基于图像识别的行为检测方法、系统、计算机设备及介质技术方案

本发明专利技术提供一种基于图像识别的行为检测方法、系统、计算机设备及介质，通过对待检测图像进行人体检测，获取人体框；改变人体框的框形区域面积，并根据改变后的人体框从待检测图像中截取出对应的人体图像；将人体图像输入至行为识别模型中进行行为识别，确定待检测图像是否存在目标行为；若人体图像的尺寸小于预设尺寸，则认定待检测图像不存在目标行为。本发明专利技术可以部署在任何具有监控摄像头的场所，不需要额外的安防人员，可以实时返回监测摄像头拍摄的图像，自动检测持刀棍行为并及时预警。本发明专利技术无需来往人员配合，不会造成拥堵，不给不法分子可趁之机。本发明专利技术对各类刀棍的鲁棒性较高，在不同场景、不同光线、不同姿态角度下检测效果较好。

【技术实现步骤摘要】
基于图像识别的行为检测方法、系统、计算机设备及介质
本专利技术涉及图像检测
，特别是涉及一种基于图像识别的行为检测方法、系统、计算机设备及介质。
技术介绍
随着视频监控设备的普及，采用人力资源监督监控视频内容的成本急剧增加，因此基于视频监控的行为识别技术得到人们的广泛关注。同时为了维护社会治安，保障公共安全，及时发现并预警不法分子利用刀棍进行违法活动，是维护公众安全的必要任务。但是，一方面在人员密集的公共场合，例如公共交通枢纽等区域，利用有限的安防资源对拥挤的人流快速进行持刀棍行为检测是一个巨大的挑战；另一方面，在一些人烟稀少的监控场景，24小时异常监控对监督人员来说也是一件耗时耗力的工作。总的来说，现有的持刀棍行为检测方法主要有以下几种形式：(1)安防人员通过监控摄像头对监控场景实时检测，发现持刀棍行为立即报警进行处理。但是这种以人为主体的检测方式存在极大的限制，当监控画面较多时需要大量的安防人员才能完成实时监测，用人成本高昂；而且安防人员无法保持持续的专注，出现疏漏在所难免。(2)对于封闭的场所，安防人员通过设置安检关口对进入安防区域的人员进行检测，采用例如X光机、安检门、安检仪等设备检测是否携带刀棍。但这种方式最大的问题是只适用于特殊的封闭场所，在更多的一般公共区域(如医院、学校等)很难具备如此严密的安检措施。并且安检关口的设置会严重影响进出人流，对来往人员造成不便。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于图像识别的行为检测方法、系统、计算机设备及介质，用于解决现有技术难以在公共场所检测人员持刀和/或棍的问题。为实现上述目的及其他相关目的，本专利技术提供一种基于图像识别的行为检测方法，包括以下步骤：对待检测图像进行人体检测，获取人体框；改变所述人体框，并根据改变后的人体框从所述待检测图像中截取出对应的人体图像；其中，改变前的人体框的框形区域位于改变后的人体框的框形区域内；将所述人体图像输入至行为识别模型中进行行为识别，确定所述待检测图像是否存在目标行为。可选地，确定所述待检测图像是否存在目标行为的过程还包括：获取所述待检测图像中的人体关键点，并根据所述人体关键点从所述人体框中截取出人手框；改变所述人手框，并根据改变后的人手框从所述待检测图像中截取出对应的人手图像；其中，改变前的人手框的框形区域位于改变后的人手框的框形区域内；将所述人手图像输入至行为识别模型中进行行为识别，确定所述待检测图像是否存在目标行为。