一种异常行为检测方法、装置、介质制造方法及图纸

技术编号:35067683 阅读:7 留言:0更新日期:2022-09-28 11:26
本申请涉及机器视觉领域,公开了一种异常行为检测方法、装置、介质,包括:获取各相机拍摄的包含监控目标的待处理图像,以便于判断监控目标是否存在异常行为。提取待处理图像中监控目标的关键点,并根据关键点获取仅包括一个监控目标的第一目标图像。根据关键点计算各相机拍摄的第一目标图像的相似度,并根据相似度对各第一目标图像进行融合以获取第二目标图像,根据第二目标图像判断监控目标是否存在异常行为。由此可见,本申请所提供的异常行为检测方法,通过先提取关键点并根据关键点获取第一目标图像,无需优先进行目标匹配工作,提高图像处理速度。同时采用多个相机拍摄的待处理图像对监控目标进行检测,提高行为检测的准确率。率。率。

【技术实现步骤摘要】
一种异常行为检测方法、装置、介质


[0001]本申请涉及机器视觉领域,特别是涉及一种异常行为检测方法、装置、介质。

技术介绍

[0002]在礼仪培训、考场等场景中,通常需要监管人员对场景中人员的行为进行监控,以判断是否出现异常,并及时予以纠正。
[0003]但是,由于场景中人员过多,且人员的动作幅度较小,监管人员无法注意到场景中各个人员的异常动作,例如:在考场中,由于考生人员较多,监考人员无法准确注意到考生的摇头、侧身等隐蔽动作,无法及时予以纠正。目前通常采用在考场内安排多个监管人员的方式提高监管效果,但这一方式会浪费大量的人力物力。
[0004]由此可见,如何提供一种监管效果更好的异常行为检测方法,以减少人力物力的浪费,是本领域技术人员亟需解决的问题。

技术实现思路

[0005]本申请的目的是提供一种异常行为检测方法、装置、介质,以减少人力物力的浪费同时提高监管效果。
[0006]为解决上述技术问题,本申请提供一种异常行为检测方法,包括:
[0007]获取各相机拍摄的包含监控目标的待处理图像;
[0008]提取所述待处理图像中所述监控目标的关键点,并根据所述关键点获取第一目标图像,所述第一目标图像为仅包括一个监控目标的图像,所述关键点为与所述监控目标的身体部位对应的点;
[0009]根据所述关键点计算各所述第一目标图像的相似度,并根据所述相似度对各所述第一目标图像进行融合以获取第二目标图像;
[0010]根据所述第二目标图像判断所述监控目标是否存在异常行为。
[0011]优选的,所述提取所述待处理图像中所述监控目标的关键点,并根据所述关键点获取第一目标图像包括:
[0012]利用CNN网络提取图像中的所述关键点并构建检测骨架;
[0013]获取所述检测骨架的检测特征和所述关键点的检测特征;
[0014]结合所述检测骨架的检测特征和分类损失函数,匹配类别置信度和位置置信度最高的样本;
[0015]获取所述第一目标图像的预测框;
[0016]通过所述检测骨架的检测特征和所述关键点的检测特征计算多任务损失函数,利用所述多任务损失函数对所述预测框进行回归运算,获得所述第一目标图像;
[0017]所述多任务损失函数的计算公式为,其中为目标分类损失函数,为目标位置回归损失函数,为目标定位损失函数,为特征点定位损失函数,为所述目标分类损失函数的权重,为所述目标位置回归损失函数的权重,为所述目标定位损失函数的权重,为所述特征点
定位损失函数的权重。
[0018]优选的,所述并根据所述关键点获取第一目标图像的步骤后,还包括:
[0019]利用线性相关系数和评估数据集对所述第一目标图像进行图像质量评估;
[0020]若所述第一目标图像的图像质量满足预设要求,则执行所述根据所述关键点计算各所述第一目标图像的相似度的步骤。
[0021]优选的,所述根据所述关键点计算各所述第一目标图像的相似度包括:
[0022]利用互信息系数计算各所述关键点的检测特征与响应变量的相关性;
[0023]根据所述相关性高于相关性阈值的所述关键点计算各所述第一目标图像的相似度。
[0024]优选的,所述根据所述第二目标图像判断所述监控目标是否存在异常行为包括:
[0025]根据所述第二目标图像获取各检测周期内所述监控目标的行为动作;
[0026]基于分类模型对所述行为动作进行轻量姿态差异度比对以判断是否存在第一异常行为;
[0027]若不存在所述第一异常行为,则获取所述第二目标图像中所述监控目标的检测骨架模型;
[0028]计算所述检测骨架模型与标准骨架模型的差异度,以判断是否存在第二异常行为。
[0029]优选的,所述根据所述第二目标图像判断所述监控目标是否存在异常行为的步骤后,还包括:
[0030]若存在所述第一异常行为或所述第二异常行为,向管理人员发送警报信息,所述警报信息包括存在所述第一异常行为或所述第二异常行为的所述监控目标的位置信息。
[0031]优选的,所述获取各相机拍摄的包含监控目标的待处理图像包括:
[0032]获取各所述相机同一时刻拍摄的所述包含所述监控目标的待处理图像。
[0033]为解决上述技术问题,本申请还提供一种异常行为检测装置,包括:
[0034]第一获取模块,用于获取各相机拍摄的包含监控目标的待处理图像;
[0035]第二获取模块,用于提取所述待处理图像中所述监控目标的关键点,并根据所述关键点获取第一目标图像,所述第一目标图像为仅包括一个监控目标的图像,所述关键点为与所述监控目标的身体部位对应的点;
[0036]融合模块,用于根据所述关键点计算各所述第一目标图像的相似度,并根据所述相似度对各所述第一目标图像进行融合以获取第二目标图像;
[0037]判断模块,用于根据所述第二目标图像判断所述监控目标是否存在异常行为。
[0038]为解决上述技术问题,本申请还提供一种异常行为检测装置,包括存储器,用于存储计算机程序;
[0039]处理器,用于执行所述计算机程序时实现所述的异常行为检测方法的步骤。
[0040]为解决上述技术问题,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的异常行为检测方法的步骤。
[0041]本申请提供了一种异常行为检测方法,包括:获取各相机拍摄的包含监控目标的待处理图像,以便于判断监控目标是否存在异常行为。提取待处理图像中监控目标的关键
点,并根据关键点获取仅包括一个监控目标的第一目标图像,以便于后续对监控目标的行为进行提取和判断。根据关键点计算各相机拍摄的第一目标图像的相似度,并根据相似度对各第一目标图像进行融合以获取第二目标图像,根据第二目标图像判断监控目标是否存在异常行为。由此可见,本申请所提供的异常行为检测方法,通过先提取关键点并根据关键点获取第一目标图像,无需优先进行目标匹配工作,提高图像处理速度。同时采用多个相机拍摄的待处理图像对监控目标进行检测,提高行为检测的准确率。
[0042]此外,本申请还提供了一种异常行为检测装置、介质,与上述方法对应,效果同上。
附图说明
[0043]为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0044]图1为本申请实施例所提供的一种异常行为检测方法的流程图;
[0045]图2为本申请实施例所提供的一种异常行为检测装置的结构图;
[0046]图3为本申请实施例所提供的另一种异常行为检测装置的结构图。
具体实施方式
[0047]下面将结合本申请实施例中的附图,对本申请实施本文档来自技高网
...

