一种基于深度学习的手部检测与数据存储的AI识别系统的制作方法

一种基于深度学习的手部检测与数据存储的ai识别系统
技术领域
1.本发明涉及ai识别系统技术领域，具体是指一种基于深度学习的手部检测与数据存储的ai识别系统。


背景技术：

2.人工智能大时代背景下，视频应用领域相关的行业应用方式已经发生了深刻的变化，各论安防监控还是各类垂直行业视频应用，都需要ai视觉分析与识别技术助力，而且需求广泛而迫切。在应用层面，以ai分析识别技术为核心，集传统视频监控和行业相应传感器/预警等设备一并接入管理并相互联动的一体化综合管理成了刚性应用需求，由此，深圳融合永道科技有限公司早在2012年就已以此方向，研发新一代ai智能视频一体化平台软件，深挖行业需求，响应时代号角，向ai领域进军。
3.第一次交互技术变革让人们将设备控制集中在了一个遥控器上，第二次交互变革，手机成为了万物连接的入口，第三次交互变革，隔空手势交互逐渐成为发展趋势。长期以来，手势识别被认为是一种可以提供更自然、更有创意和更直观的与我们的计算机进行通信的交互方案，在人机交互中使用手势控制是一个市场需求广范的研究领域。市场需要一种跨越人机障碍的新技术，最终目标是以人为本，把人类个体本身作为交互中心，使得人机交互变得人性化，智能化。
4.目前大多数食堂对操作人员的行为仅仅以“明厨亮灶”来监管操作人员，然后再专人对该视频流进行查看，检查是否有违规现象，当视频流过多时导致无法有效的对该人员的手部行为及时进行预警，而且目前的ai识别系统无法自主的深度学习，无法对人体的手部进行检测和预测，对人手无法识别，


