一种目标行为识别方法、装置以及计算机可读存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，具体提供一种目标行为识别方法、装置以及计算机可读存储介质，本发明专利技术的目标行为识别方法包括：根据载人属性特征从待识别图像数据集中筛选出包括至少一帧第一图像的第一图像数据集以及包括至少一帧第二图像的第二图像数据集，第一图像对应的载人属性特征为交通工具的乘坐人员数量大于或等于2，第二图像对应的载人属性特征为交通工具的乘坐人员数量等于1；分别基于每帧第一图像中的每个乘坐人员对第二图像数据集进行聚类；根据聚类结果判断待识别图像数据集中是否存在目标行为；或者根据聚类结果和待识别图像特征判断待识别图像数据集中是否存在目标行为，以能够高效识别出与交通工具相关的目标行为。的目标行为。的目标行为。

【技术实现步骤摘要】
一种目标行为识别方法、装置以及计算机可读存储介质


[0001]本专利技术涉及人工智能
，具体提供一种目标行为识别方法、装置以及计算机可读存储介质。

技术介绍

[0002]随着我国城市化和工业现代化的不断发展，居民的出行方式更加多样化，出于便捷和环保考虑，越来越多人选择非机动车(包括电动车，自行车，电动三轮车等)作为日常生活中的代步交通工具。
[0003]在非机动车中，电动车装有GPS定位防盗监控系统，可以快速定位，然而，对于结构更加简单且没有额外电能供给的自行车、人力三轮车来说，定位系统难以部署。该部分非机动车丢失后，公安人员需要大量人力对丢失地点及附近各处监控进行检查，耗时长且效率低下。因此，急需一种能快速有效识别出盗车行为的方法。

