【技术实现步骤摘要】
一种视频中异常行为的检测方法、装置、设备及存储介质
本专利技术实施例涉及图像处理和视频监控领域,尤其涉及一种视频中异常行为的检测方法、装置、设备及存储介质。
技术介绍
随着科技的不断进步,视频监控技术被广泛应用于各个行业,尤其对于公公场所的安全性需求,提供了极大的帮助。现有的视频监控技术仅能用于视频的捕获、存储和回放,功能性较为单一,对于视频图像中的异常行为(例如,打架和伤人),还是通过安保人员的监测方式获取。然而,人工监测的方式容易出现人员疲惫现象,尤其面对不同通道传来的监控视频时,往往会目不暇接、反应迟缓,很难及时观察到一些潜在的异常行为,无法对突发的异常行为做出迅速、高效、合理、准确的反应。
技术实现思路
本专利技术实施例提供了一种视频中异常行为的检测方法、装置、设备及存储介质。第一方面,本专利技术实施例提供了一种视频中异常行为的检测方法,包括:当获取到待检测的视频时,将所述视频根据预设片段时长进行分割,以获取匹配的视频片段集;其中,所述视频片段集包括至少一个视频片段;将所述视频片段集输入至训练完成的目标异常行为识别模型,以获取所述视频片段集中至少一个所述视频片段的异常行为得分;根据所述视频片段集中至少一个所述视频片段的异常行为得分,判断待检测的所述视频中是否存在异常行为。第二方面,本专利技术实施例提供了一种视频中异常行为的检测装置,包括:视频片段集获取模块,用于当获取到待检测的视频时,将所述视频根据预设片段时长进行分割,以获取
【技术保护点】
1.一种视频中异常行为的检测方法,其特征在于,包括:/n当获取到待检测的视频时,将所述视频根据预设片段时长进行分割,以获取匹配的视频片段集;其中,所述视频片段集包括至少一个视频片段;/n将所述视频片段集输入至训练完成的目标异常行为识别模型,以获取所述视频片段集中至少一个所述视频片段的异常行为得分;/n根据所述视频片段集中至少一个所述视频片段的异常行为得分,判断待检测的所述视频中是否存在异常行为。/n
【技术特征摘要】
1.一种视频中异常行为的检测方法,其特征在于,包括:
当获取到待检测的视频时,将所述视频根据预设片段时长进行分割,以获取匹配的视频片段集;其中,所述视频片段集包括至少一个视频片段;
将所述视频片段集输入至训练完成的目标异常行为识别模型,以获取所述视频片段集中至少一个所述视频片段的异常行为得分;
根据所述视频片段集中至少一个所述视频片段的异常行为得分,判断待检测的所述视频中是否存在异常行为。
2.根据权利要求1所述的方法,其特征在于,在将所述视频片段集输入至训练完成的目标异常行为识别模型前,还包括:
根据神经网络算法构建初始异常行为识别模型;
获取训练样本集;其中,所述训练样本集包括至少一个训练样本,所述训练样本包括至少一个正视频包和至少一个负视频包,所述正视频包包括异常行为动作,所述负视频包不包括异常行为动作,所述正视频包根据所述预设片段时长分割为正视频示例集,所述负视频包根据所述预设片段时长分割为负视频示例集,所述正视频示例集包括至少一个正视频示例,所述负视频示例集包括至少一个负视频示例,所述正视频示例和所述负视频示例均包括标签;
根据所述训练样本集中的至少一个训练样本对所述初始异常行为识别模型进行训练,以获取训练完成的目标异常行为识别模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述训练样本集中的至少一个训练样本对所述初始异常行为识别模型进行训练,以获取训练完成的目标异常行为识别模型,包括:
将所述训练样本集中的第一训练样本输入至所述初始异常行为识别模型中,以获取所述第一训练样本中各视频示例的预测异常行为得分,并将预测异常行为得分最高的正视频示例和负视频示例,分别作为目标正视频示例和目标负视频示例;
根据所述第一训练样本中各视频示例的预测异常行为得分,绘制接受者操作特征曲线,并获取与所述接受者操作特征曲线对应的曲线下方面积;
判断所述曲线下方面积是否符合预设阈值条件;
若所述曲线下方面积符合预设阈值条件,则将所述初始异常行为识别模型作为训练完成的目标初始异常行为识别模型。
4.根据权利要求3所述的方法,其特征在于,在判断所述曲线下方面积是否符合预设阈值条件后,还包括:
若所述曲线下方面积不符合预设阈值条件,则根据所述目标正视频示例的预测异常行为得分、所述目标负视频示例的预测异常行为得分、所述目标正视频示例的期望异常行为得分和所述目标负视频示例的期望异常行为得分,调整所述初始异常行为识别模型的网络参数,以获取调整后的中间异常行为识别模型,并继续获取所述训练样本集中的第二训练样本对所述中间异常行为识别模型进行训练,直至获取到目标曲线下方面积符合预设阈值条件时,将与所述目标曲线下方面积对应的目标中间异常行为识别模型作为训练完成的目标异常行为识别模型。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标正视频示例的预测异常行为得分、所述目标负视频示例的预测异常行为得分、所述目标正视频示例的期望异常行为得分和所述目标负视频示例的期望异常行为得分,调整所述初始异常行为识别模型的网络参数,以获取调整后的中间异常行为识别模型,包括:
将所述目标正视频示例的期望异常行为得分与所述目标负视频示例的期望异常行为得分的差值,作为目标期望得分;
将所述目标正视频示例的预测异常行为得分与所述目标负视频示例的预测异常行为得分的差值,作为目标预测得分;
根据所述目标预测得分,构建目标函数;
根据所述目标函数和所述目标期望得分,调整所述初始异常行为识别模型的网络参数。
6.根据权利要求5所述的方法,其特征在于,所述根据所述目标预测得分,构建目标函数,包括:
根据所述目标预测得分、平滑约束项、稀疏约束项和正则化项,构建目标函数。
7.根据权利要求2所述的方法,其特征在于,所述根据神经网络算法构建初始异常行为识别模型,包括:
获取二维空间卷积单元和一维时序卷积单元,并根据所述二维空间卷积单元和所述一维时序卷积单元,构建三维卷积神...
【专利技术属性】
技术研发人员:徐轲,
申请(专利权)人:苏州交驰人工智能研究院有限公司,
类型:发明
国别省市:江苏;32
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。