[发明专利]一种作业流程规范性识别模型的构建方法及应用

权利要求书

1.一种作业流程规范性识别模型的构建方法，其特征在于：包括以下步骤：

步骤A：获取工人作业的历史视频数据，并用户人工评判得到每个历史视频的标签信息；

步骤B：对所有历史视频提取时空特征点和jets描述子，并将每个历史视频划分成多个子视频；

步骤C：基于时空特征点和jets描述子为每个子视频构建特征图，基于所有子视频的特征图得到所有历史视频的特征图序列；

步骤D：将所有历史视频的特征图序列输入SVM分类器训练得到识别模型，其中SVM分类器中核函数采用动态时间规整函数DTW构建，即k(G_i,G_j)＝DTW(G_i,G_j)，G_i和G_j为任意两个历史视频的特征图序列表示。

2.根据权利要求1所述的一种作业流程规范性识别模型的构建方法，其特征在于：步骤A所述的历史视频数据还包括预处理成统一分辨率规格的步骤，得到历史视频数据集V＝{v₁,v₂,···,v_N}；基于作业标准对历史视频数据进行人工评判得到集合V的标签数据集Y＝{y₁,y₂,···,y_N}，其中v_i和y_i表示第i个作业视频和对应的标签信息，N为数据集规模。

3.根据权利要求2所述的一种作业流程规范性识别模型的构建方法，其特征在于：步骤B中使用3D-Harris角点探测器提取所述时空特征点和jets描述子，

计算时空特征点：将一个历史视频看做一个函数映射即f(x,y,t)，表示t时刻视频帧图像中(x,y)处的像素值；

为了得到时空尺度上不变的时空特征点，需要将视频与高斯核函数进行卷积操作，得到视频f(x,y,t)在时空尺度上的表达式

其中，表示空间尺度，表示时间尺度，高斯核函数的形式为

对进行一阶求偏导形成3×3的矩阵，并用高斯函数对其进行加权得到：

其中L_x、L_y和L_t为函数L(·)关于x、y和t的一阶偏导，根据矩阵的特征值得到函数H：

H＝det(μ)-k·trace³(μ)＝λ₁λ₂λ₃-k·(λ₁+λ₂+λ₃)³

其中det(μ)为矩阵的行列式计算，trace(μ)为矩阵的迹，特征值λ₁、λ₂和λ₃的大小体现了该点在时空邻域内的变化强度，在不同的时空尺度下，视频中的任意时空点均能计算出对应的H值，如果H值大于预设的阈值则该点为时空特征点；

计算jets特征描述子：将时空特征点对应的进行1-4阶求偏导数，其数学表示为：

从而得到将jets描述子表示为34维特征向量。