基于人体骨架序列的手扶电梯乘客异常行为识别

摘要：

手扶电梯(简称扶梯)乘客异常行为识别研究具有重要意义.针对传统行为识别算法易受环境影响、不能实时并准确对多目标进行识别的问题,提出一种基于人体骨架序列的扶梯乘客异常行为识别算法.该算法首先通过结合可变形组件模型特征的支持向量机检测乘客人脸,并用改进的核相关滤波器对其进行跟踪,从而得到乘客在扶梯中的运动轨迹;接着利用卷积神经网络提取轨迹中乘客的人体骨架序列,并通过模板匹配从乘客人体骨架序列中检测异常行为骨架序列;最后利用动态时间规整将其与各类异常行为骨架序列匹配,基于k近邻方法识别异常行为.对10段扶梯视频的实验结果表明,文中所提的异常行为识别算法处理速度达到10帧/秒,识别准确率为93.2％,能够实时、准确地识别多种乘客异常行为.

关键词：手扶电梯、人体骨架序列、异常行为识别、支持向量机、核相关滤波、卷积神经网络、动态时间规整

所属期刊栏目：47

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家科技部海防公益类项目201505002;广东省前沿与关键技术创新专项资金资助项目2016B090912001;广州市产学研项目201604010114

在线出版日期：2019-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：10-19