异常行为识别方法、目标异常识别方法、设备及介质技术

本发明专利技术公开了一种异常行为识别方法、装置、计算机设备及存储介质中，通过获取当前帧图像，采用人体关键点检测模型对所述当前帧图像进行检测，得到监测目标的人体特征信息，所述当前帧图像为从监测视频中获取的包含监测目标的图像；将所述人体特征信息与预设的基准异常信息进行匹配，得到匹配信息，所述匹配信息指示所述人体特征信息与预设的基准异常信息的匹配结果；若所述匹配信息为第一类型信息，则从所述监测视频中获取对应的相关帧图像集，所述第一类型信息指示所述监测目标存在异常；采用预设的行为识别模型对所述相关帧图像集进行行为识别，确定所述相关帧图像集中的所述监测目标的行为信息，保证了对监测目标的异常行为识别的准确。

【技术实现步骤摘要】
异常行为识别方法、目标异常识别方法、设备及介质
本专利技术涉及智能识别领域，尤其涉及一种异常行为识别方法、目标异常识别方法、设备及介质。
技术介绍
随着计算机技术特别是人工智能技术的不断发展，越来越多的将相关的智能化监测和预警的技术应用到日常生活中。据统计，预计到2020年，全国60岁以上老年人口将增加到2.55亿人左右，占总人口比重提升到17.8％。老年人因身体机能下降，行动能力及应变能力变弱，因自身疾病或外界影响，易发生突发意外伤害情况，其中跌倒是老年人意外伤害死亡的头号杀手。因此，在家庭、养老院等场所中，需要对老年人的行为进行智能化地监测，以及时对发生地突发情况进行处理，更好地保障老年人的安全。然而，目前存在采用摄像头等设备对老年人的行为进行监控，并且在监测到异常行为时，实现提示或者报警。但是，目前的监测方案存在这较多的不足。
技术实现思路
本专利技术实施例提供一种异常行为识别方法、装置、计算机设备及存储介质，以解决异常行为识别精度不高的问题。本专利技术实施例提供一种目标异常识别方法、装置、计算机设备及存储介质，以解决异常行为识别精度不高的问题。一种异常行为识别方法，其特征在于，包括：获取当前帧图像，采用人体关键点检测模型对所述当前帧图像进行检测，得到监测目标的人体特征信息，所述当前帧图像为从监测视频中获取的包含监测目标的图像；将所述人体特征信息与预设的基准异常信息进行匹配，得到匹配信息，所述匹配信息指示所述人体特征信息与预设的基准异常信息的匹配结果；若所述匹配信息为第一类型信息，则从所述监测视频中获取对应的相关帧图像集，所述第一类型信息指示所述监测目标存在异常；采用预设的行为识别模型对所述相关帧图像集进行行为识别，确定所述相关帧图像集中的所述监测目标的行为信息。一种目标异常识别方法，其特征在于，包括：获取监测视频，从所述监测视频中提取出当前帧图像；对所述当前帧图像采用上述异常行为识别方法进行识别，得到所述当前帧图像的行为信息；若所述当前帧图像不是所述监测视频中的最后一帧图像，则根据预设的提取方式从所述监测视频中确定新的当前帧图像，并返回执行所述对所述当前帧图像进行上述异常行为识别方法，得到所述当前帧图像的行为信息的步骤。一种异常行为识别装置，其特征在于，包括：当前帧图像获取模块，用于获取当前帧图像，采用人体关键点检测模型对所述当前帧图像进行检测，得到监测目标的人体特征信息，所述当前帧图像为从监测视频中获取的包含监测目标的图像；匹配信息确定模块，用于将所述人体特征信息与预设的基准异常信息进行匹配，得到匹配信息，所述匹配信息指示所述人体特征信息与预设的基准异常信息的匹配结果；图像集获取模块，用于在所述匹配信息为第一类型信息时，则从所述监测视频中获取对应的相关帧图像集，所述第一类型信息指示所述监测目标存在异常；行为信息确定模块，用于采用预设的行为识别模型对所述相关帧图像集进行行为识别，确定所述相关帧图像集中的所述监测目标的行为信息。一种目标异常识别装置，其特征在于，包括：监测视频获取模块，用于获取监测视频，从所述监测视频中提取出当前帧图像；异常识别模块，用于对所述当前帧图像采用上述异常行为识别方法进行识别，得到所述当前帧图像的行为信息；重复执行模块，用于在所述当前帧图像不是所述监测视频中的最后一帧图像时，则根据预设的提取方式从所述监测视频中确定新的当前帧图像，并返回执行所述对所述当前帧图像进行上述异常行为识别方法，得到所述当前帧图像的行为信息的步骤。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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上述异常行为识别方法的步骤，或者，所述处理器执行所述计算机程序时实现上述目标异常识别方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述异常行为识别方法的步骤，或者，所述计算机程序被处理器执行时实现上述目标异常识别方法的步骤。上述异常行为识别方法、装置、计算机设备及存储介质中，通过获取当前帧图像，采用人体关键点检测模型对所述当前帧图像进行检测，得到监测目标的人体特征信息，所述当前帧图像为从监测视频中获取的包含监测目标的图像；将所述人体特征信息与预设的基准异常信息进行匹配，得到匹配信息，所述匹配信息指示所述人体特征信息与预设的基准异常信息的匹配结果；若所述匹配信息为第一类型信息，则从所述监测视频中获取对应的相关帧图像集，所述第一类型信息指示所述监测目标存在异常；采用预设的行为识别模型对所述相关帧图像集进行行为识别，确定所述相关帧图像集中的所述监测目标的行为信息，保证了对监测目标的异常行为识别的准确。上述目标异常识别方法、装置、计算机设备及存储介质中，在获取监测视频之后，从所述监测视频中提取出当前帧图像；对所述当前帧图像采用上述任一项实施例中所述的异常行为识别方法进行识别，得到所述当前帧图像的行为信息。若所述当前帧图像不是所述监测视频中的最后一帧图像，则根据预设的提取方式从所述监测视频中确定新的当前帧图像，并返回执行所述对所述当前帧图像进行上述异常行为识别方法，得到所述当前帧图像的行为信息的步骤，保证了对检测视频中的监测目标的异常行为识别的准确。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中异常行为识别方法或者目标异常识别方法的一应用环境示意图；图2是本专利技术一实施例中异常行为识别方法的一流程图；图3是本专利技术一实施例中异常行为识别方法的另一流程图；图4是本专利技术一实施例中异常行为识别方法的另一流程图；图5是本专利技术一实施例中目标异常识别方法的一流程图；图6是本专利技术一实施例中目标异常识别方法的另一流程图；图7是本专利技术一实施例中异常行为识别装置的一示意图；图8是本专利技术一实施例中异常行为识别装置的另一示意图；图9是本专利技术一实施例中目标异常识别装置的一示意图；图10是本专利技术一实施例中计算机设备的一示意图。具体实施方式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。本专利技术实施例提供的异常行为识别方法，可应用在如图1的应用环境中，其中，客户端(计算机设备)通过网络与服务端进行通信。(结合权1的整体方案进行描述。其中，客户端(计算机设备)可以但不限于各种个人计算机、笔记本电脑、智能手机本文档来自技高网...

