[发明专利]大数据金融安防系统行人行为分析方法、系统及机器人

说明书

本发明实施例提供了一种大数据金融安防系统行人行为分析方法、系统及机器人，通过接收行人进入预设区域的一段视频；在所述一段视频中的第一帧图像中选中目标行人；采用卡尔曼滤波在所述多帧图像中跟踪所述目标行人；在每帧图像中获得其他目标与所述目标行人之间的距离；在每帧图像中获得所述目标行人的人体姿态信息和所述其他目标的姿态信息；针对每帧图像，基于所述距离和所述其他目标的姿态信息调整所述目标行人的人体姿态信息，得到所述目标行人调整后的人体姿态信息；根据所述调整后的人体姿态信息预测所述目标行为的行为类别。考虑了目标行人周围的人或者动物对目标行为的下一步行为的影响，提高了行为分析的准确性，计算量少。

本发明专利申请是分案申请,原案的申请号是202010362579.1，申请日是2020年4月30日，发明名称为大数据金融安防系统行人行为分析方法、系统及机器人。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种大数据金融安防系统行人行为分析方法、系统及机器人。

背景技术

现有技术中，对行人、目标行人的行为分析都是基于该行人大量的历史运动数据进行预测得到。但是现实生活中，一个人的行动受到周围环境的影响，例如受到周围人或者动物的影响。因此，仅仅依靠人的历史行为对人的行为进行分析，其分析结果是不准确的。

发明内容

本发明的目的在于提供了一种大数据金融安防系统行人行为分析方法、系统及机器人，用以解决现有技术中的。

第一方面，本发明实施例提供了一种大数据金融安防系统行人行为分析方法，应用于云计算平台，所述方法包括：

接收行人进入预设区域的一段视频，其中所述一段视频包括多帧图像，图像中含有所述行人的图像信息，所述一段视频是在行人进入预设区域的时间拍摄的；

在所述一段视频中的第一帧图像中选中目标行人，所述第一帧图像为所述一段视频中拍摄时间最先的图像；

采用卡尔曼滤波在所述多帧图像中跟踪所述目标行人；在每帧图像中获得其他目标与所述目标行人之间的距离，所述其他目标是所述图像中含有的区别于所述目标行人的人或者动物；

在每帧图像中获得所述目标行人的人体姿态信息和所述其他目标的姿态信息；

针对每帧图像，基于所述距离和所述其他目标的姿态信息调整所述目标行人的人体姿态信息，得到所述目标行人调整后的人体姿态信息；

根据所述调整后的人体姿态信息预测所述目标行为的行为类别。

可选的，人体姿态信息包括人体骨架图；所述在每帧图像中获得所述目标行人的人体姿态信息，包括：

在每帧图像中检测出人体关键点，人体关键点包括两个胯部点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手肘点位、两个手腕点位、两个膝盖点位、两个脚踝点位；

通过线段对一个脚踝点位、一个膝盖点位、一个胯部点位、尾椎点位、另一个胯部点位、另一个膝盖点位、另一个脚踝点位按照顺序进行连线，对尾椎点位、颈部点位、头部点位按照顺序进行连线，对一个手腕点位、一个手肘点位、颈部点位、另一个手腕点位、另一个手肘点位按顺序进行连线，得到人体骨架图；

所述其他目标的姿态信息包括骨架图，所述在每帧图像中获得所述其他目标的姿态信息，包括：

若所述其他目标是人，则所述在每帧图像中获得所述其他目标的姿态信息与所述在每帧图像中获得所述目标行人的人体姿态信息相同，得到的是所述其他目标的人体骨架图，所述其他目标的人体骨架图包含其他目标关键点，所述其他目标关键点包括两个胯部点位、一个尾椎点位、两个肩部点位、一个颈部点位、一个头部点位、两个手肘点位、两个手腕点位、两个膝盖点位、两个脚踝点位；

若所述其他目标是动物，则所述在每帧图像中获得所述其他目标的姿态信息包括：