CN113627365A - 一种群体运动识别与时序分析方法 - Google Patents
一种群体运动识别与时序分析方法 Download PDFInfo
- Publication number
- CN113627365A CN113627365A CN202110935928.9A CN202110935928A CN113627365A CN 113627365 A CN113627365 A CN 113627365A CN 202110935928 A CN202110935928 A CN 202110935928A CN 113627365 A CN113627365 A CN 113627365A
- Authority
- CN
- China
- Prior art keywords
- auction
- action
- time sequence
- identification
- human body
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012300 Sequence Analysis Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 9
- 238000004873 anchoring Methods 0.000 claims description 8
- 238000012797 qualification Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 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
- 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
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明揭示了一种群体运动识别与时序分析方法,对竞拍场景下的群体动作进行快速高效精准识别,并通过对动作时序的分析确定竞拍者优先级的方法,以锚定的人体中心点和锚定的竞拍牌中心点代***关节点,以离散的关键帧预测代替连续的轨迹预测;针对竞拍场景独有的人多,遮挡多,但人***置变化小的特点,对现有技术与现存的需求进行综合考虑后,设计了一种群体运动识别与时序分析方法。本发明提供的快速竞拍动作识别方法兼具了准确率与时效性,并且能降低对硬件设备的要求。
Description
技术领域
本发明涉及计算机视觉领域,尤其涉及一种群体运动识别与时序分析方法。
技术背景
人体动作识别方法主要有两类,第一类是基于图像处理,对一系列连续的图像帧通过管道链接构建时序动作的识别,这种方法的准确率较高,但是计算量较大,运行速度慢。第二类是基于骨架的,首先确定骨架,如何根据骨架的时空特征对动作进行识别,对时序进行确定。这种方法能很好的应对遮挡的情况,有着很好的泛化性,但是这种方法在面对群体性的动作识别时准确率较低,训练难度较大。
发明内容
发明目的:对特定的竞拍场景,针对现有的需求,利用已有的技术手段,设计一种群体运动识别与时序分析方法,为管理人员提前锁定竞拍意愿者,智能化确定竞拍者优先级提供方便。这种以计算机视觉为支撑,以公共大屏幕为载体的全新竞拍方式,有利于增强竞拍的公开性与透明度,有利于以科技减轻工作压力,有利于以科技造福人民。
本文提出了一种融合了基于图像处理动作识别和基于骨架动作识别优点的方法,以锚定的人体中心点和锚定的竞拍牌中心点代***关节点,以离散的关键帧预测代替连续的轨迹预测。这种方式有着计算量小、时效性高、准确率高的特点;在多人、遮挡环境下受影响小的优点。又关注了动作的时序信息,通过起止帧的优化判定,确定了竞拍者的优先级,使模型有了工程应用的价值。
技术方案一种群体运动识别与时序分析方法,包括:
步骤S1:定位人体与竞拍牌,并确定两者锚定框的中心点,形成连接线;
步骤S2:选取合适的基线,将两者中心连线与基线形成的夹角参数作为主要的动作判别依据,取垂直高度参数作为动作识别的辅助依据;
步骤S3:确定离散的关键帧作为预测依据;
步骤S4:在时序内根据角速度的变化率,确定竞拍者的竞拍资格优先级;
步骤S5:连续采集动作图像帧,根据身体动作对应的动作判别参数的变化特征,建立动作识别模型;
进一步的,在步骤S1中,由于竞拍现场人员较多,存在着较大的人员被遮挡的可能性,但是竞拍现场座位间隔是比较规律的,所以在对人员进行定位时,除了通过识别人体定位外,还会根据预置的空间间隔对人体定位进行交叉验证,若识别到人体的身体部位,则判定那边存在人员,减少了遮挡现象对竞拍识别的影响。
进一步的,在步骤S2中,将中心的连接线需要与基线形成夹角后,作为竞拍动作的主要判断依据;选择平行于地面且平行于摄像机视觉面的那条线作为基线;同时取归一化后的垂直高度参数作为动作识别的辅助依据。
