摘要
基于计算机视觉的人体行为识别具有重大研究价值和应用空间,也是智能视频监控的核心技术之一。针对电扶梯复杂场景下乘坐人员的危险行为难以监测的问题,提出一种基于局部时空特征的电扶梯乘坐人员危险行为分析方法,以真实电扶梯视频数据集为实验对象,能较好地识别出实时视频中的乘坐电扶梯危险行为,如:乘客电扶梯上逆行行为;电扶梯上摔倒等。首先,从视频帧中将人体跟踪的图像块区域分离出来,并放缩到统一的尺度上,形成一个序列;接着,采用非线性降维方法,将传统的空间流形学习算法向时空域扩展,从而提取人体动作不依赖于物理意义的本征特征;然后,提出基于多特征联合稀疏表示模型,将重构稀疏矩阵的L_(2,p)混合范数作为人体动作表示的正则化约束,使得候选目标在多特征表示下达到共同稀疏;最后,通过主导级方法算法对所有特征学习,统计图像类的行为类分布情况,得到图像类到动作类的转换概率表,从而建立起鲁棒的行为模型。在GTX1660GPU上的实验结果表明,文中提出的识别算法的处理速度能达到15fps,异常行为识别准确率达93.75%,能够实时准确地识别电扶梯乘坐人员的危险行为。
出处
《中国设备工程》
2022年第22期254-257,共4页
China Plant Engineering
基金
温州市重大科技创新攻关项目“基于视频分析的电扶梯安全监控关键技术研发及应用”(项目编号:ZG2020022)。
