基于视频分析的人体行为检测系统即肢体动作检测

基于视频分析的人体多维特征与行为识别系统
目录
目录
CONTENTS
1 平台基本情况
2 主要应用
1
本系统特点
使用基于深度学习视觉分析技术，采用行人分割、人体姿态识别、人脸识别相结合，不同于传统数 人头和活动目标检测方式来统计小场景人数，可以对密集人群进行分析。有效对抗人体之间的遮挡， 可对人进行精确识别、跟踪和行为分析，准确率高。
异常行为识别-入侵检测
基于深度学习技术进行人员监测和 跟踪， 并针对进入所设定虚拟禁区或跨 越所设定的折线（虚拟边界）的目标进 行监测跟踪，并按照用户设置的规则触 发报警。
可用于高速公路、轨道交通、机场、 军事禁区、边境线监控等非常多的场景。
异常行为识别-逗留徘徊检测
基于深度学习进行行人检测，并 对人进行动态跟踪，根据人的轨迹分 析，判断此人是否在一个区域内长期 反复滞留徘徊，当其逗留徘徊超过一 定时间之后，进行自动告警。
采用基于深度学习检测算法，对 视频画面内的人群密度进行监测，并 对超过指定密度的区域进行告警提示。
可用于景区、广场、火车站、轨 道交通等大客流区域人流密度进行监 测，并对人流密度超限区域进行告警。
人数统计分析-活跃度分析
采用基于深度学习的人体姿态动作 识别，对视频内的人员进行动作识别， 并对每个人员个体的活跃度进行评价， 对低于活跃度临界值或高于活跃度临界 值的人员进行告警。
示例
站立
举手
蹲
动态效果
பைடு நூலகம்录
目录
CONTENTS
1 平台基本情况
2 主要应用
1
基于深度学习的行人识别效果
示例
人数统计分析-人数统计
采用深度学习行人检测 技术，通过视频分析对指定 断面或范围内的行人进行人 数统计，可区分行人方向。
可适用于商场、景区、 店铺、地铁、火车站等场景。
人数统计分析-人群密度分析
可用于收费员状态监控、体育 比赛训练过程的自动打分、体育教 育过程中的姿态识别等。
行人识别
01
基于深度学习
系统可对实时视频中人物的特征
和姿态进行识别：
02
姿态
人体18个骨骼关键点识别、行为
动作识别
特征
03
发型、年龄、性别、种族、是否
戴帽、是否背包、上衣类型与颜
色、裤子类型与颜色等
异常行为分析平台
可用于ATM机监控，重点区域监 控等。
异常行为识别-聚集检测
通过基于深度学习监测技术，对区 域内人群密度超过一定值的进行告警。 可用于轨道交通、火车站、大型广场等 场所。
可用于轨道交通、火车站、大型广 场等场所。
异常行为识别-异常倒地检测
通过基于深度学习的人体 姿态识别，对人的动作进行识别， 当人出现倒地时，进行告警提示。
能很好适应倾斜、顶装等各种视角的摄像头，对于光照， 阴影等外部环境干扰，以及人员拥挤、快 速移动等有良好适应性。
可准确实现各种肢体动作和异常行为分析。 可根据用户需求自定义肢体行为，精准提供检测和警示。
本系统原理概述
目标检测
图像分割
行人识别
人体姿态识别
深度学习使得在目标检测、图像分割、行人识别、人 体姿态识别每一个领域都有大的突破
可用于建筑工地，特殊需要安全生产 场所等场景。
姿态标准化识别-工作着装检测
通过基于深度学习的人员检测和人 体属性特征识别，对进入区域内的工作 人员是否穿工作服进行检测，一旦发现 有未穿工作服的人员，则立即进行告警。
可用于建筑工地，特殊需要安全生 产场所等场景。
结合边界入侵检测功能可实现场区 内作业人员按服装颜色分区管理。
可用于宾馆走廊、工厂厂区、军 事重地、政府大门口等重点安全监控 地段。
异常行为识别-脱岗检测
基于深度学习进行值班及站岗 人员的体态动作识别，判定值班人员 站岗人员是否擅自脱岗，在岗时间等 进行精确分析和报警。
可用于监控大厅、重点场所值 班室、军事要地岗哨等场景。
异常行为识别-尾随检测
基于深度学习进行人体识别和 行为跟踪，对重点区域内长期尾随某 一个人的行为进行监测识别和告警。 可用于ATM机监控，重点区域监控等。
主要功能：
安全生产检测：能够识别多种行为，包括安全帽检测、倒地检测、玩手机等多种行为； 行为动作规范化检测：能够检测人员在工作流程中的规定动作，如洗手、举手等； 安防监控检测：能够实时检测规定范围内的安防监控问题，如爬墙、打架、徘徊等异常行为监控。
人流密度分析平台
姿态标准化识别-打电话检测
通过基于深度学习的人员检测和人体 动作特征识别，对在工作期间不按规定违 规打电话的人员进行检测和告警。
可用于驾驶员状态检测，商业场所服 务员检测等的人员，则立即进行告警。
姿态标准化识别-不按规定坐卧
通过基于深度学习的人员检测和人体 体态特征识别，可检测场景内人的体态动 作，并对不符合规定的体态进行告警提醒。
可用于幼儿园、中小学课堂、规范 化工厂等场景进行每个人的状态分析。
异常行为识别-危险行为检测
基于深度学习技术对特定场景下人 员的危险或违规动作行为自动检测、报 警。
可用以加油站、易燃易爆危险场景 下的打电话、吸烟等违规行为实时检测。
异常行为识别-违规驾驶检测
基于深度学习技术对危险品车辆驾 驶员进行动作、姿态分析，可分析司机 超时驾驶、接打电话、与人交谈、手脱 离方向盘等不安全驾驶行为。
可用于商场的非长期坐卧区域告警提 醒，公共场合如地铁、火车站等场所不文 明行为进行提醒告警。
姿态标准化识别-危险攀爬
通过基于深度学习的人员检测 和人体体态特征识别，可对一些非 法攀爬、不规范作业的动作进行识 别。
可应用景区重点保护场所、变 电站危险地带等场景。
姿态标准化识别-服务动作规范化
通过基于深度学习的人员检测 和人体动作特征识别，可对一些特 殊行业的规范动作进行识别，并基 于动作给予考核或评分。
可以用于交通监控、安全生 产场所、养老看护、体育赛事转 播等。
异常行为识别-奔跑打斗检测
通过基于深度学习的人体姿态 识别，对场景内的人员异常奔跑、 剧烈运动等行为进行检测，并进行 告警。
可用于校园监控、监狱监控、 轨道交通站台监控、旅游景区等场 所。
姿态规范化识别-安全帽检测
通过基于深度学习的人员检测和人体 属性特征识别，对进入区域内的工作人员 是否佩戴安全帽进行检测，一旦发现有未 佩戴安全帽的人员，则立即进行告警。