一种基于人工智能的人体行为分析方法[发明专利]

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010494775.4
(22)申请日 2020.06.03
(71)申请人 安徽碧耕软件有限公司
地址 230000 安徽省合肥市合肥高新技术
开发区同创科技产业园6幢2层
(72)发明人 胡二琳　
(74)专利代理机构 上海精晟知识产权代理有限
公司 31253
代理人 龙凯
(51)Int.Cl.
G06K 9/00(2006.01)
G06N 3/04(2006.01)
(54)发明名称一种基于人工智能的人体行为分析方法(57)摘要本发明公开了一种基于人工智能的人体行为分析方法。

本发明包括如下步骤：获取拍摄设备实时采集的图像数据并储存；对采集的图像数据的进行特征识别；特征识别后人体轮廓被精准定位后，利用特征提取算法获取人体的所有行为特征；利用提取的行为特征构建特征模型；将特征模型输入卷积神经网络，产用卷积神经网络对图像数据进行挖掘和分析，以获得人体行为分析结果并存储。

本发明通过采集大量人体图像数据作为训练集和测试集，结合人工智能卷积神经网络对人体特征进行识别，并获取最佳图像，以最佳图像作为参考标准来对人体行为特征进行判定和识别，设定阈值来对人体行为特征进行诊断和预警，
提高了人体行为分析力度和分析效率。

权利要求书1页 说明书3页 附图1页CN 111860118 A 2020.10.30
C N 111860118
A
1.一种基于人工智能的人体行为分析方法，其特征在于，包括如下步骤：
步骤S1：获取拍摄设备实时采集的图像数据并储存；
步骤S2：对采集的图像数据的进行特征识别；
步骤S3：特征识别后人体轮廓被精准定位后，利用特征提取算法获取人体的所有行为特征；
步骤S4：利用提取的行为特征构建特征模型；
步骤S5：将特征模型输入卷积神经网络，产用卷积神经网络对图像数据进行挖掘和分析，以获得人体行为分析结果并存储；
步骤S6：根据人体行为分析结果生成可视化报告并存储；
步骤S7：对可视化报告进行数据解读以获得数据解读结果并存储，根据解读结果进行人体行为诊断和预警。

2.根据权利要求1所述的一种基于人工智能的人体行为分析方法，其特征在于，所述步骤S2中，对采集的图像数据进行降噪处理；所述降噪处理用于去除人物的背景图像，将人物轮廓从背景中定位出来。

3.根据权利要求1所述的一种基于人工智能的人体行为分析方法，其特征在于，所述步骤S3中，在特征提取中，使用二值法或灰度图法，将人体的行为举止保存到特征数据库中，并将人体特征轮廓提取出来。

4.根据权利要求1所述的一种基于人工智能的人体行为分析方法，其特征在于，所述步骤S4中，构建特征模型步骤如下：
步骤S41：调用人体特征数据库对图像数据进行评估，获取评估结果；
步骤S42：根据评估结果对拍摄设备的拍摄角度和拍摄焦距进行调整，以获得最佳图像；
步骤S43：调用分析数据库对最佳图像的人体位置参数和变化情况进行分析，获得最佳图像的人体特征信息；
步骤S44：调用预设特征点分析数据库，结合人体特征数据库对最佳图像中的人体特征图像进行分析，获取最佳图像中的人体图像的特征点。

5.根据权利要求1所述的一种基于人工智能的人体行为分析方法，其特征在于，所述步骤S6中，人体行为分析结果生成人体行为饼状图和人体行为统计图并将人体行为饼状图和人体行为统计图存储至预设的可视化报告数据库。

6.根据权利要求1或5所述的一种基于人工智能的人体行为分析方法，其特征在于，所述步骤S7中，将人体行为饼状图和人体行为统计图输入卷积神经网络，采用卷积神经网络对人体行为饼状图和人体行为统计图进行解读，判断人体特征是否超过规定的阈值，若超过阈值则对获得对人体行为向管理平台发送预警。

权　利　要　求　书1/1页CN 111860118 A
一种基于人工智能的人体行为分析方法
技术领域
[0001]本发明属于人工智能技术领域，特别是涉及一种基于人工智能的人体行为分析方法。

背景技术
[0002]人工智能(Artificial Intelligence)，英文缩写为AI。

它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

[0003]通常，用户的行为反馈对产品的优化和性能提升具有指导性作用，通过分析用户的行为日志和用户反馈，可以帮助相关人员了解产品在体验上和性能上的不足和影响面，以帮助分析人员了解真实用户的使用场景和习惯，以使得产片可带来更优的产品体验等。

[0004]相关技术中，用户行为监控在word文档中进行为字层面的分析，无法模拟真实产品的用户交互情况，分析效率低，周期长。

发明内容
[0005]本发明的目的在于提供一种基于人工智能的人体行为分析方法，通过采集大量人体图像数据作为训练集和测试集，结合人工智能卷积神经网络对人体特征进行识别，并对检测的人体行为特征进行诊断和预警，解决了现有的人体行为分析效率低，周期长问题。

