1. <tr id="bhwsb"></tr>
    1. <tr id="bhwsb"></tr>
      <menuitem id="bhwsb"></menuitem>

      <output id="bhwsb"></output>

      目標對象步態處理方法及裝置、非易失性存儲介質與流程

      文檔序號:24543656發布日期:2021-04-02 10:52
      目標對象步態處理方法及裝置、非易失性存儲介質與流程

      本發明涉及步態識別處理領域,具體而言,涉及一種目標對象步態處理方法及裝置、非易失性存儲介質。



      背景技術:

      步態識別技術目前被廣泛關注的一種新興生物識別技術,與其他生物識別技術相比,具有非接觸遠距離和不容易偽裝的優點,在智能視頻監控領域相比較圖像識別更具優勢。

      針對上述的問題,目前尚未提出有效的解決方案。



      技術實現要素:

      本發明實施例提供了一種目標對象步態處理方法及裝置、非易失性存儲介質,以至少解決現有技術中無法采用步態識別技術進行身份信息識別的技術問題。

      根據本發明實施例的一個方面,提供了一種目標對象步態處理方法,包括:在目標檢測區域內獲取目標對象的運動序列數據,其中,上述目標對象具有生命體征;基于上述運動序列數據確定上述目標對象的第一步態信息;將上述第一步態信息與預先存儲的第二步態信息進行身份匹配處理;當上述第一步態信息與上述第二步態信息不相匹配時,發出告警信息。

      可選的,基于上述運動序列數據確定上述目標對象的上述第一步態信息包括:對上述運動序列數據中的姿態數據進行輪廓提取處理,得到姿態輪廓序列;對上述姿態輪廓序列進行步態識別處理,得到上述第一步態信息。

      可選的,對上述運動序列數據中的上述姿態數據進行輪廓提取處理,得到上述姿態輪廓序列包括:基于上述運動序列數據進行目標對象檢測處理,得到目標對象檢測結果;對上述目標對象檢測結果進行圖像分割處理,得到目標對象關聯圖像;基于上述運動序列數據進行前景圖像與后景圖像分離處理,得到后景初始圖像;對上述后景初始圖像進行歸一化處理,得到后景歸一化圖像;對上述目標對象關聯圖像與上述后景歸一化圖像進行圖像融合處理,得到上述姿態輪廓序列。

      可選的,對上述姿態輪廓序列進行步態識別處理,得到上述第一步態信息包括:利用步態識別網絡模型對上述姿態輪廓序列進行步態識別處理,得到上述目標對象的步態類別。

      可選的,利用上述步態識別網絡模型對上述姿態輪廓序列進行步態識別處理,得到上述步態類別包括:利用殘差卷積神經網絡模型對上述姿態輪廓序列進行步態特征提取處理,得到第一處理結果;利用門控循環神經網絡對上述第一處理結果進行特征向量學習,得到第二處理結果;利用注意力機制根據上述第二處理結果調整網絡權重,得到第三處理結果;利用分類器對上述第三處理結果進行運動步態判別處理,得到上述步態類別。

      可選的,發出上述告警信息包括以下至少之一:控制智能家居設備的揚聲組件發出上述告警信息;控制智能家居設備的通訊組件經由服務器向與上述智能家居設備關聯的目標終端發送上述告警信息。

      根據本發明實施例的另一方面,還提供了一種目標對象步態處理裝置,包括:獲取模塊,用于在目標檢測區域內獲取目標對象的運動序列數據,其中,上述目標對象具有生命體征;確定模塊,用于基于上述運動序列數據確定上述目標對象的第一步態信息;匹配模塊,用于將上述第一步態信息與預先存儲的第二步態信息進行身份匹配處理;處理模塊,用于當上述第一步態信息與上述第二步態信息不相匹配時,發出告警信息。

      根據本發明實施例的另一方面,還提供了一種非易失性存儲介質,上述存儲介質中存儲有計算機程序,其中,上述計算機程序被設置為運行時執行任一項中上述的目標對象步態處理方法。

