本发明专利技术公开了一种行人徘徊行为检测方法及其系统，包括：获取检测区域的视频压缩码流，提取所述视频压缩码流包含的多帧图像数据；获取预训练的神经网络模型，将所述图像数据逐帧输入所述神经网络模型生成由多个目标检测框坐标构成的用于表征目标移动路径的坐标集合；基于所述坐标集合进行目标在单一方向的回退检测，若回退次数超过阈值，则输出目标具有徘徊行为的检测结果。本发明专利技术的首要改进之处为提供的行人徘徊行为检测方法，通过利用人员徘徊行为一定存在来回往复的行进轨迹的特性，通过计算行人在单一方向上的行进方向是否改变及其行进时间进行回退行为的检测，同时通过设置回退次数阈值作为徘徊行为的判据，极大程度上避免了徘徊行为误判。避免了徘徊行为误判。避免了徘徊行为误判。
【技术实现步骤摘要】
一种行人徘徊行为检测方法及其系统
[0001]本专利技术涉及徘徊行为检测
，具体涉及一种行人徘徊行为检测方法及其系统。
技术介绍
[0002]在一些公共场所存在着一定的安全隐患，如银行、政府机关、大使馆、文化与宗教聚集地、商业区和住宅区这类地方往往容易成为一些犯罪分子，恐怖分子、小偷、强盗等不法分子攻击的目标，而这类犯罪分子在实施犯罪行为之前，往往会在目标场所进行踩点，在场所附近活动、徘徊逗留。因此其活动轨迹具有很明显的徘徊特征,通过对徘徊人员的检测报警可以对警方或者安排人员及时提供警示作用,及时发现需要重点盯防的目标。
[0003]现有徘徊行为检测技术大多用到了运动轨迹的角度和复杂的计算公式进行判定，实现难度较大，难以理解，工程化容易出错且难以排查。
[0004]综上所述，现有的徘徊行为检测方法存在数据处理方法复杂、可靠性较低的问题。
技术实现思路
[0005]有鉴于此，本专利技术提供一种行人徘徊行为检测方法及其系统，通过改进数据处理方法，解决了传统的徘徊行为检测方法存在的数据处理方法复杂、可靠性较低的问题。
[0006]为解决以上问题，本专利技术的技术方案为采用一种行人徘徊行为检测方法，包括：获取检测区域的视频压缩码流，并提取所述视频压缩码流包含的多帧图像数据；获取预训练的神经网络模型，将所述图像数据逐帧输入所述神经网络模型生成由多个目标检测框坐标构成的用于表征目标移动路径的坐标集合；基于所述坐标集合进行目标在单一方向的回退检测，若回退次数超过阈值，则输出目标具有徘徊行为的检测结果。
[0007]可选地，基于所述坐标集合进行目标在单一方向的回退检测，包括：以所述神经网络模型输出的目标检测框（x，y，w，h，i）中的（x，y）作为表征目标位置的所述目标检测框坐标，以目标检测框（x，y，w，h，i）所使用的坐标系作为计算目标在单一方向回退检测所使用的坐标系；计算目标在所述坐标系中的任一方向上的初始行进方向作为正方向，并生成目标首次正方向行进时间t1；若目标的行进方向存在与所述正方向相反的负方向，且目标负方向行进时间t2大于k
×
t1，则判断目标产生首次回退行为，其中，k为比例系数；若目标在产生首次回退行为后，目标的行进方向存在与所述负方向相反的正方向，且目标第二次正方向行进时间t3大于k
×
t2，则判断目标产生第二次回退行为；重复上述步骤，直至遍历完所述坐标集合，生成所述回退次数。
[0008]可选地，生成目标正方向或负方向的行进时间，包括：提取目标在正方向行进时包含的所述目标检测框坐标的数量，基于摄像单元的采集频率和所述目标检测框坐标的数量生成目标正方向行进时间；提取目标在负方向行进时包含的所述目标检测框坐标的数量，基于摄像单元的采集频率和所述目标检测框坐标的数量生成目标负方向行进时间。
[0009]可选地，训练所述神经网络模型，包括：构建初始化网络模型，其中，网络模型包括
语义分割模型；获取包含人工标记行人的图像样本构成的训练数据集和测试数据集；基于所述训练数据集和所述测试数据集训练并测试所述网络模型。
[0010]相应地，本专利技术提供，一种行人徘徊行为检测系统，包括：摄像单元，用于采集检测区域的视频压缩码流；数据处理单元，用于获取检测区域的视频压缩码流，并提取所述视频压缩码流包含的多帧图像数据后，通过获取预训练的神经网络模型，将所述图像数据逐帧输入所述神经网络模型生成由多个目标检测框坐标构成的用于表征目标移动路径的坐标集合，并基于所述坐标集合进行目标在单一方向的回退检测，若回退次数超过阈值，则输出目标具有徘徊行为的检测结果。
[0011]可选地，所述摄像单元被配置为在生成单次的单位时间t内的视频压缩码流时，检测区域固定。
[0012]可选地，所述数据处理单元还包括缓存模块，用于存储所述视频压缩码流、所述坐标集合和所述检测结果。
