一種基于三維深度視覺的致險(xiǎn)行為時(shí)空特征獲取與識(shí)別方法

基本信息

申請(qǐng)?zhí)?/td> CN202011467738.0 申請(qǐng)日 -
公開（公告）號(hào) CN114694240A 公開（公告）日 2022-07-01
申請(qǐng)公布號(hào) CN114694240A 申請(qǐng)公布日 2022-07-01
分類號(hào) G06V40/20（2022.01）I;G06V20/40（2022.01）I;G06V10/774（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 孫毅鋒;劉庭煜 申請(qǐng)（專利權(quán)）人 南京理工大學(xué)
代理機(jī)構(gòu) 南京理工大學(xué)專利中心 代理人 -
地址 210094江蘇省南京市孝陵衛(wèi)200號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于三維深度視覺的致險(xiǎn)行為時(shí)空特征獲取與識(shí)別方法，所述方法包括以下步驟：步驟1：針對(duì)需對(duì)致險(xiǎn)行為進(jìn)行監(jiān)控的區(qū)域，構(gòu)建視覺傳感網(wǎng)絡(luò)，經(jīng)過信息采集通過人體姿態(tài)估計(jì)算法獲得行為人各行為的骨架關(guān)節(jié)點(diǎn)坐標(biāo)信息；步驟2：對(duì)骨架關(guān)節(jié)點(diǎn)坐標(biāo)信息進(jìn)行預(yù)處理；步驟3：基于深度學(xué)習(xí)設(shè)計(jì)致險(xiǎn)行為在線時(shí)空特征獲取與識(shí)別模型；步驟4：構(gòu)建深度學(xué)習(xí)模型，聯(lián)合分類回歸模塊損失函數(shù)對(duì)模型進(jìn)行訓(xùn)練；步驟5：使用深度傳感器實(shí)時(shí)采集行為人骨架數(shù)據(jù)，并將數(shù)據(jù)流輸出至深度學(xué)習(xí)模型中進(jìn)行識(shí)別，并將識(shí)別結(jié)果存儲(chǔ)至數(shù)據(jù)庫中。本發(fā)明能夠?qū)崿F(xiàn)無需安全管理行為人的參與，即可識(shí)別預(yù)定義的行為類別，以實(shí)現(xiàn)實(shí)時(shí)智能監(jiān)控。