      根據本發明實施例的另一方面,還提供了一種處理器,上述處理器用于運行程序,其中,上述程序被設置為運行時執行任一項中上述的目標對象步態處理方法。

      根據本發明實施例的另一方面,還提供了一種電子裝置,包括存儲器和處理器,上述存儲器中存儲有計算機程序,上述處理器被設置為運行上述計算機程序以執行任一項中上述的目標對象步態處理方法。

      在本發明實施例中,通過在目標檢測區域內獲取目標對象的運動序列數據,其中,上述目標對象具有生命體征;基于上述運動序列數據確定上述目標對象的第一步態信息;將上述第一步態信息與預先存儲的第二步態信息進行身份匹配處理;當上述第一步態信息與上述第二步態信息不相匹配時,發出告警信息,達到了采用步態識別技術進行身份信息識別的目的,從而實現了根據身份識別信息進行安防預警的技術效果,進而解決了現有技術中無法采用步態識別技術進行身份信息識別的技術問題。

      附圖說明

      此處所說明的附圖用來提供對本發明的進一步理解,構成本申請的一部分,本發明的示意性實施例及其說明用于解釋本發明,并不構成對本發明的不當限定。在附圖中:

      圖1是根據本發明實施例的一種目標對象步態處理方法的流程圖;

      圖2是根據本發明實施例的一種可選的基于安防檢測空調的目標對象步態處理系統的示意圖;

      圖3是根據本發明實施例的一種可選的行人步態識別及告警流程的示意圖;

      圖4是根據本發明實施例的一種可選的姿態輪廓提取流程的示意圖;

      圖5是根據本發明實施例的一種可選的步態識別網絡模型的結構示意圖;

      圖6是根據本發明實施例的一種目標對象步態處理裝置的結構示意圖。

      具體實施方式

      為了使本技術領域的人員更好地理解本發明方案,下面將結合本發明實施例中的附圖,對本發明實施例中的技術方案進行清楚、完整地描述,顯然,所描述的實施例僅僅是本發明一部分的實施例,而不是全部的實施例?;诒景l明中的實施例,本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例,都應當屬于本發明保護的范圍。

      需要說明的是,本發明的說明書和權利要求書及上述附圖中的術語“第一”、“第二”等是用于區別類似的對象,而不必用于描述特定的順序或先后次序。應該理解這樣使用的數據在適當情況下可以互換,以便這里描述的本發明的實施例能夠以除了在這里圖示或描述的那些以外的順序實施。此外,術語“包括”和“具有”以及他們的任何變形,意圖在于覆蓋不排他的包含,例如,包含了一系列步驟或單元的過程、方法、系統、產品或設備不必限于清楚地列出的那些步驟或單元,而是可包括沒有清楚地列出的或對于這些過程、方法、產品或設備固有的其它步驟或單元。

      實施例1

      根據本發明實施例,提供了一種目標對象步態處理方法的實施例,需要說明的是,在附圖的流程圖示出的步驟可以在諸如一組計算機可執行指令的計算機系統中執行,并且,雖然在流程圖中示出了邏輯順序,但是在某些情況下,可以以不同于此處的順序執行所示出或描述的步驟。

      圖1是根據本發明實施例的一種目標對象步態處理方法的流程圖,如圖1所示,該方法包括如下步驟:

      步驟s102,在目標檢測區域內獲取目標對象的運動序列數據,其中,上述目標對象具有生命體征;

      步驟s104,基于上述運動序列數據確定上述目標對象的第一步態信息;

      步驟s106,將上述第一步態信息與預先存儲的第二步態信息進行身份匹配處理;

