一种可识别分析作业人员行为的方法、智能终端及装置与流程

1.本发明涉及图像识别技术领域，具体涉及一种可识别分析作业人员行为的方法、智能终端及装置。


背景技术：

2.在从图像中识别人体动作的过程中，对图像质量、图像大小以及图像光感质量等因素的要求大致相同，但对各个因素的具体要求却往往是矛盾的。在已有的传统图像识别方式中，常常会出现提高了图像质量，却增加了图像中的噪声或丢失了部分图像特征，加重了图像的识别难度，或集中在不同环境中图像质量的不同，而很难通过图像识别出人体动作的情况。基于已有的图像识别技术，可识别特定物体及人体骨骼结构，同时可根据整体图像结构，包括固定场景，图像目标的色彩，轮廓的图像结构进行多约束多目标的动作识别，但由于固定场景，目标图像的色彩，图像轮廓在不同角度，距离以及光感的变化往往会造成无法有效进行动作的识别的问题，同时还会导致无法有效快速调整现有识别模型的问题。


技术实现要素：

3.本发明的目的在于提供一种可识别分析作业人员行为的方法、智能终端及装置，以解决由于图像中的背景环境的影响所导致识别结果精度不高的问题。
4.第一方面，本发明提供的一种可识别分析作业人员行为的方法，包括：
5.对读取的视频图像进行图像识别；
6.对图像识别后的图像进行判断是否有人；
7.对判断后的图像进行图像分析；
8.对图像分析后的图像判断是否违规；
9.对不符合规定的图像发出警报。
10.进一步的，读取视频图像，包括：
11.对视频图像进行采集；
12.对采集后的视频图像进行读取。
13.进一步的，对读取的视频图像进行图像识别，包括：
14.对图像进行灰度处理；
15.采用局部特征点算法进行图像识别，图像特征包括颜色特征、纹理特征、形状特征以及局部特征点等，局部特点具有很好的稳定性，不容易受外界环境的干扰。
16.进一步的，对图像识别后的图像进行判断是否有人，包括：
17.对所述处理识别的图像进行判定，若有人则输出1并进行下一步，若无人则输出2 并返回起点。
18.进一步的，对判断后的图像进行图像分析，包括：
19.预先输入违规动作图像，如吸烟，喝酒，睡觉，打架；
20.将判断后的图像进行图像分割，得到人像部分。
21.进一步的，对图像分析后的图像进行行动是否违规的判定，包括：
22.将所述人像部分与所述违规动作图像进行对照，若不符合则输出1结束，若相符合则输出2，发出警报。
23.进一步的，对不符合规定的图像发出警报，包括：
24.警报单元接收到信号发出警报。
25.第二方面，一种可识别分析作业人员行为的装置，包括：
26.读取单元，用于读取视频图像；
27.识别单元，用于对读取的视频图像进行图像识别；
28.第一判断单元，用于对图像识别后的图像进行判断是否有人；
29.分析单元，用于对判断后的图像进行图像分析；
30.第二判断单元，用于对图像分析后的图像判断是否违规；
31.警报单元，用于对不符合规定的图像发出警报。
32.第三方面，一种可识别分析作业人员行为的智能终端，包括：摄像头，报警器，存储器，处理器。
33.本发明的有益效果如下：本发明提供的一种可识别分析作业人员行为的方法、智能终端及装置，通过读取视频图像，对读取的视频图像进行图像识别，对图像识别后的图像进行判断是否有人，对判断后的图像进行图像分析，对图像分析后的图像进行行动是否违规的判定，对不符合规定的图像发出警报，从而提升了识别速度和识别精度。
附图说明
34.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中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。
35.图1为本发明一种可识别分析作业人员行为的方法的流程图；
36.图2为本发明一种可识别分析作业人员行为的方法的思路总图。
37.图3为本发明一种可识别分析作业人员行为的方法的像素点对比图；
38.图4为本发明一种可识别分析作业人员行为的装置示意图。
39.图5为本发明一种可识别分析作业人员行为的智能终端示意图。
具体实施方式
40.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。以下结合附图，详细说明本发明各实施例提供的技术方案。
