[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

说明书

本发明公开了一种基于人体姿态估计的暴力行为检测系统，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。本发明还公开了一种基于人体姿态估计的暴力行为检测方法。本发明采用自底向上的人体姿态估计方法，其鲁棒性更高且时间开销稳定，可以实现本发明实时性的要求。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于人体姿态估计的 暴力行为检测系统及方法。

背景技术

近年来，随着监控摄像头的日益普及，产生了大量的监控数据，若能 通过分析监控数据，从中识别出暴力行为，即在特定公共场合发生的、危 害公共安全的一系列行为，如打架斗殴等，那么对于社会的稳定和安全都 有很重大的意义。

人体姿态估计是计算机视觉领域的一个重要分支，用于定位图像中人 体的关键点，如头部、肩膀、肘部等。目前的做法有两种，包括自顶向下 和自底向上两种。其中自顶向下的方式是先检测出个人，然后再进行单人 姿态估计；自底向上的方法是直接估计人体的各个关键点以得到人体姿态。 前者在实施时受到检测个人时的准确率的影响，如果检测人体失败将不能 进行姿态估计，而且随着人数的增加，时间复杂度很高。相反地，后者对 于姿态估计来说更具有鲁棒性，且时间开销稳定。

分类问题是机器学习领域长久以来的一个基本问题，目前有很多算法 可以实现多类分类，包括支持向量机、逻辑回归、神经网络等，各种方法 都有其优缺点，相较于支持向量机和逻辑回归，神经网络的可解释性差， 但其准确率会高一些。

对于暴力行为检测，目前有基于轨迹的分析方法等，最新的方法是采 用自顶向下的方法利用人体姿态估计来进行检测，随着人数的增加，其时 间复杂度很高，并且鲁棒性不高。

公开号为CN107777498A的中国专利文献公开了一种电梯轿厢内暴力 行为检测方法，涉及行为识别领域，该方法包括：获取电梯轿厢的拍摄视 频；根据拍摄视频中连续的视频帧进行Shi-Tomasi角点检测，确定特征点； 根据特征点，通过Lucas-Kanada光流算法计算得到光流向量；根据得到的 光流向量判断是否为暴力帧，暴力帧是存在暴力行为的视频帧；根据暴力 帧的出现频率进行报警。但该方法只针对简单场景如电梯轿箱内的暴力行为，不适用于复杂的监视场景。

目前急需一种鲁棒性高，时间开销稳定的暴力行为检测技术，以实现 实时性要求。

发明内容

本发明提供了一种基于人体姿态估计的暴力行为检测系统，该检测系 统利用现有监控系统，结合云端的实时性，通过识别视频中人体的姿态来 判断是否发生了暴力行为，继而发出警报以便相关人员可以及时对所发生 的暴力事件做出恰当的处理。

具体技术方案如下：

一种基于人体姿态估计的暴力行为检测系统，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。