买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜同济大学申请的专利一种跳跃式及下蹲式逃票行为识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114038056B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111276839.4，技术领域涉及：G06V40/20；该发明授权一种跳跃式及下蹲式逃票行为识别方法是由黄世泽;刘晓雯;张肇鑫;宋冠群;秦晋哲;张兵杰设计研发完成，并于2021-10-29向国家知识产权局提交的专利申请。

本一种跳跃式及下蹲式逃票行为识别方法在说明书摘要公布了：本发明提供了一种跳跃式及下蹲式逃票行为识别方法，包括获取地铁闸机入口所在位置的监控视频，转化成图像帧；利用人体关键点检测算法对每一帧图像进行检测，获得每一帧图像的人体骨架数据；利用多目标跟踪算法对连续多帧图像中的行人进行多目标跟踪，得到每一个行人的人体骨架序列；对人体骨架序列的某一时刻的骨架数据，进行特征提取；搭建单帧行为的检测模型，将获得的人体骨架特征输入检测模型，得到行人的动作类别；重复步骤得到每一个时刻的动作类别与时间的序列曲线，依据该曲线检测逃票行为是否发生。通过此发明可以对地铁站内的跳跃式及下蹲式逃票行为进行识别，及时捕捉到乘客的逃票行为并进行制止，保证地铁秩序和安全运营。

本发明授权一种跳跃式及下蹲式逃票行为识别方法在权利要求书中公布了：1.一种跳跃式及下蹲式逃票行为识别方法，其特征在于，包括以下步骤：1获取地铁闸机入口所在位置的监控视频，转化成图像帧；2利用人体关键点检测算法对每一帧图像进行检测，获得每一帧图像的人体骨架数据；3利用多目标跟踪算法对连续多帧图像中的行人进行多目标跟踪，得到每一个行人的人体骨架序列；4对步骤3中人体骨架序列的某一时刻的骨架数据，进行特征提取；5搭建单帧行为的检测模型，将步骤4获得的人体骨架特征输入检测模型，得到行人的动作类别；6将步骤3中的骨架序列的每一时刻的骨架数据以此重复步骤4到5，得到每一个时刻的动作类别与时间的序列曲线，依据该曲线检测逃票行为是否发生；基于时间序列的行人状态识别，其步骤如下：6a对时间序列进行独热码编码：独热码，是用n位的二进制码来表示n种状态，并且在任意时刻只有一位有效，即只有一位的值为1，其余位为0；假设行人状态的识别结果，即关于行人状态的时间序列为其中T表示该行人的时间序列长度，表示t时刻模型的预测结果，行人状态有3种，则的取值为： 由于行人状态有3种，最少使用2位的独热码来表示行人的状态，则t时刻模型的预测结果用独热码表示为其中和的定义如下： 通过以上独热码编码方法，关于行人状态的时间序列Ypred变成了两条时间序列O1和O2； 6b对编码后的时间序列进行卡尔曼滤波，卡尔曼滤波器包含预测和更新两部分工作，其中预测部分的定义如下： 其中，A表示状态转移矩阵，设为1，表示t-1时刻的最优估计值，B表示可选的控制输入u的增益，ut-1表示t-1时刻的控制增益，表示t时刻的预测值；Pt-1表示t-1时刻的后验估计协方差，Q为预测噪声的协方差矩阵，Pt′表示t时刻的先验估计协方差；卡尔曼滤波器更新部分的定义如下： 其中，H为测量矩阵，Kt为卡尔曼增益，R为观测噪声的协方差矩阵；yt为t时刻的观测值，为t时刻的最优估计值；I为单位矩阵，Pt表示t时刻的后验估计协方差；利用卡尔曼滤波算法对时间序列O1和O2进行处理，得到时间序列O_kf1和O_kf2； 6c对滤波后的时间序列进行阈值分割；通过设置阈值的方法将O_kf1和O_kf2进行离散化处理，具体方法如下： 其中，o_kft为t时刻经过卡尔曼滤波器得到的最优估计值，o_tht为t时刻最优估计值经过阈值分割后得到的结果，o_threshold为阈值；通过以上阈值分割方法得到离散变量类型的时间序列O_th1和O_th2，记为： 6d对分割后的时间序列进行独热码逆变换；按照定义的独热码编码规则对O_th1和O_th2进行逆变换，即得到行人状态时间序列为Ypred经过卡尔曼滤波其处理后的结果其具体转换规则如下： 其中，表示经过卡尔曼滤波器处理后的t时刻行人状态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。