【技术实现步骤摘要】
一种岸边走私行为检测方法、装置及存储介质
[0001]本申请涉及计算
,尤其涉及一种岸边走私行为检测方法、装置和存储介质。
技术介绍
[0002]当前,我国疫情形势总体平稳,但境外疫情仍在高位流行,病毒不断变异,境外疫情输入我国的风险持续存在。面对严峻复杂的境外疫情输入形势,仍有走私分子抱着疫情爆发期间警力不足的侥幸心理,铤而走险,在水域实施违法犯罪活动。然而,传统的水域监控系统采用人工视频巡察方式存在一定局限性,现有技术不能实时尤其在夜间对岸边走私行为进行实时检测。
技术实现思路
[0003]针对上述技术问题,本申请实施例提供了一种岸边走私行为检测方法、装置及存储介质,用以实时对岸边走私行为进行实时检测,提高监管的效率。
[0004]第一方面,本申请实施例提供的一种岸边走私行为检测方法,包括:
[0005]获取船只位置信息;
[0006]确定水域和陆地的分界线;
[0007]根据所述船只位置信息和分界线判断所述船只是否在岸边停靠;
[0008]当判断所述船只在岸边停靠时,检测人员的移动状态信息;
[0009]根据所述人员的移动状态信息,确定所述船只的过船状态;
[0010]若所述船只的过船状态为连续的过船行为,则提取靠近过船人员和远离过船人员的人体关键点信息;
[0011]根据所述人体关键点信息检测所述人员是否存在走私搬货行为;
[0012]若检测到所述人员存在走私搬货行为,则获取距离所述船只停靠点在预设范围内的车辆信息; ...
【技术保护点】
【技术特征摘要】
1.一种岸边走私行为检测方法,其特征在于,包括:获取船只位置信息;确定水域和陆地的分界线;根据所述船只位置信息和分界线判断所述船只是否在岸边停靠;当判断所述船只在岸边停靠时,检测人员的移动状态信息;根据所述人员的移动状态信息,确定所述船只的过船状态;若所述船只的过船状态为连续的过船行为,则提取靠近过船人员和远离过船人员的人体关键点信息;根据所述人体关键点信息检测所述人员是否存在走私搬货行为;若检测到所述人员存在走私搬货行为,则获取距离所述船只停靠点在预设范围内的车辆信息;若人员与所述车辆的距离小于预设的距离阈值,则确定所述人员的姿态;若所述人员的姿态为搬运状态,则判断所述车辆存在运货物行为;若所述车辆的运货物行为持续时间大于预设的时间阈值,则根据所述车辆信息判定所述车辆是否存在走私运货行为。2.根据权利要求1所述的方法,其特征在于,所述获取船只位置信息包括:确定岸边船只检测模型;根据所述船只检测模型获取距离岸边在预设第二距离之内的船只信息;根据所述船只信息确定所述船只位置信息;其中,所述确定岸边船只检测模型包括:收集检测水域夜间过往船只的图像;根据所述过往船只的图像对船只进行标注;使用标注好的图像进行训练得到所述岸边船只检测模型。3.根据权利要求2所述的方法,其特征在于,所述根据所述船只信息确定所述船只位置信息包括:所述船只信息为(x
b
,y
b
,w
b
,h
b
),岸边监控视频图像的尺寸为(W,H),则所述船只位置信息(x
tb
,y
tb
)为:)为:其中,c
θ
为所述岸边监控视频图像的摄像头安装位置确定的角度修正常数;c
h
为所述摄像头安装位置确定的过度修正常数;c1为历史数据训练得到的映射修正常数;c
t
为历史数据训练得到的偏移修正常数;c
u
为历史数据训练的到的上界面修正常数;c
d
为历史数据训练得到的下界面修正常数;x
b
为所述船只在所述监控视频图像内识别方框左上角的横坐标;y
b
为所述船只在所述监控视频图像内识别方框左上角的纵坐标;w
b
为所述船只在所述监控视频图像内识别方框的宽;h
b
为所述船只在所述监控视频图像内识别方框的高;W为所述监控视频图像的宽,H为所述监控视频图像的高;x
tb
为船只的横坐标;y
tb
所述船只的纵坐标。
4.根据权利要求1所述的方法,其特征在于,所述确定水域和陆地的分界线包括:所述分界线为Ax+By+C=0;其中A为横坐标系数,B为纵坐标系数,C为常数;所述根据所述船只位置信息和分界线判断所述船只是否在岸边停靠包括:获取当前时刻的船只位置信息;对当前时刻之前的n
b
帧监控图像,计算第i帧监控图像中船只的位置与当前时刻船只的位置之间的距离得分并计算全部帧监控图像的距离总得分gd;若gd>ts
d
则判定所述船只在岸边停靠;其中,所述由下列公式确定:所述gd由以下公式确定:i为监控图像帧编号,为船只距离水域陆地分界线的距离,n
b
为监控图像的总帧号,ts
d
为预设的距离总得分阈值,ts
bd
为预设的第一距离阈值。5.根据权利要求1所述的方法,其特征在于,所述当判断所述船只在岸边停靠时,检测人员的移动状态信息包括:获取从检测到船只在岸边停靠的时间t
s
为起点每隔时间t
y
获取长度为t
x
的时间窗视频内全部移动状态人员的第一轨迹信息;将所述第一轨迹信息中满足以下公式的移动状态人员的轨迹信息提取出来得到第二轨迹信息:其中,x
g
是所述移动状态人员的横坐标,y
g
是所述移动状态人员的纵坐标,ts
dg
是预设的第二距离阈值,x
tb
为船只的横坐标;y
tb
所述船只的纵坐标。对所述第二轨迹信息中所述移动状态人员的轨迹信息按照时间先后顺序排列,划分为第一轨迹集合{(x
p1i
,y
p1i
)}和第二轨迹集合{(x
p2j
,y
p2j
)},其中所述第一轨迹集合中的点对应的时间小于Tm,所述第二轨迹集合中的点对应的时间大于等于Tm,所述Tm为所述第二轨迹信息中距离停靠点距离最小的轨迹点对应的时间;计算所述第一轨迹集合内每一个轨迹点距离停靠点的距离dp1
i
并按照对应的时间排序得到元素个数为N的第一距离集合{dp1
i
},其中i为所述第一轨迹集合内轨迹点的编号,N为所述第一轨迹集合内轨迹点的总数量;提取所述第一距离集合{dp1
i
}中前N
‑
ω+1个元素组成基础距离集合{dp1,dp2,
···
,dp
N
‑
ω+1
};从所述基础距离集合{dp1,dp2,
···
,dp
N
‑
ω+1
}中提取一个元素dp
m
与所述第一距离集合{dp1
i
}中的后ω
‑
1个元素{dp
N
‑
ω+2
,dp
N
‑
ω+3
,
···
,dp
N
}组成N
‑
ω+1个第二距离集合{dp
m
,dp
N
‑
ω+2
,
···
,dp
N
},其中m大于等1小于等于N
‑
ω+1,ω为设定的集合分割常数;
根据下列公式计算第k个所述第二距离集合的趋势得分:k大于等于1小于等于N
‑
ω+1,j大于等于1小于等于ω
‑
1;其中,c
max
为根据历史数据训练得到的上界修正常数,c
min
为根据历史数据训练得到的下界修正常数;c
e
为根据历史数据训练得到的修正常数;根据以下公式计算相邻两个所述第二距离集合的趋势差得分:ts
gd
为预设...
【专利技术属性】
技术研发人员:梁帆,
申请(专利权)人:东莞先知大数据有限公司,
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。