技术实现要素：

5.本发明要解决上述技术问题，提供一种基于深度学习的手部检测与数据存储的ai识别系统。
6.为解决上述技术问题，本发明提供的技术方案为：
7.一种基于深度学习的手部检测与数据存储的ai识别系统，包括ai识别系统和手势识别系统，所述的ai识别系统包括数据存储、数据对比、数据预测、ai智能学习、目标检测系统和报警系统，所述的手部检测与数据存储的ai识别系统的步骤如下：
8.s1：视频采集，经过摄像头对手部进行拍摄采集；
9.s2：图像输入，对s1中的视频进行分帧处理，把视频分成一帧一帧的图片，得到的视频截取帧图片；
10.s3：图像处理，对s2中一帧一帧的图片进行处理；
11.s4：目标检测系统，对s3中的图片进行手部检测和传输至目标检测系统进行手部区域检测，把手部分别为21个检测点，对手部关键点进行检测，通过深度学习对手势识别系统，在记录在ai智能学习中和输出至数据对比中；
12.s5：手势预测，经过ai智能学习预测手势的动作，在和图像处理的后一帧图片进行数据对比，通过手势识别系统对得到的关键点信息进行分析预测得出结论，手势预测的数据再次上传至ai识别系统的数据存储中保存并上传云平台；
13.s6：报警系统，数据对比的数据出现异常，触发报警系统进行报警。
14.采用以上结构后，本发明具有如下优点：
15.本发明通过对手部关键点进行检测，通过深度学习对手势识别系统的进一步学习，在记录在ai智能学习中和输出至数据对比中，对人体的手部进行检测和预测，无需专人对该视频流进行查看，检查是否有违规现象，省时省力，同时设有报警系统，可及时的上传云台进行记录和报警处理。
16.作为改进，所述的图像处理包括确定片区和降噪处理。
17.作为改进，所述的步骤s4中的21个检测点为19个手指关节点和2个手中的检测点。
18.作为改进，所述的确定片区为确定手部的区域。
附图说明
19.图1是本发明一种基于深度学习的手部检测与数据存储的ai识别系统的流程图。
20.图2是本发明一种基于深度学习的手部检测与数据存储的ai识别系统的检测点的示意图。
具体实施方式
21.下面结合附图对本发明做进一步的详细说明。
22.结合附图1和图2，一种基于深度学习的手部检测与数据存储的ai识别系统，包括ai识别系统和手势识别系统，所述的ai识别系统包括数据存储、数据对比、数据预测、ai智能学习、目标检测系统和报警系统，所述的手部检测与数据存储的ai识别系统的步骤如下：
23.s1：视频采集，经过摄像头对手部进行拍摄采集；
24.s2：图像输入，对s1中的视频进行分帧处理，把视频分成一帧一帧的图片；
25.s3：图像处理，对s2中一帧一帧的图片进行处理；
26.s4：目标检测系统，对s3中的图片进行手部检测和传输至目标检测系统进行手部区域检测，把手部分别为21个检测点，对手部关键点进行检测，通过深度学习对手势识别系统，在记录在ai智能学习中和输出至数据对比中；
27.s5：手势预测，经过ai智能学习预测手势的动作，在和图像处理的后一帧图片进行数据对比，手势预测的数据再次上传至ai识别系统的数据存储中保存并上传云平台；
28.s6：报警系统，数据对比的数据出现异常，触发报警系统进行报警，报警系统通过无线和有限上传至云平台，把数据存储在云平台，同时通过通过4g/wifi网络进行通话，给负责的人员报警并上传照片或视频。
29.所述的图像处理包括确定片区和降噪处理，通过图像分割把图片分割成一个一个区域，然后选定并确定手部的区域，对确定手部的区域进行图像降噪处理。
30.所述的步骤s4中的21个检测点为19个手指关节点和2个手中的检测点，人手可根据手指关节点分为19个手指关节点，21个手指关节点中的19个手指关节点分散至手指处，汇总在手臂一点，如图2所示，检测手部的方位。
31.所述的确定片区为确定手部的区域。
32.实施例一：
33.s1：视频采集，经过摄像头对手部进行拍摄采集，摄像头可360度的对人体进行摄像；
34.s2：图像输入，对s1中的视频进行分帧处理，把视频分成一帧一帧的图片，前一帧和后一帧的图片，分别输入至图像处理；
35.s3：图像处理，对s2中一帧一帧的图片进行处理，通过图像分割把图片分割成一个一个区域，然后选定并确定手部的区域，对确定手部的区域进行图像降噪处理，
36.s4：目标检测系统，对s3中的图片进行手部检测和传输至目标检测系统进行手部区域检测，把手部分别为21个检测点，对手部关键点进行检测，通过深度学习对手势识别系统，在记录在ai智能学习中和输出至数据对比中；
37.s5：手势预测，经过ai智能学习预测手势的动作，在和图像处理的后一帧图片进行数据对比，手势预测的数据再次上传至ai识别系统的数据存储中并保存；
38.s6：报警系统，数据对比的数据，如无异常，不会触发报警系统进行报警，视频和照片会时时通过无线和有限上传至云平台，把数据存储在云平台。
39.实施例二：
40.s1：视频采集，经过摄像头对手部进行拍摄采集，摄像头可360度的对人体进行摄像；
41.s2：图像输入，对s1中的视频进行分帧处理，把视频分成一帧一帧的图片，前一帧和后一帧的图片，分别输入至图像处理；
42.s3：图像处理，对s2中一帧一帧的图片进行处理，通过图像分割把图片分割成一个一个区域，然后选定并确定手部的区域，对确定手部的区域进行图像降噪处理，
43.s4：目标检测系统，对s3中的图片进行手部检测和传输至目标检测系统进行手部区域检测，把手部分别为21个检测点，对手部关键点进行检测，通过深度学习对手势识别系统，在记录在ai智能学习中和输出至数据对比中；
44.s5：手势预测，经过ai智能学习预测手势的动作，在和图像处理的后一帧图片进行数据对比，手势预测的数据再次上传至ai识别系统的数据存储中并保存；
45.s6：报警系统，数据对比的数据出现异常，触发报警系统进行报警，报警系统通过无线上传至云平台，把数据存储在云平台，同时通过通过4g/wifi网络进行通话，给负责的人员报警并上传照片或视频。
46.以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。