申请/专利权人：北京航空航天大学

申请日：2022-11-10

公开（公告）日：2023-01-13

公开（公告）号：CN115601841A

主分类号：G06V40/20

分类号：G06V40/20;G06V20/40;G06V10/82;G06V10/74

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.02.07#实质审查的生效;2023.01.13#公开

摘要：本发明公开了一种联合外观纹理和运动骨架的人体异常行为检测方法，属于计算机视觉领域；首先，将原始视频等间隔划分，分别提取各帧内人体外观关键区域和每个人体的骨架关键点；计算所有人体的全局运动轨迹；然后，使用基于STGAT，预测未来帧中各人体骨架关键点的轨迹；针对每个人体，利用DFE将预测的骨架关键点转化为密集流热图作为指导信息，输入CGAN，生成对应骨架关键点姿态的人体外观关键区域；此外，利用逐像素分析法对外观关键区域的背景偏差进行消除以提高精度；最后，将每个人体的骨架关键点预测值和外观关键区域生成值，与对应的标签值计算误差，进行加权求和得到异常分数。本发明有效降低了虚警率，实现快速有效的视频异常检测。

主权项：1.一种联合外观纹理和运动骨架的人体异常行为检测方法，其特征在于，具体步骤如下：步骤一、针对包含待测人体行为的原始视频数据，将其等间隔分为若干片段；步骤二、针对每个片段中的所有独立视频帧，使用目标检测算法提取各帧内的所有人体外观关键区域；步骤三、针对每个片段，使用多目标跟踪算法计算该片段内所有人体的全局运动轨迹；步骤四、使用姿态检测算法提取所有人体关键区域内的2D骨架关键点；步骤五、利用各片段内所有人体的全局运动轨迹，结合各人体的骨架关键点，基于多尺度注意力机制的时空图注意力网络STGAT，预测未来帧中该片段内各人体骨架关键点的轨迹；步骤六、针对每个人体，利用密集流估计器DFE将预测的未来帧中骨架关键点转化为密集流热图作为指导信息，输入条件生成对抗网络CGAN，生成对应骨架关键点姿态的人体外观关键区域；密集流估计器DFE和条件生成对抗网络CGAN，共同组成密集流条件生成对抗网络DFCGAN；步骤七、针对每帧图像中每个人体，使用两个异常值判断模块将骨架关键点预测值和外观关键区域生成值作为输入，与对应的标签值计算误差，得到两类异常分数，并进行加权求和得到最终异常分数；步骤八、以二分类的方式对最终异常分数进行异常行为检测，即区分数据集内特定片段中分别包含异常和正常的时长，从而得到异常行为的人体。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种联合外观纹理和运动骨架的人体异常行为检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD