[发明专利]行人步行姿态监测方法及其系统

说明书

本申请涉及行人步姿检测的领域，其具体地公开了一种行人步行姿态监测方法及其系统，其通过卷积神经网络模型提取出行人步行时的监控视频图像帧中对应于髋部节点、左膝节点、右膝节点、左踝节点和右踝节点的各个特征图高维特征分布表示，并利用时序编码器来提取出所述多个时间节点上的左踝和右踝的x轴和z轴加速度，以及左膝节点和右膝节点的x轴角速度在时序维度上的高维关联特征，进一步分别构造出这两个类间的一致性指数以对每个所述特征向量进行加权，这样，就可以通过补偿图像语义目标域与时序参数目标域之间的类偏移，来提高所述特征向量之间的类一致性，从而使得二维排列后的分类特征矩阵的参数映射到统一的类空间内，提高了分类准确性。

技术领域

本发明涉及行人步姿检测的领域，且更为具体地，涉及一种行人步行姿态监测方法及其系统。

背景技术

步行是人类最基本的交通方式，其能够增强人们的心脏血管活力，进而减少心脏血管类疾病的发生，不仅如此，适当地步行还能够增强肌肉的力量，强健腿足、筋足，并能使得关节灵活，促进人体血液循环和新陈代谢。

但是，走路的姿势不好，不仅会导致腿部的肥胖，影响人体的生长发育，还会容易导致行人摔倒，进而引发交通事故威胁到人们的安全。因此，为了对行人的步行姿态是否正确进行监测，期望一种行人步行姿态监测方案。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、语音信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

深度学习以及神经网络的发展为行人的步行姿态监测提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种行人步行姿态监测方法及其系统，其通过卷积神经网络模型提取出行人步行时的监控视频图像帧中对应于髋部节点、左膝节点、右膝节点、左踝节点和右踝节点的各个特征图高维特征分布表示，并利用时序编码器来提取出所述多个时间节点上的左踝和右踝的x轴和z轴加速度，以及左膝节点和右膝节点的x轴角速度在时序维度上的高维关联特征，进一步分别构造出这两个类间的一致性指数以对每个所述特征向量进行加权，这样，就可以通过补偿图像语义目标域与时序参数目标域之间的类偏移，来提高所述特征向量之间的类一致性，从而使得二维排列后的分类特征矩阵的参数映射到统一的类空间内，提高了分类准确性。