      步驟s108,當上述第一步態信息與上述第二步態信息不相匹配時,發出告警信息。

      在本發明實施例中,通過在目標檢測區域內獲取目標對象的運動序列數據,其中,上述目標對象具有生命體征;基于上述運動序列數據確定上述目標對象的第一步態信息;將上述第一步態信息與預先存儲的第二步態信息進行身份匹配處理;當上述第一步態信息與上述第二步態信息不相匹配時,發出告警信息,達到了采用步態識別技術進行身份信息識別的目的,從而實現了根據身份識別信息進行安防預警的技術效果,進而解決了現有技術中無法采用步態識別技術進行身份信息識別的技術問題。

      可選的,本申請實施例所提供的目標對象步態處理方法可以但不限于應用在智能家居場景中,例如,應用在智能家居系統、智能安防檢測系統等中。

      可選的,上述目標檢測區域可以為設置有智能家居設備的區域,例如,可以設置有空調器、冰箱等智能家居設備;上述目標對象為進入該目標檢測區域的對象,例如,可以為人、動物具有生命體征的對象;上述運動序列數據用于提取該目標對象的第一步態信息;上述第二步態信息為用戶的步態信息,即智能家居設備主人或者房屋主人預先錄入至智能家居設備的步態信息。

      需要說明的是,隨著智能家居系統中安防檢測技術的商業化需求,以及基于步態識別技術的理論基礎和現階段相關技術的研究成果,通過步態識別網絡對檢測區域范圍內的目標對象進行身份信息認證,當檢測到的步態信息與存儲的用戶的步態信息不匹配,則確定身份信息認證不通過時,可以采用空調器、冰箱、洗衣機等家電設備進行自動預警并向用戶推送告警信息,實現采用智能家居實現安防檢測的技術效果。

      可選的,本申請實施例還提供一種基于步態識別的智能家居的安防檢測空調,通過步態識別技術進行用戶身份信息的識別和認證,在用戶家中無人出現陌生人的情況時,根據對檢測區域范圍內的人員進行運動步態監測識別人員身份信息,當所識別的人員身份信息與存儲的用戶身份信息不匹配時,能夠通過手機app為用戶推送告警信息。

      本申請實施例中,以智能家居設備為空調為例,如圖2所示的基于安防檢測空調的目標對象步態處理系統的示意圖,攝像頭檢測單元001對目標檢測區域內的目標對象進行檢測,獲取目標對象的運動序列數據,并根據所獲取的運動序列數據驅動控制單元002實現數據處理和控制指令傳遞,空調的揚聲器單元003根據捕獲指令實現警報聲的播放,即輸出告警信息,空調wifi通訊單元004根據收到的信令實現發送告警信息,通過iot物聯網服務器005將空調端與用戶手機app端實現信息的互聯互通,用戶手機app006接收物聯網服務器發送的信令。

      在一種可選的實施例中,基于上述運動序列數據確定上述目標對象的上述第一步態信息包括:

      步驟s202,對上述運動序列數據中的姿態數據進行輪廓提取處理,得到姿態輪廓序列;

      步驟s204,對上述姿態輪廓序列進行步態識別處理,得到上述第一步態信息。

      作為一種可選的實施例,行人步態識別及告警流程如圖3所示,以智能家居設備為空調為例,身份不確定的行人進入設置有安防檢測空調的無人房間時,攝像頭檢測單元對檢測區域內的行人進行檢測獲取行人的運動序列數據,根據所獲得的運動序列數據驅動控制終端開啟驗證模型。

      在控制終端進行模型驗證的過程中,首先對運動序列數據中行人姿態的輪廓提取處理,得到姿態輪廓序列,之后將經過處理得到的姿態輪廓序列傳輸到步態識別網絡中獲取行人的第一步態信息。

      在一種可選的實施例中,發出上述告警信息包括以下至少之一:控制智能家居設備的揚聲組件發出上述告警信息;控制智能家居設備的通訊組件經由服務器向與上述智能家居設備關聯的目標終端發送上述告警信息。

