一种异常行为检测方法、装置及计算机存储介质制造方法及图纸

本申请提供了一种异常行为检测方法、装置及计算机存储介质，该方法包括：确定待检测图像中的至少一个待检测目标；基于包含待检测图像的视频序列，对至少一个待检测目标进行特征学习，得到至少一个待检测目标各自的综合特征向量；综合特征向量表示待检测目标的外观特征和运动特征组合的特征向量；利用预设分类模型对至少一个待检测目标各自的综合特征向量进行分类计算，得到至少一个待检测目标各自的异常分数；根据至少一个待检测目标各自的异常分数，从至少一个待检测目标中确定待检测图像的异常目标。这样，利用预设分类模型来确定待检测图像中的异常目标，无需依赖异常事件的先验信息，提高了异常行为检测的准确率。提高了异常行为检测的准确率。提高了异常行为检测的准确率。

【技术实现步骤摘要】
一种异常行为检测方法、装置及计算机存储介质


[0001]本申请涉及图像处理
，尤其涉及一种异常行为检测方法、装置及计算机存储介质。

技术介绍

[0002]异常行为检测技术是计算机视觉和模式识别的一个分支，目前已被广泛应用于智能视频监控技术中。异常行为检测技术对于提升公共场所管制水平、构建社会治理体制具有重要意义，而且能够明显减少对人力资本的消耗。
[0003]在相关技术中，异常行为检测算法的原理包括以下几种类型：基于社会力建模、基于局部运动聚类和基于时空纹理建模。然而，这些异常行为检测算法都需要根据异常事件的先验信息来提取异常特征，然后当判断到视频序列中出现异常特征时进行报警。但是，由于异常事件种类多样，实际应用中异常事件的先验信息相对缺乏，导致异常行为检测算法的准确率不高。

技术实现思路

[0004]本申请提供了一种异常行为检测方法、装置及计算机存储介质，利用预设分类模型来确定待检测图像中的异常目标，无需依赖异常事件的先验信息，提高了异常行为检测的准确率。
[0005]本申请的技术方案是这样实现的：...

【技术保护点】

【技术特征摘要】
1.一种异常行为检测方法，其特征在于，所述方法包括：确定待检测图像中的至少一个待检测目标；基于包含所述待检测图像的视频序列，对所述至少一个待检测目标进行特征学习，得到所述至少一个待检测目标各自的综合特征向量；其中，所述综合特征向量表示所述待检测目标的外观特征和运动特征组合的特征向量；利用预设分类模型对所述至少一个待检测目标各自的综合特征向量进行分类计算，得到所述至少一个待检测目标各自的异常分数；根据所述至少一个待检测目标各自的异常分数，从所述至少一个待检测目标中确定所述待检测图像的异常目标。2.根据权利要求1所述的异常行为检测方法，其特征在于，所述确定待检测图像中的至少一个待检测目标，包括：利用预设检测模型对所述待检测图像进行目标检测，得到至少一组边界框；利用所述至少一组边界框对所述待检测图像进行切割，得到所述至少一个待检测目标。3.根据权利要求1所述的异常行为检测方法，其特征在于，所述视频序列包括第t帧图像、第(t
‑
n)帧图像和第(t+n)帧图像；其中，所述第t帧图像表示所述待检测图像，n为大于0的整数，t为大于或等于n的整数；所述对所述至少一个待检测目标进行特征学习，得到所述至少一个待检测目标各自的综合特征向量，包括：利用第一特征模型对所述第t帧图像进行外观特征学习，得到所述至少一个待检测目标各自的外观特征向量；利用第二特征模型对根据所述第t帧图像和所述第(t
‑
n)帧图像进行运动特征学习，得到所述至少一个待检测目标各自的第一运动特征向量；利用第三特征模型对所述第t帧图像和所述第(t+n)帧图像进行运动特征学习，得到所述至少一个待检测目标各自的第二运动特征向量；将所述至少一个待检测目标各自的外观特征向量、所述至少一个待检测目标各自的第一运动特征向量和所述至少一个待检测目标各自的第二运动特征向量进行组合，得到所述至少一个待检测目标各自的综合特征向量。4.根据权利要求3所述的异常行为检测方法，其特征在于，所述第一特征模型为外观卷积自编码器，所述第二特征模型为第一运动卷积自编码器，所述第三特征模型为第二运动卷积自编码器。5.根据权利要求1所述的异常行为检测方法，其特征在于，所述预设分类模型包括k个分类子模型，k为正整数；所述方法还包括：获取预设样本集合；其中，所述预设样本集合中包括多个综合特征向量；对所述预设样本集合中的多个综合特征向量进行聚类分析，得到k个分类样本簇；基于...

【专利技术属性】
技术研发人员：金栋梁，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：