【技术保护点】
1.一种异常行为识别方法，其特征在于，包括：/n获取当前帧图像，采用人体关键点检测模型对所述当前帧图像进行检测，得到监测目标的人体特征信息，所述当前帧图像为从监测视频中获取的包含监测目标的图像；/n将所述人体特征信息与预设的基准异常信息进行匹配，得到匹配信息，所述匹配信息指示所述人体特征信息与预设的基准异常信息的匹配结果；/n若所述匹配信息为第一类型信息，则从所述监测视频中获取对应的相关帧图像集，所述第一类型信息指示所述监测目标存在异常；/n采用预设的行为识别模型对所述相关帧图像集进行行为识别，确定所述相关帧图像集中的所述监测目标的行为信息。/n

【技术特征摘要】
1.一种异常行为识别方法，其特征在于，包括：
获取当前帧图像，采用人体关键点检测模型对所述当前帧图像进行检测，得到监测目标的人体特征信息，所述当前帧图像为从监测视频中获取的包含监测目标的图像；
将所述人体特征信息与预设的基准异常信息进行匹配，得到匹配信息，所述匹配信息指示所述人体特征信息与预设的基准异常信息的匹配结果；
若所述匹配信息为第一类型信息，则从所述监测视频中获取对应的相关帧图像集，所述第一类型信息指示所述监测目标存在异常；
采用预设的行为识别模型对所述相关帧图像集进行行为识别，确定所述相关帧图像集中的所述监测目标的行为信息。


2.如权利要求1所述的异常行为识别方法，其特征在于，所述从所述监测视频中获取对应的相关帧图像集，包括：
根据所述匹配信息匹配所述当前帧图像的疑似异常类型；
通过所述疑似异常类型确定所述当前帧图像的紧急级别和视频时间区间；
通过所述紧急级别获取对应的图像获取帧率，所述图像获取帧率与所述紧急级别呈正相关；
根据所述当前帧图像的时间点信息、以及所述图像获取帧率和所述视频时间区间从所述监测视频中获取对应相关帧图像，组成相关帧图像集。


3.如权利要求1所述的异常行为识别方法，其特征在于，在所述将所述人体特征信息与预设的基准异常信息进行匹配，得到匹配信息之后，所述异常行为识别方法还包括：
若所述匹配信息为第二类型信息，则将所述当前帧图像和所述匹配信息存储至数据库中的历史监测信息集中；
从数据库中获取所述监测视频的历史监测信息集，所述历史监测信息集包括历史监测图像和对应的历史匹配信息；
将所述历史监测信息集中所述历史匹配信息为第二类型信息的历史监测信息确定为持续监控信息集；
提取所述持续监控信息集中每一历史监测图像在所述监测视频中的时间点轨迹信息，若所述时间点轨迹信息符合预设的监控时间轨迹，则输出异常提示信息，所述异常提示信息指示所述监测目标存在异常行为。


4.一种目标异常识别方法，其特征在于，包括：
获取监测视频，从所述监测视频中提取出当前帧图像；
对所述当前帧图像采用如权利要求1-3中任一项所述的异常行为识别方法进行识别，得到所述当前帧图像的行为信息；
若所述当前帧图像不是所述监测视频中的最后一帧图像，则根据预设的提取方式从所述监测视频中确定新的当前帧图像，并返回执行所述对所述当前帧图像进行上述异常行为识别方法，得到所述当前帧图像的行为信息的步骤。


5.如权利要求4所述的目标异常识别方法，其特征在于，所述从所述监测视频中提取出当前帧图像，包括：
通过预设的帧率从监测视频中进行图像提取，得到监测图像集；
采用预设的人脸识别模型对所述监测图像集中的图像进行识别，提取出包含监测目标的图像，组...

【专利技术属性】
技术研发人员：唐宇，骆少明，郭琪伟，侯超钧，庄家俊，苗爱敏，褚璇，钟震宇，吴亮生，
申请(专利权)人：广东技术师范大学，仲恺农业工程学院，广东省智能制造研究所，
类型：发明
国别省市：广东;44