【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,包括:获取各相机拍摄的包含监控目标的待处理图像;提取所述待处理图像中所述监控目标的关键点,并根据所述关键点获取第一目标图像,所述第一目标图像为仅包括一个监控目标的图像,所述关键点为与所述监控目标的身体部位对应的点;根据所述关键点计算各所述第一目标图像的相似度,并根据所述相似度对各所述第一目标图像进行融合以获取第二目标图像;根据所述第二目标图像判断所述监控目标是否存在异常行为。2.根据权利要求1所述的异常行为检测方法,其特征在于,所述提取所述待处理图像中所述监控目标的关键点,并根据所述关键点获取第一目标图像包括:利用CNN网络提取图像中的所述关键点并构建检测骨架;获取所述检测骨架的检测特征和所述关键点的检测特征;结合所述检测骨架的检测特征和分类损失函数,匹配类别置信度和位置置信度最高的样本;获取所述第一目标图像的预测框;通过所述检测骨架的检测特征和所述关键点的检测特征计算多任务损失函数,利用所述多任务损失函数对所述预测框进行回归运算,获得所述第一目标图像;所述多任务损失函数的计算公式为L
all
=λ
cls
L
cls

l1
L
l1

giou
L
giou

lan
L
lan
,其中L
cls
为目标分类损失函数,L
l1
为目标位置回归损失函数,L
giou
为目标定位损失函数,L
lan
为特征点定位损失函数,λ
cls
为所述目标分类损失函数的权重,λ
l1
为所述目标位置回归损失函数的权重,λ
giou
为所述目标定位损失函数的权重,λ
lan
为所述特征点定位损失函数的权重。3.根据权利要求1所述的异常行为检测方法,其特征在于,所述并根据所述关键点获取第一目标图像的步骤后,还包括:利用线性相关系数和评估数据集对所述第一目标图像进行图像质量评估;若所述第一目标图像的图像质量满足预设...

【专利技术属性】
技术研发人员:赵晨伊魏玮袁婷婷王飞飞
申请(专利权)人:红亚教育科技上海有限公司
类型:发明
国别省市:

相关技术
    暂无相关专利
网友询问留言 已有0条评论
  • 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。

1