基于关键姿态的快递场景人—物交互行为识别方法

摘要：

开箱验视是邮局快递场景中的一个重要环节,为了防止包裹内存在易燃易爆等危险品,快递打包前工作人员需按照行业要求实施危险品开箱验视;在人体行为识别框架中引人目标检测和关键姿态估计算法,提出了基于深度学习的快递场景人-物交互行为识别算法;首先,通过改进高斯混合(GMM,gaussian mixture model)背景建模方法检测运动目标,提取行为关键帧,采用OpenPose算法进行姿态估计,识别初始行为类别;其次,针对常规行为识别方法丢失物品语义信息的问题,使用YOLOv5算法检测感兴趣物体类别和位置,提出基于拍卖算法(Auction)的多人-多物最优分配算法,构建人-物交互关系特征描述子;最后,将初始行为标签和人-物交互关系描述子进行决策融合得到最终识别结果;以实际快递场景数据对所提方法进行验证分析,实验结果表明,该方法可以对相似目标和多人干扰的复杂环境中的开箱验视行为进行准确识别.

关键词：快递验视、人物交互行为识别、目标检测、姿态估计、深度学习

所属期刊栏目：30

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：182-189