异常对象的检测方法及相关装置制造方法及图纸

本申请涉及计算机技术领域，公开了一种异常对象的检测方法及相关装置，用于解决相关技术产生的异常人员预警的灵活性低以及准确性差的问题。本申请通过预先建立有先验概率表，并基于先验概率表从采集的数据中提取出异常对象的特征，并从先验概率表中查找提取的特征对应的先验概率，然后采用贝叶斯概率模型处理提取的特征和先验概率，从而可以预测出采集的数据中哪些对象是告警的异常对象，从而保证预警的实时有效性和准确性，减少人工核查的难度。还通过采集候选对象的历史移动轨迹，通过神经网络模型预测下一步移动轨迹的置信度，检测出异常对象，从而与采用贝叶斯概率模型预测出的异常对象互相验证，进一步保证异常人员预警的准确性。警的准确性。警的准确性。

【技术实现步骤摘要】
异常对象的检测方法及相关装置


[0001]本申请涉及计算机
，尤其涉及一种异常对象的检测方法及相关装置。

技术介绍

[0002]随着社会基础设施建设的大力发展，为了维护社会治安，基于异常人员的分析预警需求日益增多。
[0003]目前很多异常行为的预警，为了保证实时性，基本由前端相机产生，但由于相机自身的算力及预警规则的局限性，产生的异常报警会存在很多误报，需要人工实时干预核查。然而，实际应用时，很难穷举各种变化条件的预警规则导致该方式灵活性差，准确性低。
[0004]另一种预警方式是采用积分模型，积分模型的各种规则特征的系数主要靠经验值来设定，也缺乏一定的灵活性，产生的异常人员预警的准确性差。

技术实现思路

[0005]本申请提供一种异常对象的检测方法及相关装置，用于解决相关技术产生的异常人员预警的灵活性低以及准确性差的问题。
[0006]第一方面，本申请实施例提供了一种异常对象的检测方法，包括：
[0007]获取异常对象的告警信息，所述告警信息包括发出所述告警信息的传感器位置；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常对象的检测方法，其特征在于，所述方法包括：获取异常对象的告警信息，所述告警信息包括发出所述告警信息的传感器位置；以所述传感器位置为基准，在所述传感器位置周围获取待处理传感器采集的数据；从待处理传感器采集的数据中提取候选对象的特征信息，所述特征信息中包括多维度特征；从预设的先验概率表中获取所述多维度特征中每个维度的特征对应的先验概率；其中所述先验概率包括候选对象为所述异常对象的先验概率和所述候选对象不是所述异常对象的先验概率；采用贝叶斯概率模型处理所述多维度特征以及每个维度的特征对应的先验概率，得到所述候选对象的风险系数；其中所述风险系数用于指示所述候选对象是所述异常对象的概率；若所述候选对象的风险系数大于或等于预设风险系数阈值，则确定所述候选对象为所述异常对象。2.根据权利要求1所述的方法，其特征在于，若确定所述候选对象的风险系数大于或等于预设风险系数阈值之后，且确定所述候选对象为所述异常对象之前，所述方法还包括：从多个传感器采集的数据中提取所述候选对象的移动轨迹；将所述移动轨迹输入神经网络模型，得到所述神经网络模型输出的所述候选对象的下一步移动轨迹的置信度，所述置信度用于表征所述下一步移动轨迹是正常对象的移动轨迹的概率；确定所述候选对象的置信度小于预设置信度阈值。3.根据权利要求1所述的方法，其特征在于，所述多维度特征包括：候选对象的时空特征、候选对象的外貌特征、候选对象的行为特征、置信度比对特征、关联目标特征，所述关联目标特征用于表征从候选对象位置的指定范围中在指定时长内提取到机动车辆、所述置信度比对特征包括候选对象和异常对象相似的置信度和/或候选对象的图像质量低于图像质量分数。4.根据权利要求1所述的方法，其特征在于，所述从预设的先验概率表中获取所述多维度特征中每个维度的特征对应的先验概率之前，所述方法还包括：确定所述候选对象的特征和所述白名单中的对象特征不匹配。5.根据权利要求2所述的方法，其特征在于，所述从多个传感器采集的数据中提取所述候选对象的移动轨迹，具体包括：获取多个传感器采集的所述候选对象的数据；基于所述候选对象的数据中的时间信息，以及各个传感器的位置信息，构建所述候选对象的移动轨迹。6.根据权利要求2所述的方法，其特征在于，训练所述神经网络模型，包括...

【专利技术属性】
技术研发人员：陈方云，夏凤君，汪昊，周斌，
申请(专利权)人：重庆紫光华山智安科技有限公司，
类型：发明
国别省市：