可选地，所述行为识别模型的生成过程包括：获取训练图像，并对所述训练图像进行人体检测，获取对应的人体框；改变所述人体框，并根据改变后的人体框从所述训练图像中截取出对应的人体图像；对所述人体图像进行标注，将存在目标行为的人体图像标注为正例，不存在目标行为的人体图像标注为负例；利用标注后的人体图像训练一个或多个神经网络，生成所述行为识别模型；和/或，获取训练图像，并对所述训练图像进行人手检测，获取对应的人手框；改变所述人手框，并根据改变后的人手框从所述训练图像中截取出对应的人手图像；对所述人手图像进行标注，将存在目标行为的人手图像标注为正例，不存在目标行为的人手图像标注为负例；利用标注后的人手图像训练一个或多个神经网络，生成所述行为识别模型。可选地，在生成行为识别模型时，还包括：获取一个或多个不存在目标行为的场景图像，并所述场景图像标注为负例；将标注后的场景图像加入标注后的训练图像中共同训练所述一个或多个神经网络，并将生成的行为识别模型作为最终的行为识别模型；和/或，利用标注后的场景图像优化基于所述训练图像生成的行为识别模型，并将优化后的行为识别模型作为最终的行为识别模型；其中，所述场景图像包括以下至少之一：拉行李箱的图像、女士包带的图像、骑自行车的图像、打伞的图像、玩手机的图像、行人背景中有杆的图像。可选地，将所述人体框的高和宽分别扩大20％，完成所述人体框的改变；和/或，将所述人手框的高和宽分别扩大50％，完成所述人手框的改变。可选地，若利用所述行为识别模型检测出所述待检测图像中存在目标行为，则生成目标信号，并将所述目标信号传输至预警系统；若在预设时间段内，目标信号的出现频率小于预设阈值，则迭代优化所述行为识别模型；若在所述预设时间段内，目标信号的出现频率大于预设阈值，则通过所述预警系统发出预警信号；其中，所述目标行为包括以下至少之一：持刀行为、持棍行为。可选地，若所述人体图像的尺寸小于预设尺寸，则认定所述待检测图像不存在目标行为。本专利技术还提供一种基于图像识别的行为检测系统，包括有：人体框模块，用于对待检测图像进行人体检测，获取人体框；人体图像采集模块，用于改变所述人体框，并根据改变后的人体框从所述待检测图像中截取出对应的人体图像；其中，改变前的人体框的框形区域位于改变后的人体框的框形区域内；第一行为检测模块，用于将所述人体图像输入至行为识别模型中进行行为识别，确定所述待检测图像是否存在目标行为；若所述人体图像的尺寸小于预设尺寸，则认定所述待检测图像不存在目标行为。可选地，还包括有：人手框模块，用于获取所述待检测图像中的人体关键点，并根据所述人体关键点从所述人体框中截取出人手框；人手图像采集模块，用于改变所述人手框，并根据改变后的人手框从所述待检测图像中截取出对应的人手图像；其中，改变前的人手框的框形区域位于改变后的人手框的框形区域内；第二行为检测模块，用于将所述人手图像输入至行为识别模型中进行行为识别，确定所述待检测图像是否存在目标行为。可选地，所述行为识别模型的生成过程包括：获取训练图像，并对所述训练图像进行人体检测，获取对应的人体框；改变所述人体框，并根据改变后的人体框从所述训练图像中截取出对应的人体图像；对所述人体图像进行标注，将存在目标行为的人体图像标注为正例，不存在目标行为的人体图像标注为负例；利用标注后的人体图像训练一个或多个神经网络，生成所述行为识别模型；和/或，获取训练图像，并对所述训练图像进行人手检测，获取对应的人手框；改变所述人手框，并根据改变后的人手框从所述训练图像中截取出对应的人手图像；对所述人手图像进行标注，将存在目标行为的人手图像标注为正例，不存在目标行为的人手图像标注为负例；利用标注后的人手图像训练一个或多个神经网络，生成所述行为识别模型。可选地，在生成行为识别模型时，还包括：获取一个或多个不存在目标行为的场景图像，并所述场景图像标注为负例；将标注后的场景图像加入标注后的训练图像中共同训练所述一个或多个神经网络，并将生成的行为识别模型作为最终的行为识别模型；和/或，利用标注后的场景图像优化基于所述训练图像生成的行为识别模型，并将优化后的行本文档来自技高网...

