[发明专利]一种基于姿态流的打架行为识别方法

说明书

一种基于姿态流的打架行为识别方法,通过7个步骤对打架行为进行智能识别。该基于姿态流的打架行为识别方法首先采用基于深度学习的人体关键点检测算法得到人体关键点序列，结合传统图像算法对人体进行跟踪，通过对视频流连续帧中的人体姿态队列进行逻辑分析，判断是否存在打架行为。该基于姿态流的打架行为识别方法能够避免因单帧图像误检导致的误报或者漏报，而且本发明的识别方法无需再收集样本训练打架模型，从而能更高效地识别打架行为。

技术领域

本发明涉及公共安全管理技术领域，特别涉及一种基于姿态流的打架行为识别方法。

背景技术

为了高效应对公共安全事故，及时处理突发事件，降低犯罪率，各个城市的管理者都加大平安城市建设力度。打架是属于扰乱公共秩序的一种行为，打架斗殴有可能涉嫌犯聚众斗殴罪或寻衅滋事罪。

目前对一些公共场所的安全监控，例如工地、小区、学校、监狱，一般通过设置多个监控系统，人工长时间对监视画面进行监控，当画面出现异常，出现打架行为时通过报警装置进行报警来对此进行制止。这种方法，不仅带来了较大人工成本，而且当人员短暂离岗，或人员睡岗时，也会导致打架行为的漏报，带来极大的安全隐患。

因此，针对现有技术不足，提供一种基于姿态流的打架行为识别方法以解决现有技术不足甚为必要。

发明内容

本发明其中一个的目的在于避免现有技术的不足之处而提供一种基于姿态流的打架行为识别方法。该基于姿态流的打架行为识别方法通过降低人工视频监控的依赖，还能减少因人员离岗睡岗导致的安全隐患。

本发明的上述目的通过以下技术措施实现：

提供一种基于姿态流的打架行为识别方法,包括有如下步骤：

步骤一、实时采集区域内的视频流数据，并对视频流数据进行实时解析得到图像；

步骤二、根据关键点检测算法模型对步骤一通过实时解析得到的图像判断当前帧图像是否存在人员，存在人员的图像对应得到人体关键点信息，根据人体关键点信息及根据角点检测算法模型对图像进行跟踪，得到图像中人员对应的人形ID；

步骤三、计算当前帧与相邻前一帧的图像中同一人形ID的上肢关键点的变化，得到角度变化和；然后保存各人形ID的角度变化和，得到多帧图像的角度变化和队列；最后累计同一人形ID的角度变化和队列中的角度变化和，将该累计值定义为运动剧烈程度指标；

步骤四、判断在当前帧图像中是否存在两个以上人形ID，如是则进入步骤五，如否则返回步骤一；

步骤五、对当前帧图像中每两个人形ID进行交叠判断，当大于交叠阈值时进入步骤六，否则返回步骤一；

步骤六、判断两个人形ID在步骤三得到的运动剧烈程度指标的大小，当两个人形ID运动剧烈程度指标大于运动剧烈阈值时进入步骤七，否则返回步骤一；

步骤七、输出打架告警，并返回步骤一。

优选的，上述步骤二包括有：

步骤2.1、将步骤一通过实时解析得到的图像按时间先后依次排序，选择自起点方向起始图像，并将起始图像定义为图像t₀；

步骤2.2、将图像t₀输入关键点检测算法模型，判断是否存在人员，当没有存在人员时则进入步骤2.7，当图像中存在人员时对应得到人体关键点信息，将该图像定义为图像进入步骤2.3；

步骤2.3、计算图像t₀中的每个人的人体关键点，并得到对应的关键点最大外接矩形及对应的关键点框，将关键点最大外接矩形定义为人形框；