[发明专利]视频图像的监控方法和装置

权利要求书

1.一种视频图像的监控方法，其特征在于，所述方法包括：

采集工作环境下的视频图像；

创建人体姿态检测模型；

将所述视频图像输入到所述人体姿态检测模型中，得到多个预测关键点；

将所述多个预测关键点输入到支持向量机SVM中，得到分类结果；

根据所述分类结果确定目标对象的姿态；

根据所述目标对象的姿态确定所述目标对象为正常或异常。

2.根据权利要求1所述的视频图像的监控方法，其特征在于，所述创建人体姿态检测模型包括：

对所述视频图像进行标注，得到标注关键点；

将所述视频图像输入到深度学习神经网络算法中，得到关键点热力图；

将所述标注关键点以下采样的方式进行计算，得到训练图像的关键点；

在所述训练图像中，将所述标注关键点以下采样的方式，通过高斯滤波算法将所述训练图像的关键点分布到所述关键点热力图上；

通过损失函数对所述训练图像的关键点和所述预测关键点进行修正，得到第一修正差值；

设定初始化的偏置值，将所述初始化的偏置值通过L1损失函数进行训练，得到偏置值；

当所述偏置值达到第一预设条件时，通过所述偏置值对所述预测关键点进行修正，得到修正后的预测关键点；

当所述第一修正差值满足第二预设条件时，所述训练图像的关键点和所述预测关键点的修正完成，并且根据所述修正后的预测关键点得到所述人体姿态检测模型。

3.根据权利要求2所述的视频图像的监控方法，其特征在于，所述方法还包括：

根据所述视频图像确定所述目标对象的形体；

根据所述目标对象的形体，得到多个中心点；

根据所述多个中心点的姿态，对每个预测关键点进行参数化，得到所述每个预测关键点相对于所述中心点的偏移；

将所述每个预测关键点相对于所述中心点的偏移，通过所述L1损失函数计算得到所述每个预测关键点的偏移。

4.根据权利要求3所述的视频图像的监控方法，其特征在于，所述方法还包括：

从所述多个中心点中选取满足第三预设条件的多个样本点，其中，每个样本点对应所述多个预测关键点；

根据所述每个样本点和所述每个样本点对应的所述多个预测关键点构建多个组合；

计算每个组合对应的置信度；

如果所述置信度等于1，则将所述组合确定为所述视频图像中的所述目标对象；

如果所述置信度等于0，则将所述组合确定为所述视频图像中的背景。

5.根据权利要求4所述的视频图像的监控方法，其特征在于，所述从所述多个中心点中选取满足第三预设条件的多个样本点包括，重复执行以下处理，直至每个中心点均被遍历：

从所述多个中心点中选取任意中心点作为当前中心点；

如果所述当前中心点的值大于或等于与所述当前中心点相邻的其他中心点的值，则将所述当前中心点作为所述样本点。

6.一种视频图像的监控装置，其特征在于，所述装置包括：摄像头、CPU、AI处理器、报警灯和扬声器，所述摄像头、所述AI处理器、所述报警灯和所述扬声器分别与所述CPU相连接；

所述摄像头，用于采集工作环境下的视频图像；

所述AI处理器，用于创建人体姿态检测模型；将所述视频图像输入到所述人体姿态检测模型中，得到多个预测关键点；将所述多个预测关键点输入到支持向量机SVM中，得到分类结果；根据所述分类结果确定目标对象的姿态；根据所述目标对象的姿态确定所述目标对象为正常或异常；在所述目标对象为异常的情况下，向所述CPU发送异常提醒信息；

所述CPU，用于根据所述异常提醒信息控制所述报警灯闪烁和/或所述扬声器进行语音提示。

7.根据权利要求6所述的视频图像的监控装置，其特征在于，还包括通信模块；

所述通信模块，与所述CPU相连接，用于将所述异常提醒信息发送给远程控制系统。