公开(公告)号：CN111611912B

公开(公告)日：2024-03-19

申请号：CN202010424789.9

申请日：2020-05-19

Applicant: 北京交通大学

Inventor： 林春雨 ,  管文华 ,  赵耀 ,  杨尚蓉 ,  刘美琴

IPC: G06V40/20 ,  G06V20/40 ,  G06F18/241

Abstract: 本发明公开了一种基于人体关节点的行人低头异常行为的检测方法，包括如下步骤：步骤一，将视频流展开为图像序列，检测视频帧中的每个行人，并裁剪人体区域框；步骤二，采用人体姿态算法独立估计每个行人的姿态；步骤三，将估计的人体姿态映射回原图，微调，直至生成准确的人体关节点的坐标信息；步骤四，重复步骤一、二、三，直至人体区域框位置不再发生变化；步骤五，训练时，采用拟合算法将正样本信息拟合为异常行为，生成负样本，正负样本构成训练集训练行为分类器，生成最优模型；步骤六，测试时，将准确关节点的坐标信息送入训练好的行为分类器中，检测并输出结果。本发明解决复杂环境中多个行人的异常行为检测容易出现的准确率低下的问题，实现在复杂场景中高准确率的多人实时检测的效果。

公开(公告)号：CN111611912A

公开(公告)日：2020-09-01

申请号：CN202010424789.9

申请日：2020-05-19

Applicant: 北京交通大学

Inventor： 林春雨 ,  管文华 ,  赵耀 ,  杨尚蓉 ,  刘美琴

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于人体关节点的行人低头异常行为的检测方法，包括如下步骤：步骤一，获取视频流中的每帧图像，将视频流展开为图像序列，针对序列中的每一帧，采用人体检测算法检测视频帧中的每个行人，并裁剪人体区域框；步骤二，在生成的人体区域框内，采用人体姿态算法独立估计每个行人的姿态；步骤三，将估计的人体姿态映射回原图，微调人体区域框，直至生成准确的人体关节点的坐标信息；步骤四，重复步骤一、二、三，直至人体区域框位置不再发生变化；步骤五，训练时，采用异常行为拟合算法将准确的具有正常行为的人体关节点信息拟合为异常行为，生成负样本，拟合前的正常行为为正样本，正负样本构成训练集训练行为分类器，生成最优模型；步骤六，测试时，将生成的准确关节点的坐标信息直接送入训练好的行为分类器中，检测并输出结果。本发明解决复杂环境中多个行人的异常行为检测容易出现的准确率低下的问题，实现在复杂场景中高准确率的多人实时检测的效果。