[发明专利]一种人体行为识别方法、系统及存储介质

权利要求书

1.一种人体行为识别方法，其特征在于：包括以下步骤：

基于SSD目标检测模型，对采集到的人体图像进行身体部位检测，得到身体部位的定位信息；

根据身体部位的定位信息，通过深度学习多分类算法对各个身体部位进行分类识别；

其中，所述分类识别的结果包括但不限于头部的安全帽佩戴识别结果、身体的工作服穿着识别结果、人数识别结果以及行为的安全性识别结果。

2.根据权利要求1所述的一种人体行为识别方法，其特征在于：所述基于SSD目标检测模型，对采集到的人体图像进行身体部位检测，得到身体部位的定位信息这一步骤，包括以下步骤：

通过图像采集模块采集图像，所述图像采集模块包括摄像机；

根据采集到的图像，确认图像中的人体图像；

根据确认到的人体图像，通过SSD目标检测模型对人体的头肩部位、躯干部位以及大腿部位进行定位，得到各个身体部位的定位信息。

3.根据权利要求2所述的一种人体行为识别方法，其特征在于：所述根据确认到的人体图像，通过SSD目标检测模型对人体的头肩部位、躯干部位以及大腿部位进行定位，得到各个身体部位的定位信息这一步骤，包括以下步骤：

通过多个先验实例对各个部位对应的检测器进行学习训练，得到SSD目标检测模型；

将确认到的人体图像等分成3个检测窗口；所述3个检测窗口分别对应人体的头肩部位、躯干部位以及大腿部位；

将3个检测窗口分别输入SSD目标检测模型，得到相应的响应值；

对响应值进行判定，得到头肩部位、躯干部位以及大腿部位的定位信息。

4.根据权利要求3所述的一种人体行为识别方法，其特征在于：所述通过多个先验实例对各个部位对应的检测器进行学习训练，得到SSD目标检测模型这一步骤，包括以下步骤：

通过前向传播的卷积神经网络，生成若干个包围盒，所述包围盒的大小固定；

计算各个包围盒之间的相似度；

通过若干个增设的卷积层对人体图像的每个位置进行预测，得到各个位置的分类得分；

根据得到的分类得分划分分数阈值；

根据分数阈值，通过非极大值抑制处理得到SSD目标检测模型。

5.根据权利要求1所述的一种人体行为识别方法，其特征在于：所述根据身体部位的定位信息，通过深度学习多分类算法对各个身体部位进行分类识别这一步骤，包括以下步骤：

采用Adaboost算法，基于预设的权值将弱分类器进行叠加，得到强分类器；

对弱分类器的个数进行增加，对强分类器进行训练；

根据训练得到的强分类器，得到各个身体部位的分类识别结果。

6.根据权利要求1所述的一种人体行为识别方法，其特征在于：还包括以下步骤：

将各个身体部位的分类识别结果进行整合，得到整体分析结果。

7.一种人体行为识别系统，其特征在于：包括：

检测模块，用于基于SSD目标检测模型，对采集到的人体图像进行身体部位检测，得到身体部位的定位信息；

识别模块，用于根据身体部位的定位信息，通过深度学习多分类算法对各个身体部位进行分类识别；

其中，所述分类识别的结果包括但不限于头部的安全帽佩戴识别结果、身体的工作服穿着识别结果、人数识别结果以及行为的安全性识别结果。

8.根据权利要求7所述的一种人体行为识别系统，其特征在于：还包括：

整合模块，用于将各个身体部位的分类识别结果进行整合，得到整体分析结果。

9.一种人体行为识别系统，其特征在于：包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-6中任一项所述的人体行为识别方法。

10.一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-6中任一项所述的人体行为识别方法。