[0013]本专利技术的首要改进之处为提供的行人徘徊行为检测方法，通过利用人员徘徊行为一定存在来回往复的行进轨迹的特性，通过计算行人在单一方向上的行进方向是否改变及其行进时间进行回退行为的检测，同时通过设置回退次数阈值作为徘徊行为的判据，极大程度上避免了徘徊行为误判。本方法避免了复杂的公式计算，在公共安全网络所使用的摄像头
‑
数据处理系统中具有较高的检测精度，解决了传统的徘徊行为检测方法存在的数据处理方法复杂、可靠性较低的问题。
附图说明
[0014]图1是本专利技术的行人徘徊行为检测方法的简化流程图；图2是本专利技术的坐标集合的示例图；图3是本专利技术的行人徘徊行为检测系统的简化单元连接图。
[0015]具体实施方式
[0016]为了使本领域的技术人员更好地理解本专利技术的技术方案，下面结合附图和具体实施例对本专利技术作进一步的详细说明。
[0017]如图1所示，一种行人徘徊行为检测方法，包括：获取检测区域的视频压缩码流，并提取所述视频压缩码流包含的多帧图像数据；获取预训练的神经网络模型，将所述图像数据逐帧输入所述神经网络模型生成由多个目标检测框坐标构成的用于表征目标移动路径的坐标集合；基于所述坐标集合进行目标在单一方向的回退检测，若回退次数超过阈值，则输出目标具有徘徊行为的检测结果。其中，阈值可以是2；所述坐标集合按照目标检测框坐标对应的图像数据的采集时间戳逐步增大的方式排列。
[0018]进一步的，基于所述坐标集合进行目标在单一方向的回退检测，包括：以所述神经网络模型输出的目标检测框（x，y，w，h，i）中的（x，y）作为表征目标位置的所述目标检测框坐标，以目标检测框（x，y，w，h，i）所使用的坐标系作为计算目标在单一方向回退检测所使用的坐标系；计算目标在所述坐标系中的任一方向上的初始行进方向作为正方向，并生成目标首次正方向行进时间t1；若目标的行进方向存在与所述正方向相反的负方向，且目标
负方向行进时间t2大于k
×
t1，则判断目标产生首次回退行为，其中，k为比例系数；若目标在产生首次回退行为后，目标的行进方向存在与所述负方向相反的正方向，且目标第二次正方向行进时间t3大于k
×
t2，则判断目标产生第二次回退行为；重复上述步骤，直至遍历完所述坐标集合，生成所述回退次数。其中，k可以是1/3。
[0019]进一步的，生成目标正方向或负方向的行进时间，包括：提取目标在正方向行进时包含的所述目标检测框坐标的数量，基于摄像单元的采集频率和所述目标检测框坐标的数量生成目标正方向行进时间；提取目标在负方向行进时包含的所述目标检测框坐标的数量，基于摄像单元的采集频率和所述目标检测框坐标的数量生成目标负方向行进时间。本专利技术通过利用每一个目标检测框坐标能够表征一帧图像数据的特性，通过统计目标检测框坐标的数量表征图像数据的帧数，从而利用摄像单元的采集频率生成目标在某一方向上的行进时间。
[0020]进一步的，训练所述神经网络模型，包括：构建初始化网络模型，其中，网络模型包括语义分割模型；获取包含人工本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种行人徘徊行为检测方法，其特征在于，包括：获取检测区域的视频压缩码流，并提取所述视频压缩码流包含的多帧图像数据；获取预训练的神经网络模型，将所述图像数据逐帧输入所述神经网络模型生成由多个目标检测框坐标构成的用于表征目标移动路径的坐标集合；基于所述坐标集合进行目标在单一方向的回退检测，若回退次数超过阈值，则输出目标具有徘徊行为的检测结果。2.根据权利要求1所述的行人徘徊行为检测方法，其特征在于，基于所述坐标集合进行目标在单一方向的回退检测，包括：S11：以所述神经网络模型输出的目标检测框（x，y，w，h，i）中的（x，y）作为表征目标位置的所述目标检测框坐标，以目标检测框（x，y，w，h，i）所使用的坐标系作为计算目标在单一方向回退检测所使用的坐标系；S12：计算目标在所述坐标系中的任一方向上的初始行进方向作为正方向，并生成目标首次正方向行进时间t1；S13：若目标的行进方向存在与所述正方向相反的负方向，且目标负方向行进时间t2大于k
×
t1，则判断目标产生首次回退行为，其中，k为比例系数；S14：若目标在产生首次回退行为后，目标的行进方向存在与所述负方向相反的正方向，且目标第二次正方向行进时间t3大于k
×
t2，则判断目标产生第二次回退行为；重复步骤S13
‑
S14，直至遍历完所述坐标集合，生成所述回退次数。3.根据权利要求2所述的行人徘徊行为检测方法，其特征在于...
【专利技术属性】
技术研发人员：蔡谋理，申恒涛，沈复民，
申请(专利权)人：成都考拉悠然科技有限公司，
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。