一种用于视频监控的图像分析方法以及装置与流程

本申请涉及视频监控领域，具体涉及一种用于视频监控的图像分析方法。本申请同时涉及一种用于视频监控的图像分析装置。

背景技术：

视频监控(Cameras and Surveillance)是安全防范系统的重要组成部分，以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。传统的监控系统包括前端摄像机、传输线缆、视频监控平台，摄像机可分为网络数字摄像机和模拟摄像机，可作为前端视频图像信号的采集。近年来，随着计算机、网络以及图像处理、数据传输等技术的飞速发展，视频监控技术也有了长足的发展，目前的视频监控可以基于移动终端来实现，比如用户的智能手机、平板电脑等移动终端，不仅可以作为前端进行视频数据的采集，同时还可以作为中间以及后端的数据传输装置以及数据计算中心进行数据传输和数据分析计算，对采集到的视频图像信息进行自动识别、存储，在移动终端上对采集到的视频图像进行实时观看、录入、回放、调出及储存等操作；此外，如果视频监控当中设置有主机，还可以通过移动终端将其采集到的视频图像发送至主机进行存储和相应操作，而实现移动互联的视频监控。

目前除了在城市道路、商场、办公区域等公用场所安置视频监控外，越来越多的家庭也选择安装视频监控，一方面起到安全防护目的，另一方面是为了看护家中的老人或者小孩，但是在现实生活中，视频监控也同样存在侵犯老人隐私的问题，基于此，许多家庭的老人对安装视频监控持反对意见，如果为了看护老人，不考虑老人的想法对老人实现视频监控，长此以往，甚至会影响老人的身心健康。综上所述，有必要提供一种即不涉及侵犯老人隐私又能看护老人的方法以解决上述问题。

技术实现要素：

本申请提供一种用于视频监控的图像分析方法，以解决现有技术存在的问题。本申请另外提供一种用于视频监控的图像分析装置。

本申请提供一种用于视频监控的图像分析方法，包括：

从获取到的视频采集装置采集到的视频数据当中提取特定时间区间内的视频片段；

将提取到的视频片段解码为相应的图像序列；

基于预设人体轮廓检测算法检测所述图像序列中包含有人体轮廓特征的图像，作为用户动作图像；

识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型；

通过预先设置的通信装置向认证终端设备发送包含所述人体行为动作类型的动作消息。

可选的，所述从获取到的视频采集装置采集到的视频数据流中提取特定时间区间内的视频数据步骤执行前，执行下述步骤：

接收所述认证终端设备发送的动作获取指令；所述特定时间区间的起始时间点由所述动作获取指令中携带的时间信息确定。

可选的，所述特定时间区间的起始时间点根据预设检测周期进行确定，每隔一个检测周期获取当前的时间戳作为所述特定时间区间的起始时间点。

可选的，所述识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型，采用如下方式实现：

获取所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息；

将所述地理位置信息与预设的地理位置与人体行为动作映射关系进行比对，获得所述用户动作图像中包含的人体轮廓特征对应的用户的人体行为动作类型。

可选的，所述获取所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息，采用如下方式实现：

计算所述用户动作图像中包含的人体轮廓特征在当前用户动作图像中的坐标信息；

根据所述人体轮廓特征在当前用户动作图像中的坐标信息，并结合当前用户动作图像的坐标与实际场景中地理位置坐标的比例，计算所述人体轮廓特征在当前用户动作图像中的坐标信息在实际场景中对应的地理位置信息。

可选的，所述人体轮廓特征在当前用户动作图像中的坐标信息采用如下方式进行计算：

根据预设的拟合规则将当前用户动作图像中包含的人体轮廓特征拟合成多边形，利用拟合获得的所述多边形各个顶点的坐标信息计算并获取所述多边形的几何中心的坐标信息，将该几何中心的坐标信息作为所述人体轮廓特征在当前用户动作图像中的坐标信息。

可选的，所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息，通过当前用户动作图像中包含的人体轮廓特征对应的用户的可穿戴设备检测获得。

