[发明专利]基于计算机视觉的人体姿态分类方法

说明书

本发明提供一种基于计算机视觉的人体姿态分类方法，通过监控摄像头采集视频监控数据；构建用于人体姿态分类的训练数据集；筛选出有效人体姿态分类特征；基于神经网络算法，结合训练数据集以及筛选出的有效人体姿态分类特征，选择损失函数和优化算法，训练出人体姿态分类模型；对视频监控数据进行目标检测和识别操作，对于其中被识别为人类目标的区域进行姿态估计，基于姿态估计的结果计算人体姿态特征数据，并将计算得到的特征数据导入人体姿态分类模型，判断得出视频中出现的人的姿态；该方法不需要目标对象穿戴多种传感器或光学标志，不会影响运动的舒适性，且数据采集成本较低，实时性高，具有较高的处理效率。

技术领域

本发明涉及一种基于计算机视觉的人体姿态分类方法。

背景技术

现有的人体姿态分类主要采用传统的基于可穿戴设备的人体姿态分类方法，但该方法需要给目标对象穿戴多种传感器或光学标志，会影响目标对象的运动。同时，基于可穿戴设备的人体姿态分类方法难以广泛应用于公共场所。

目前，在公共场所安装的监控摄像头的覆盖面积相当巨大，这些摄像头记录着人类生活的每个角落。传统的视频监控系统是依靠人工查看的方式来监测视频中的异常，这种方法需要相当大的人力成本，且很容易出现遗漏。

上述问题是在人体姿态分类过程中应当予以考虑并解决的问题。

发明内容

本发明的目的是提供一种基于计算机视觉的人体姿态分类方法解决现有技术中存在的传统的基于可穿戴设备的人体姿态分类方法，需要给目标对象穿戴多种传感器或光学标志，会影响目标对象的运动的问题。

本发明的目的是针对视频监控数据，在目标检测和目标识别的基础上，提供一种基于计算机视觉的人体姿态分类方法，判断视频监控覆盖范围内所有人类目标的姿态，是智能视频监控技术中的一个重要环节。

本发明的技术解决方案是：

一种基于计算机视觉的人体姿态分类方法，包括以下步骤，

S1、在场景中部署监控摄像头，通过监控摄像头采集视频监控数据；

S2、分析开源图像数据集Microsoft COCO中的目标类别标签、目标位置标签、图片描述标签以及人类目标关节点标签，并从中筛选出图片和标记数据，构建用于人体姿态分类的训练数据集；

S3、基于步骤S2所得训练数据集中的标记数据构建原始特征集合，在此基础上计算数据的高阶特征，并通过特征修剪筛选出有效人体姿态分类特征；

S4、基于神经网络算法，结合步骤S2所得训练数据集以及步骤S3筛选出的有效人体姿态分类特征，选择损失函数和优化算法，训练出人体姿态分类模型；

S5、对步骤S1得到的视频监控数据进行目标检测和识别操作，对于其中被识别为人类目标的区域进行姿态估计，基于姿态估计的结果计算有效人体姿态特征数据，并将计算得到的特征数据导入步骤S4所得的人体姿态分类模型，判断得出视频中出现的人的姿态。

可选地，步骤S2中，构建用于人体姿态分类的训练数据集步骤，具体为，

S21、基于开源图像数据集Microsoft COCO中目标的类别标签，选择数据集中仅包含一个人类目标的图片，将所选的这些图片及其对应的各类标签数据作为备选训练数据集；

S22、分析步骤S21所得备选训练数据集中图片对应的图片描述标签，将其中存在与姿态相关的关键词的图片保留在备选训练数据集中，并给这些图片添加姿态标签，其余图片删除；

S23、检查备选训练数据集中图片对应的人类目标关节点标签，删除其中关节点标签不全的图片，将剩余的图片及其标签数据作为用于人体姿态分类的训练数据集。

可选地，步骤S3中，筛选出有效人体姿态分类特征，具体为，