专利交易市场

本发明公开了一种物联网边缘服务环境下深度感知的人体行为分析方法，包括：S1，图像预处理；S2，姿态点提取，提取出人体骨骼关键点；S3，基于姿态点置信度，对人体姿态进行预筛选；S4，通过人体两侧姿态点深度信息得到的不对称关系来确定出人体偏转角，通过所得偏转角来纠正人体姿态点二维坐标信息，得到正面人体姿态点二维坐标信息；S5，基于LSTM网络构建骨架行为识别模型，采用骨架行为识别模型对指定阶段内的人体关节数据序列进行处理，对其中包含的异常行为进行识别分析。本发明能够确保检测结果的实时性和精准性。

本发明提出了一种基于Kinect与WiFi数据联合的复杂环境下目标行为识别方法。首先，本发明提出了一种基于Kinect的提取有效骨节数据特征的方法，能够有效地提取出骨节数据中能有效反映出人体各关节运动方向和幅度的特征。其次，采用了一种能够提取出CSI数据主要子载波特征的方法，能够聚类出能够反映出其主要变化趋势的子载波数据。最后，针对Kinect数据与WiFi数据维度不同不能直接联合的问题，对跨模态搜索中的特征对齐的方法进行改进，使其能够有效地将Kinect数据与WiFi数据联合并构建分类器进行目标行为识别。本发明设计的数据联合目标行为识别算法有效可靠，有效地解决了传统的Kinect识别系统在复杂的室内环境下(桌子、书柜、沙发等遮挡物较多)无法有效识别的问题，挖掘了在复杂环境下更多的应用潜力。