[发明专利]一种用于复杂多人场景的人体姿态判定方法及系统

说明书

本发明公开了一种用于复杂多人场景的人体姿态判定方法及系统。该方法首先将获得的人体关键点划分成若干集合，如：人体的上半身关键点集合和下半身关键点集合等；然后提取各集合中人体关键点几何分布的统计特征，如：最小外接矩形、凸包等；最后根据计算出的统计特征，如：最小外接矩形的旋转角度、凸包的水平夹角等，判定人体的姿态。本发明的优势在于能够在人体关键点位置不准确或者部分关键点缺失等情况下快速、准确的判定人体姿态，为异常行为如：跌倒、冲突等的检测提供准确信息。

技术领域

本发明属于模式识别和人工智能技术领域，具体涉及一种鲁棒的人体姿态判定方法，特别涉及一种用于复杂多人场景的人体姿态判定方法及系统。

背景技术

视频监控设备广泛部署在了各种公共场所，如：幼儿园、养老院、车站、商场等。这些设备在日常运行中会产生海量的监控数据，仅靠人工监视视频场景的方式显然不切实际。监控场景中人体姿态的语义描述，即判定不同的人体姿态，可以帮助人们快速了解场景中个体的状态以及发生的事件，对实时检测意外和突发状况意义重大。

传统的人工监控方式不仅效率低下，而且难以及时对于一些突发状况做出迅速的反应，随着人工智能以及模式识别技术的发展，出现了一些人体姿态的识别方法。根据是否将人体视为“连杆”模型，人体姿态识别方法大致可以分为两类：基于视频特征提取的方法和基于人体关键点提取的方法。下面将对这两类方法进行展开讨论。

在基于视频特征提取的方法中，文献“Action recognition by densetrajectories[C].IEEE Conference on Computer Vision and Pattern Recognition”提出利用光流场跟踪密集的采样点来获得人体运动的轨迹，进而完成人体姿态的识别。该方法为获取人体运动轨迹需要实时跟踪采样点，而在出现行人交错的场景，这种跟踪很容易出错。文献“Human posture recognition based on projection histogram and SupportVector Machine”利用椭圆拟合人体轮廓，然后沿着椭圆长轴和短轴方向构建直方图用于描述人体形状，最后采用支持向量机识别人体姿态。对于无法准确提取边界框的情况，比如：多人相互咬合或者遮挡，该方法提取的人体形状会发生严重变化，导致姿态识别性能急剧下降。文献“A bio-inspired event-based size and position invariant humanposture recognition algorithm”提出了一种基于简化线段Hausdorff距离的人体姿态识别方法。该方法把视频序列中两个连续的图像帧作为输入，通过比较两帧之间的差异得到活动对象，并将活动对象的轮廓分解为矢量线段。该方法简化了计算，提高了效率，但是无法检测到前后帧之间不动身体部位导致识别的准确率下降。文献“Posture recognitioninvariant to background,cloth textures,body size,and camera distance usingmorphological geometry”利用提取的人体轮廓的长度和宽度识别人体姿态，避免了穿着背景等细节信息的影响。由于人体轮廓长度和宽度只能对粗略的描述人体姿态，因此该方法识别姿态的准确率不高。基于视频特征提取的方法在判断人体姿态之前需要输入视频是对目标进行跟踪拍摄的或者首先通过跟踪算法提取目标的运动过程，导致此类方法很难适用于目标跟踪困难人数较多的复杂场景。