本申请涉及一种行为检测方法、电子装置和存储介质，其中，该行为检测方法包括：获取待处理监控视频中各个检测对象的头肩图像；利用训练后的第一行为检测模型对各个检测对象的头肩图像进行对象检测，确定各个检测对象中的候选对象，候选对象包括行为与目标行为的相似度大于或者等于第一相似度阈值的检测对象；基于获取的各头肩图像，确定各个候选对象的头肩图像序列；确定各个候选对象的头肩图像序列对应的行为特征，并基于确定的各个行为特征，确定各个候选对象是否存在目标行为，通过本申请，解决了检测目标行为准确度不高的问题，提高了目标行为检测的准确率。目标行为检测的准确率。目标行为检测的准确率。
【技术实现步骤摘要】
行为检测方法、电子装置和存储介质
[0001]本申请涉及计算机视觉领域，特别是涉及行为检测方法、电子装置和存储介质。
技术介绍
[0002]在日常生活和工作当中，很多地方需要对人类的行为进行一定的规范。例如在办公区域、加油站等场所需要对人类的行为进行规范。而人工监视无法起到实时的监督作用，或者事后的监控视频筛查，既需要大量的人力和时间成本，也有着亡羊补牢的功效，不具有主动性。因此需要采取视频智能监督的方法来及时有效地规范特定场景下的人类行为。
[0003]目前现有技术中主要是检测单帧的行为，通过累计检测帧达到一定阈值或者其他逻辑方式来判断是否为目标行为，在用逻辑描述无法区分执行行为与非目标行为的情况下，无法准确的判断行为是否为目标行为，存在检测目标行为准确度不高的问题。
技术实现思路
[0004]在本实施例中提供了一种行为检测方法、电子装置和存储介质，以解决相关技术中检测目标行为准确度不高的问题。
[0005]第一个方面，在本实施例中提供了一种行为检测方法，包括：
[0006]获取待处理监控视频中各个检测对象的头肩图像；
[0007]利用训练后的第一行为检测模型对所述各个检测对象的所述头肩图像进行对象检测，确定所述各个检测对象中的候选对象，所述候选对象包括行为与目标行为的相似度大于或者等于第一相似度阈值的检测对象；
[0008]基于获取的各头肩图像，确定各个所述候选对象的头肩图像序列；
[0009]确定各个所述候选对象的头肩图像序列对应的行为特征，并基于确定的各个行为特征，确定所述各个候选对象是否存在所述目标行为。
[0010]在其中的一些实施例中，确定各个候选对象中一个候选对象的所述头肩图像序列包括：
[0011]所述待处理监控视频中的所有视频帧包含的所述一个候选对象的头肩图像，按照所述视频帧的时序关系组成的序列；或
[0012]所述待处理监控视频中的连续数量的视频帧包含的所述一个候选对象的头肩图像，按照所述视频帧的时序关系组成的序列。
[0013]在其中的一些实施例中，所述获取待处理监控视频中各个检测对象的头肩图像之后，还包括：
[0014]将获取的各个所述检测对象的头肩图像与各个所述检测对象的标识信息绑定；
[0015]所述基于获取的各头肩图像，确定各个所述候选对象的头肩图像序列，包括：
[0016]分别针对每个所述检测对象，进行如下操作：
[0017]确定所述检测对象的标识信息绑定的各个头肩图像；
[0018]从确定的各个头肩图像中，选取出部分或全部的头肩图像；
[0019]基于选取出的各个头肩图像所属视频帧在所述待处理监控视频中的时序关系，将所述选取出的各个头肩图像进行排序，得到排序后的各头肩图像；
[0020]将所述排序后的各头肩图像，确定为所述检测对象对应的头肩图像序列。
[0021]在其中的一些实施例中，从确定的各个头肩图像中，选取出部分或全部的头肩图像，包括：
[0022]获取训练样本集中的一个训练对象对应的头肩图像序列的长度；
[0023]根据训练样本集中的一个训练对象对应的头肩图像序列的长度，从确定的各个头肩图像中，选取出部分或全部的头肩图像，其中，所述选取出的各个头肩图像的数量与所述一个目标对应的头肩图像序列的长度一致。
[0024]在其中的一些实施例中，在将获取的各个所述检测对象的头肩图像与各个所述检测对象的标识信息绑定之前，还包括：
[0025]对所述待处理监控视频中的各个所述检测对象进行识别，确定各个所述检测对象在各帧视频帧中的位置信息；
[0026]根据各个所述检测对象在各帧所述视频帧中的位置信息，确定各个所述检测对象在各所述视频帧中的平面框，其中，所述平面框用于框定所述检测对象；
[0027]根据各个所述检测对象在各所述视频帧中的平面框，确定各个所述检测对象在前后两帧视频帧中的重叠区域，其中，所述重叠区域为各个所述检测对象在前后两帧视频帧中对应的平面框的重叠区域；
[0028]根据各个所述检测对象在前后两帧视频帧中的重叠区域，确定各个所述检测对象的标识信息。
[0029]在其中的一些实施例中，所述方法应用于目标场景，所述目标行为包括所述目标场景中使用限制物品的行为或携带限制物品的行为。
[0030]在其中的一些实施例中，所述获取待处理监控视频中各个检测对象的头肩图像，包括：
[0031]使用训练后的头肩模型检测所述待处理监控视频中的各视频帧中各个所述检测对象的头肩部位，得到各个所述检测对象对应的头肩位置的图像框；
[0032]将各个所述检测对象对应的头肩位置的图像框往外扩展第一预设值，得到各个检测对象的头肩图像。
