基于人体关节子节段的行人掉头异常行为识别方法及装置

本发明涉及人群流动稳定性分析，尤其是涉及一种基于人体关节子节段的行人掉头异常行为识别方法及装置。

背景技术：

1、近年来，公共场所配置网络监控摄像机覆盖率提升，视频和图像资源信息丰富，计算机视觉的人体行为识别技术也得到充分发展与广泛应用。国外学者对于人群疏散和突发事件的研究在上世纪初就已经开始，从最初的危机管理体系、行人组织特性的研究逐渐过渡到行人群流动理论、群体疏散行为和模型、行人行为仿真模拟的研究，已经形成了一个初步地、比较全面系统的研究体系。

2、但目前有关行人异常掉头行为的研究尚存在若干不足：1)目前，针对行人异常掉头行为的识别研究大多面相事故发生后的原因分析，针对事故发生前的预测性分析缺少相关研究。2)现有的基于机器视觉的人群稳定性相关研究大多着眼于图像视频信息中提取出的人群流量或密度信息，通过视频图像数据提取力、速度或加速度等动力学特征进行稳定性分析的较少。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种可靠性高的基于人体关节子节段的行人掉头异常行为识别方法及装置。

2、本发明的目的可以通过以下技术方案来实现：

3、一种基于人体关节子节段的行人掉头异常行为识别方法，包括以下步骤：

4、获取待识别图像帧，构建基于图像的关节子节段模型；

5、基于所述关节子节段模型，提取各图像帧中识别对象的动力学特征；

6、根据预设的行人掉头异常判据和所述动力学特征，获取行人掉头异常行为识别结果。

7、进一步地，所述关节子节段模型的构建步骤包括：

8、识别人体关键节点并提取关键节点坐标；

9、基于所述人体关键节点重新划分身体节段；

10、基于所述身体节段计算节段质量比和节段质心系数，计算身体节段的质心坐标；

11、利用所述质心坐标计算人体总质心坐标，形成关节子节段模型。

12、进一步地，所述人体关键节点包括：头顶、左耳、右耳、左眼、右眼、鼻子、左嘴角、右嘴角、左手腕、右手腕、左脚踝、右脚踝、左膝、右膝、左手肘、右手肘、左肩、右肩、脖子、左胯部和右胯部。

13、进一步地，所述身体节段的划分结果包括：头颈部、肩膀、上半身、上臂、前臂、大腿和小腿。

14、进一步地，所述节段质量比＝节段质量/人体质量，所述节段质心系数＝节段质心到端点距离/节段长度。

15、进一步地，所述动力学特征包括运动总质心的力和两肩与速度方向的夹角。

16、进一步地，所述行人掉头异常判据为同时满足以下两个条件：

17、1)第t帧的质心力变化率大于阈值

18、2)第t+a帧时刻，两肩与速度方向的夹角变化值大于180度，a小于一个步行周期。

19、进一步地，所述运动总质心的力为各身体节段质心位置的力的加权求和，表达式为：

20、

21、其中，为运动总质心的力，为第k个身体节段质心位置的力，wk为第k个身体节段的权重，n为划分的身体节段数。

22、进一步地，所述第k个身体节段的权重与第k个身体节段质心到人体总质心的距离成正比。

23、本发明还提供一种电子装置，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述基于人体关节子节段的行人掉头异常行为识别方法的指令

24、与现有技术相比，本发明具有以下有益效果：

25、1、本发明考虑人体不同关节的质量分布，搭建子节段人体骨架模型，构建全新的运动质心表达方式，研究行人轨迹、速度、加速度等动力学特征，将异常行为判据应用于扰动理论研究，针对人群内部扰动研究的匮乏，建立扰动传播模型，深入探索人群内部扰动对人群稳定性的动态影响，针对于在异常行为发生前，通过图像识别出的人体关键节点，构建关节子节段模型对即将发生的异常行为起到准确的识别与预测作用，能够有效地为后续进行的人群稳定性分析相关研究提供新的思路。

26、2、本发明设将人体分为头颈部、肩膀、上半身、上臂、前臂、大腿、小腿等13个独立的身体节段，关节子节段模型构建可靠性高、效率高，进而提升行人掉头异常行为的识别效率。

27、3、本发明通过机器视觉技术，基于视频或图像信息，提取对象的力、速度或加速度等动力学特征，基于这些获取的动力学特征数据准确识别异常行为，且能够实现提前识别，具有一定预测提前量，可靠性高，并可应用于后续的人群稳定性分析研究中。

技术特征：

1.一种基于人体关节子节段的行人掉头异常行为识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于人体关节子节段的行人掉头异常行为识别方法，其特征在于，所述关节子节段模型的构建步骤包括：

3.根据权利要求2所述的基于人体关节子节段的行人掉头异常行为识别方法，其特征在于，所述人体关键节点包括：头顶、左耳、右耳、左眼、右眼、鼻子、左嘴角、右嘴角、左手腕、右手腕、左脚踝、右脚踝、左膝、右膝、左手肘、右手肘、左肩、右肩、脖子、左胯部和右胯部。

4.根据权利要求2所述的基于人体关节子节段的行人掉头异常行为识别方法，其特征在于，所述身体节段的划分结果包括：头颈部、肩膀、上半身、上臂、前臂、大腿和小腿。

5.根据权利要求2所述的基于人体关节子节段的行人掉头异常行为识别方法，其特征在于，所述节段质量比＝节段质量/人体质量，所述节段质心系数＝节段质心到端点距离/节段长度。

6.根据权利要求2所述的基于人体关节子节段的行人掉头异常行为识别方法，其特征在于，所述动力学特征包括运动总质心的力和两肩与速度方向的夹角。

7.根据权利要求6所述的基于人体关节子节段的行人掉头异常行为识别方法，其特征在于，所述行人掉头异常判据为同时满足以下两个条件：

8.根据权利要求7所述的基于人体关节子节段的行人掉头异常行为识别方法，其特征在于，所述运动总质心的力为各身体节段质心位置的力的加权求和，表达式为：

9.根据权利要求8所述的基于人体关节子节段的行人掉头异常行为识别方法，其特征在于，所述第k个身体节段的权重与第k个身体节段质心到人体总质心的距离成正比。

10.一种电子装置，其特征在于，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-9任一所述基于人体关节子节段的行人掉头异常行为识别方法的指令。

技术总结
本发明涉及一种基于人体关节子节段的行人掉头异常行为识别方法及装置，所述识别方法包括以下步骤：获取待识别图像帧，构建基于图像的关节子节段模型；基于所述关节子节段模型，提取各图像帧中识别对象的动力学特征；根据预设的行人掉头异常判据和所述动力学特征，获取行人掉头异常行为识别结果。与现有技术相比，本发明针对于在异常行为发生前，通过图像识别出的人体关键节点，构建关节子节段模型对即将发生的异常行为起到准确的识别与预测，可靠性高。

技术研发人员：赵荣泳,朱文杰,王妍,贾萍,李翠玲,张智舒,马云龙,董承霄
受保护的技术使用者：同济大学
技术研发日：
技术公布日：2024/1/14