一种异常行为的识别方法及装置制造方法及图纸

本发明专利技术实施例提供一种异常行为的识别方法及装置，其中方法包括：获取在预设拍摄区域实时拍摄得到的待检测视频数据；根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果；当所述检测结果指示所述待检测视频数据为异常视频数据时，确定所述预设拍摄区域存在异常行为。本发明专利技术实施例实现了幼儿园中儿童异常行为的实时监测。

A method and device for identifying abnormal behavior

【技术实现步骤摘要】
一种异常行为的识别方法及装置
本专利技术实施例涉及异常行为识别
，尤其涉及一种异常行为的识别方法及装置。
技术介绍
目前为了保证幼儿园中儿童的身心安全，通常会运用互联网等信息化手段，加强对幼儿园中儿童托育的全过程监管。其中，大部分幼儿园中均安装有视频监控系统，通过人工对视频监控系统进行现场值守和回溯来查看异常。但是，很多幼儿园中的视频监控形同虚设，例如一个幼儿园内安装有几十个监控摄像头，但仅有一两个工作人员甚至没有工作人员对该几十个监控摄像头进行监控，这导致不能毫无遗漏的发现所有监控摄像头所监控到的异常情况。此外，当家长需要调用监控录像时，通常会出现录像被认为损坏或者录像已过最长保存时效的问题，这同样导致无法满足家长对幼儿园视频监控的需求。
技术实现思路
本专利技术实施例提供一种异常行为的识别方法及装置，以解决现有技术中不能实时监测幼儿园中出现的儿童异常行为的问题。针对上述问题，第一方面，本专利技术实施例提供一种异常行为的识别方法，所述方法包括：获取在预设拍摄区域实时拍摄得到的待检测视频数据；根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果；当所述检测结果指示所述待检测视频数据为异常视频数据时，确定所述预设拍摄区域存在异常行为。第二方面，本专利技术实施例提供一种异常行为的识别装置，所述装置包括：第一获取模块，用于获取在预设拍摄区域实时拍摄得到的待检测视频数据；第二获取模块，用于根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果；确定模块，用于当所述检测结果指示所述待检测视频数据为异常视频数据时，确定所述预设拍摄区域存在异常行为。第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的异常行为的识别方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的异常行为的识别方法的步骤。本专利技术实施例提供的异常行为的识别方法及装置，通过获取在预设拍摄区域实时拍摄得到的待检测视频数据，然后根据预先训练得到的视频检测模型，对待检测视频数据是否为异常视频数据进行检测，得到检测结果，并在当检测结果指示待检测视频数据为异常视频数据时，确定预设拍摄区域存在异常行为，实现了通过视频检测模型对预设拍摄区域是否存在异常行为的实时准确检测，避免了现有技术中需要通过人力不间断监控预设拍摄区域中的摄像头来发现异常情况的问题，从而避免了现有技术中不能实时且准确的发现幼儿园中儿童异常情况的问题，在节约了人力的同时，实现了实时且准确的监测幼儿园中的儿童异常行为。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1表示本专利技术实施例中异常行为的识别方法的步骤流程图；图2表示本专利技术实施例中搭建并训练得到视频检测模型的步骤流程图；图3表示本专利技术实施例中异常行为的识别装置的模块框图；图4表示本专利技术实施例中电子设备的模块框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，为本专利技术实施例中异常行为的识别方法的步骤流程图，该方法包括如下步骤：步骤101：获取在预设拍摄区域实时拍摄得到的待检测视频数据。在本步骤中，具体的，预设拍摄区域内可以安装多个摄像装置，且该多个摄像装置对预设拍摄区域内的场景进行实时拍摄，得到实时拍摄视频。此时，本实施例获取在预设拍摄区域实时拍摄得到的待检测视频数据，即获取实时拍摄视频。此外，具体的，该预设拍摄区域可以为多个幼儿园中的不同区域，例如该预设拍摄区域可以包括幼儿园中的教学场所、活动场所和休息场所等。当然，在此需要说明的是，在此并不对该预设拍摄区域进行具体限定。这样，通过获取预设拍摄区域处的实时的待检测视频数据，使得能够通过该实时的待检测视频数据，获知该预设拍摄区域内的实时场景。步骤102：根据预先训练得到的视频检测模型，检测待检测视频数据是否为异常视频数据，得到检测结果。在本步骤中，具体的，本实施例预先搭建并训练有视频检测模型，此时可以通过该预先训练得到的视频检测模型对待检测视频数据进行检测，得到待检测视频数据是否为异常视频数据的检测结果。这样，通过预先训练得到的视频检测模型检测待检测视频数据是否为异常视频数据，从而检测预设拍摄区域当前是否存在异常行为，避免了通过人力监控摄像装置输出的视频数据时容易出现错漏检测的情况的发生，实现了预设拍摄区域所实时拍摄得到的待检测视频数据的实时检测，且保证了检测结果的准确性，从而实现了实时监测幼儿园中儿童的异常行为。步骤103：当检测结果指示待检测视频数据为异常视频数据时，确定预设拍摄区域存在异常行为。在本步骤中，具体的，当得到视频检测模型输出的检测结果指示待检测视频数据为异常视频数据时，可以确定预设拍摄区域存在异常行为，从而实现通过视频检测模型实时监测预设拍摄区域的异常行为。其中，幼儿园中儿童的异常行为指儿童受到人身伤害等行为。此外，其中，在确定预设拍摄区域存在异常行为之后，可以保存该异常视频数据，并将该异常视频数据发送至监管平台。这样，通过在确定预设拍摄区域存在异常行为之后，保存异常视频数据，使得无需保存预设拍摄区域的所有历史视频数据，从而使得在减少了视频存储量的同时，方便了人员对异常行为的再次查看和确认；此外，通过将异常视频数据发送至监管平台，使得监管人员能够根据该信号及时发现预设拍摄区域的异常行为，从而为及时制止该异常行为提供了保证，最大程度的保护了例如幼儿园内儿童的安全。这样，本实施例通过获取在预设拍摄区域实时拍摄得到的待检测视频数据，并根据预先训练得到的视频检测模型，对待检测视频数据是否为异常视频数据进行检测，得到检测结果，并在当检测结果指示待检测视频数据为异常视频数据时，确定预设拍摄区域存在异常行为，实现了通过视频检测模型对预设拍摄区域是否存在异常行为的实时准确检测，避免了通过人力监控摄像装置输出的视频数据时容易出现错漏检测的情况的发生，实现了预设拍摄区域所实时拍摄得到的待检测视频数据的实时检测，且保证了检测结果的准确性。此外，进一步地，在根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视本文档来自技高网...

