買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜同濟大學申請的專利一種跳躍式及下蹲式逃票行為識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114038056B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111276839.4，技術領域涉及：G06V40/20；該發明授權一種跳躍式及下蹲式逃票行為識別方法是由黃世澤;劉曉雯;張肇鑫;宋冠群;秦晉哲;張兵杰設計研發完成，并于2021-10-29向國家知識產權局提交的專利申請。

本一種跳躍式及下蹲式逃票行為識別方法在說明書摘要公布了：本發明提供了一種跳躍式及下蹲式逃票行為識別方法，包括獲取地鐵閘機入口所在位置的監控視頻，轉化成圖像幀；利用人體關鍵點檢測算法對每一幀圖像進行檢測，獲得每一幀圖像的人體骨架數據；利用多目標跟蹤算法對連續多幀圖像中的行人進行多目標跟蹤，得到每一個行人的人體骨架序列；對人體骨架序列的某一時刻的骨架數據，進行特征提取；搭建單幀行為的檢測模型，將獲得的人體骨架特征輸入檢測模型，得到行人的動作類別；重復步驟得到每一個時刻的動作類別與時間的序列曲線，依據該曲線檢測逃票行為是否發生。通過此發明可以對地鐵站內的跳躍式及下蹲式逃票行為進行識別，及時捕捉到乘客的逃票行為并進行制止，保證地鐵秩序和安全運營。

本發明授權一種跳躍式及下蹲式逃票行為識別方法在權利要求書中公布了：1.一種跳躍式及下蹲式逃票行為識別方法，其特征在于，包括以下步驟：1獲取地鐵閘機入口所在位置的監控視頻，轉化成圖像幀；2利用人體關鍵點檢測算法對每一幀圖像進行檢測，獲得每一幀圖像的人體骨架數據；3利用多目標跟蹤算法對連續多幀圖像中的行人進行多目標跟蹤，得到每一個行人的人體骨架序列；4對步驟3中人體骨架序列的某一時刻的骨架數據，進行特征提取；5搭建單幀行為的檢測模型，將步驟4獲得的人體骨架特征輸入檢測模型，得到行人的動作類別；6將步驟3中的骨架序列的每一時刻的骨架數據以此重復步驟4到5，得到每一個時刻的動作類別與時間的序列曲線，依據該曲線檢測逃票行為是否發生；基于時間序列的行人狀態識別，其步驟如下：6a對時間序列進行獨熱碼編碼：獨熱碼，是用n位的二進制碼來表示n種狀態，并且在任意時刻只有一位有效，即只有一位的值為1，其余位為0；假設行人狀態的識別結果，即關于行人狀態的時間序列為其中T表示該行人的時間序列長度，表示t時刻模型的預測結果，行人狀態有3種，則的取值為： 由于行人狀態有3種，最少使用2位的獨熱碼來表示行人的狀態，則t時刻模型的預測結果用獨熱碼表示為其中和的定義如下： 通過以上獨熱碼編碼方法，關于行人狀態的時間序列Ypred變成了兩條時間序列O1和O2； 6b對編碼后的時間序列進行卡爾曼濾波，卡爾曼濾波器包含預測和更新兩部分工作，其中預測部分的定義如下： 其中，A表示狀態轉移矩陣，設為1，表示t-1時刻的最優估計值，B表示可選的控制輸入u的增益，ut-1表示t-1時刻的控制增益，表示t時刻的預測值；Pt-1表示t-1時刻的后驗估計協方差，Q為預測噪聲的協方差矩陣，Pt′表示t時刻的先驗估計協方差；卡爾曼濾波器更新部分的定義如下： 其中，H為測量矩陣，Kt為卡爾曼增益，R為觀測噪聲的協方差矩陣；yt為t時刻的觀測值，為t時刻的最優估計值；I為單位矩陣，Pt表示t時刻的后驗估計協方差；利用卡爾曼濾波算法對時間序列O1和O2進行處理，得到時間序列O_kf1和O_kf2； 6c對濾波后的時間序列進行閾值分割；通過設置閾值的方法將O_kf1和O_kf2進行離散化處理，具體方法如下： 其中，o_kft為t時刻經過卡爾曼濾波器得到的最優估計值，o_tht為t時刻最優估計值經過閾值分割后得到的結果，o_threshold為閾值；通過以上閾值分割方法得到離散變量類型的時間序列O_th1和O_th2，記為： 6d對分割后的時間序列進行獨熱碼逆變換；按照定義的獨熱碼編碼規則對O_th1和O_th2進行逆變換，即得到行人狀態時間序列為Ypred經過卡爾曼濾波其處理后的結果其具體轉換規則如下： 其中，表示經過卡爾曼濾波器處理后的t時刻行人狀態。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人同濟大學，其通訊地址為：200092 上海市楊浦區四平路1239號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。