      仍如圖3所示,在將經過步態識別網絡得到的第一步態信息與存儲的用戶的第二步態信息進行身份的匹配處理,若身份信息不相匹配,則空調傳遞控制指令驅動揚聲器單元播放報警聲,同時控制wifi通訊單元發送預警信息,通過iot物聯網服務器將空調端與用戶手機app端進行連接,以實現信息的互聯互通;若與用戶的身份信息相匹配,空調不進行預警響應,用戶可正常使用空調。

      在一種可選的實施例中,對上述運動序列數據中的上述姿態數據進行輪廓提取處理,得到上述姿態輪廓序列包括:

      步驟s302,基于上述運動序列數據進行目標對象檢測處理,得到目標對象檢測結果;

      步驟s304,對上述目標對象檢測結果進行圖像分割處理,得到目標對象關聯圖像;

      步驟s306,基于上述運動序列數據進行前景圖像與后景圖像分離處理,得到后景初始圖像;

      步驟s308,對上述后景初始圖像進行歸一化處理,得到后景歸一化圖像;

      步驟s310,對上述目標對象關聯圖像與上述后景歸一化圖像進行圖像融合處理,得到上述姿態輪廓序列。

      本申請實施例中,姿態輪廓提取流程如圖4所示,對于攝像頭檢測單元獲取的行人運動序列數據,可以分為如下兩個部分同時進行操作處理:

      第一部分,將獲取的行人運動序列數據,例如,行人視頻,通過vgg16網絡進行行人檢測處理,并將獲取的行人檢測處理結果利用圖像分割技術實現行人與背景的分離,僅保留行人關聯圖像;第二部分,將獲取的行人運動序列數據劃分為前景圖像與后景圖像的分離,僅保留行人部分的后景初始圖像,并后景初始圖像進行歸一化處理,得到歸一化處理結果,將第一部分保留得到的行人關聯圖像與第二部分的后景歸一化圖像進行融合處理,得到姿態輪廓序列。

      在一種可選的實施例中,對上述姿態輪廓序列進行步態識別處理,得到上述第一步態信息包括:

      步驟s402,利用步態識別網絡模型對上述姿態輪廓序列進行步態識別處理,得到上述目標對象的步態類別。

      在一種可選的實施例中,利用上述步態識別網絡模型對上述姿態輪廓序列進行步態識別處理,得到上述步態類別包括:

      步驟s502,利用殘差卷積神經網絡模型對上述姿態輪廓序列進行步態特征提取處理,得到第一處理結果;

      步驟s504,利用門控循環神經網絡對上述第一處理結果進行特征向量學習,得到第二處理結果;

      步驟s506,利用注意力機制根據上述第二處理結果調整網絡權重,得到第三處理結果;

      步驟s508,利用分類器對上述第三處理結果進行運動步態判別處理,得到上述步態類別。

      可選的,上述步態識別網絡模型如圖5所示,即對目標對象的姿態輪廓序列進行步態識別,將獲取到的姿態輪廓序列逐幀進行圖像的提取,例如,對于每幅圖像首先利用resnet-50殘差卷積神經網絡進行行人步態特征的提取,其中,上述resnet-50殘差卷積神經網絡可以通過一系列重復的單元處理單幀圖像,其中,每個單元包括卷積、池化及非線性激活函數等操作步驟構成,可以實現有效減少深層網絡的梯度消失現象。

      在本申請實施例中,考慮到gru門控循環單元相比于長短時記憶網絡lstm和循環神經網絡rnn具有結構簡單及可以更好地捕捉時間序列中時間步距離較大的依賴關系的優點,在本申請實施例的步態識別網絡模型中引入gru門控循環單元,通過構建向前傳播和向后傳播gru神經網絡,利用視頻幀圖像中當前信息與未來信息的互聯,實現對運動特征向量的學習,其中,gru結構通過重置門和更新門實現信息的輸入和輸出,利用候選隱藏狀態和隱藏狀態完成對信息的遺忘與保留。