41.请参阅图1至图3，本发明实施例提供一种可识别分析作业人员行为的方法、智能终端及装置，包括：
42.s100：读取视频图像。
43.通过摄像头对图像进行采集，在读取采集到图像。
44.s101:对读取的视频图像进行图像识别。
45.在本实施例中，对读取的视频图像进行图像识别包括：对图像进行灰度处理；
46.采用局部特征点算法进行图像识别，图像特征包括颜色特征、纹理特征、形状特征以及局部特征点等，局部特点具有很好的稳定性，不容易受外界环境的干扰。
47.图像特征提取是图像分析与图像识别的前提，它是将高维的图像数据进行简化表达最有效的方式，从一幅图像的的数据矩阵中，我们看不出任何信息，所以我们必须根据这些数据提取出图像中的关键信息，一些基本元件以及它们的关系。
48.局部特征点是图像特征的局部表达，它只能反正图像上具有的局部特殊性，所以它只适合于对图像进行匹配，检索等应用。对于图像理解则不太适合。而后者更关心一些全局特征，如颜色分布，纹理特征，主要物体的形状等。全局特征容易受到环境的干扰，光照，旋转，噪声等不利因素都会影响全局特征。相比而言，局部特征点，往往对应着图像中的一些线条交叉，明暗变化的结构中，受到的干扰也少。
49.而斑点与角点是两类局部特征点。斑点通常是指与周围有着颜色和灰度差别的区域，如草原上的一棵树或一栋房子。它是一个区域，所以它比角点的噪能力要强，稳定性要好。而角点则是图像中一边物体的拐角或者线条之间的交叉部分。
50.s102:对图像识别后的图像进行判断是否有人。
51.在本实施例中，提前输入人体的形状，对比时采用像素对比法，我们将标准图与匹配图的每个像素点进行比对，比较其相似度。如果相等，则相似点加一；这样扫描两张完图片，我们可以得到二者之间相似点的多少，再用相似点除以总点数，就可以得到一个0～1之间的数值，这就是相似度，同时这种比对算法是最简单的。
52.s103:对判断后的图像进行图像分析。
53.在本实施例中，对判断后的图像进行图像分析，具体可以包括：预先输入违规动作图像，如吸烟，喝酒，睡觉，打架；将判断后的图像进行图像分割，得到人像部分。
54.图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类:基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。
55.s104:对图像分析后的图像判断是否违规。
56.在本实施例中，对图像分析后的图像判断是否违规，通过对比所述人像部分与所述预先输入违规动作图像，比较二者的相似度，若相似度大于等于60％，则判定为不符合规定，反之则判定为符合规定。
57.s105:对不符合规定的图像发出警报。
58.在本实施例中，对不符合规定的图像发出警报，上述有违规的图像系统输出高电平信号，警报单元在接收到高电平信号1的时候开始运转，发出警报。
59.请参阅图4，本发明实施例还提供一种可识别分析作业人员行为的装置，包括：
60.读取单元601，用于读取视频图像；
61.识别单元602，用于对读取的视频图像进行图像识别；
62.第一判断单元603，用于对图像识别后的图像进行判断是否有人；
63.分析单元604，用于对判断后的图像进行图像分析；
64.第二判断单元605，用于对图像分析后的图像进行行动是否违规的判定；
65.警报单元606，用于对不符合规定的图像发出警报。
66.请参阅图5，本发明实施例还提供一种可识别分析作业人员行为的智能终端，包括：摄像头，报警器，存储器，处理器，所述处理器执行时实现所述一种可识别分析作业人员行为的方法的全部步骤。
67.本发明实施例还提供一种存储介质，本发明实施例还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现本发明提供的车牌识别方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：read-onlymemory，简称：rom)或随机存储记忆体(英文： randomaccessmemory，简称：ram)等。
68.本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
69.以上所述的本发明实施方式并不构成对本发明保护范围的限定。