银行网点异常监控方法及装置制造方法及图纸

本发明专利技术提供了一种银行网点异常监控方法及装置，该方法包括：采集银行网点的多个监控视频，所述监控视频包含异常视频和正常视频，每个监控视频含有对应的视频级标签；将多个异常视频及对应的视频级标签输入至帧级伪标签生成器中，生成多个异常视频片段对应的伪异常标签集合，其中，每个异常视频对应多个异常视频片段；将多个正常视频对应的视频级标签、多个异常视频片段对应的伪异常标签集合输入到三维异常检测网络中进行训练，获得异常分类器；在获得测试视频后，将测试视频输入到异常分类器中，获得测试视频中的异常视频片段。本发明专利技术可以用以准确地判断银行网点中的异常，效率高，准确率高。

【技术实现步骤摘要】
银行网点异常监控方法及装置
本专利技术涉及互联网
，尤其涉及一种银行网点异常监控方法及装置。
技术介绍
目前公众安全问题越来越受到重视，银行网点作为金融机构，对安防的要求较高。随着摄像头的普及，针对网点可能存在的人群斗殴，抢劫及ATM取款诈骗等可能存在的安全隐患，要从海量数据中发现异常，传统方法依赖于人工监测视频异常的起止点，既浪费人力又浪费财力，且效率低。
技术实现思路
本专利技术实施例提出一种银行网点异常监控方法，用以准确地判断银行网点中的异常，效率高，准确率高，该方法包括：采集银行网点的多个监控视频，所述监控视频包含异常视频和正常视频，每个监控视频含有对应的视频级标签；将多个异常视频及对应的视频级标签输入至帧级伪标签生成器中，生成多个异常视频片段对应的伪异常标签集合，其中，每个异常视频对应多个异常视频片段；将多个正常视频对应的视频级标签、多个异常视频片段对应的伪异常标签集合输入到三维异常检测网络中进行训练，获得异常分类器；在获得测试视频后，将测试视频输入到异常分类器中，获得测试视频中的异常视频片段。本专利技术实施例提出一种银行网点异常监控装置，准确地判断银行网点中的异常，效率高，准确率高，该装置包括：监控视频采集模块，用于采集银行网点的多个监控视频，所述监控视频包含异常视频和正常视频，每个监控视频含有对应的视频级标签；伪异常标签集合获得模块，用于将多个异常视频及对应的视频级标签输入至帧级伪标签生成器中，生成多个异常视频片段对应的伪异常标签集合，其中，每个异常视频对应多个异常视频片段；训练模块，用于将多个正常视频对应的视频级标签、多个异常视频片段对应的伪异常标签集合输入到三维异常检测网络中进行训练，获得异常分类器；异常视频片段识别模块，用于在获得测试视频后，将测试视频输入到异常分类器中，获得测试视频中的异常视频片段。本专利技术实施例还提出了一种计算机设备，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上述银行网点异常监控方法。本专利技术实施例还提出了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执行上述银行网点异常监控方法的计算机程序。在本专利技术实施例中，采集银行网点的多个监控视频，所述监控视频包含异常视频和正常视频，每个监控视频含有对应的视频级标签；将多个异常视频及对应的视频级标签输入至帧级伪标签生成器中，生成多个异常视频片段对应的伪异常标签集合，其中，每个异常视频对应多个异常视频片段；将多个正常视频对应的视频级标签、多个异常视频片段对应的伪异常标签集合输入到三维异常检测网络中进行训练，获得异常分类器；在获得测试视频后，将测试视频输入到异常分类器中，获得测试视频中的异常视频片段。在上述实施例中，构建了异常视频片段对应的伪异常标签集合，基于此进行了训练，获得的异常分类器的准确率和效率更高，使得最后获得的测试视频中的异常视频片段的准确率和效率更高。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的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本专利技术实施例中银行网点异常监控方法的流程图；图2为本专利技术实施例中银行网点异常监控方法的详细流程图；图3为本专利技术实施例银行网点异常监控装置的示意图；图4为本专利技术实施例银行网点异常监控装置的另一示意图；图5为本专利技术实施例中帧级伪标签生成器的示意图；图6为本专利技术实施例中计算机设备的示意图。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明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。专利技术人发现，深度学习的视频异常检测大多采用监督训练，训练集异常视频标签必须精确到帧级，标签依赖于人工监测，容易出现漏检，费时费力。对于半监督学习的异常检测，训练数据中只有正常视频，只对正常视频进行标记，异常视频只存在于测试数据中，没有标记。而现实中的正常行为多种多样，训练数据集无法涵盖所有的种类，异常分类的效果依赖于训练集中正常行为的种类多少。为解决上述问题，本专利技术设计了一种银行网点异常监控系统，用以准确地判断银行网点中的异常，采用弱监督方法，训练集包含正常视频和异常视频，给定的是视频级标签，降低了人力成本，效率高。图1为本专利技术实施例中银行网点异常监控方法的流程图，如图1所示，该方法包括：步骤101，采集银行网点的多个监控视频，所述监控视频包含异常视频和正常视频，每个监控视频含有对应的视频级标签；步骤102，将多个异常视频及对应的视频级标签输入至帧级伪标签生成器中，生成多个异常视频片段对应的伪异常标签集合，其中，每个异常视频对应多个异常视频片段；步骤103，将多个正常视频对应的视频级标签、多个异常视频片段对应的伪异常标签集合输入到三维异常检测网络中进行训练，获得异常分类器；步骤104，在获得测试视频后，将测试视频输入到异常分类器中，获得测试视频中的异常视频片段。在本专利技术实施例中，构建了异常视频片段对应的伪异常标签集合，基于此进行了训练，获得的异常分类器的准确率和效率更高，使得最后得到的异常起止时间更准确。具体实施时，为了进一步提高伪异常标签集合的生成精度，需要对监控视频进行处理，提取出特征更加明显的前景视频，在一实施例中，在将多个异常视频及对应的视频级标签输入至帧级伪标签生成器中之前，还包括：对多个监控视频进行前背景分离，获得每个监控视频的前景视频；将多个异常视频及对应的视频级标签输入至帧级伪标签生成器中，包括：将多个异常视频的前景视频及对应的视频级标签输入至帧级伪标签生成器中，其中，每个异常视频的前景视频对应多个异常视频片段；将测试视频输入到异常分类器中，获得测试视频中的异常视频片段，包括：对测试视频进行前背景分离，获得测试视频的前景视频，将测试视频的前景视频输入到异常分类器中，获得测试视频中的异常视频片段。在上述实施例中，提取出的前景视频消除了大面积的背景和静止的目标，去除本文档来自技高网...

