The invention discloses an anomalous behavior detection method for individual live scene, which is characterized by the following steps: S1, real-time acquisition of live video signal, capturing each frame image in video stream, preprocessing each frame image, obtaining three consecutive frames of image; S2, gray processing for three consecutive frames of image, and then using three frame difference method to advance the moving human shape region. Line detection; S3, the current frame image is segmented by human shape region to get the image to be checked; S4, the image of three color channels to be checked is separated to get the input image; S5, the input image is trained by convolution neural network to get the abnormal behavior detection model, and finally the detection results are obtained. The invention can quickly and accurately detect and identify the abnormal behavior of the characters in the video. When the live content violation is detected, the alarm can be notified to the network platform in time, thereby realizing real-time and comprehensive monitoring of the live content.
【技术实现步骤摘要】
面向个体直播场景的异常行为检测方法
本专利技术涉及一种依托于计算机技术的异常行为检测方法,具体而言,涉及一种面向个体直播场景的异常行为检测方法,属于深度学习
技术介绍
近年来,网络直播行业发展极为迅速,各种直播平台层出不穷并不断发展壮大,越来越多的用户开始进行直播或者观看,信息量日益剧增。与此同时,随着直播行业的飞速发展,直播行业的各种乱象频频出现。尤其在个体直播领域,直播的内容五花八门,其中不乏色情、暴力等用来吸引观众的低俗内容。但对于这一问题,目前市场上缺乏有效的监管工具和相应的检测方法,因此这一现象很难完全杜绝。人物的异常行为检测技术能够在视频中检测人物的运动形态,对视频中的人形图像进行检测与追踪,进而实现对视频内容的判断。也正是基于这一技术的出现,为技术人员带来了启发,通过使用异常行为检测模型对网络个体直播的内容进行实时监测,以判断是否包含色情、暴力等低俗内容,也就成为了目前行业内研究的热点。综上所述,如何在现有技术的基础上提出一种面向个体直播场景的异常行为检测方法,快速且准确的完成对直播内容的检测,也就成为了本领域内技术人员亟待解决的问题。
技术实现思路
鉴于现有技术存在上述缺陷,本专利技术的目的是提出一种面向个体直播场景的异常行为检测方法,包括如下步骤:S1、实时获取直播视频信号,捕获视频流中的每帧图像,对每帧图像进行预处理,将处理后的连续三帧图像分别记为Image1、Image2、Image3,记Image3为当前帧;S2、对S1中处理后的连续三帧图像进行灰度处理,之后采用三帧差法对运动的人形区域进行检测,得到图像Image4;S3、对 ...
【技术保护点】
1.一种面向个体直播场景的异常行为检测方法,其特征在于,包括如下步骤:S1、实时获取直播视频信号,捕获视频流中的每帧图像,对每帧图像进行预处理,将处理后的连续三帧图像分别记为Image1、Image2、Image3,记Image3为当前帧;S2、对S1中处理后的连续三帧图像进行灰度处理,之后采用三帧差法对运动的人形区域进行检测,得到图像Image4;S3、对当前帧图像Image3进行人形区域分割,得到待检图像Image6;S4、分离待检图像Image6的三个颜色通道的图像channel_r、channel_g、channel_b,得到输入图像Image7;S5、对输入图像Image7进行卷积神经网络训练,得到异常行为检测模型,并最终得到检测结果。
【技术特征摘要】
1.一种面向个体直播场景的异常行为检测方法,其特征在于,包括如下步骤:S1、实时获取直播视频信号,捕获视频流中的每帧图像,对每帧图像进行预处理,将处理后的连续三帧图像分别记为Image1、Image2、Image3,记Image3为当前帧;S2、对S1中处理后的连续三帧图像进行灰度处理,之后采用三帧差法对运动的人形区域进行检测,得到图像Image4;S3、对当前帧图像Image3进行人形区域分割,得到待检图像Image6;S4、分离待检图像Image6的三个颜色通道的图像channel_r、channel_g、channel_b,得到输入图像Image7;S5、对输入图像Image7进行卷积神经网络训练,得到异常行为检测模型,并最终得到检测结果。2.根据权利要求1所述的面向个体直播场景的异常行为检测方法,其特征在于:S1中所述预处理为使用Gamma校正法对图像进行归一化,并进行中值滤波处理。3.根据权利要求1所述的面向个体直播场景的异常行为检测方法,其特征在于,S2具体包括如下步骤:S21、对前两帧图像Image1和Image2做灰度差;S22、对当前帧图像Image3和前一帧图像Image2做灰度差;S23、对上述两个结果按位做“与”操作,得到图像Image4。4.根据权利要求1所述的面向个体直播场景的异常行为检测方法,其特征在于,S3具体包括如下步骤:S31、对S2中得到的图像Imag...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。