[发明专利]基于人体骨骼识别和多角度转换的在岗监测方法及系统

说明书

本发明公开了一种基于人体骨骼识别和多角度转换的在岗监测方法及系统，包括：提取视频图像中的肩节点、胯节点和尾骨节点，根据肩节点和胯节点的连接线角度，以及胯节点和尾骨节点距离筛选非正面投影图和非平行投影图；根据横向角度转换方法和纵向距离转换方法分别将非正面投影图和非平行投影图转换为正面投影图；根据对正面投影图提取的骨骼特征采用预训练的姿态识别模型识别得到对应的在岗姿态。通过范围平滑算法将视频图像的非正面投影图或非平行投影图转换为正面投影图，从算法层面提高视频图像的检测精度，实现更准确的姿势评估，降低实时在岗监测系统对专业设备的依赖。

技术领域

本发明涉及智能在岗监测技术领域，特别是涉及一种基于人体骨骼识别和多角度转换的在岗监测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

近年来，随着监视电子设备在各个领域的不断普及，需要对大量监视视频和图像进行有效处理；同时如银行、证券交易所或其他一些营业所需要了解员工的出勤率，需要对员工准时到达或随意离值进行监控，以便对员工的出勤情况进行准确的评估；除此之外，在一些场景中常常由于人员的擅自离岗，导致无法及时发现视频监控区域内事故的发生，从而不能及时有效的处理事故问题，造成较大损失和安全问题。因此，对于这些场景，需要对人员在岗情况进行实时监控。

传统的监视查岗的方法大多需要员工观看摄像头以完成监测，但是这种监测方法效率太低、也无法保证准确度，当缺岗、换班或者值班出现瞌睡时，就会发生漏检或误报的情况；此外，这种方法需要配备大量的摄像头，且监控画面复杂，不利于在岗的实时监测。

因此，基于计算机视觉的智能在岗监测方法具备更多的优势，如无须专门的监测人员，可以实现24小时实时监测，更加智能等；然而，发明人发现，基于计算机视觉的智能在岗监测方法同样存在着以下缺陷：

(1)基于二进制流媒体协议获取视频图像的方式采集效率低；

(2)基于传统ffmpeg技术或第三方框架获取视频图像的方式，容易发生丢包问题，且在网络经常波动的场景下，视频图像容易花屏；

(3)基于采集的原生图像进行图像识别，由于图片数据庞大，对服务性能要求太高，图片数据处理效率低下；

(4)在摄像头多角度的情况下，由于角度问题导致的姿态评估错误；

(5)需要大量专业的设备支撑，成本高且难以普及。

发明内容

为了解决上述问题，本发明提出了一种基于人体骨骼识别和多角度转换的在岗监测方法及系统，通过范围平滑算法将视频图像的非正面投影图或非平行投影图转换为正面投影图，从算法层面提高视频图像的检测精度，实现更准确的姿势评估，降低实时在岗监测系统对专业设备的依赖。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种基于人体骨骼识别和多角度转换的在岗监测方法，包括：

提取视频图像中的肩节点、胯节点和尾骨节点，根据肩节点和胯节点的连接线角度，以及胯节点和尾骨节点距离筛选非正面投影图和非平行投影图；

根据横向角度转换方法和纵向距离转换方法分别将非正面投影图和非平行投影图转换为正面投影图；

根据对正面投影图提取的骨骼特征采用预训练的姿态识别模型识别得到对应的在岗姿态。

第二方面，本发明提供一种基于人体骨骼识别和多角度转换的在岗监测系统，包括：

图像处理模块，用于提取视频图像中的肩节点、胯节点和尾骨节点，根据肩节点和胯节点的连接线角度，以及胯节点和尾骨节点距离筛选非正面投影图和非平行投影图；