异常行为智能识别方法及其装置和存储介质制造方法及图纸

一种异常行为智能识别方法，包括先对人群进行一系列异常行为的视频采集；再将截取包含动作的视频，并进行平均分段；分别将获得的空间网络结果和时间网络结果进行加权求和，得到最终的视频分类结果。本发明专利技术提供的方法，有效地提升了行为识别算法的计算效率，改进后的双流行为识别算法，计算速度相对于标准双流算法预计提高数十倍。

【技术实现步骤摘要】
异常行为智能识别方法及其装置和存储介质
本专利技术涉及对视频进行处理的技术方案，具体涉及一种异常行为智能识别方法，及其装置和存储介质。
技术介绍
基于监控视频的人体行为识别(HumanActionRecognition)，也叫人体动作识别，一直以来都备受中外研究者们的热情关注，原因不仅是由于基于视频的人体的行为识别研究在人机交互领域、安全监控方面、医疗诊断方面等具有非常重要的现实意义，而且行为识别的多领域广泛运用更是让它拥有了更多的研究价值，因此国内外众多科研工作者已经开展了大量的研究工作。基于视频的人体行为识别技术，涉及到了包括模式识别、图像处理和人工智能等多个知识领域，其中可能遇到的各种有待解决的问题包括环境变化、光线变化、目标遮挡等更是为视频中人的行为识别研究带来了很大的挑战。人体行为识别特征提取方法早期有基于人体几何特征的计算方法、运动信息的特征提取方法；随着HOG、SIFT等具有先验知识的多尺度特征提取算法的提出，结合视频序列信息的HOG3D(Histogramofgradients3D，Proceedingsofthe19t本文档来自技高网...

【技术保护点】
1.一种异常行为智能识别方法，其特征在于，包括以下步骤：/n先对人群进行一系列异常行为的视频采集；/n再将截取包含动作的视频，并进行平均分段；/n分别将获得的空间网络结果和时间网络结果进行加权求和，得到最终的视频分类结果；/n选用MobileNet网络模型来替换CNN_M网络组成双流网络。/n

【技术特征摘要】
1.一种异常行为智能识别方法，其特征在于，包括以下步骤：
先对人群进行一系列异常行为的视频采集；
再将截取包含动作的视频，并进行平均分段；
分别将获得的空间网络结果和时间网络结果进行加权求和，得到最终的视频分类结果；
选用MobileNet网络模型来替换CNN_M网络组成双流网络。


2.根据权利要求1所述的异常行为智能识别方法，其特征在于获取所述的空间网络结果的方法包括：将每一段视频中随机抽取的图像和对应的光流图像输入空间卷积神经网络，空间卷积神经网络通过融合光流信息学习到图像中真正发生运动的空间信息得到。


3.根据权利要求1所述的异常行为智能识别方法，其特征在于获取所述的时间网络结果的方法包括：将每一段视频中随机抽取的光流图像序列...

【专利技术属性】
技术研发人员：刘媛俐，
申请(专利权)人：上海嘉沃光电科技有限公司，
类型：发明
国别省市：上海;31