[发明专利]一种目标对象的行为分析方法、装置、电子设备及存储介质

权利要求书

1.一种目标对象的行为分析方法，其特征在于，所述方法包括：

通过毫米波雷达监测进入目标区域的目标对象，获取目标轨迹信息；

根据所述目标轨迹信息对摄像机进行配置，以利用所述摄像机捕捉动态目标对象，得到连续的帧图片；

通过所述连续的帧图片描绘目标对象姿态图片；

对所述目标对象姿态图片进行连续的动态识别分析和动作预测，以分析出所述目标对象的真实行为。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

对所述目标对象的真实行为进行判断，以确定所述真实行为是否为危险行为。

3.如权利要求1所述的方法，其特征在于，所述目标区域包括布防区域、预警区域和报警区域；

在对所述目标对象的真实行为进行判断之后，还包括：

若所述真实行为判定为正常行为，且所述目标对象位于所述布防区域和/预警区域，则对所述目标对象进行提示，以避免所述目标对象误入所述报警区域；

若所述真实行为判定为危险行为，且所述目标对象位于所述预警区域和/报警区域，则根据预设策略进行报警。

4.如权利要求1所述的方法，其特征在于，所述目标轨迹信息包括目标坐标、目标速度、目标角度、目标距离。

5.如权利要求1所述的方法，其特征在于，根据所述目标轨迹信息对摄像机进行配置，包括：

根据所述目标轨迹信息对所述摄像机的PTZ值进行配置。

6.如权利要求1所述的方法，其特征在于，在所述摄像机捕捉动态目标对象时，所述目标对象处于所述摄像机的监控图像中心的预设距离范围内。

7.如权利要求5或6所述的方法，其特征在于，所述摄像机为360度旋转的高清夜视球机。

8.如权利要求1所述的方法，其特征在于，通过所述连续的帧图片描绘目标对象姿态图片，包括：

采用对象姿态识别算法对所述连续的帧图片进行算法处理；

根据算法处理结果得到所述目标对象姿态图片。

9.如权利要求8所述的方法，其特征在于，采用对象姿态识别算法对所述连续的帧图片进行算法处理，包括：

通过卷积神经网络提取所述连续的帧图片的特征图；

根据所述特征图进行目标对象骨骼关键点标记和连线，得到目标对象整体骨架的点线图；

根据算法处理结果得到所述目标对象姿态图片，包括：

根据所述目标对象整体骨架的点线图描绘出所述目标对象姿态图片。

10.如权利要求1所述的方法，其特征在于，对所述目标对象姿态图片进行连续的动态识别分析和动作预测，以分析出所述目标对象的真实行为，包括：

将获得的所述目标对象姿态图片连续的输入机器学习算法中；

采用卷积神经网络从连续输入的所述目标对象姿态图片中提取出关键特征点；

计算所述关键特征点的核心特征向量；

利用所述核心特征向量观察预设时间范围内所述关键特征点的位置变化，以根据所述位置变化分析所述目标对象的真实行为。

11.如权利要求10所述的方法，其特征在于，所述卷积神经网络是通过对多个人体姿态图片的深度学习得到的特征模型，所述特征模型包括人体骨骼、人脸表情、动作和姿态特征模型。

12.如权利要求10所述的方法，其特征在于，所述关键特征点包括人体上具有自由度的关节。

13.如权利要求12所述的方法，其特征在于，所述关节包括颈、肩、肘、腕、腰、膝、踝。