【技术实现步骤摘要】
基于群体智能的异常行为检测方法、装置和设备
[0001]本申请涉及计算机视觉
具体涉及一种基于群体智能的异常行为检测方法、一种基于群体智能的异常行为检测装置、电子设备和存储设备。
技术介绍
[0002]在当今城市生活中,公共场所的人员密集度高,容易造成安全问题,对此,相关工作人员必须及时获取相关信息,并及时应对。
[0003]现有技术下,基于目标检测模型的检测算法一般只能对场景中目标进行单独识别,通过对人数滞留时长设定阈值进行判断。
[0004]现有技术下的异常行为相关物检测算法存在一些缺陷:对人与异常行为相关物间的关系判定能力有所欠缺,容易将异常行为相关物与环境中的其他物品混淆;例如,针对施工占道行为,施工占道因为视角遮挡等原因可能看不到铲子锄头等施工用具,相关的施工指示牌、工程车辆等容易与道路交通中的其他物品混淆,以上情况均容易造成误检或漏检。
[0005]综上所述,现有技术下对人群异常行为存在容易误报的问题。
技术实现思路
[0006]本申请提供一种基于群体智能的异常行为检测方法、装置、电子设备及存储设备,以解决现有技术对人群异常行为容易误检的问题。
[0007]本申请提供一种基于群体智能的异常行为检测方法,包括:
[0008]获取群体活动视频;
[0009]基于群体智能算法的群体行为分析模型,对所述群体活动视频进行行为分析,确定所述群体活动视频中的群体活动是否可能存在异常行为;以及,
[0010]基于图像识别模型,对所述群体活动视 ...
【技术保护点】
【技术特征摘要】
1.一种基于群体智能的异常行为检测方法,其特征在于,包括:获取群体活动视频;基于群体智能算法的群体行为分析模型,对所述群体活动视频进行行为分析,确定所述群体活动视频中的群体活动是否可能存在异常行为;以及,基于图像识别模型,对所述群体活动视频中的视频帧进行图像识别,确定其中是否可能包含异常行为相关物;若以上结果均为是,则输出视频检测结果为异常。2.根据权利要求1所述的基于群体智能的异常行为检测方法,其特征在于,所述群体行为分析模型包括:群体行为模拟模型,用于根据所述群体活动视频,获得群体活动的轨迹;所述群体活动的轨迹,包括对群体活动在下一时间段的轨迹的预估;分类模型,用于根据所述群体行为模拟模型的参数组成的特征向量,对群体活动是否可能存在异常行为进行判断。3.根据权利要求2所述的基于群体智能的异常行为检测方法,其特征在于,所述群体行为模拟模型,采用如下方法训练获得:获取群体活动视频;根据所述群体活动视频数据,提取群体活动的结构化数据;积累所述群体活动的结构化数据达到预定的时间阈值;将积累到预定时间阈值的所述群体活动的结构化数据作为训练数据,提供给初始群体行为模拟模型,对所述群体行为模拟模型进行训练;将经过训练的群体行为模拟模型作为当前的群体行为模拟模型。4.根据权利要求2所述的基于群体智能的异常行为检测方法,其特征在于,所述分类模型采用如下方式获得:采集符合数量要求的群体活动视频,并对其中是否存在异常行为进行标注;对应各个群体活动视频,获得对应的群体行为模拟模型,提取其中的参数,组成特征向量;将所述特征向量提供给初始分类模型,结合所述是否存在异常行为的标注,对所述初始分类模型进行训练;对所述分类模型的训练达到预定标准后,将经过训练的分类模型用于所述群体行为分析模型。5.根据权利要求2所述的基于群体智能的异常行为检测方法,其特征在于,所述分类模型的输出包括以下两种类型中的至少一种:群体活动中异常行为存在或者异常行为不存在的判断结果,以及对应的置信度;群体活动中异常行为存在或者异常行为不存在的判断结果。6.根据权利要求3所述的基于群体智能的异常行为检测方法,其特征在于,所述根据所述群体活动视频,提取群体活动的结构化数据,包括:预先建立所处区域的平面场景图;对所述群体活动视频的视频帧进行目标识别,获得其中的活动个体;根据所述群体群活动视频的各个视频帧,以及获得所述视频帧的摄像设备的位置,将
各个所述活动个体的位置在所述平面场景图中标出,并形成结构化位置参数,存入仿真队列,形成仿真队列结构化数据;根据积累了预定时间长度的仿真队列结构化数据,提取所述群体活动的结构化数据。7.根据权利要求1所述的基于群体智能的异常行为检测方法,其特征在于,所...
【专利技术属性】
技术研发人员:付志航,蔡卓骏,陶明渊,黄建强,华先胜,陈泽,金文蔚,金仲明,魏龙,
申请(专利权)人:阿里云计算有限公司,
类型:发明
国别省市:
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。