一种基于三维深度视觉的致险行为时空特征获取与识别方法
基本信息
| 申请号 | CN202011467738.0 | 申请日 | - |
| 公开（公告）号 | CN114694240A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114694240A | 申请公布日 | 2022-07-01 |
| 分类号 | G06V40/20（2022.01）I;G06V20/40（2022.01）I;G06V10/774（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 孙毅锋;刘庭煜 | 申请（专利权）人 | 南京理工大学 |
| 代理机构 | 南京理工大学专利中心 | 代理人 | - |
| 地址 | 210094江苏省南京市孝陵卫200号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及一种基于三维深度视觉的致险行为时空特征获取与识别方法，所述方法包括以下步骤：步骤1：针对需对致险行为进行监控的区域，构建视觉传感网络，经过信息采集通过人体姿态估计算法获得行为人各行为的骨架关节点坐标信息；步骤2：对骨架关节点坐标信息进行预处理；步骤3：基于深度学习设计致险行为在线时空特征获取与识别模型；步骤4：构建深度学习模型，联合分类回归模块损失函数对模型进行训练；步骤5：使用深度传感器实时采集行为人骨架数据，并将数据流输出至深度学习模型中进行识别，并将识别结果存储至数据库中。本发明能够实现无需安全管理行为人的参与，即可识别预定义的行为类别，以实现实时智能监控。 |
