The invention provides an anomaly detection method, system, equipment and storage medium based on path trajectory data. The method includes: acquiring the path trajectory of pedestrians in video images; extracting the characteristic points corresponding to the path trajectory of the pedestrians, and dividing them into different types of monitoring groups; and adopting the pre-calibrated path trajectories of different types of monitoring groups as the path trajectories based on the neural network. The training set is used to fit the parameters and train to get the detection model. The detection model is used to detect the pedestrian's path in the video image and to detect whether it is a normal person or not. Using different types of surveillance crowd as training set and using deep neural network to train detection model by combining unsupervised and supervised methods, the accuracy of training and prediction is improved, which can automatically detect abnormal people according to the path of pedestrians, and assist staff in security monitoring by early warning.
【技术实现步骤摘要】
基于路径轨迹数据异常检测方法、系统、设备及存储介质
本专利技术涉及图像处理
,特别是涉及一种基于路径轨迹数据异常检测方法、系统、设备及存储介质。
技术介绍
科学技术的进步为人们带来了长足的方便,一切科技的进步都源于人类美好的愿景;尤其进入信息时代后,只有想不到没有做不到的事情,人们通过自身的智慧不断的突破各个领域的难题,使生活日新月异。顾名思义,信息时代即以计算机技术为主体的时代,通过计算机技术的运用,人们生活产生了翻天覆地的变化,比如通过计算机技术实现了:平安城市“天网”监控建设、智能家电控制、智能门禁控制等。在近十年,各地平安城市“天网”监控项目投入巨额资金,建设了大量的治安监控摄像机,截止到今天,我们所处的城市中已经遍布“天网”监控摄像机,存储了大量安防数据。然而,从治安监控的角度来讲,依然没有解决在监控辖区内的活动范围与数量实现实时监控,及时发现异常,发出警报以预警,而如何利用好这些监控资源,用什么技术和方法来发现监控辖区内出现的人群(行人)活动异常,如何及时预警,依然是一个亟待解决的难题。
技术实现思路
鉴于以上所述现有技术的缺点,本专利技术的目的在于提供一种基于路径轨迹数据异常检测方法、系统、设备及存储介质,用于解决现有技术中无法从视频监控中检测到行人的运动轨迹是否异常的问题。为实现上述目的及其他相关目的,本专利技术提供一种基于路径轨迹数据异常检测方法,包括:获取视频图像中行人的路径轨迹;提取所述行人的路径轨迹所对应的特征点,将其分成不同类型的监控人群;基于神经网络采用预先标定的不同类型的监控人群的路径轨迹作为训练集来拟合参数进行训练得到检测 ...
【技术保护点】
1.一种基于路径轨迹数据异常检测方法,其特征在于,所述方法包括以下步骤:获取视频图像中行人的路径轨迹;提取所述行人的路径轨迹所对应的特征点,将其分成不同类型的监控人群;基于神经网络采用预先标定的不同类型的监控人群的路径轨迹作为训练集来拟合参数进行训练得到检测模型;调用所述检测模型检测所述视频图像中行人的路径轨迹,检测其为是否为正常人员。
【技术特征摘要】
1.一种基于路径轨迹数据异常检测方法,其特征在于,所述方法包括以下步骤:获取视频图像中行人的路径轨迹;提取所述行人的路径轨迹所对应的特征点,将其分成不同类型的监控人群;基于神经网络采用预先标定的不同类型的监控人群的路径轨迹作为训练集来拟合参数进行训练得到检测模型;调用所述检测模型检测所述视频图像中行人的路径轨迹,检测其为是否为正常人员。2.根据权利要求1所述的基于路径轨迹数据异常检测方法,其特征在于,所述获取视频图像中行人的路径轨迹的步骤,包括:获取所述视频图像中行人各自对应的人脸图像;当所述视频图像中人脸图像达到识别标准,则采用人脸识别检测行人;当所述视频图像中人脸图像未达到识别标准,则采用跨境追踪技术检测行人;以检测的所述行人为依据在所述视频图像中按照该行人的时间与地点形成其对应的路径轨迹,其中,所述路径轨迹包含行人的时间或地点。3.根据权利要求1所述的基于路径轨迹数据异常检测方法,其特征在于,所述提取所述行人的路径轨迹所对应的特征点,将其分成不同类型的监控人群的步骤,包括:根据所述视频图像中行人的路径轨迹在时间、地点、以及所述行人在某时间某地点所出现的密集程度与频率提取所述行人所对应的特征点,按照所述特征点将监控人员分为若干类型存储于特征库。4.根据权利要求1所述的基于路径轨迹数据异常检测方法,其特征在于,所述基于神经网络采用标定的不同类型的监控人群的路径轨迹作为训练集来拟合参数进行训练得到检测模型的步骤,包括:基于神经网络架构采用预先标定的不同类型的监控人群的路径轨迹为训练集联合训练wide模型与deep模型,以所述wide模型与deep模型的加权和为预测结果。5.根据权利要求1所述的基于路径轨迹数据异常检测方法,其特征在于,所述调用所述检测模型检测所述视频图像中行人的路径轨迹,检测其为是否为正常人员的步骤,包括:当检测到所述视频图像中行人集合于某地时,根据所述视频图像中行人的路径轨迹的出现频率高于第一预设值时,则将该行人视为维稳人员;当检测到所述视频图像中行人的路径轨迹以群体出现在稳定且分散的地点时,且其出现频率低于第二预设值时,则将该行人视为涉毒嫌疑人员;当检测到所述视频图像中行人的路径轨迹范围广且在非正常时间段内出现于某地点时,结合人脸识别方式判断该行人是否为惯犯,如果是,则将该行人视为盗窃嫌疑人员。6.一种基于路径轨迹数据异常检测系统,其特征在于,所述系统包括:轨迹获取模块,用于获取视频图像中行人的路径轨迹;特征提取模块,用于提取所述行人的路径轨迹所对应的特征点,将其分成不同类型的监控人...
【专利技术属性】
技术研发人员:周曦,何洪路,杭堃,
申请(专利权)人:恒睿重庆人工智能技术研究院有限公司,
类型:发明
国别省市:重庆,50
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。