摘要
本申请提供了一种人体异常动作识别方法、装置、计算机设备及介质,其中,方法包括通过视频监控设备实时采集视频流,以及通过Kinect设备实时采集Kinect骨骼数据,其中,Kinect骨骼数据包括人体骨骼序列及各骨骼点的三维坐标特征;基于视频流,通过目标检测模型实现各人体区域框及人体标识,并通过人体重识别网络转换为人体重识别特征;基于时间同步和空间同步原理,通过特征融合模型将特征进行融合,获取带有人体标识的融合特征图像序列;将融合特征图像序列输入至异常动作识别模型,预测确定人体行为特征是否为异常行为,匹配确定异常行为类型;若识别到异常行为则触发警报系统。本申请提高了人体行为分析的准确性和实用性。
技术关键词
动作识别方法
动作识别模型
视频流
神经网络模型
人体重识别
动作识别装置
识别特征
融合特征
序列
人体骨骼点
警报系统
视频监控设备
视频采集模块
Kinect设备
时间同步
标识标签
坐标
计算机设备
系统为您推荐了相关专利信息
极限学习机算法
切削力建模方法
切削力预测模型
样本
神经网络模型
数据可视化方法
主题关键词
可视化图表
可视化工具
数据可视化系统
解锁方法
身份验证信息
时序数据处理技术
移动端
卷积神经网络模型
程度评估方法
灰度共生矩阵
生理特征数据
卷积神经网络模型
纹理特征