[发明专利]一种无人机监控场景下的人体行为识别方法、系统及装置

说明书

本发明公开了一种无人机监控场景下的人体行为识别方法、系统及装置，方法包括：通过无人机监控摄像头对所需的监控地点进行视频拍摄并预处理，得到样本视频；基于样本视频，对样本视频中人体行为进行分类，并创建卷积神经网络模型和训练测试集样本库，进而通过训练测试集样本库对卷积神经网络模型进行训练；将实际监控视频进行处理后输入至训练后的卷积神经网络模型中，得到实际监控视频中的人体行为的分类类型。本发明通过训练后的卷积神经网络模型能够实时自动对现实无人机平台监控场景下人体的各类行为进行识别，网络泛化能力较好，有效提升识别效果。本发明可广泛应用于行为识别领域中。

技术领域

本发明涉及行为识别技术领域，尤其涉及一种无人机监控场景下的人体行为识别方法、系统及装置。

背景技术

随着计算机科学与通信技术的不断发展，人们对于监控摄像等领域的处理水平不断提高，其中，应用于无人机平台监控场景下视频实时处理的技术研究有着重要的实际意义。目前，监控已成为一种“流行”，但是如果对监控产生的大量视频信息人为地去分析，将耗费大量的人力、物力和时间。这样也可能会造成处理不及时，分析不全面的问题。而智能视频监控系统的研究与应用，不但可以及时、准确地判断出监控视频中人体的各类行为，为相应的行为处理模块提供了数据基础，而且还节省了大量的人力等成本。

目前国内外关于无人机平台监控场景下视频中人体行为分析技术存在着不少亟待解决的问题：

1、对于无人机平台人体行为智能分析技术方面的研究较少，无法准确地智能响应处理各类事件；

2、针对视频中的行为提取的特征不具有代表性，从而无法准确判断各类行为，包括人体的细微动作；

3、基于特征提取的算法时间开销太大，难以实现实时处理；

4、网络的泛化能力较低，从而导致学生行为识别准确率降低。

发明内容

为了解决上述技术问题，本发明的目的是提供一种能实时分析的无人机监控场景下的人体行为识别方法、系统及装置。

本发明所采取的技术方案是：

一种无人机监控场景下的人体行为识别方法，包括以下步骤：

通过无人机监控摄像头对所需的监控地点进行视频拍摄并预处理，得到样本视频；

基于样本视频，对样本视频中人体行为进行分类，并创建卷积神经网络模型和训练测试集样本库，进而通过训练测试集样本库对卷积神经网络模型进行训练；

将实际监控视频进行处理后输入至训练后的卷积神经网络模型中，得到实际监控视频中的人体行为的分类类型。

作为所述的一种无人机监控场景下的人体行为识别方法的进一步改进，所述的通过无人机监控摄像头对所需的监控地点进行视频拍摄并预处理，得到样本视频，这一步骤具体包括：

通过无人机监控摄像头对所需的监控地点进行视频拍摄，得到初步视频；

根据初步视频对应的监控地点，对初步视频进行背景去除处理，得到二次处理视频；

根据二次处理视频，得到能框住每一帧中人体行为的最小边界框；

对二次处理视频中的空间信息、时间信息和深度信息进行规范化处理，得到规范化视频；

将得到的规范化视频进行水平翻转处理形成翻转后的规范化视频，结合原本的规范化视频，得到样本视频。

作为所述的一种无人机监控场景下的人体行为识别方法的进一步改进，所述的对二次处理视频进行空间规范化处理、时间规范化处理和深度信息规范化处理，得到规范化视频，这一步骤具体包括：

将二次处理视频中的图像缩放至预设的尺寸，得到空间规范化视频；