可选的，所述识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型，采用如下方式实现：

对所述用户动作图像进行灰度处理，获得所述用户动作图像对应的用户动作灰度图像；

提取所述用户动作灰度图像中包含的人体轮廓信息，获得人体行为动作轮廓线图；

从预设的人体行为动作基准图的集合中选择与所述人体行为动作轮廓线图的相似度最高的人体行为动作基准图，并根据当前人体行为动作基准图对应的人体行为动作类型，确定所述人体行为动作轮廓线图对应的人体行为动作类型。

本申请还提供一种用于视频监控的图像分析装置，包括：

视频片段提取单元，用于从获取到的视频采集装置采集到的视频数据当中提取特定时间区间内的视频片段；

视频片段解码单元，用于将提取到的视频片段解码为相应的图像序列；

用户动作图像检测单元，用于基于预设人体轮廓检测算法检测所述图像序列中包含有人体轮廓特征的图像，作为用户动作图像；

人体行为动作类型识别单元，用于识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型；

动作消息发送单元，用于通过预先设置的通信装置向认证终端设备发送包含所述人体行为动作类型的动作消息。

可选的，所述用于视频监控的图像分析装置，包括：

动作获取指令接收单元，用于接收所述认证终端设备发送的动作获取指令；所述特定时间区间的起始时间点由所述动作获取指令中携带的时间信息确定。

可选的，所述特定时间区间的起始时间点根据预设检测周期进行确定，每隔一个检测周期获取当前的时间戳作为所述特定时间区间的起始时间点。

可选的，所述人体行为动作类型识别单元，包括：

地理位置信息获取子单元，用于获取所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息；

人体行为动作类型确定子单元，用于将所述地理位置信息与预设的地理位置与人体行为动作映射关系进行比对，获得所述用户动作图像中包含的人体轮廓特征对应的用户的人体行为动作类型。

可选的，所述地理位置信息获取子单元，包括：

坐标信息计算子单元，用于计算所述用户动作图像中包含的人体轮廓特征在当前用户动作图像中的坐标信息；

地理位置信息计算子单元，用于根据所述人体轮廓特征在当前用户动作图像中的坐标信息，并结合当前用户动作图像的坐标与实际场景中地理位置坐标的比例，计算所述人体轮廓特征在当前用户动作图像中的坐标信息在实际场景中对应的地理位置信息。

可选的，所述人体轮廓特征在当前用户动作图像中的坐标信息采用如下方式进行计算：

根据预设的拟合规则将当前用户动作图像中包含的人体轮廓特征拟合成多边形，利用拟合获得的所述多边形各个顶点的坐标信息计算并获取所述多边形的几何中心的坐标信息，将该几何中心的坐标信息作为所述人体轮廓特征在当前用户动作图像中的坐标信息。

可选的，所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息，通过当前用户动作图像中包含的人体轮廓特征对应的用户的可穿戴设备检测获得。

可选的，所述人体行为动作类型识别单元，包括：

用户动作灰度图像获取子单元，用于对所述用户动作图像进行灰度处理，获得所述用户动作图像对应的用户动作灰度图像；

人体行为动作轮廓线图获取子单元，用于提取所述用户动作灰度图像中包含的人体轮廓信息，获得人体行为动作轮廓线图；

人体行为动作类型确定子单元，用于从预设的人体行为动作基准图的集合中选择与所述人体行为动作轮廓线图的相似度最高的人体行为动作基准图，并根据当前人体行为动作基准图对应的人体行为动作类型，确定所述人体行为动作轮廓线图对应的人体行为动作类型。

与现有技术相比，本申请具有以下优点：

本申请提供的一种用于视频监控的图像分析方法，包括：从获取到的视频采集装置采集到的视频数据当中提取特定时间区间内的视频片段；将提取到的视频片段解码为相应的图像序列；基于预设人体轮廓检测算法检测所述图像序列中包含有人体轮廓特征的图像，作为用户动作图像；识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型；通过预先设置的通信装置向认证终端设备发送包含所述人体行为动作类型的动作消息。