[0006]为解决上述技术问题，本发明是通过以下技术方案实现的：
[0007]本发明为一种基于人工智能的人体行为分析方法，包括如下步骤：
[0008]步骤S1：获取拍摄设备实时采集的图像数据并储存；
[0009]步骤S2：对采集的图像数据的进行特征识别；
[0010]步骤S3：特征识别后人体轮廓被精准定位后，利用特征提取算法获取人体的所有行为特征；
[0011]步骤S4：利用提取的行为特征构建特征模型；
[0012]步骤S5：将特征模型输入卷积神经网络，产用卷积神经网络对图像数据进行挖掘和分析，以获得人体行为分析结果并存储；
[0013]步骤S6：根据人体行为分析结果生成可视化报告并存储；
[0014]步骤S7：对可视化报告进行数据解读以获得数据解读结果并存储，根据解读结果进行人体行为诊断和预警。

[0015]优选地，所述步骤S2中，对采集的图像数据进行降噪处理；所述降噪处理用于去除人物的背景图像，将人物轮廓从背景中定位出来。

[0016]优选地，所述步骤S3中，在特征提取中，使用二值法或灰度图法，将人体的行为举止保存到特征数据库中，并将人体特征轮廓提取出来。

[0017]优选地，所述步骤S4中，构建特征模型步骤如下：
[0018]步骤S41：调用人体特征数据库对图像数据进行评估，获取评估结果；
[0019]步骤S42：根据评估结果对拍摄设备的拍摄角度和拍摄焦距进行调整，以获得最佳图像；
[0020]步骤S43：调用分析数据库对最佳图像的人体位置参数和变化情况进行分析，获得最佳图像的人体特征信息；
[0021]步骤S44：调用预设特征点分析数据库，结合人体特征数据库对最佳图像中的人体特征图像进行分析，获取最佳图像中的人体图像的特征点。

[0022]优选地，所述步骤S6中，人体行为分析结果生成人体行为饼状图和人体行为统计图并将人体行为饼状图和人体行为统计图存储至预设的可视化报告数据库。

[0023]优选地，所述步骤S7中，将人体行为饼状图和人体行为统计图输入卷积神经网络，采用卷积神经网络对人体行为饼状图和人体行为统计图进行解读，判断人体特征是否超过规定的阈值，若超过阈值则对获得对人体行为向管理平台发送预警。

[0024]本发明具有以下有益效果：
[0025]本发明通过采集大量人体图像数据作为训练集和测试集，结合人工智能卷积神经网络对人体特征进行识别，并获取最佳图像，以最佳图像作为参考标准来对人体行为特征进行判定和识别，设定阈值来对人体行为特征进行诊断和预警，提高了人体行为分析力度和分析效率，便于快速做出预警。

[0026]当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明
[0027]为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0028]图1为本发明的一种基于人工智能的人体行为分析方法步骤图。

具体实施方式
[0029]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楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

[0030]请参阅图1所示，本发明为一种基于人工智能的人体行为分析方法，包括如下步骤：
[0031]步骤S1：获取拍摄设备实时采集的图像数据并储存；
[0032]步骤S2：对采集的图像数据的进行特征识别；
[0033]步骤S3：特征识别后人体轮廓被精准定位后，利用特征提取算法获取人体的所有行为特征；
[0034]步骤S4：利用提取的行为特征构建特征模型；
[0035]步骤S5：将特征模型输入卷积神经网络，产用卷积神经网络对图像数据进行挖掘和分析，以获得人体行为分析结果并存储；
[0036]步骤S6：根据人体行为分析结果生成可视化报告并存储；
[0037]步骤S7：对可视化报告进行数据解读以获得数据解读结果并存储，根据解读结果进行人体行为诊断和预警。

[0038]其中，步骤S2中，对采集的图像数据进行降噪处理；降噪处理用于去除人物的背景图像，背景图片如墙壁、花草、地面等从图像中抠除，因此利用特征识别可以准确地识别人体的特征轮廓，将人物轮廓从背景中定位出来。

[0039]其中，步骤S3中，在特征提取中，使用二值法或灰度图法，将人体的行为举止准确地保存到特征数据库中，并将人体特征轮廓提取出来，以便能够与其他人的行为举止进行对比。

[0040]其中，步骤S4中，构建特征模型步骤如下：
[0041]步骤S41：调用人体特征数据库对图像数据进行评估，获取评估结果；
[0042]步骤S42：根据评估结果对拍摄设备的拍摄角度和拍摄焦距进行调整，以获得最佳图像；
[0043]步骤S43：调用分析数据库对最佳图像的人体位置参数和变化情况进行分析，获得最佳图像的人体特征信息；
[0044]步骤S44：调用预设特征点分析数据库，结合人体特征数据库对最佳图像中的人体特征图像进行分析，获取最佳图像中的人体图像的特征点。

[0045]其中，步骤S6中，人体行为分析结果生成人体行为饼状图和人体行为统计图并将人体行为饼状图和人体行为统计图存储至预设的可视化报告数据库。

[0046]其中，步骤S7中，将人体行为饼状图和人体行为统计图输入卷积神经网络，采用卷积神经网络对人体行为饼状图和人体行为统计图进行解读，判断人体特征是否超过规定的阈值，若超过阈值则对获得对人体行为向管理平台发送预警。

[0047]值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

[0048]另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。

[0049]以上公开的本发明优选实施例只是用于帮助阐述本发明。

优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。

显然，根据本说明书的内容，可作很多的修改和变化。

本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。

本发明仅受权利要求书及其全部范围和等效物的限制。

图1。