[0033]在其中的一些实施例中，所述确定各个所述候选对象的头肩图像序列对应的行为特征，包括：
[0034]基于训练后的第二行为检测模型，对所述各个候选对象的头肩图像序列对应的行为特征进行检测，得到所述各个候选对象的头肩图像序列对应的行为特征。
[0035]在其中的一些实施例中，通过如下方式获得训练后的所述第二行为检测模型：
[0036]获取待训练监控视频中的所有视频帧，标注一个以上的第一训练对象在各个所述视频帧中对应的头肩位置，得到各个所述第一训练对象对应的头肩图像序列，其中，所述第一训练对象为具有所述目标行为的对象，各个所述第一训练对象对应的头肩图像序列长度相同；
[0037]标注一个以上的第二训练对象在各个所述视频帧中对应的头肩位置，得到各个所述第二训练对象对应的头肩图像序列，其中，所述第二训练对象为不具有所述目标行为的
对象，各个所述第二训练对象对应的头肩图像序列长度与所述第一训练对象对应的头肩图像序列长度相同；
[0038]根据各个所述第一训练对象对应的头肩图像序列和各个所述第二训练对象对应的头肩图像序列，得到训练样本集，其中，所述第一训练对象对应的头肩图像序列为正样本，所述第二训练对象对应的头肩图像序列为负样本；
[0039]使用所述训练样本集训练所述第二行为检测模型，得到训练后的第二行为检测模型。
[0040]在其中的一些实施例中，所述方法还包括：
[0041]在Transformer模块之前串联卷积神经网络，构建所述第二行为检测模型。
[0042]第二个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上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第一个方面所述的行为检测方法。
[0043]第三个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的行为检测方法。
[0044]与相关技术相比，在本实施例中提供的行为检测方法、电子装置和存储介质，通过训练后的第一行为检测模型对所述各个检测对象的所述头肩图像进行对象检测，确定所述各个检测对象中的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种行为检测方法，其特征在于，包括：获取待处理监控视频中各个检测对象的头肩图像；利用训练后的第一行为检测模型对所述各个检测对象的所述头肩图像进行对象检测，确定所述各个检测对象中的候选对象，所述候选对象包括行为与目标行为的相似度大于或者等于第一相似度阈值的检测对象；基于获取的各头肩图像，确定各个所述候选对象的头肩图像序列；确定各个所述候选对象的头肩图像序列对应的行为特征，并基于确定的各个行为特征，确定所述各个候选对象是否存在所述目标行为。2.如权利要求1所述的行为检测方法，其特征在于，确定各个候选对象中一个候选对象的所述头肩图像序列包括：所述待处理监控视频中的所有视频帧包含的所述一个候选对象的头肩图像，按照所述视频帧的时序关系组成的序列；或所述待处理监控视频中的连续数量的视频帧包含的所述一个候选对象的头肩图像，按照所述视频帧的时序关系组成的序列。3.根据权利要求1所述的行为检测方法，其特征在于，所述获取待处理监控视频中各个检测对象的头肩图像之后，还包括：将获取的各个所述检测对象的头肩图像与各个所述检测对象的标识信息绑定；所述基于获取的各头肩图像，确定各个所述候选对象的头肩图像序列，包括：分别针对每个所述检测对象，进行如下操作：确定所述检测对象的标识信息绑定的各个头肩图像；从确定的各个头肩图像中，选取出部分或全部的头肩图像；基于选取出的各个头肩图像所属视频帧在所述待处理监控视频中的时序关系，将所述选取出的各个头肩图像进行排序，得到排序后的各头肩图像；将所述排序后的各头肩图像，确定为所述检测对象对应的头肩图像序列。4.根据权利要求3所述的行为检测方法，其特征在于，从确定的各个头肩图像中，选取出部分或全部的头肩图像，包括：获取训练样本集中的一个训练对象对应的头肩图像序列的长度；根据训练样本集中的一个训练对象对应的头肩图像序列的长度，从确定的各个头肩图像中，选取出部分或全部的头肩图像，其中，所述选取出的各个头肩图像的数量与所述一个目标对应的头肩图像序列的长度一致。5.根据权利要求3所述的行为检测方法，其特征在于，在将获取的各个所述检测对象的头肩图像与各个所述检测对象的标识信息绑定之前，还包括：对所述待处理监控视频中的各个所述检测对象进行识别，确定各个所述检测对象在各帧视频帧中的位置信息；根据各个所述检测对象在各帧所述视频帧中的位置信息，确定各个所述检测对象在各所述视频帧中的平面框，其中，所述平面框用于框定所述检测对象；根据各个所述检测对象在各所述视频帧中的平面框，确定各个所述检测对象在前后两帧视频帧中的重叠区域，其中，所述重叠区域为各个所...
【专利技术属性】
技术研发人员：项超，潘华东，郑佳，刘少林，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：
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。