基于人体关键点估计的人员行为意图探测方法及设备与流程

本申请涉及目标检测，尤其涉及一种基于人体关键点估计的人员行为意图探测方法及设备。

背景技术：

1、近年来,随着人工智能技术的蓬勃发展,视频监控智能化水平不断提升。目标检测、跟踪算法日趋成熟,在运动目标定位、轨迹分析等方面取得了突破性进展。但是,这些方法主要关注目标的外观特征和运动模式,缺乏对人体姿态、动作的精细刻画,无法准确把握行为的语义含义。

2、基于深度学习的人体关键点估计技术为行为意图分析开辟了新的思路。通过分析关键点之间的几何关系和时序演化,可以还原人体的细粒度动作,进而对行为意图进行推理。比如,通过分析手部关键点与物体的交互,可以判断人是在拿取物品还是在使用工具;通过分析腿部关键点的运动规律,可以判断人是在正常行走还是在徘徊、逃跑。

3、尽管人体关键点估计在行为意图分析中展现出诱人的前景,但现有方法仍然存在一些局限性。首先,大多数方法只考虑单人的关键点信息,忽略了人与人之间的互动关系,难以应对多人场景下的群体行为意图分析。其次,现有方法主要基于离线批处理,很少考虑实时性和计算效率,无法满足实际监控系统的需求。此外,由于缺乏大规模的行为意图标注数据,现有方法的泛化能力和鲁棒性有待提高。

技术实现思路

1、本申请实施例提供了一种基于人体关键点估计的人员行为意图探测方法及设备，可以解决当下维修决策优化方法大多针对单台设备或独立的生产线,缺乏对园区设备整体运行和资源调度的统筹考虑。此外,它们在故障预测和维修规划时,对设备退化机理和不确定性考虑不足,优化的动态性和鲁棒性有待加强的问题。所提供的方法能实现设备全生命周期管理与园区生产运营的协同优化。

2、第一方面，本申请实施例提供了一种基于人体关键点估计的人员行为意图探测方法，所述方法包括：

3、获取原始视频数据，调整所述原始视频数据的采样频率，并获取所述原始视频数据中的人体目标对应的第一人体关键点序列信号和对应的第一目标唯一标识符；

4、获取所述采样频率调整对应的时间间隔，在所述时间间隔内，调整所述采样频率，完成对所述第一人体关键点序列信号的优化，根据优化后的所述第一人体关键点序列信号确定出对应的临界采样频率；

5、将所述原始视频数据的采样频率调节至所述临界采样频率，获取在所述原始视频数据中所述人体目标对应的第二人体关键点序列信号、第二目标唯一标识符和时间戳信息；

6、根据所述第二人体关键点序列信号，获取多尺度运动特征信息，根据每个所述第二目标唯一标识符和时间戳信息，构建每个所述人体目标的时空轨迹特征；

7、融合所述多尺度运动特征信息和所述时空轨迹特征，获取时空特征表示，根据多个所述时空特征表示，构建多个所述人体目标的时空关联图；

8、根据所述时空特征表示和所述时空关联图,构建深度学习模型，将所述第二人体关键点序列信号输入至所述深度学习模型，输出每个所述人体目标对应的行为意图探测结果。

9、第二方面，本申请还提供一种人员行为意图探测装置，包括：

10、视频获取模块，用于获取原始视频数据，调整所述原始视频数据的采样频率，并获取所述原始视频数据中的人体目标对应的第一人体关键点序列信号和对应的第一目标唯一标识符；

11、频率确定模块，用于获取所述采样频率调整对应的时间间隔，在所述时间间隔内，调整所述采样频率，完成对所述第一人体关键点序列信号的优化，根据优化后的所述第一人体关键点序列信号确定出对应的临界采样频率；

12、频率调节模块，用于将所述原始视频数据的采样频率调节至所述临界采样频率，获取在所述原始视频数据中所述人体目标对应的第二人体关键点序列信号、第二目标唯一标识符和时间戳信息；

13、特征获取模块，用于根据所述第二人体关键点序列信号，获取多尺度运动特征信息，根据每个所述第二目标唯一标识符和时间戳信息，构建每个所述人体目标的时空轨迹特征；

14、信息融合模块，用于融合所述多尺度运动特征信息和所述时空轨迹特征，获取时空特征表示，根据多个所述时空特征表示，构建多个所述人体目标的时空关联图；

15、结果输出模块，用于根据所述时空特征表示和所述时空关联图,构建深度学习模型，将所述第二人体关键点序列信号输入至所述深度学习模型，输出每个所述人体目标对应的行为意图探测结果。

