AI行为识别预警系统定制开发

人体行为识别是智能监控、人机交互、机器人等诸多应用的一项基础技术。

行为识别是一项具有挑战性的任务，受光照条件各异、视角多样性、背景复杂、类别内容变化大等诸多因素的影响。对行为识别的研究可以追溯到1973年，当时Johansson通过实验观察发现，人体的运动可以通过一些主要关节点的移动来描述，因此，只要10-12个关键节点的组合与追踪便能形成对诸多行为例如跳舞、走路、跑步等的刻画，做到通过人体关键节点的运动来识别行为。系统根据深度图估计出的人体骨架（由人体的一些关节点的位置信息组成），对人的姿态动作进行判断，促成人机交互的实现。另一个重要分支则是基于RGB视频做行为动作识别。与RGB信息相比，骨架信息具有特征明确简单、不易受外观因素影响的优点。我们在这里主要探讨基于骨架的行为识别及检测。

人体骨架怎么获得呢？主要有两个途径：通过RGB图像进行关节点估计获得，或是通过深度摄像机直接获得。每一时刻（帧）骨架对应人体的K个关节点所在的坐标位置信息，一个时间序列由若干帧组成。行为识别就是对时域预先分割好的序列判定其所属行为动作的类型，即“读懂行为”。但在现实应用中更容易遇到的情况是序列尚未在时域分割，因此需要同时对行为动作进行时域定位（分割）和类型判定，这类任务一般称为行为检测。基于骨架的行为识别技术，其关键在于两个方面：一方面是如何有强判别性的特征，另一方面是如何利用时域相关性来对行为动作的动态变化进行建模。我们采用基于LSTM （Long-Short Term Memory）的循环神经网络（RNN）来搭建基础框架，用于学习有效的特征并且对时域的动态过程建模，实现端到端（End-to-End）的行为识别及检测。我们的工作主要从以下三个方面进行探讨和研究：

如何利用空间注意力和时间注意力来实现高性能行为动作识别

如何利用人类行为动作具有的共现性来提升行为识别的性能

如何利用RNN网络对未分割序列进行行为检测（行为动作的起止点的定位和行为动作类型的判

定）

我司核心技术算法《AI行为识别预警系统》根据客户不同需求可以提供定制化开发服务。