进一步的,在步骤S3中,由于竞拍动作的快速性,对计算机的处理性能提出了较高的要求,在计算机处理能力一定的情况下,想要提高模型的实时性,就加入了预测模块,由于只需判断动作是否属于竞拍动作,故不同于传统的连续的轨迹预测,设计了一种离散的关键帧预测方法。
进一步的,所述一种离散的关键帧预测方法:选取离散的几个有代表性的关键帧作为动作预测的依据,一般状态下准竞拍者的手臂角度的sin值为负数,有明显竞拍意图时sin值大于1/2,竞拍动作停止时sin值约为1,故在判定竞拍者有竞拍意向后,模型不再需要连续的对图像帧进行动作识别,而是按一定间隔的时序,离散的和关键帧做对比,来减少计算量,提高模型的时效性。
进一步的,几个有代表性的关键帧分别为30°、40°、50°、60°、70°、80°。
进一步的,步骤S4中,竞拍动作识别的目的不仅仅是对动作的识别,为了工程性的运用,也要确定竞拍者的先后顺序,因此,在设定的同一段时序内根据角速度的变化率,确定竞拍者的竞拍资格优先级。
进一步的,步骤S5中,连续采集动作图像帧,根据身体动作对应的动作判别参数的变化特征,建立动作识别模型。
与现有技术相比,提供了一种群体运动识别与时序分析方法,具有如下有益效果:快速竞拍动作识别方法兼具了准确率与时效性,并且能降低对硬件设备的要求,为管理人员提前锁定竞拍意愿者,智能化确定竞拍者优先级提供方便。这种以计算机视觉为支撑,以公共大屏幕为载体的全新竞拍方式,有利于增强竞拍的公开性与透明度,有利于以科技减轻工作压力,有利于以科技造福人民。
附图说明
图1为一种群体动作识别方法流程图;
图2为基线选择的示意图;
图3为高度归一化示意图;
图4为竞拍动作的关键帧示意图。
具体实施方式
以视觉图像处理为基础,对竞拍场景下的群体动作进行快速高效精准识别,并通过对动作时序的分析确定竞拍者优先级的方法,针对竞拍场景独有的人多,遮挡多,但人***置变化小的特点,对现有技术与现存的需求进行综合考虑后,设计了一种群体运动识别与时序分析方法,所述方法包括:锚定人体与竞拍牌位置,并确定两者的中心点,形成连接线;选取合适的基线,将两者中心连线与基线形成的夹角参数作为主要动作识别参数,垂直高度参数作为辅助动作识别参数;选取离散的关键帧作为运动预测依据;判别动作的起止帧,根据动作的时序关系,确定竞拍者的竞拍资格优先级;根据身体动作对应的动作判别参数的变化特征,建立动作识别模型。本发明提供的快速竞拍动作识别方法兼具了准确率与时效性,并且能降低对硬件设备的要求。
如图1-4所示,一种群体运动识别与时序分析方法,包括:
步骤S1:定位人体与竞拍牌,并确定两者的锚定框中心点,形成连接线,其中,通过人体定位和竞拍牌定位得到的锚定框,确定中心点;由于竞拍现场人员较多,存在着较大的人员被遮挡的可能性,但是竞拍现场座位间隔是比较规律的,所以在对人员进行定位时,除了通过识别人体定位外,还会根据预置的空间间隔对人体定位进行交叉验证,若识别到人体的身体部位,则判定那边存在人员,减少了遮挡现象对竞拍识别的影响;
步骤S2:选取合适的基线,将两者中心连线与基线形成的夹角参数作为主要的动作判别依据,取垂直高度参数作为动作识别的辅助依据;其中,中心的连接线需要与基线形成夹角后才可作为竞拍动作的主要判断依据,所以选择平行于地面且平行于摄像机视觉面的线作为基线,如图2所示,同时取归一化后的垂直高度参数H作为动作识别的辅助依据,归一化是相对的归一化;H’=h1/h2,h1为竞拍牌锚定中心到人体锚定点中心的垂直距离,h2为人体锚定点中心到人体锚定点底端中心的垂直距离,如图3所示;
步骤S3:选取离散的关键帧作为预测依据,其中,由于竞拍动作的快速性,对计算机的处理性能提出了较高的要求。在计算机处理能力一定的情况下,想要提高模型的实时性,就加入了预测模块。由于本发明只需判断动作是否是竞拍动作,故不同于传统的连续的轨迹预测,设计了一种离散的预测方法。选取离散的几个有代表性的关键帧作为动作预测的依据,如图4所示,一般状态下准竞拍者的手臂角度的sin值为负数,有明显竞拍意图时sin值大于1/2,竞拍的停止动作时sin值约为1。故选取30°、40°、50°、60°、70°、80°作为关键帧,当夹角为30°时判定竞拍者有竞拍意向,然后模型不再连续的对图像帧进行动作识别,而是按一定间隔的时序,离散的和关键帧作对比,以角度的sin值作为动作判别的置信度,sin值约高则置信度越高。这样可以减少计算量,提高模型的时效性:
步骤S4:在时序内根据角速度的变化率,确定竞拍者的竞拍资格优先级; 其中,竞拍动作识别的目的不仅仅是对动作的识别,为了工程性的运用,也要确定竞拍者的先后顺序。所以在设定的同一段时序内根据角速度的变化率,确定竞拍者的竞拍资格优先级。选取30°时的图像帧为起始帧,90°时的图像帧为终止帧,根据这段角度变化内经过的图像帧数量确定竞拍者的优先级。帧数越少,说明用时越短,优先级越高。由于在动作停止时,sin值会一直保持较高的水平,影响对时序的判断,所以引入角度变化斜率,当人保持竞拍终止动作时,角度变化约为0,或在正负间震荡,则判定为终止帧;
