[发明专利]一种基于人体姿态估计的暴力行为检测系统及方法

权利要求书

1.一种基于人体姿态估计的暴力行为检测系统，其特征在于，包括：

视频获取单元，获取监控视频并同步传输到监控中心和云端；

监控中心，实时显示和存储监控视频，并支持回放；

云端，将所述监控视频转化成多帧图像，先采用OpenPose估计每帧图像中的人体姿态，再根据人体姿态的四肢方向判断该帧图像中是否存在暴力行为并判断暴力行为的类型，将分析结果传输给报警单元；

报警单元，若所述云端识别出某帧图像中存在暴力行为，则实时发出报警信息。

2.根据权利要求1所述的基于人体姿态估计的暴力行为检测系统，其特征在于，所述的云端存储有：

预处理模块，实时将所述监控视频转化为多帧图像；

特征提取模块，采用卷积神经网络对每帧图像进行特征提取，得到该帧图像的特征图；

人体姿态识别模型，通过OpenPose训练得到，以所述特征图作为输入，对人体姿态进行识别；

神经网络分类器，以人体姿态的四肢方向作为输入，判断该帧图像中是否存在暴力行为并判断暴力行为的类型。

3.根据权利要求2所述的基于人体姿态估计的暴力行为检测系统，其特征在于，所述的预处理模块将每秒监控视频转化为60帧图像。

4.根据权利要求2所述的基于人体姿态估计的暴力行为检测系统，其特征在于，所述的特征提取模块以VGG19网络的前10层作为卷积神经网络，对所述图像进行特征提取。

5.根据权利要求2所述的基于人体姿态估计的暴力行为检测系统，其特征在于，采用空中暴力个人数据集对OpenPose和神经网络分类器进行训练。

6.根据权利要求5所述的基于人体姿态估计的暴力行为检测系统，其特征在于，采用空中暴力个人数据集对OpenPose进行训练，包括以下步骤：

(i)采用所述的特征提取模块提取数据集中图像的特征，将获得特征图作为OpenPose的输入；

(ii)利用OpenPose第一阶段的卷积神经网络对所述特征图进行学习，获得第一阶段的关节位置图和关节关联图；

(iii)将所述的特征图与第N阶段的关节位置图和关节关联图整合，作为第N+1阶段的输入，利用第N+1阶段的卷积神经网络进行学习，获得第N+1阶段的关节位置图和关节关联图；其中N≥1；

(iv)重复步骤(iii)，直至准确率的提升值小于或等于预设值，结束训练。

7.根据权利要求6所述的基于人体姿态估计的暴力行为检测系统，其特征在于，所述的OpenPose第一阶段的卷积神经网络有5个卷积层，其中前三层的卷积核大小为3×3，后两层的卷积核大小为1×1；OpenPose第二阶段以上的卷积神经网络有7个卷积层，其中前五层的卷积核大小为7×7，后两层的卷积核大小为1×1。

8.根据权利要求6所述的基于人体姿态估计的暴力行为检测系统，其特征在于，所述的OpenPose具有6个阶段。

9.一种基于人体姿态估计的暴力行为检测方法，其特征在于，包括以下步骤：

(1)获取监控视频并同步传输到监控中心和云端，分别进行实时显示和分析检测；

(2)所述云端实时将获取的监控视频转化成多帧图像，先采用OpenPose估计每帧图像中的人体姿态，再根据人体姿态的四肢方向判断该帧图像中是否存在暴力行为并判断暴力行为的类型；

(3)若所述云端识别出某帧图像中存在暴力行为，则实时发出报警信息。