[发明专利]一种基于YOLO的动作实时监测方法

权利要求书

1.一种基于YOLO的动作实时监测方法，其特征在于，所述监测方法包括以下步骤：

S1：建立场景模型，所述场景模型被配置为对摄像头所处位置进行视频采集；

S2：对所述场景模型中的目标检测，获得检测框；

S3：构建并训练深度学习提取网络，将所有的人物的检测框输入到该网络，得到所有检测框的特征向量；

S4：预测视频跟踪目标的动作向量，利用检测框的特征向量和预测的动作向量对跟踪目标进行危险动作匹配或预测，得到最佳匹配和预测检测框；

S5：对危险动作的目标检测框进行标红处理；

S6：报警提示；

其中，所述场景模型的建模方法包括收集检测装置的场景图形、收集图形帧数和收集图像的像素，跟踪所述图形帧数的趋势并把所述趋势应用在分析装置中，所述分析装置把收集的场景图像进行区域的划分，所述区域包括第一图形帧的第一区域和第一图形帧的第二区域，所述第一区域被配置为对同一第一图形帧中的第二区域中收集像素数据的像素参数，并使用传感器控制单元调整输出像素数据速率；

所述网络提取的方法包括：从构成所述第一图形帧的所有区域中收集所有图像像素数据，从所述第一图形帧中重新组装图像像素数据；获取与第一图形帧相关的标识符，针对第一图形帧以不同的周期收集第一区域和第二区域；

在已经构建的网络中进行第一图形帧的标识，并获取所述第一图形帧中的标识符，所述标识符的认定在由控制算法进行认定，识别所述第一图形帧中的高像素点并把高像素点进行标注，用于作为第一图形帧中的标识符，所述第二区域从所述第一区域中的不同周期进行收集图像，在各个周期中收集的各个所述第二区域包括所述第一区域中不被所述控制算法进行标记的区域；

所述动作向量提取方法包括：通过传感器进行识别场景环境中的人物的动作，把所述动作进行模型的建立，并在所述模型中进行动作的元素的建立，并预测所述动作的运动趋势；

通过传感器以一定的间隔周期进行所述动作数据的采集，并与所述模型的预测的动作对比，并存储在事件模型中；

基于所述事件模型中的动作数据提取动作姿势分析，对所述动作姿势进行提取，得出动作矩阵集合，并带入公式(1)中，得出所述动作向量，

其中，θ为向量Y和向量G之间的夹角，ζζ为动作矩阵叉积F的方向。

2.根据权利要求1所述的一种基于YOLO的动作实时监测方法，其特征在于，所述检测框的选取方法包括：

通过边缘检测算法得到图像的边缘图，并通过优化处理器进行优化得到轮廓图；

通过轮廓图获取图像的超像素点，任意两个相邻的区域之间均有一个不相似度值；

对获取的区域进行整合，将边沿图和所述轮廓图进行两两合并，并利用场景模型输出像素与所述不相似度值进行整合，得出重叠的部分得到最终的检测框。

3.根据权利要求1所述的一种基于YOLO的动作实时监测方法，其特征在于，所述网络的训练方法包括：通过众多图像数据模型以支持预测场景理解来预测即将到来的成像参数变化的措施，标识或预测第一个图形帧中区域中的显着类型是什么，并识别没有任何显着项目的区域，并向传感器控制单元发送指导成像仪分辨率、动态范围和帧速率，最适合具有显著区域内类型，并保持或减少所述成像器分辨率、动态范围或者区域内没有显著特征的帧频，使其不超过带宽限制；并在内存存储、功耗限制、图像传感器、传感器控制单元和图像处理单元之间的通信回路。

4.根据权利要求1所述的一种基于YOLO的动作实时监测方法，其特征在于，所述预测和自适应场景建模模块维持或降低以下各项中的至少一项：成像仪分辨率、动态范围和在没有显着项的区域内的帧频。