本申请提供的所述用于视频监控的图像分析方法，根据视频采集装置采集到的视频数据，从中提取出特定时间区间内的视频片段将其解码为相应的图像序列，并从获得的所述图像序列中检测出包含有人体轮廓特征的用户动作图像，进一步识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型，最后将包含有所述人体行为动作类型的动作消息向认证终端设备发送。所述用于视频监控的图像分析方法，通过对视频采集装置采集到的被监控方的视频数据进行分析处理，将分析获得的被监控方的人体行为动作类型发送给监控方，避免了视频监控过程中传输视频数据，节省了网络传输资源，同时避免了视频监控过程中查看视频数据涉及的侵犯隐私问题，使被监控方的隐私得到更好的保护，更加人性化。

附图说明

图1是本申请提供的一种用于视频监控的图像分析方法实施例的处理流程图；

图2是本申请提供的一种用于视频监控的图像分析装置实施例的示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。

本申请提供一种用于视频监控的图像分析方法，本申请还提供一种用于视频监控的图像分析装置。以下分别结合本申请提供的实施例的附图逐一进行详细说明，并且对方法的各个步骤进行说明。

本申请提供的一种用于视频监控的图像分析方法实施例如下：

参照附图1，其示出了本申请提供的一种用于视频监控的图像分析方法实施例的处理流程图。此外，所述用于视频监控的图像分析方法实施例的各个步骤之间的关系，请根据附图1确定。

步骤S101，从获取到的视频采集装置采集到的视频数据当中提取特定时间区间内的视频片段。

本申请实施所述用于视频监控的图像分析方法，可以基于传统的视频监控系统实现，比如包含视频采集装置(视频数据采集端)和主机(视频数据处理端)的视频监控系统，由视频采集装置将采集到的视频数据中传输至主机，一般而言，视频采集装置与主机之间基于二者之间建立的物理传输通道进行数据传输，这种实现方式的优点是可设置多个视频采集装置，将采集到的视频数据流传输至主机，比如多个视频采集装置将采集到的视频数据传输至本地设置的视频监控服务器，由视频监控服务器对各个视频采集装置将采集到的视频数据统一进行分析处理。此外，所述用于视频监控的图像分析方法还可以基于同时具备视频采集装置和主机的视频监控系统实现，比如基于智能手机、平板电脑等终端设备即可同时实现视频数据的采集和对采集到的视频数据的分析计算。

需要说明的是，为了确保数据安全，避免所述视频采集装置采集到的视频数据泄露带来的安全隐患，本实施例中，所述视频采集装置采集到的所述视频数据只在本地进行传输，相应的，所述视频采集装置与所述主机同样设置在本地，所述视频采集装置不与外界进行通信，所述主机在与外界进行通信时，只与预先取得所述主机认证或者授权的认证终端设备进行通信，比如，视频采集装置和主机部署在需要看护的老人的家中或者老人的活动区域内，可以对老人的子女或者监护人提供的终端设备进行提前认证，从而与认证之后的终端设备进行通信，在实际应用中，可以将老人的子女或者监护人的随身携带的智能手机进行认证，从而能够实时方便的查看老人的状态。

在具体实施时，在本步骤执行前，即从所述视频数据中提取特定时间区间内的视频片段前，可接收所述认证终端设备发送的动作获取指令；所述特定时间区间的起始时间点由所述动作获取指令中携带的时间信息确定。在此基础上，当接收到认证终端设备发送的获取指令后，根据接收到的所述获取指令，从获取到的视频采集装置采集到的视频数据中提取特定时间区间内的视频片段。

考虑到图像处理的数据计算量较大，如果对较长一段时间内的视频数据进行处理，需要花费大量的时间，甚至需要花费数小时的时间来进行后续的分析处理，就失去了看护老人的实时性，因此，可选取一个较短时间区间内的视频片段进行后续的分析处理，比如设置数分钟或者数秒的时间时长作为所述特定时间区间的时长，如上所述，所述特定时间区间的起始时间点由所述动作获取指令中携带的时间信息确定，基于此，可确定所述特定时间区间的终止时间点，从而能够进一步确定所述视频数据中提取的所述特定时间区间内的所述视频片段。

此外，在具体实施时，所述特定时间区间的起始时间点还可以根据预设检测周期进行确定，每隔一个检测周期获取当前的时间戳作为所述特定时间区间的起始时间点。比如设置一个定时器，定时器每次被触发，即每隔一个检测周期，例如1小时，从视频采集装置采集到的视频数据中提取1分钟内的视频片段。

