[发明专利]一种人员转椅检测方法及其系统

说明书

本发明公开了一种人员转椅检测方法及其系统，包括：获取检测图像；获取预训练的神经网络模型，将所述检测图像逐帧输入所述神经网络模型生成人体检测框信息、人体关键点的坐标信息；对所述坐标信息的x轴数据进行滤波生成滤波x轴数据，并基于所述滤波x轴数据及其对应的图像帧的时间信息生成移动曲线；对所述滤波x轴数据进行归一化处理并构建标准余弦曲线；基于所述移动曲线和所述标准余弦曲线进行相似度计算并生成检测结果。

技术领域

本发明涉及图像检测技术领域，具体涉及一种人员转椅检测方法及其系统。

背景技术

目前，大多数企业的对外服务岗位（例如：银行、事业单位、保险公司等），存在不允许员工坐在转椅上转来转去等有失礼仪的行为的规定，因此，需要对员工的行为进行实时检测。

但是传统的深度学习网络是基于动作识别模型进行识别的，受限于训练集的素材不足、泛化性不够、实际应用场景不同等因素的影响，会导致深度学习网络的动作识别准确度较低或者说可靠性较差。

综上所述，现有的人员转椅检测方法存在准确率低的问题。

发明内容

有鉴于此，本发明提供一种人员转椅检测方法及其系统，通过改进人员转椅的数据提取及处理方法，解决了传统的人员转椅检测方法存在的准确率低的问题。

为解决以上问题，本发明的技术方案为采用一种人员转椅检测方法，包括：获取检测图像；获取预训练的神经网络模型，将所述检测图像逐帧输入所述神经网络模型生成人体检测框信息、人体关键点的坐标信息；对所述坐标信息的x轴数据进行滤波生成滤波x轴数据，并基于所述滤波x轴数据及其对应的图像帧的时间信息生成移动曲线；对所述滤波x轴数据进行归一化处理并构建标准余弦曲线；基于所述移动曲线和所述标准余弦曲线进行相似度计算并生成检测结果。

可选地，将所述检测图像逐帧输入所述神经网络模型生成人体关键点的坐标信息，包括：基于所述神经网络模型预测生成所述检测图像中的人体检测框信息和关键点坐标；将所述人体检测框信息中包含的检测框左下角坐标更新为坐标系原点，建立人体目标框坐标系；基于更新后的所述人体检测框信息（x，y，w，h）与预设矩形区域进行仿射变换，生成仿射矩阵；所述关键点坐标通过所述仿射矩阵生成所述人体关键点的坐标信息。

可选地，对所述坐标信息的x轴数据进行滤波时所使用的滤波方法为卡尔曼滤波。

可选地，对所述滤波x轴数据进行归一化处理并构建标准余弦曲线包括：提取滤波后的x轴数据的单位图像采集周期；提取滤波后的x轴数据在单位图像采集周期内的波峰与波谷；基于所述单位图像采集周期、所述波峰与波谷生成所述标准余弦曲线。

可选地，训练所述神经网络模型，包括：构建初始化网络模型，其中，网络模型包括语义分割模型；获取包含多类别标记的图像样本构成的训练数据集和测试数据集，其中，标记类别包括人体检测框、人体关键点；基于所述训练数据集和所述测试数据集训练并测试所述神经网络模型。

可选地，基于所述移动曲线和所述标准余弦曲线进行相似度计算并生成检测结果，包括：基于所述移动曲线和所述标准余弦曲线进行皮尔森相似度计算并生成相似度值；若所述相似度值高于预设阈值则生成转椅检测结果，若所述相似度值不高于预设阈值则生成未转椅检测结果。

可选地，所述人体关键点为人体双肩点、人体左肩点、人体右肩点中的任意一点。

相应地，本发明提供，一种人员转椅检测系统，包括：摄像单元，用于采集检测图像；数据处理单元，用于获取预训练的神经网络模型，将所述检测图像逐帧输入所述神经网络模型生成人体检测框信息、人体关键点的坐标信息后，对所述坐标信息的x轴数据进行滤波生成滤波x轴数据，并基于所述滤波x轴数据及其对应的图像帧的时间信息生成移动曲线，对所述滤波x轴数据进行归一化处理并构建标准余弦曲线，基于所述移动曲线和所述标准余弦曲线进行相似度计算并生成检测结果。