[发明专利]基于云边协同计算的姿态分析方法及装置

说明书

本发明公开了一种基于云边协同计算的姿态分析方法及装置，所述方法包括：接收来自所述边缘端的第一姿态和原始数据，所述第一姿态通过所述边缘端对所述原始数据进行估计得到；估计所述原始数据中人体的第二姿态，并将所述第二姿态与所述第一姿态融合得到最终姿态。本发明基于云边协同，多阶段人体姿态估计，在边缘端较快的进行初步姿态估计，之后在云服务端完成精确姿态估计；最后对两次估计的结果进行数据融合，得到最终结果，可在保证识别精度的情况下，快速的进行轨道交通运维人员姿态识别。

技术领域

本发明涉及行为分析识别技术领域，具体的说，涉及一种基于云边协同计算的姿态分析方法及装置。

背景技术

在轨道交通运维工作中，机车司机、行车室值班人员、调车人员等关键岗位发挥着至关重要的作用，这些岗位人员的规范行为对轨道交通运行安全保障起着重要作用。

随着人工智能技术的广泛应用，利用深度学习对视频图像分析已成为目前的主流解决方案，通常轨道交通中对于人员规范行为的分析与识别采用方式如下：

首先对采集视频进行人体姿态检测，然后对检测出的姿态进行姿态分类，最后通过滑动窗口，融合一段时间的检测结果输出最后的判别结果，避免出现单次误报。

上述所有的计算均在一个设备上进行。上述方式中存在的主要问题是：(1)精度不够高。在轨道交通运维实际应用的场景中，人体姿态检测识别存在许多的挑战，例如：自我遮挡，过于复杂的人体姿态，同一帧图像里面不同人的服装相似，同一人的肢体相似，有的图片仅出现一半人体等情况均会影响姿态检测与识别的精度。(2)识别时间过长。因为单设备算力有限，所有的计算在一个设备上进行会使得识别时间过长。

发明内容

本发明提供了一种基于云边协同计算的姿态分析方法及装置，以解决现有技术中存在的识别精度低，识别时间过长等问题。

本发明的具体技术方案如下：

根据本发明的第一技术方案，提供一种基于云边协同计算的姿态分析方法，所述方法包括：接收来自所述边缘端的第一姿态和原始数据，所述第一姿态通过所述边缘端对所述原始数据进行估计得到；估计所述原始数据中人体的第二姿态，并将所述第二姿态与所述第一姿态融合得到最终姿态。

根据本发明的第二技术方案，提供一种基于云边协同计算的姿态分析装置，所述装置包括云端和边缘端，所述云端与所述边缘端信号连接；所述边缘端，配置为基于原始数据，估计人体在当前时间的第一姿态，并将所述第一姿态和所述原始数据上传至云端；所述云端，配置为接收来自所述边缘端的第一姿态和所述原始数据，估计所述原始数据中人体的第二姿态，并将所述第二姿态与所述第一姿态融合得到最终姿态。

根据本发明各个实施例公开的一种基于云边协同计算的姿态分析方法及装置，基于云边协同，多阶段人体姿态估计，在边缘端较快的进行初步姿态估计，之后在云服务端完成精确姿态估计；最后对两次估计的结果进行数据融合，得到最终结果，可在保证识别精度的情况下，快速的进行轨道交通运维人员姿态识别。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1示出了根据本发明实施例的一种基于云边协同计算的姿态分析方法的流程图。

图2示出了根据本发明实施例的云边协同数据融合示意图。

图3示出了根据本发明实施例的一种基于云边协同计算的姿态分析方法的流程图。

图4示出了根据本发明实施例的一种构建预设数据库的流程图。

图5示出了ASF人体骨架模型结构图。