步骤S102，将提取到的视频片段解码为相应的图像序列。

上述步骤S101从所述视频采集装置采集到的视频数据中提取特定时间区间内的所述视频片段，为本步骤以及下述步骤对所述视频片段进行分析处理做了数据准备工作，本步骤中，将提取到的视频片段解码为相应的图像序列。例如，通过解码器将视频数据流中提取出的1分钟内的视频片段解码为图像序列。

步骤S103，基于预设人体轮廓检测算法检测所述图像序列中包含有人体轮廓特征的图像，作为用户动作图像。

在实际应用中，用户不可能一直处于所述视频采集装置能够采集到的范围内，必然会存在用户离开所述视频采集装置的采集范围的情形，所述视频采集装置在这种情况下采集到的视频片段解码获得的图像序列中，存在许多并不包含人体轮廓特征的图像，因此，首先要将所述图像序列中包含有人体轮廓特征的图像检测并识别出来。本步骤中，基于预设的人体轮廓检测算法检测所述图像序列中包含有人体轮廓特征的图像，作为所述用户动作图像。当前在图像当中检测和识别人体轮廓的图像处理技术已经较为成熟，因此这一部分不再着重描述，只需采用合适的图像识别算法，能够实现在图像当中检测并且识别其中是否包含人体轮廓特征即可，将所述图像序列中包含有人体轮廓特征的图像检测出来，比如基于常用的OpenCV(Open Source Computer Vision Library，开源计算机视觉库)即可实现针对图像当中人体轮廓特征的检测和识别，从而将图像序列中包含有人体轮廓特征的用户动作图像全部检测出来。

步骤S104，识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型。

上述步骤S103从所述图像序列中检测出包含有人体轮廓特征的所述用户动作图像，本步骤在上述步骤S103的基础上进一步识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型。

在具体实施时，识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型，可采用如下方式实现：

1)获取所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息；

所述用户动作图像当中包含的人体轮廓特征与实际场景中的用户行为或者用户姿态相对应，一般而言，用户在实际场景中不同区域的行为动作往往也有所不同，并且用户在实际场景中的行为动作往往与用户实际所处的位置紧密相关，因此，为了确定所述用户动作图像中包含的人体轮廓特征对应的用户在实际场景中的具体行为动作，本步骤首先确定所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息，下述步骤2)在此基础上进一步确定所述人体轮廓特征对应的用户在实际场景中的具体行为动作。

具体的，所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息，可通过下述方式进行计算：

a、计算所述用户动作图像中包含的人体轮廓特征在当前用户动作图像中的坐标信息；

具体的，可根据预设的拟合规则将当前用户动作图像中包含的人体轮廓特征拟合成多边形，利用拟合获得的所述多边形各个顶点的坐标信息计算并获取所述多边形的几何中心的坐标信息，将该几何中心的坐标信息作为所述人体轮廓特征在当前用户动作图像中的坐标信息。

b、根据所述人体轮廓特征在当前用户动作图像中的坐标信息，并结合当前用户动作图像的坐标与实际场景中地理位置坐标的比例，计算所述人体轮廓特征在当前用户动作图像中的坐标信息在实际场景中对应的地理位置信息。

在具体实施时，所述人体轮廓特征在当前用户动作图像中的坐标信息已通过上述步骤a获得；此外，所述视频采集装置一般是固定部署在实际场景中的某一位置，并且所述视频采集装置在实际场景中的视频采集范围也是相对固定的，因此，所述视频片段解码获得的图像序列当中用户动作图像在实际场景中对应的采集范围(即地理位置区域)也是相对固定，进一步，当前用户动作图像的坐标与实际场景中地理位置坐标的比例同样是相对固定的，可通过预先的检测计算操作获得当前用户动作图像的坐标与实际场景中地理位置坐标的比例。基于如上所述，可根据上述步骤a计算获得的所述人体轮廓特征在当前用户动作图像中的坐标信息，以及预先计算获得的当前用户动作图像的坐标与实际场景中地理位置坐标的比例，从而计算出所述人体轮廓特征在当前用户动作图像中的坐标信息在实际场景中对应的地理位置信息。