技术实现思路

[0004]本专利技术旨在解决上述技术问题，即，解决现有与交通工具相关的目标行为识别效率低的问题。
[0005]在第一方面，本专利技术提供了一种目标行为识别方法，其包括：
[0006]获取待识别图像数据集，所述待识别图像数据集为与交通工具相关的图像数据集；
[0007]根据载人属性特征从所述待识别图像数据集中筛选出第一图像数据集和第二图像数据集；其中，所述第一图像数据集包括至少一帧第一图像，且每帧所述第一图像对应的载人属性特征为所述第一图像中所述交通工具的乘坐人员数量大于或等于2；所述第二图像数据集包括至少一帧第二图像，且每帧所述第二图像对应的载人属性特征为所述第二图像中所述交通工具的乘坐人员数量等于1；
[0008]分别基于每帧所述第一图像中的每个所述乘坐人员对所述第二图像数据集进行聚类；
[0009]根据所述聚类结果判断所述待识别图像数据集中是否存在所述目标行为，或根据所述聚类结果和待识别图像特征判断所述待识别图像数据集中是否存在所述目标行为。
[0010]在一些实施例中，所述根据所述聚类结果判断所述待识别图像数据集中是否存在所述目标行为包括：
[0011]当基于所述第一图像中的至少两个所述乘坐人员对所述第二图像数据集进行聚类均得到与所述乘坐人员对应的聚类图像，判定所述待识别图像数据集中存在所述目标行为。
[0012]在一些实施例中，所述待识别图像特征包括交通工具属性特征，和/或，人员姿态属性特征和时间属性特征；所述根据所述聚类结果和待识别图像特征判断所述待识别图像数据集中是否存在所述目标行为包括：
[0013]当基于所述第一图像中的至少两个所述乘坐人员对所述第二图像数据集进行聚类均得到与所述乘坐人员对应的聚类图像之后，基于所述聚类图像的交通工具属性特征与所述第一图像的交通工具属性特征的比较结果，和/或基于所述聚类图像的所述人员姿态属性特征和所述时间属性特征判断所述待识别图像数据集中是否存在所述目标行为；
[0014]当所述第一图像中至少一个所述乘坐人员对应的所述聚类图像的交通工具属性特征与所述第一图像的交通工具属性特征不一致，
[0015]和/或当所述聚类图像的所述人员姿态属性特征为推行姿态且所述时间属性特征为夜间时段，判定所述待识别图像数据集中存在所述目标行为。
[0016]在一些实施例中，所述方法还包括采用预先训练好的神经网络模型识别所述聚类图像和/或所述第一图像中的交通工具属性特征。
[0017]在一些实施例中，通过以下步骤训练所述神经网络模型：
[0018]获取交通工具图像训练样本集；
[0019]将所述交通工具图像训练样本集输入初始神经网络模型，所述初始神经网络模型包括Resnet50特征提取网络；
[0020]对所述初始神经网络模型进行训练直至模型收敛，得到训练好的所述神经网络模型。
[0021]在一些实施例中，对所述初始神经网络模型进行训练直至模型收敛，得到训练好的所述神经网络模型包括：
[0022]采用Softmax损失函数和三元组损失函数对所述初始神经网络进行联合训练，以得到训练好的所述神经网络模型；
[0023]或基于BNNeck网络对所述初始神经网络模型进行训练直至模型收敛，以得到训练好的所述神经网络模型。
[0024]在一些实施例中，获取不同地理位置处的图像，得到所述待识别图像数据集；
[0025]或者，获取相同地理位置处不同时刻的图像，得到所述待识别图像数据集。
[0026]在第二方面，本专利技术提供了一种目标行为识别装置，其包括：
[0027]获取模块，其用于获取待识别图像数据集，所述待识别图像数据集为与交通工具相关的图像数据集；
[0028]筛选模块，其用于根据载人属性特征从所述待识别图像数据集中筛选出第一图像数据和第二图像数据；其中，所述第一图像数据集包括至少一帧第一图像，且每帧所述第一图像对应的载人属性特征所述第一图像中所述为交通工具的乘坐人员数量大于或等于2；所述第二图像数据集包括至少一帧第二图像，且每帧所述第二图像对应的载人属性特征为所述第二图像中所述交通工具的乘坐人员数量等于1；
[0029]聚类模块，其用于分别基于每帧所述第一图像的每个所述乘坐人员对所述第二图像数据集进行聚类；
[0030]识别模块，其用于根据所述聚类结果判断所述待识别图像数据集中是否存在所述目标行为，或根据所述聚类结果和待识别图像特征判断所述待识别图像数据集中是否存在所述目标行为。
[0031]在第三方面，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的目标行为
识别方法。
[0032]在第四方面，本专利技术提供了一种电子设备，其包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时实现上述任意一项所述的目标行为识别方法。
[0033]在采用上述技术方案的情况下，本专利技术能够通过获取待识别图像数据集，待识别图像数据集为与交通工具相关的图像数据集；根据载人属性特征从待识别图像数据集中筛选出包括至少一帧第一图像的第一图像数据集以及包括至少一帧第二图像的第二图像数据集，其中，第一图像对应的载人属性特征为第一图像中交通工具的乘坐人员数量大于或等于2，第二图像对应的载人属性特征为第二图像中交通工具的乘坐人员数量等于1；分别基于每帧第一图像中的每个乘坐人员对第二图像数据集进行聚类；根据聚类结果判断待识别图像数据集中是否存在目标行为，或者根据聚类结果和待识别图像特征判断待识别图像数据集中是否存在目标行为。该方法能够高效识别出与交通工具相关的目标行为，有利于提前进行预警，便于快速锁定与目标行为相关的人员以及交通工具的动向。
附图说明
[0034]下面结合附图来描述本专利技术的优选实施方式，附图中：
[0035]图1是本专利技术实施例提供的一种目标行为识别方法的流程示意图；
[0036]图2是本专利技术实施例提供的神经网络模型的训练方法流程示意图；
[0037]图3是本专利技术实施例提供的目标行为识别装置的结构示意图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标行为识别方法，其特征在于，包括：获取待识别图像数据集，所述待识别图像数据集为与交通工具相关的图像数据集；根据载人属性特征从所述待识别图像数据集中筛选出第一图像数据集和第二图像数据集；其中，所述第一图像数据集包括至少一帧第一图像，且每帧所述第一图像对应的载人属性特征为所述第一图像中所述交通工具的乘坐人员数量大于或等于2；所述第二图像数据集包括至少一帧第二图像，且每帧所述第二图像对应的载人属性特征为所述第二图像中所述交通工具的乘坐人员数量等于1；分别基于每帧所述第一图像中的每个所述乘坐人员对所述第二图像数据集进行聚类；根据所述聚类结果判断所述待识别图像数据集中是否存在所述目标行为，或根据所述聚类结果和待识别图像特征判断所述待识别图像数据集中是否存在所述目标行为。2.根据权利要求1所述的方法，其特征在于，所述根据所述聚类结果判断所述待识别图像数据集中是否存在所述目标行为包括：当基于所述第一图像中的至少两个所述乘坐人员对所述第二图像数据集进行聚类均得到与所述乘坐人员对应的聚类图像，判定所述待识别图像数据集中存在所述目标行为。3.根据权利要求1所述的方法，其特征在于，所述待识别图像特征包括交通工具属性特征，和/或，人员姿态属性特征和时间属性特征；所述根据所述聚类结果和待识别图像特征判断所述待识别图像数据集中是否存在所述目标行为包括：当基于所述第一图像中的至少两个所述乘坐人员对所述第二图像数据集进行聚类均得到与所述乘坐人员对应的聚类图像之后，基于所述聚类图像的交通工具属性特征与所述第一图像的交通工具属性特征的比较结果，和/或基于所述聚类图像的所述人员姿态属性特征和所述时间属性特征判断所述待识别图像数据集中是否存在所述目标行为；当所述第一图像中至少一个所述乘坐人员对应的所述聚类图像的交通工具属性特征与所述第一图像的交通工具属性特征不一致，和/或当所述聚类图像的所述人员姿态属性特征为推行姿态且所述时间属性特征为夜间时段，判定所述待识别图像数据集中存在所述目标行为。4.根据权利要求3所述的方法，其特征在于，所述方法还包括采用预先训练好的神经网络模型识别所述聚类图像和/或所述第一图像中的交通工具属性特征。5.根据权利要...

【专利技术属性】
技术研发人员：温建锋，
申请(专利权)人：云从科技集团股份有限公司，
类型：发明
国别省市：