【技术保护点】
1.一种异常行为的识别方法，其特征在于，所述方法包括：/n获取在预设拍摄区域实时拍摄得到的待检测视频数据；/n根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果；/n当所述检测结果指示所述待检测视频数据为异常视频数据时，确定所述预设拍摄区域存在异常行为。/n

【技术特征摘要】
1.一种异常行为的识别方法，其特征在于，所述方法包括：
获取在预设拍摄区域实时拍摄得到的待检测视频数据；
根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果；
当所述检测结果指示所述待检测视频数据为异常视频数据时，确定所述预设拍摄区域存在异常行为。


2.根据权利要求1所述的方法，其特征在于，所述根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果之前，所述方法还包括：
搭建并训练得到所述视频检测模型；其中，
所述搭建并训练得到所述视频检测模型，包括：
基于tensorflow搭建卷积时空自编码神经网络；
采用第一预设数量的正常历史视频数据作为训练视频数据，输入至所述卷积时空自编码神经网络，训练得到所述卷积时空自编码神经网络收敛时的权重值；其中，在所述卷积时空自编码神经网络对所述训练视频数据进行视频重建得到重建视频数据，且计算得到所述重建视频数据与所述训练视频数据之间的重建误差小于预设值时，确定所述卷积时空自编码神经网络已收敛；
采用第二预设数量的正常历史视频数据和第三预设数量的异常历史视频数据作为测试视频数据，对加载有所述权重值的卷积时空自编码神经网络进行模型准确度测试；
当测试得到模型准确度大于预设准确度时，将加载有所述权重值的卷积时空自编码神经网络确定为所述视频检测模型。


3.根据权利要求1所述的方法，其特征在于，所述根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果之前，所述方法还包括：
对所述待检测视频数据进行标准化和归一化处理。


4.根据权利要求1所述的方法，其特征在于，所述根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果，包括：
将所述待检测视频数据输入至所述视频...

【专利技术属性】
技术研发人员：邢彪，张卷卷，凌啼，章淑敏，王佩，俞路阁，刘梦晗，
申请(专利权)人：中国移动通信集团浙江有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：浙江;33