除此之外，在具体实施时，所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息，还可以通过当前用户动作图像中包含的人体轮廓特征对应的用户的可穿戴设备检测获得，比如通过老人佩戴的智能手环或者随身携带的智能手机内置的定位检测装置(如GPS模块)来检测老人实时所处的地理位置信息。

所述可穿戴设备检测到用户所处地理位置信息后，将检测获得的地理位置信息存储起来，相应的，获取所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息，可以根据所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点，来获取所述可穿戴设备检测并存储的该时间点的地理位置信息。

2)将所述地理位置信息与预设的地理位置与人体行为动作映射关系进行比对，获得所述用户动作图像中包含的人体轮廓特征对应的用户的人体行为动作类型。

在实际当中老人的活动范围往往是比较固定或者比较局限的，基于这一特征，可以采集老人在以往一段时间内老人在实际场景中不同位置区域的行为活动类型，依次为参考设置所述地理位置与人体行为动作映射关系。例如，老人处于家中卧室区域，对应的人体行为动作类型为休息/睡眠；老人处于家中厨房/餐厅区域，对应的人体行为动作类型为做饭/用餐；老人处于家中客厅区域，对应的人体行为动作类型为休闲；老人处于室外监控区域，对应的人体行为动作类型为活动。在实际应用中，为了使所述地理位置与人体行为动作映射关系更加准确，可以通过增设位置区域，或者增加采集老人以往在实际场景中不同区域的行为活动类型的时间长度，来提升所述地理位置与人体行为动作映射关系的准确度，从而进一步提升对所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型检测识别的准确度。

除此之外，基于老人在日常生活当中的行为和作息比较规律这一特征，还可以在上述实现方式的基础上将时间因素纳入分析范畴，建立所述地理位置信息、时间信息和人体行为动作类型三者的映射关系，即设置地理位置-时间区间-人体行为动作映射关系，通过将所述地理位置信息和所述人体轮廓特征对应的用户在当前用户动作图像的时间点与所述设置地理位置-时间区间-人体行为动作映射关系进行比对，确定所述人体轮廓特征对应的用户的人体行为动作类型，从而进一步提升对所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型检测识别的准确度。

此外，在具体实施时，本步骤识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型，还可以采用如下方式实现：对所述用户动作图像进行灰度处理，获得所述用户动作图像对应的用户动作灰度图像；提取所述用户动作灰度图像中包含的人体轮廓信息，获得人体行为动作轮廓线图；从预设的人体行为动作基准图的集合中选择与所述人体行为动作轮廓线图的相似度最高的人体行为动作基准图，并根据当前人体行为动作基准图对应的人体行为动作类型，确定所述人体行为动作轮廓线图对应的人体行为动作类型。

在实际应用中，可以采用多种具体的实现方式，实现识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型。实现识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型的各种形式的变化，都只是具体实现方式的变更，都不偏离本申请的核心，因此都在本申请的保护范围之内。

步骤S105，通过预先设置的通信装置向认证终端设备发送包含所述人体行为动作类型的动作消息。

如上所述，上述步骤S101可以是根据接收到的所述认证终端设备发送的所述动作获取指令执行，还可以是基于预设检测周期来定期执行，与之相对应，如果上述步骤S101是根据接收到的所述认证终端设备发送的所述动作获取指令来执行，本步骤通过所述通信装置向所述认证终端设备发送包含所述人体行为动作类型的所述动作消息，此时，所述动作消息为所述动作获取指令的响应消息。此外，如果上述步骤S101是基于预设检测周期来定期执行，则本步骤同样定期通过所述通信装置向所述认证终端设备发送包含所述人体行为动作类型的所述动作消息。

综上所述，本申请提供的所述用于视频监控的图像分析方法，根据视频采集装置采集到的视频数据，从中提取出特定时间区间内的视频片段将其解码为相应的图像序列，并从获得的所述图像序列中检测出包含有人体轮廓特征的用户动作图像，进一步识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型，最后将包含有所述人体行为动作类型的动作消息向认证终端设备发送。所述用于视频监控的图像分析方法，通过对视频采集装置采集到的被监控方的视频数据进行分析处理，将分析获得的被监控方的人体行为动作类型发送给监控方，避免了视频监控过程中传输视频数据，节省了网络传输资源，同时避免了视频监控过程中查看视频数据涉及的侵犯隐私问题，使被监控方的隐私得到更好的保护，更加人性化。

