一种建筑工程质量检测器及检测方法

*务Aws务(12)发明专利申请(10)申请公布号CN112991656A(21)申请号202110156553.6(22)申请日2021.02.04(71)申请人北京工业大学地址100022北京市朝阳区平乐园100号(72)发明人李建更谢海征王广生(74)专利代理机构北京市广友专利事务所有限责任公司11237代理人耿小强GO8B13/196(2006.01)GO8B25/10(2006.01)HO4N5/268(2006.01)HO4L29/06(2006.01)(54)发明名称基于姿态估计的全景监控下人体异常行为识别报警系统及方法(57)摘要本发明公开了一种基于姿态估计的全景监控下人体异常行为识别报警系统及方法，属于智能监控系统技术领域；利用全景摄像头实现360度视频的获取，基于深度学习的人体姿态估计算法提取人体的骨骼关键点坐标作为人体行为识别算法的特征输入；利用坐标组成包含空间信息和时间序列信息的时空图模型，对时空图进行多阶段的时空图卷积操作，提取高级特征，最后用SoftMax分类器进行行为分类，得到行为结果并判断是否为异常行为。本发明具有采集视野范围广、无盲区的特点，可实时处理全景监控系统下的人体异常行为检测，在异常行为刚刚发生时及时本地报警，且远程的管理者能够及时获得报警短信，同时可使用手机实时查看现场情况。1/2页1/2页22.根据权利要求1所述的基于姿态估计的全景监控下人体异常行为识别报警系统，其3.根据权利要求1所述的基于姿态估计的全景监控下人体异常行为识别报警系统，其4.根据权利要求1所述的基于姿态估计的全景监控下人体异常行为识别报警系统，其5.根据权利要求1所述的基于姿态估计的全景监控下人体异常行为识别报警系统，其步骤3:使用openpose算法对步骤2中的图像特征进行姿态估计，获取人体的身体加足步骤6:判断步骤5中识别出的行为中是否包含异常行为，若不包含异常行为则返回步7.根据权利要求6所述的基于姿态估计的全景监控下人体异常行为识别报警方法，其步骤3中获取的身体部位的18个关键点坐标，根据人体的自然连接与时序关系构建时空图3员通过步骤7接收到了报警信息，本地的安8.根据权利要求7所述的基于姿态估计的全景监控下人体异常行为识别报警方法，其CN112991656A说明书1/13页4基于姿态估计的全景监控下人体异常行为识别报警系统及[0001]本发明涉及一种基于姿态估计的全景监控下人体异常行为识别报警系统及方[0005]传统算法中表现较好的算法是IDT5[0008]因此，提供一种基于姿态估计的全景监控下人体异常行为识别报警系统及方法[0009]本发明的目的之一是提供一种基于姿态估计的全景监控下人体异常行为识别报[0011]一种基于姿态估计的全景监控下人体异常行为识别报警系统，包括视频监控装别设有流媒体服务器(是在云端服务器搭建的SRS模块，该模块被称之为流媒体服务器)和[0017]本发明的另一目的是提供一种基于姿态估计的全景监控下人体异常行为识别报6[0024]步骤5:对步骤4中构建的时空图模型进行时空图卷积操作，识别视频中每个人的[0025]步骤6:判断步骤5中识别出的行为中是否包含异常行为，若不包含异常行为则返7刻通过查看对应位置的全景摄像机全面掌握现场的情况，进行相关的人员部署与事件处8监控系统需要24小时执勤的情况，当发生异常情况时，能够及时报警通知安保人员，确保了事件处理的及时性，将事件可能造成的损失降到最低；远程客户端可实时观看现场的情况，为不在现场的相关负责人提供了及时准确的现场信息，替代了当前通过短信或者电话多重传达现场情况，很大程度上解决了误传或瞒报信息造成的决策不及时和错误决策问题；本发明对应的方法主要依托计算机进行实现，节约人力资本，合理化了劳动分工。[0039]下面通过附图和具体实施方式对本发明做进一步说明，但并不意味着对本发明保护范围的限制。实施例中的实施条件和装置除非特别注明，均为本领域常规的实施条件和市场上可采购的常规的装置。附图说明[0040]图1是本发明实施例1的基于姿态估计的全景监控下人体异常行为识别报警系统的结构流程示意图。