[发明专利]一种人体行为实时识别方法、系统、装置及存储介质

说明书

本发明公开了一种人体行为实时识别方法、系统、装置及存储介质，该方法包括通过双目摄像头获取第一图像，第一图像为包含人体的RGB图像；利用YOLOv3网络模型对第一图像进行处理，得到人体框图像；将人体框图像输入AlphaPose网络模型，得到多个人体骨骼点；将多个人体骨骼点输入行为识别网络进行识别，得到行为类别结果，行为类别包括摔倒、坐着、站着和行走行为；本发明使用双目摄像头进获取人体的RGB图像，利用YOLOv3网络模型对该图像进行处理，可得到人体框图像，不需要人体的时序信息，就能够保证较高的实时性和准确度率；解决了行为识别方法中实时性与准确性难以相容的难题。本发明可广泛应用于人体行为识别技术领域。

技术领域

本发明涉及人体行为识别技术领域，尤其是一种人体行为实时识别方法、系统、装置及存储介质。

背景技术

行为检测是当前社会亟待解决的一大问题，在居家机器人中，对人体的行为识别和异常行为报警是相当重要的模块，如何高效准确的对人体行为进行识别检测并且对异常行为进行发出警报是一个值得关注的问题。

随着人口老龄化的加剧，对养老服务的周边需求越来越强烈。每年记录的三十五万例髋部骨折中，约有90％是跌倒导致的，并且只有1/4的髋部骨折患者完全康复，50岁以上的患者中约有1/4在受伤后一年内死亡。在老人跌倒后快速发现及时送医是很有必要的。越来越多家庭护理者和养老机构都意识到了能够实时监控老人摔倒的重要性。在视频监控中，自动跌倒检测对于保护弱势群体(例如老年人)是非常重要的。

近年来，随着深度学习的快速发展，行为识别算法也有了很大进步。当前的行为识别大多使用目标检测，加上多目标跟踪；姿态估计和行为识别的算法需要使用时序信息，难以满足机器人行为识别的实时性要求。常见的单纯判断摔倒的算法也是由基于SVM的识别方法使用角速度等信息进行判断，准确性不高。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种人体行为实时识别方法、系统、装置及存储介质。

本发明所采取的技术方案是：

一方面，本发明实施例包括一种人体行为实时识别方法，包括：

通过双目摄像头获取第一图像，所述第一图像为包含人体的RGB图像；

利用YOLOv3网络模型对所述第一图像进行处理，得到人体框图像；

将所述人体框图像输入AlphaPose网络模型，得到多个人体骨骼点；

将多个所述人体骨骼点输入行为识别网络进行识别，得到行为类别结果，所述行为类别包括摔倒、坐着、站着和行走行为。

进一步地，所述利用YOLOv3网络模型对所述第一图像进行处理，得到人体框图像之后，所述方法还包括：

根据所述人体框图像，获取人体框中心点坐标；

根据所述人体框中心点坐标，获取人体空间位置坐标；

根据所述人体空间位置坐标，判断人体位置是否位于地上。

进一步地，所述根据所述人体空间位置坐标，判断人体位置是否位于地上这一步骤，包括：

根据所述人体空间位置坐标，计算第一高度，所述第一高度为人体距离地面的高度；

若所述第一高度小于第一阈值，确定人体位置是位于地上。

进一步地，所述第一高度通过以下公式计算得到：

式中，h表示第一高度，hc表示双目摄像头距离地面的距离，d表示人体距离双目摄像头的距离，其中，(x,y,z)表示人体空间位置坐标，a表示双目摄像头在竖直方向上的倾斜角度。