本申请提供的一种用于视频监控的图像分析装置实施例如下：

在上述的实施例中，提供了一种用于视频监控的图像分析方法，与之相对应的，本申请还提供了一种用于视频监控的图像分析装置，下面结合附图进行说明。

参照附图2，其示出了本申请提供的一种用于视频监控的图像分析装置实施例的示意图。

由于装置实施例与上述提供的方法实施例相互对应，所以本实施例描述得比较简单，阅读本实施例的内容请参照上述方法实施例的对应说明。下述描述的装置实施例仅仅是示意性的。

本申请提供一种用于视频监控的图像分析装置，包括：

视频片段提取单元201，用于从获取到的视频采集装置采集到的视频数据当中提取特定时间区间内的视频片段；

视频片段解码单元202，用于将提取到的视频片段解码为相应的图像序列；

用户动作图像检测单元203，用于基于预设人体轮廓检测算法检测所述图像序列中包含有人体轮廓特征的图像，作为用户动作图像；

人体行为动作类型识别单元204，用于识别所述用户动作图像当中包含的人体轮廓特征对应的人体行为动作类型；

动作消息发送单元205，用于通过预先设置的通信装置向认证终端设备发送包含所述人体行为动作类型的动作消息。

可选的，所述的用于视频监控的图像分析装置，包括：

动作获取指令接收单元，用于接收所述认证终端设备发送的动作获取指令；所述特定时间区间的起始时间点由所述动作获取指令中携带的时间信息确定。

可选的，所述特定时间区间的起始时间点根据预设检测周期进行确定，每隔一个检测周期获取当前的时间戳作为所述特定时间区间的起始时间点。

可选的，所述人体行为动作类型识别单元204，包括：

地理位置信息获取子单元，用于获取所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息；

人体行为动作类型确定子单元，用于将所述地理位置信息与预设的地理位置与人体行为动作映射关系进行比对，获得所述用户动作图像中包含的人体轮廓特征对应的用户的人体行为动作类型。

可选的，所述地理位置信息获取子单元，包括：

坐标信息计算子单元，用于计算所述用户动作图像中包含的人体轮廓特征在当前用户动作图像中的坐标信息；

地理位置信息计算子单元，用于根据所述人体轮廓特征在当前用户动作图像中的坐标信息，并结合当前用户动作图像的坐标与实际场景中地理位置坐标的比例，计算所述人体轮廓特征在当前用户动作图像中的坐标信息在实际场景中对应的地理位置信息。

可选的，所述人体轮廓特征在当前用户动作图像中的坐标信息采用如下方式进行计算：

根据预设的拟合规则将当前用户动作图像中包含的人体轮廓特征拟合成多边形，利用拟合获得的所述多边形各个顶点的坐标信息计算并获取所述多边形的几何中心的坐标信息，将该几何中心的坐标信息作为所述人体轮廓特征在当前用户动作图像中的坐标信息。

可选的，所述用户动作图像中包含的人体轮廓特征对应的用户在当前用户动作图像的时间点所处的地理位置信息，通过当前用户动作图像中包含的人体轮廓特征对应的用户的可穿戴设备检测获得。

可选的，所述人体行为动作类型识别单元204，包括：

用户动作灰度图像获取子单元，用于对所述用户动作图像进行灰度处理，获得所述用户动作图像对应的用户动作灰度图像；

人体行为动作轮廓线图获取子单元，用于提取所述用户动作灰度图像中包含的人体轮廓信息，获得人体行为动作轮廓线图；

人体行为动作类型确定子单元，用于从预设的人体行为动作基准图的集合中选择与所述人体行为动作轮廓线图的相似度最高的人体行为动作基准图，并根据当前人体行为动作基准图对应的人体行为动作类型，确定所述人体行为动作轮廓线图对应的人体行为动作类型。

本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。