【技术保护点】
1.一种银行网点异常监控方法，其特征在于，包括：/n采集银行网点的多个监控视频，所述监控视频包含异常视频和正常视频，每个监控视频含有对应的视频级标签；/n将多个异常视频及对应的视频级标签输入至帧级伪标签生成器中，生成多个异常视频片段对应的伪异常标签集合，其中，每个异常视频对应多个异常视频片段；/n将多个正常视频对应的视频级标签、多个异常视频片段对应的伪异常标签集合输入到三维异常检测网络中进行训练，获得异常分类器；/n在获得测试视频后，将测试视频输入到异常分类器中，获得测试视频中的异常视频片段，确定异常发生的时刻。/n

【技术特征摘要】
1.一种银行网点异常监控方法，其特征在于，包括：
采集银行网点的多个监控视频，所述监控视频包含异常视频和正常视频，每个监控视频含有对应的视频级标签；
将多个异常视频及对应的视频级标签输入至帧级伪标签生成器中，生成多个异常视频片段对应的伪异常标签集合，其中，每个异常视频对应多个异常视频片段；
将多个正常视频对应的视频级标签、多个异常视频片段对应的伪异常标签集合输入到三维异常检测网络中进行训练，获得异常分类器；
在获得测试视频后，将测试视频输入到异常分类器中，获得测试视频中的异常视频片段，确定异常发生的时刻。


2.如权利要求1所述的银行网点异常监控方法，其特征在于，在将多个异常视频及对应的视频级标签输入至帧级伪标签生成器中之前，还包括：
对多个监控视频进行前背景分离，获得每个监控视频的前景视频；
将多个异常视频及对应的视频级标签输入至帧级伪标签生成器中，包括：
将多个异常视频的前景视频及对应的视频级标签输入至帧级伪标签生成器中，其中，每个异常视频的前景视频对应多个异常视频片段；
将测试视频输入到异常分类器中，获得测试视频中的异常视频片段，包括：
对测试视频进行前背景分离，获得测试视频的前景视频，将测试视频的前景视频输入到异常分类器中，获得测试视频中的异常视频片段。


3.如权利要求2所述的银行网点异常监控方法，其特征在于，所述帧级伪标签生成器采用如下步骤生成多个异常视频片段对应的伪异常标签集合：
从每个异常视频的前景视频中提取出多个异常视频片段，获得所述多个异常视频片段的前景特征；
将多个异常视频片段的前景特征进行聚类，获得每个异常视频片段对应的第一类别；
将多个异常视频片段的前景特征进行异常检测，获得每个异常视频片段对应的第二类别；
将每个异常视频片段对应的第一类别和第二类别进行融合，获得每个异常视频片段对应的伪异常标签。


4.如权利要求3所述的银行网点异常监控方法，其特征在于，从每个异常视频的前景视频中提取出多个异常视频片段，获得所述多个异常视频片段的前景特征，包括：
通过在Sports-1M数据集上预训练的C3D网络，从每个异常视频的前景视频中提取出多个异常视频片段，获得所述多个异常视频片段的前景特征。


5.如权利要求3所述的银行网点异常监控方法，其特征在于，将多个异常视频片段的前景特征进行聚类，获得每个异常视频片段对应的第一类别，包括：
采用K-Means算法将多个异常视频片段的前景特征进行聚类，获得每个异常视频片段对应的第一类别。

【专利技术属性】
技术研发人员：庞婷尹，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京;11