      并且,在本申請實施例中,通過在步態識別網絡模型中引入attention注意力機制,自適應的感知對識別結果有較大影響的網絡權重,并根據動作之間的關系調整權重的分配,使得整個模型能夠根據運動步態的前后關系實現更精確的判別,最后通過全連接層連接logistic分類器得到最終的步態類別,可以實現對對運動步態信息的精確判別。

      實施例2

      根據本發明實施例,還提供了一種用于實施上述目標對象步態處理方法的裝置實施例,圖6是根據本發明實施例的一種目標對象步態處理裝置的結構示意圖,如圖6所示,上述目標對象步態處理裝置,包括:獲取模塊600、確定模塊602、匹配模塊604和處理模塊606,其中:

      獲取模塊600,用于在目標檢測區域內獲取目標對象的運動序列數據,其中,上述目標對象具有生命體征;確定模塊602,用于基于上述運動序列數據確定上述目標對象的第一步態信息;匹配模塊604,用于將上述第一步態信息與預先存儲的第二步態信息進行身份匹配處理;處理模塊606,用于當上述第一步態信息與上述第二步態信息不相匹配時,發出告警信息。

      需要說明的是,上述各個模塊是可以通過軟件或硬件來實現的,例如,對于后者,可以通過以下方式實現:上述各個模塊可以位于同一處理器中;或者,上述各個模塊以任意組合的方式位于不同的處理器中。

      此處需要說明的是,上述獲取模塊600、確定模塊602、匹配模塊604和處理模塊606對應于實施例1中的步驟s102至步驟s108,上述模塊與對應的步驟所實現的實例和應用場景相同,但不限于上述實施例1所公開的內容。需要說明的是,上述模塊作為裝置的一部分可以運行在計算機終端中。

      需要說明的是,本實施例的可選或優選實施方式可以參見實施例1中的相關描述,此處不再贅述。

      上述的目標對象步態處理裝置還可以包括處理器和存儲器,上述獲取模塊600、確定模塊602、匹配模塊604和處理模塊606等均作為程序單元存儲在存儲器中,由處理器執行存儲在存儲器中的上述程序單元來實現相應的功能。

      處理器中包含內核,由內核去存儲器中調取相應的程序單元,上述內核可以設置一個或以上。存儲器可能包括計算機可讀介質中的非永久性存儲器,隨機存取存儲器(ram)和/或非易失性內存等形式,如只讀存儲器(rom)或閃存(flashram),存儲器包括至少一個存儲芯片。

      根據本申請實施例,還提供了一種非易失性存儲介質的實施例??蛇x地,在本實施例中,上述非易失性存儲介質包括存儲的程序,其中,在上述程序運行時控制上述非易失性存儲介質所在設備執行上述任意一種目標對象步態處理方法。

      可選地,在本實施例中,上述非易失性存儲介質可以位于計算機網絡中計算機終端群中的任意一個計算機終端中,或者位于移動終端群中的任意一個移動終端中,上述非易失性存儲介質包括存儲的程序。

      可選地,在程序運行時控制非易失性存儲介質所在設備執行以下功能:在目標檢測區域內獲取目標對象的運動序列數據,其中,上述目標對象具有生命體征;基于上述運動序列數據確定上述目標對象的第一步態信息;將上述第一步態信息與預先存儲的第二步態信息進行身份匹配處理;當上述第一步態信息與上述第二步態信息不相匹配時,發出告警信息。

      可選地,在程序運行時控制非易失性存儲介質所在設備執行以下功能:對上述運動序列數據中的姿態數據進行輪廓提取處理,得到姿態輪廓序列;對上述姿態輪廓序列進行步態識別處理,得到上述第一步態信息。

      可選地,在程序運行時控制非易失性存儲介質所在設備執行以下功能:基于上述運動序列數據進行目標對象檢測處理,得到目標對象檢測結果;對上述目標對象檢測結果進行圖像分割處理,得到目標對象關聯圖像;基于上述運動序列數據進行前景圖像與后景圖像分離處理,得到后景初始圖像;對上述后景初始圖像進行歸一化處理,得到后景歸一化圖像;對上述目標對象關聯圖像與上述后景歸一化圖像進行圖像融合處理,得到上述姿態輪廓序列。

