活动智能监控方法 | |
CN106006266A (zh) | 一种应用于电梯安全监控的机器视觉建立方法 | |
AU2015224526B2 (en) | An image management system | |
CN103246869A (zh) | 基于人脸识别和行为语音识别的犯罪监控方法 | |
CN108229407A (zh) | 一种视频分析中的行为检测方法与*** | |
CN105303191A (zh) | 一种前视监视场景下的行人计数方法和装置 | |
CN102592343B (zh) | 一种基于动态人像视频的通道闸机控制方法及*** | |
CN106529496B (zh) | 一种机车乘务员实时视频疲劳检测的方法 | |
CN109117721A (zh) | 一种行人徘徊检测方法 | |
CN106503632A (zh) | 一种基于视频分析的自动扶梯智能安全监测方法 | |
CN109145736B (zh) | 一种基于视频分析的地铁站点行人逆向行走的检测方法 | |
CN110263623B (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN112016528B (zh) | 行为识别方法、装置、电子设备及可读存储介质 | |
CN107103300B (zh) | 一种离岗检测方法及*** | |
CN108932464A (zh) | 客流量统计方法及装置 | |
CN109508659A (zh) | 一种用于人行横道的人脸识别***及方法 | |
CN112071084A (zh) | 一种利用深度学习判断违章停车的方法和*** | |
CN113298059A (zh) | 受电弓异物入侵检测方法、装置、计算机设备、***及存储介质 | |
CN110084987A (zh) | 一种面向轨道交通的异物检查***及方法 |
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 |