步骤S5:连续采集动作图像帧,根据身体动作对应的动作判别参数的变化特征,建立动作识别模型。
Claims (7)
1.一种群体运动识别与时序分析方法,其特征在于,包括:
步骤S1:定位人体与竞拍牌,并确定两者锚定框的中心点,形成连接线;
步骤S2:选取合适的基线,将两者中心连线与基线形成的夹角参数作为主要的动作判别依据,取垂直高度参数作为动作识别的辅助依据;
步骤S3:确定离散的关键帧作为预测依据;
步骤S4:在时序内根据角速度的变化率,确定竞拍者的竞拍资格优先级;
步骤S5:连续采集动作图像帧,根据身体动作对应的动作判别参数的变化特征,建立动作识别模型。
2.根据权利要求1所述一种群体运动识别与时序分析方法,其特征在于,在步骤S1中,由于竞拍现场人员较多,存在着较大的人员被遮挡的可能性,但是竞拍现场座位间隔是比较规律的,所以在对人员进行定位时,除了通过识别人体定位外,还会根据预置的空间间隔对人体定位进行交叉验证,若识别到人体的身体部位,则判定那边存在人员,减少了遮挡现象对竞拍识别的影响。
3.根据权利要求1所述一种群体运动识别与时序分析方法,其特征在于,在步骤S2中,将中心的连接线需要与基线形成夹角后,作为竞拍动作的主要判断依据;选择平行于地面且平行于摄像机视觉面的那条线作为基线;同时取归一化后的垂直高度参数作为动作识别的辅助依据。
4.根据权利要求1所述一种群体运动识别与时序分析方法,其特征在于,在步骤S3中,由于竞拍动作的快速性,对计算机的处理性能提出了较高的要求,在计算机处理能力一定的情况下,想要提高模型的实时性,就加入了预测模块,由于只需判断动作是否属于竞拍动作,故不同于传统的连续的轨迹预测,设计了一种离散的关键帧预测方法。
5.根据权利要求4所述一种群体运动识别与时序分析方法,其特征在于,所述一种离散的关键帧预测方法:选取离散的几个有代表性的关键帧作为动作预测的依据,一般状态下准竞拍者的手臂角度的sin值为负数,有明显竞拍意图时sin值大于1/2,竞拍动作停止时sin值约为1,故在判定竞拍者有竞拍意向后,模型不再需要连续的对图像帧进行动作识别,而是按一定间隔的时序,离散的和关键帧做对比,来减少计算量,提高模型的时效性。
6.根据权利要求5所述一种群体运动识别与时序分析方法,其特征在于,几个有代表性的关键帧分别为30°、40°、50°、60°、70°、80°。
7.根据权利要求1所述一种群体运动识别与时序分析方法,其特征在于,步骤S4中,竞拍动作识别的目的不仅仅是对动作的识别,为了工程性的运用,也要确定竞拍者的先后顺序,因此,在设定的同一段时序内根据角速度的变化率,确定竞拍者的竞拍资格优先级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110935928.9A CN113627365A (zh) | 2021-08-16 | 2021-08-16 | 一种群体运动识别与时序分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110935928.9A CN113627365A (zh) | 2021-08-16 | 2021-08-16 | 一种群体运动识别与时序分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113627365A true CN113627365A (zh) | 2021-11-09 |
Family
ID=78385571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110935928.9A Pending CN113627365A (zh) | 2021-08-16 | 2021-08-16 | 一种群体运动识别与时序分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627365A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886544A (zh) * | 2016-09-30 | 2018-04-06 | 法乐第(北京)网络科技有限公司 | 用于车辆标定的图像采集控制方法和装置 |
CN112109664A (zh) * | 2019-06-20 | 2020-12-22 | 上海汽车集团股份有限公司 | 一种控制方法及*** |
CN112203115A (zh) * | 2020-10-10 | 2021-01-08 | 腾讯科技(深圳)有限公司 | 一种视频识别方法和相关装置 |
US20210110146A1 (en) * | 2019-10-15 | 2021-04-15 | Fujitsu Limited | Action recognition method and apparatus and electronic equipment |