[0041]图2是本发明实施例1的基于姿态估计的全景监控下人体异常行为识别报警系统[0042]图3是本发明实施例1的基于姿态估计的全景监控下人体异常行为识别报警系统[0043]图4是本发明实施例1的基于姿态估计的全景监控下人体异常行为识别报警系统[0044]图5是本发明实施例1的基于姿态估计的全景监控下人体异常行为识别报警系统中时空图卷积操作的流程图。[0045]图6是本发明实施例1的基于姿态估计的全景监控下人体异常行为识别报警系统中服务器和客户端建立连接过程的流程图。[0046]为了使本技术领域的人员更好地理解本发明，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清晰、完整地描述，但并不作为对本发明限制的依[0048]如图1所示，是本发明实施例1的基于姿态估计的全景监控下人体异常行为识别报警系统的结构流程示意图；本发明实施例1的基于姿态估计的全景监控下人体异常行为识别报警系统包括视频监控装置、服务器、监控视频显示端和移动监控视频显示端(智能手机);视频监控装置与服务器之间通过网线连接，服务器与监控视频显示端之间采用高清多媒体连接线(HDMI)连接，服务器还通过阿里云与移动监控视频显示端(智能手机)相连接；征提取模块与姿态估计模块相连接，姿态估计模块与行为识别模块相连接，行为识别模块与判别模块相连接，判别模块与预警模块相连接；视频监控装置与电脑连接，电脑安装OBS推流模块，在亚马逊(AWS)云端分别部署流媒体服务器(在云端服务器搭建的SRS模块，该模块被称之为流媒体服务器)和视频分发模块，OBS推流模块与流媒体服务器相连接，流媒体9计模块的结果以JSON格式传递到行为识别模块进行构建时空图模型并进行时空图卷积操警系统中服务器和客户端建立连接过程的流程图；当客户端向服务器(分发服务器)发送[0054]视频监控装置使用的是insta360影石公司的产品insta360pro;服务器的配置为务，配置为2vCPU,内存(RAM)为4G;视频分发模块部署硬件设施使用的是AWS的云端EC2服地址实现视频的传输；视频监控装置采集到视频之后，配合安装在普通台式机上的估计模块的结果以JSON格式传递到行为识别模块进行构建时空图模型并进行时空图卷积体服务器将视频流推送到设置好URL地址的视频分发模块(此模块位于亚马逊云端);手机就可以通过访问视频分发模块的URL地址获得视频，并可以通过滑动屏幕通过socket通信的形式将想要看的视角的坐标发送到视频分发模块(此模块位于亚马逊云端，就是视频分[0061]步骤5:对步骤4中构建的时空图模型进行时空图卷积操作，识别视频中每个人的[0062]步骤6:判断步骤5中识别出的行为中是否包含异常行为，若不包含异常行为则返刻通过查看对应位置的全景摄像机全面掌握现场的情况，进行相关的人员部署与事件处变视角后的坐标到AWS云服务端，云服务端通过解析坐标在球模型上截取相应窗口大小的[0074]步骤1:在银行自助取款机大厅顶部中心位置已经安装好insta360影石公司的产频质量为4K,在银行自助取款机大厅营业过程中，监控视频以RProtocol)流的形式通过网线实时不间断发送到服务器，服务器的配置为Intel(R)Core[0076]步骤3:使用人体姿态估计模块openpose网络对步骤2中的图像特征F进行卷积操CN112991656A说明书11/13页这些行为写到异常行为标签文件中，对步骤5中识别的动作类别与规定的异常行为进行匹[0080]步骤7:步骤6出现了正确匹配，即出现了异常行为，会触发已经设置好的报警语http协议触发阿里云的阿里云短信服务平台，平台会发送已经预先编辑好模板[0081]步骤8:相关人员通过步骤7接收到了报警信息，本地的安保人员可以即刻通过查看自助取款大厅的全景摄像机监控画面全面掌握现场的情况，根据现场情况进行人员部显卡型号为GeForceGTX1080,操作系统为Windows10;此电脑安装有OBS(Open别满足不同的需求，手机APP适用于固定长期使用本系统的用户(银行工作人员),即开即头实现360度视频的获取，首先利用基于深度学习的人体姿态估计算法提取人体的骨骼关[0086]本发明公开了一种基于姿态估计的全景监控下人体异常行为识别报警系统及方