一种异常行为检测方法及装置制造方法及图纸

本发明专利技术公开了一种异常行为检测方法及装置，所述方法包括：基于检测模型，确定每个目标对象的检测框的位置信息，以及每个异常行为的检测框的位置信息；针对每个目标对象和每个异常行为，根据该目标对象和该异常行为的检测框的交并比，确定该目标对象是否存在该异常行为。本发明专利技术实施例提供的异常行为检测方法，基于一个检测模型来实现，将图像输入到检测模型中，经过一次的特征提取便可以输出是否存在异常行为的检测结果，因此不存在重复的特征提取，节约了检测资源，而且，针对不同的目标对象，以及不同的异常行为，都可以基于本案的检测模型进行检测，不需要训练多个模型，因此降低了模型训练和维护的成本。

【技术实现步骤摘要】
一种异常行为检测方法及装置
本专利技术涉及图像处理
，尤其涉及一种异常行为检测方法及装置。
技术介绍
道路交通事故给人们的生命、财产带来极大伤害，每年造成的人员死亡数超过十万人。其中，很多时候是因为驾驶员的异常行为造成的道路交通事故。驾驶员的异常行为包括未打电话、抽烟、未系安全带等。为了减少道路交通事故的发生，需要及时准确的检测出驾驶员的异常行为。现有技术中进行驾驶员的异常行为检测时，一般先检测出车窗内的目标，例如主驾驶员，副驾驶员，安全带等，然后再确定特定目标的异常行为，例如主驾驶员是否在打电话，是否系安全带等，在检测车窗内目标时，需要将图像输入对应的模型，对图像进行特征提取，之后在确定特定目标的异常行为时，仍需要将图像输入对应的模型，此时也需要对图像进行特征提取，这样便存在重复的特征提取，浪费了检测资源。另外，现有技术中检测车窗内的目标对象时，每个目标对象都需要基于一个对应的模型，例如基于模型1检测主驾驶员，基于模型2检测安全带等。确定特定目标的异常行为时，每个异常行为也都需要基于一个对应的模型，例如基于模型3确定主驾驶员是否在打电话，基于模型4确定主驾驶员是否系安全带等。本文档来自技高网...

【技术保护点】
1.一种异常行为检测方法，其特征在于，所述方法包括：将获取到的待检测的第一图像输入预先训练完成的检测模型中，基于所述检测模型，对所述第一图像进行卷积处理，确定第一特征图；并确定所述第一特征图中每个目标对象的检测框的位置信息，以及每个异常行为的检测框的位置信息；针对每个目标对象和每个异常行为，根据该目标对象的检测框的位置信息和该异常行为的检测框的位置信息，确定该目标对象和该异常行为的检测框的交并比，根据所述交并比，确定该目标对象是否存在该异常行为。

【技术特征摘要】
1.一种异常行为检测方法，其特征在于，所述方法包括：将获取到的待检测的第一图像输入预先训练完成的检测模型中，基于所述检测模型，对所述第一图像进行卷积处理，确定第一特征图；并确定所述第一特征图中每个目标对象的检测框的位置信息，以及每个异常行为的检测框的位置信息；针对每个目标对象和每个异常行为，根据该目标对象的检测框的位置信息和该异常行为的检测框的位置信息，确定该目标对象和该异常行为的检测框的交并比，根据所述交并比，确定该目标对象是否存在该异常行为。2.如权利要求1所述的方法，其特征在于，根据所述交并比，确定该目标对象是否存在该异常行为之前，所述方法还包括：确定该异常行为是显性异常行为，还是隐性异常行为；如果该异常行为是显性异常行为，所述根据所述交并比，确定该目标对象是否存在该异常行为包括：判断所述交并比是否大于预设的第一阈值，如果是，确定该目标对象存在该异常行为；如果该异常行为是隐性异常行为，所述根据所述交并比，确定该目标对象是否存在该异常行为包括：判断所述交并比是否大于预设的第二阈值，如果否，确定该目标对象存在该异常行为。3.如权利要求2所述的方法，其特征在于，所述显性异常行为包括：接打电话、吸烟和远光灯开启；所述隐性异常行为包括：未系安全带。4.如权利要求2所述的方法，其特征在于，所述检测模型包括主网、检测子网和分类子网；基于所述检测模型，对所述第一图像进行卷积处理，确定第一特征图包括：基于所述检测模型中的主网，对所述第一图像进行卷积处理，确定第一基础特征图，将所述第一基础特征图输入所述检测模型中的检测子网；基于所述检测模型中的检测子网，对所述第一基础特征图进行卷积处理，确定第一特征图；所述确定该目标对象存在该异常行为之前，所述方法还包括：将所述第一基础特征图输入所述检测模型的分类子网，并将所述第一特征图输入所述分类子网；基于所述分类子网中的卷积层和全连接层，对所述第一特征图和所述第一基础特征图进行处理，确定该目标对象存在该异常行为的置信度；判断所述置信度是否大于预设的第三阈值，如果是，进行后续步骤。5.如权利要求1所述的方法，其特征在于，确定该目标对象存在该异常行为之后，所述方法还包括：输出该目标对象的检测框的位置信息，以及该异常行为的检测框的位置信息。6.如权利要求4所述的方法，其特征在于，预先训练检测模型的过程包括：获取训练图像集中的每个第二图像，针对所述每个第二图像，将该第二图像和该第二图像对应的标定图像输入到检测模型；其中，所述标定图像中包括每个目标对象的检测框的位置信息，每个异常行为的检测框的位置信息，以及针对每个目标对象和每个异常行为，该目标对象是否存在该异常行为的标识信息；基于检测模型的主网，确定第二基础特征图，将所述第二基础特征图分别输入所述检测模型的检测子网和分类子网；基于所述检测子网，对所述第二基础特征图进行卷积处理，确定第五特征图，以及所述第五特征图中每个目标对象的检测框的位置信息，以及每个异常行为的检测框的位置信息，并将所述第五特征图输入所述分类子网；基于所述分类子网中的卷积层和全连接层，对所述第五特征图和所述第二基础特征图进行处理，确定该目标对象存在该异常行为的置信度；针对每个目标对象和每个异常行为，确定该目标对象的检测框与该异常行为的检测框的交并比，根据该目标对象的检测框与该异常行为的检测框的交并比，该目标对象存在该异常行为的置信度，以及针对所述第二图像对应的标定图像，确定的该目标对象的检测框与该异常行为的检测框的交并比，以及所述标定图...

【专利技术属性】
技术研发人员：巫立峰，徐慧，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江,33