【技术保护点】
1.一种基于图像识别的行为检测方法，其特征在于，包括以下步骤：/n对待检测图像进行人体检测，获取人体框；/n改变所述人体框，并根据改变后的人体框从所述待检测图像中截取出对应的人体图像；其中，改变前的人体框的框形区域位于改变后的人体框的框形区域内；/n将所述人体图像输入至行为识别模型中进行行为识别，确定所述待检测图像是否存在目标行为。/n

【技术特征摘要】
1.一种基于图像识别的行为检测方法，其特征在于，包括以下步骤：
对待检测图像进行人体检测，获取人体框；
改变所述人体框，并根据改变后的人体框从所述待检测图像中截取出对应的人体图像；其中，改变前的人体框的框形区域位于改变后的人体框的框形区域内；
将所述人体图像输入至行为识别模型中进行行为识别，确定所述待检测图像是否存在目标行为。


2.根据权利要求1所述的基于图像识别的行为检测方法，其特征在于，确定所述待检测图像是否存在目标行为的过程还包括：
获取所述待检测图像中的人体关键点，并根据所述人体关键点从所述人体框中截取出人手框；
改变所述人手框，并根据改变后的人手框从所述待检测图像中截取出对应的人手图像；其中，改变前的人手框的框形区域位于改变后的人手框的框形区域内；
将所述人手图像输入至行为识别模型中进行行为识别，确定所述待检测图像是否存在目标行为。


3.根据权利要求1或2所述的基于图像识别的行为检测方法，其特征在于，所述行为识别模型的生成过程包括：
获取训练图像，并对所述训练图像进行人体检测，获取对应的人体框；
改变所述人体框，并根据改变后的人体框从所述训练图像中截取出对应的人体图像；
对所述人体图像进行标注，将存在目标行为的人体图像标注为正例，不存在目标行为的人体图像标注为负例；
利用标注后的人体图像训练一个或多个神经网络，生成所述行为识别模型；
和/或，
获取训练图像，并对所述训练图像进行人手检测，获取对应的人手框；
改变所述人手框，并根据改变后的人手框从所述训练图像中截取出对应的人手图像；
对所述人手图像进行标注，将存在目标行为的人手图像标注为正例，不存在目标行为的人手图像标注为负例；
利用标注后的人手图像训练一个或多个神经网络，生成所述行为识别模型。


4.根据权利要求3所述的基于图像识别的行为检测方法，其特征在于，在生成行为识别模型时，还包括：
获取一个或多个不存在目标行为的场景图像，并所述场景图像标注为负例；
将标注后的场景图像加入标注后的训练图像中共同训练所述一个或多个神经网络，并将生成的行为识别模型作为最终的行为识别模型；
和/或，利用标注后的场景图像优化基于所述训练图像生成的行为识别模型，并将优化后的行为识别模型作为最终的行为识别模型；
其中，所述场景图像包括以下至少之一：拉行李箱的图像、女士包带的图像、骑自行车的图像、打伞的图像、玩手机的图像、行人背景中有杆的图像。


5.根据权利要求1所述的基于图像识别的行为检测方法，其特征在于，若利用所述行为识别模型检测出所述待检测图像中存在目标行为，则生成目标信号，并将所述目标信号传输至预警系统；
若在预设时间段内，目标信号的出现频率小于预设阈值，则迭代优化所述行为识别模型；
若在所述预设时间段内，目标信号的出现频率大于预设阈值，则通过所述预警系统发出预警信号；
其中，所述目标行为包括以下至少之一：持刀行为、持棍行为。


6.根据权利要求1所述的基于图像识别的行为检测方法，其特征在于，若所述人体图像的尺寸小于预设尺寸，则认定所述待检测图像不...

【专利技术属性】
技术研发人员：潘雪，宋佳兴，吴凡，赵童，
申请(专利权)人：上海云从企业发展有限公司，
类型：发明
国别省市：上海;31