CN112686153A (zh) * | 2020-12-30 | 2021-04-20 | 西安邮电大学 | 一种用于人体行为识别的三维骨架关键帧选择方法 |
CN113065505A (zh) * | 2021-04-15 | 2021-07-02 | 中国标准化研究院 | 身体动作快速识别方法及*** |
-
2021
- 2021-08-16 CN CN202110935928.9A patent/CN113627365A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886544A (zh) * | 2016-09-30 | 2018-04-06 | 法乐第(北京)网络科技有限公司 | 用于车辆标定的图像采集控制方法和装置 |
CN112109664A (zh) * | 2019-06-20 | 2020-12-22 | 上海汽车集团股份有限公司 | 一种控制方法及*** |
US20210110146A1 (en) * | 2019-10-15 | 2021-04-15 | Fujitsu Limited | Action recognition method and apparatus and electronic equipment |
CN112203115A (zh) * | 2020-10-10 | 2021-01-08 | 腾讯科技(深圳)有限公司 | 一种视频识别方法和相关装置 |
CN112686153A (zh) * | 2020-12-30 | 2021-04-20 | 西安邮电大学 | 一种用于人体行为识别的三维骨架关键帧选择方法 |
CN113065505A (zh) * | 2021-04-15 | 2021-07-02 | 中国标准化研究院 | 身体动作快速识别方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852219B (zh) | 一种多行人跨摄像头在线跟踪*** | |
CN109934176B (zh) | 行人识别***、识别方法及计算机可读存储介质 | |
CN101577812B (zh) | 一种岗位监测的方法和*** | |
CN102831439B (zh) | 手势跟踪方法及*** | |
CN100390811C (zh) | 实时的从视频中跟踪多个人脸的方法 | |
CN104361327A (zh) | 一种行人检测方法和*** | |
CN109117797A (zh) | 一种基于人脸质量评价的人脸抓拍识别方法 | |
CN110929596A (zh) | 一种基于智能手机和人工智能的投篮训练***与方法 | |
CN105574506A (zh) | 基于深度学习和大规模集群的智能人脸追逃***及方法 | |
JP2007334623A (ja) | 顔認証装置、顔認証方法、および入退場管理装置 | |
WO2008092393A1 (fr) | Procédé de poursuite de cible mobile et de comptage | |
CN101281646A (zh) | 基于视觉的驾驶员疲劳实时检测方法 | |
CN111832400A (zh) | 一种基于概率神经网络的口罩佩戴情况的监测***及方法 | |
CN110750152A (zh) | 一种基于唇部动作的人机交互方法和*** | |
CN114100103B (zh) | 一种基于关键点识别的跳绳计数检测***及方法 | |
CN112634561A (zh) | 基于图像识别的安全报警方法和*** | |
CN106447695A (zh) | 一种多物体追踪中判断同一物体的方法和装置 | |
CN114005167A (zh) | 基于人体骨骼关键点的远距离视线估计方法和装置 | |
CN114140745A (zh) | 施工现场人员属性检测方法、***、装置及介质 | |
CN100442307C (zh) | 球门检测方法 | |
CN114511592B (zh) | 一种基于rgbd相机和bim***的人员轨迹追踪方法及*** | |
CN114219828A (zh) | 一种基于视频的目标关联方法、装置和可读存储介质 | |
CN113627365A (zh) | 一种群体运动识别与时序分析方法 | |
CN115841497B (zh) | 分界线的检测方法、电动扶梯区域入侵检测方法和*** | |
CN116797632A (zh) | 一种基于多目标跟踪的跑步监督***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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211109 |
|
RJ01 | Rejection of invention patent application after publication |