      可選地,在程序運行時控制非易失性存儲介質所在設備執行以下功能:利用步態識別網絡模型對上述姿態輪廓序列進行步態識別處理,得到上述目標對象的步態類別。

      可選地,在程序運行時控制非易失性存儲介質所在設備執行以下功能:利用殘差卷積神經網絡模型對上述姿態輪廓序列進行步態特征提取處理,得到第一處理結果;利用門控循環神經網絡對上述第一處理結果進行特征向量學習,得到第二處理結果;利用注意力機制根據上述第二處理結果調整網絡權重,得到第三處理結果;利用分類器對上述第三處理結果進行運動步態判別處理,得到上述步態類別。

      可選地,在程序運行時控制非易失性存儲介質所在設備執行以下功能:控制智能家居設備的揚聲組件發出上述告警信息;控制智能家居設備的通訊組件經由服務器向與上述智能家居設備關聯的目標終端發送上述告警信息。

      根據本申請實施例,還提供了一種處理器的實施例??蛇x地,在本實施例中,上述處理器用于運行程序,其中,上述程序運行時執行上述任意一種目標對象步態處理方法。

      根據本申請實施例,還提供了一種電子裝置的實施例,包括存儲器和處理器,上述存儲器中存儲有計算機程序,上述處理器被設置為運行所述計算機程序以執行上述任意一種的目標對象步態處理方法。

      根據本申請實施例,還提供了一種計算機程序產品的實施例,當在數據處理設備上執行時,適于執行初始化有上述任意一種的目標對象步態處理方法步驟的程序。

      上述本發明實施例序號僅僅為了描述,不代表實施例的優劣。

      在本發明的上述實施例中,對各個實施例的描述都各有側重,某個實施例中沒有詳述的部分,可以參見其他實施例的相關描述。

      在本申請所提供的幾個實施例中,應該理解到,所揭露的技術內容,可通過其它的方式實現。其中,以上所描述的裝置實施例僅僅是示意性的,例如所述單元的劃分,可以為一種邏輯功能劃分,實際實現時可以有另外的劃分方式,例如多個單元或組件可以結合或者可以集成到另一個系統,或一些特征可以忽略,或不執行。另一點,所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口,單元或模塊的間接耦合或通信連接,可以是電性或其它的形式。

      所述作為分離部件說明的單元可以是或者也可以不是物理上分開的,作為單元顯示的部件可以是或者也可以不是物理單元,即可以位于一個地方,或者也可以分布到多個單元上??梢愿鶕嶋H的需要選擇其中的部分或者全部單元來實現本實施例方案的目的。

      另外,在本發明各個實施例中的各功能單元可以集成在一個處理單元中,也可以是各個單元單獨物理存在,也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現,也可以采用軟件功能單元的形式實現。

      所述集成的單元如果以軟件功能單元的形式實現并作為獨立的產品銷售或使用時,可以存儲在一個計算機可讀取存儲介質中?;谶@樣的理解,本發明的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟件產品的形式體現出來,該計算機軟件產品存儲在一個存儲介質中,包括若干指令用以使得一臺計算機設備(可為個人計算機、服務器或者網絡設備等)執行本發明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括:u盤、只讀存儲器(rom,read-onlymemory)、隨機存取存儲器(ram,randomaccessmemory)、移動硬盤、磁碟或者光盤等各種可以存儲程序代碼的介質。

      以上所述僅是本發明的優選實施方式,應當指出,對于本技術領域的普通技術人員來說,在不脫離本發明原理的前提下,還可以做出若干改進和潤飾,這些改進和潤飾也應視為本發明的保護范圍。

      再多了解一些
      當前第1頁1 2 3 
      網友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1
      国产在线拍揄自揄视频不卡