16、第三方面，本申请还提供一种计算机设备，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的基于人体关键点估计的人员行为意图探测方法。

17、第四方面，本申请还提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的基于人体关键点估计的人员行为意图探测方法。

18、与现有技术相比，本申请至少具备以下有益效果：

19、本申请提供的方法首先通过调整获取的原始视频数据的采样频率，并获取原始视频数据中的人体目标对应的第一人体关键点序列信号和第一目标唯一标识符；然后，获取采样频率调整对应的时间间隔，根据采样频率完成对第一人体关键点序列信号的优化，确定对应的临界采样频率；再然后，将原始视频数据的采样频率调节至临界采样频率，获取在原始视频数据中人体目标对应的第二人体关键点序列信号、第二目标唯一标识符和时间戳信息；进一步的，根据第二人体关键点序列信号，获取多尺度运动特征信息，根据每个第二目标唯一标识符和时间戳信息，构建每个人体目标的时空轨迹特征；更进一步的，融合多尺度运动特征信息和时空轨迹特征，获取时空特征表示，根据多个时空特征表示，构建多个人体目标的时空关联图；最后，根据时空特征表示和时空关联图,构建深度学习模型，将第二人体关键点序列信号输入至深度学习模型，输出每个人体目标对应的行为意图探测结果。

20、进而所提供的方法能够考虑视频中多个人体目标的关键点信息,并基于人与人之间的互动关系对多人场景下的群体行为意图分析。其次,实现对多个人体目标实时高效监控，并且所提供的方法大幅提升对人员行为意图探测方法的泛化能力和鲁棒性。

21、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

技术特征：

1.一种基于人体关键点估计的人员行为意图探测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取所述原始视频数据中的人体目标对应的第一人体关键点序列信号和对应的第一目标唯一标识符，包括：

3.根据权利要求1所述的方法，其特征在于，所述获取所述采样频率调整对应的时间间隔，包括：

4.根据权利要求1所述的方法，其特征在于，所述调整所述采样频率，完成对所述第一人体关键点序列信号的优化，根据优化后的所述第一人体关键点序列信号确定出对应的临界采样频率；包括：

5.根据权利要求1所述的方法，其特征在于，在所述根据所述第二人体关键点序列信号，获取多尺度运动特征信息之前，还包括：

6.根据权利要求1所述的方法，其特征在于，所述根据多个所述时空特征表示，构建多个所述人体目标的时空关联图，包括：

7.根据权利要求1所述的方法，其特征在于，所述深度学习模型至少包括图注意力层和时空图卷积层；所述将所述第二人体关键点序列信号输入至所述深度学习模型，输出每个所述人体目标对应的行为意图探测结果，包括:

8.根据权利要求7所述的方法，其特征在于，所述获取每个所述人体目标对应的行为意图探测结果，包括：

9.根据权利要求1所述的方法，其特征在于，在所述输出每个所述人体目标对应的行为意图探测结果之后，还包括：

10.一种计算机设备，其特征在于，包括：处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至9中任一项所述的基于人体关键点估计的人员行为意图探测方法的步骤。

技术总结
本申请公开一种基于人体关键点估计的人员行为意图探测方法及设备，方法通过调整原始视频数据的采样频率，并获取人体目标对应的第一人体关键点序列信号和第一目标唯一标识符；获取采样频率调整对应的时间间隔，完成对第一人体关键点序列信号的优化，将采样频率调节至确定的临界采样频率，获取人体目标对应的第二人体关键点序列信号、第二目标唯一标识符和时间戳信息，以获取多尺度运动特征信息，并构建时空轨迹特征；融合多尺度运动特征信息和时空轨迹特征，获取时空特征表示，并构建多个人体目标的时空关联图；将第二人体关键点序列信号输入至根据时空特征表示和时空关联图构建的深度学习模型，输出每个人体目标对应的行为意图探测结果。

技术研发人员：周斌,张阳,李进,黄伟军
受保护的技术使用者：珠海安士佳电子有限公司
技术研发日：
技术公布日：2024/7/23