一种异常行为识别方法、装置及存储介质制造方法及图纸

本发明专利技术实施例涉及神经网络技术领域，公开了一种异常行为识别方法，包括：获取包含人体行为的多帧图像，多帧图像中标记有人体关键点；将多帧图像输入长短期记忆LSTM网络模型中，得到多帧图像中各人体关键点的权重值；根据得到的各人体关键点的权重值、以及预先设置的各人体关键点的权重值与异常行为的对应关系，确定多帧图像中人体的异常行为。本发明专利技术实施方式提供的一种异常行为识别方法、装置及存储介质，其能够提高识别异常行为的速度、从而提高识别效率。

An Abnormal Behavior Recognition Method, Device and Storage Media

The embodiment of the present invention relates to the field of neural network technology, and discloses an abnormal behavior recognition method, which includes: acquiring multi-frame images containing human behavior, marking human key points in multi-frame images; inputting multi-frame images into the LSTM network model of long-term and short-term memory, obtaining the weight values of human key points in multi-frame images; and according to the weight values of human key points obtained, using the method to identify human key points. The abnormal behavior of human body in multi-frame images is determined by the corresponding relationship between the weight of key points and abnormal behavior. The method, device and storage medium for identifying abnormal behavior provided by the embodiment of the present invention can improve the speed of identifying abnormal behavior and thereby improve the efficiency of identifying abnormal behavior.

【技术实现步骤摘要】
一种异常行为识别方法、装置及存储介质
本专利技术实施例涉及神经网络
，特别涉及一种异常行为识别方法、装置及存储介质。
技术介绍
近年来，频发的突发事件和异常事件已经严重影响了社会的公共安全。针对频发的突发事件和异常事件等危害公共安全的行为，世界各国已经将异常行为识别技术作为安全防范的一种重要手段。人体异常行为是指人体无规律的非正常行为，如人体的突然奔跑、打架、病倒、徘徊、人员大量聚集等。异常行为识别技术是从采集到的视频序列中检测并识别人员异常行为的一种技术，该技术可以有效的预防暴力袭击、踩踏事件等突发事件的发生，可以为监控人员提供及时的预警信息，有效辅助相关人员实时的对监控场景中出现的异常情况进行判断和采取措施。目前，人体关键点检测领域通常是利用光流法追踪人体关键点，从而从连续帧的视频图像中识别出人体的异常行为。然而，专利技术人发现现有技术中至少存在如下问题：针对越来越多的突发事件和异常事件，现有技术中采用光流法追踪人体异常行为时，对于每一人体关键点均要进行光流法追踪识别，其数据处理量较大，导致异常行为识别速度较慢、且效率不高。
技术实现思路
本专利技术实施方式的目的在于提供一种异本文档来自技高网...

【技术保护点】
1.一种异常行为识别方法，其特征在于，包括：获取包含人体行为的多帧图像，所述多帧图像中标记有人体关键点；将所述多帧图像输入长短期记忆神经网络模型中，得到所述多帧图像中各人体关键点的权重值；根据得到的所述各人体关键点的权重值、以及预先设置的各人体关键点的权重值与异常行为的对应关系，确定所述多帧图像中人体的异常行为。

【技术特征摘要】
1.一种异常行为识别方法，其特征在于，包括：获取包含人体行为的多帧图像，所述多帧图像中标记有人体关键点；将所述多帧图像输入长短期记忆神经网络模型中，得到所述多帧图像中各人体关键点的权重值；根据得到的所述各人体关键点的权重值、以及预先设置的各人体关键点的权重值与异常行为的对应关系，确定所述多帧图像中人体的异常行为。2.根据权利要求1所述的异常行为识别方法，其特征在于，所述LSTM网络模型通过以下步骤进行训练：获取标记有人体关键点的训练集图像、以及所述训练集图像中各人体关键点的标记权重值；将所述训练集图像输入所述LSTM网络模型中，预测各人体关键点的权重值；根据预测得到的所述权重值以及所述标记权重值，计算所述LSTM网络模型的损失函数值；根据得到的所述损失函数值调整所述LSTM网络模型的参数，使得所述损失函数值满足第一预设条件。3.根据权利要求1所述的异常行为识别方法，其特征在于，所述获取包含人体异常行为的多帧图像，多帧图像中标记有人体关键点的步骤，具体包括：获取含有待检测人体异常行为的多帧图像；将所述多帧图像输入关键点检测模型中，识别所述多帧图像中的各人体关键点，并在所述多帧图像中标记所述各人体关键点。4.根据权利要求3所述的异常行为识别方法，其特征在于，所述识别所述多帧图像中的各人体关键点，具体包括：利...

【专利技术属性】
技术研发人员：陈海波，
申请(专利权)人：深兰科技上海有限公司，
类型：发明
国别省市：上海,31