基于小目标和动作识别的人体异常行为检测系统技术方案

本发明专利技术提供了一种基于小目标和动作识别的人体异常行为检测系统，系统主要包括监控设备的部署，检测服务端和云端平台。监控设备用于实时获取监控场所中人员流动信息；智能预警系统以检测服务端设备为载体，用于实现异常小目标检测，人体姿态异常的预警，将结果展示在检测服务端上；云端服务器用于智能预警系统模型的训练以及参数的更新。本系统的目的为搭建视频监控报警平台，部署摄像头，添加计算的规则，实现异常小目标检测，人体姿态异常行为报警功能，降低报警时延。降低报警时延。降低报警时延。

【技术实现步骤摘要】
基于小目标和动作识别的人体异常行为检测系统


[0001]本专利技术涉及图像处理，人工智能、小目标检测等
，具体涉及一种基于小目标和动作识别的人体异常行为检测系统。

技术介绍

[0002]当前视频数据规模不断增大，对视频进行手动分析不但要消耗大量人力，而且个人隐私安全成本也会进一步提高，不能很好的满足当前发展需要，因此，对视频进行智能分析变得异常关键，异常检测是目前分析视频技术最重要的研究方向。异常检测指的是解析视频内容,预测可能出现的异常事件或异常行为，但是视频中可能还会存在人体所携带的危险物品，且危险物品通常在视频画面中占比较小。现有人体异常行为检测系统往往不能够识别到这一类小目标物体，切不能将其与人体行为进行关联。

技术实现思路

[0003]为了解决上述问题，本专利技术中在训练过程中使用最大均值算法来构造背景估计。该方法具有一个双层窗口，对标注的小物体更好的提取，同时采用神经网络对检测目标的表观特征进行建模，并将特征向量保留一段时间，极大的提高了小型物体在实际检测中的精准度。同时将人体异常检测算法和小目标检测算法相结合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小目标和动作识别的人体异常行为检测系统，其特征包括以下步骤：S1：系统由监控摄像头、计算服务端以智能检测系统及云端服务器组成，所述摄像头用于实时获取监控摄像头内的人体动向信息和小目标物体信息；S2：行为检测系统以服务端为载体，对摄像头传入的视频数据进背景提取和局部对比度估计，确定小目标物体的位置，再通过改进OpenPose算法进行人体行为分析判断，判断是否存在异常行为；S3:云端服务器用于检测系统模型的训练以及参数的更新。2.根据权利要求1所述一种基于小目标和动作识别的人体异常行为检测系统，包括以下步骤：S21实现人物检测：摄像头将获取到人体的视频帧数据传到服务端中，设备中部署好的人体检测模型对视频帧进行计算，从而确定人物所在的位置；S22基于改进比差联合算法的小目标检测：首先对输入图像进行背景估计，在结合最大均值算法算法来构造背景估计，算法使用了双层窗口，其中内层窗口用于掩盖小目标，从而使得BETT和ITT之间的差异更明显；在进行最大均值背景估计之后，TT和PNHB的估计值将小于原始灰度值，而NB，HB和EB的估计值将与原始灰度值接近；在计算当前位置的局部对比度时，将以当前位置的估计背景为基准，通过原始输入图像和估计背景之间的比差联合局部对比度测量方法，可以增强不同大小的真实目标，并抑制各种复杂的背景，无需预处理环节再通过阈值操作得到小目标检测结果；S23基于改进OpenPose的人体动作识别检测：从人体骨骼关节点角度出发，首先通过高斯滤波消除图像中的高斯噪声；然后通过融入注意力机制的目标检测算法检测图像中的目标学生位置，再将检测后的图像通过改进的OpenPose模型提取人体骨骼关节点坐标；最后利用ST
‑
SVM分类器对获取的关节点坐标进行分类，从而快速准确地识别出视频监控范围内人体的行为状态；S24实现动作行为识别和小目标检测：服务端对S1获取到的人体信息进行动作识别，判断是否存在异常行为，并判断人体区域内是否存在异常的物体，系统通过改进小目标检测算法，能够更好的提取到小目标的特征，使得较小的物体也有很好的鲁棒性，若异常物体和人体信息同时存在与锚点框内，则会记录下人体动作信息，并上传至云端服务器；S24实现智能预警系统模型的训练以及参数的更新：检测系统将汇总的包含人体行为异常...

【专利技术属性】
技术研发人员：易军，沈志龙，赵海航，赵怡恒，钟婉霞，肖亿，周伟，刘洪，赵猛，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：