matlab人体关节点提取,一种通过提取人体关节点坐标的行为识别方法与流程

关节点提取,一种通过提取人体关节点坐标的行为识别方法与流程"/>

matlab人体关节点提取,一种通过提取人体关节点坐标的行为识别方法与流程

本发明属于人工智能技术领域，涉及一种通过提取人体关节点坐标的行为识别方法。

背景技术：

随着人工智能和互联网技术的飞速发展，人们作为社会活动的主体，人类日常行为变化是视频监控系统下被关注的主体，通过视频实时提取人体行为活动，做到计算机自动检测人体异常行为，可以更好地实现智能化生活。迄今为止，人体行为识别技术的研究不断被应用于军事、医疗、监控等。例如：高考考场防作弊监控系统来预防学生作弊；智能化养老房间看护系统通过对老人日常生活的监控，来监测老人异常摔倒等对身体危害较大的情况发生；以及人机交互系统、智慧医疗系统、虚拟现实(vr)等应用领域中。

目前人体行为识别技术的研究主要通过在视频样本数据中提取能够准确表达人体行为变化的特征信息，然后通过挖掘融合视频的时间序列信息训练深度学习网络来实现视频信息的人体行为识别。但是，由于网络学习特征依赖于数据量、并且人体行为活动具有灵活性，直接通过视频提取行为变化的特征信息，不利于对人体发生的异常行为进行检测，并且人体日常某个行为常常和一些关节点构成的集合和关节点间的交互密切相关，为此，通过提取人体关节点位置信息、以及人体关节点间的联系(共观性)来对行为异常行为进行描述，可以更好地表达人体行为变化。

技术实现要素：

本发明的目的是提供一种通过提取人体关节点坐标的行为识别方法，该方法通过基于深度学习的姿态估计框架openpose来提取对应人体关节点坐标信息来，然后利用循环神经网络(recurrentneuralnetwork,rnn)，本发明采用长短时记忆神经网络(longshort-termmemory,lstm)来挖掘人体关节点位置信息与挖掘人体关节点间的共观性，可以实时准确检测人体异常行为。

本发明所采用的技术方案是，一种通过提取人体关节点坐标的行为识别方法，具体包括如下步骤：

步骤1，构建行为识别图像数据集；

步骤2，根据步骤1所得结果构建对应行为识别图像数据集的关节点训练样本数据集；</