[发明专利]视频监控方法、装置、终端和介质

权利要求书

1.一种视频监控方法，其特征在于，包括：

基于采集的深度图像，提取属于人体区域的像素点的深度特征，所述深度特征是图像中人体区域像素点的深度值；

利用预先训练的关节像素点分类器和所述深度特征，对提取深度特征的像素点进行分类，得到各关节部位的像素点集合；

利用聚类算法，确定所述像素点集合的中心像素点，并将所述中心像素点作为关节点位置，以基于所述关节点位置的变化监控人体姿态的变化；

其中，所述基于采集的深度图像，提取属于人体区域的像素点的深度特征，包括：

根据所述采集的深度图像的深度特征，对所述深度图像进行前后景分割，得到人体区域图像；

利用网格格点化方法提取所述人体区域图像上像素点的深度特征；

其中，所述关节点位置包括脖子、脊柱、左脚踝和右脚踝对应的关节点位置；相应的，所述方法还包括：

基于所述采集的深度图像，分别提取所述脖子、脊柱、左脚踝和右脚踝对应的关节点位置处像素点的深度特征，以及在深度图像坐标系中所述脖子、脊柱、左脚踝和右脚踝对应的关节点位置的像素点坐标；

依据所述提取的深度特征以及所述深度图像坐标系和三维世界坐标系的转换关系，将所述提取的各个像素点坐标分别转换为三维世界坐标；

基于转换后的三维世界坐标，计算所述脖子与所述脊柱对应的关节点位置间的连线和所述脊柱与所述左脚踝对应的关节点位置间的连线形成的第一夹角，以及所述脖子与所述脊柱对应的关节点位置间的连线和所述脊柱与所述右脚踝对应的关节点位置间的连线形成的第二夹角；

基于转换后的三维世界坐标，计算所述脚踝和所述脖子对应的关节点位置之间的垂直高度差；

分别根据所述第一夹角、第二夹角和垂直高度差与相应阈值的关系，确定所述采集的深度图像中人体是否处于跌倒状态。

2.根据权利要求1所述的方法，其特征在于，所述利用网格格点化方法提取所述人体区域图像上像素点的深度特征，包括：

以所述人体区域图像上的目标像素点为中心，构建格点矩阵，其中，所述目标像素点是所述人体区域图像上的任意像素点；

对所述格点矩阵中每个格点对应的像素点的深度特征取平均，作为所述目标像素点的深度特征。

3.根据权利要求1所述的方法，其特征在于，所述关节像素点分类器的训练过程包括：

对样本图像进行人体关节标记，并将标记结果作为训练所述关节像素点分类器的输出；

提取所述样本图像上属于人体区域的像素点的深度特征，作为训练所述关节像素点分类器的输入；

基于所述输入和所述输出，对所述关节像素点分类器进行训练。

4.根据权利要求1所述的方法，其特征在于，所述利用聚类算法，确定所述像素点集合的中心像素点，并将所述中心像素点作为关节点位置，以基于所述关节点位置的变化监控人体姿态的变化，包括：

利用聚类算法，确定所述像素点集合的中心像素点，并将所述中心像素点作为关节点位置，将各个关节点位置进行连线以形成人体骨架；

将所述人体骨架显示在所述采集的深度图像上，得到监控图像，并输出所述监控图像。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据在预设时间内连续采集的深度图像，若在所述预设时间内均确定所述深度图像内的人体处于跌倒状态，则确定视频监控结果为人体发生跌倒。

6.根据权利要求1-5中任一所述的方法，其特征在于，所述关节像素点分类器包括随机森林分类器。

7.根据权利要求1-5中任一所述的方法，其特征在于，所述聚类算法包括均值偏移算法。

8.根据权利要求1-5中任一所述的方法，其特征在于，所述深度图像包括基于结构光技术或时间飞行原理的深度相机采集的视频中的任意帧图像。