一种基于视频分析的异常行为监管系统技术方案

本发明专利技术公开了一种基于视频分析的异常行为监管系统，包括视频获取模块、视频分析模块、报警处理模块以及配置管理模块；视频获取模块用于获取目标人员在目标场景下的监控视频；视频分析模块用于将监控视频逐帧输入异常行为检测神经网络模型，根据检测结果判定目标人员在目标场景下是否有异常行为；报警处理模块用于在判定目标人员在目标场景下有异常行为时，截取从异常行为开始帧到异常行为结束帧的监控视频作为异常行为视频；生成异常行为预警指令，并将异常行为预警指令与异常行为视频同步发送至处理中心；配置管理模块用于维护和管理监管程序，调整监管程序。本发明专利技术可以替代人工监测方式，高效监测到人员在目标场景下的异常行为，并及时发出相应预警提示信息。并及时发出相应预警提示信息。

【技术实现步骤摘要】
一种基于视频分析的异常行为监管系统


[0001]本专利技术属于视频监测与分析
，具体涉及一种基于视频分析的异常行为监管系统。

技术介绍

[0002]目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视觉减少对人力资本的消耗，具有重要的现实意义。因此，目标检测也就成为了近年来理论和应用的研究热点，它是图像处理和计算机视觉学科的重要分支，也是智能监控系统的核心部分。由于深度学习的广泛运用，目标检测算法得到了较为快速的发展。
[0003]对监管区域进行视频监控的主要目的之一是利用相关视频对监管区域中发生的事件进行实时展现及事后的追溯查看，确定所监管区域中的人员是否存在异常行为。目前，对监管区域的监控视频大都还是通过人工值守的方式进行实时异常监管，并通过回溯查看来追溯异常，这样的方式监管效率极低，且非常容易出现监管不到位的情况。
[0004]随着机器视觉技术的发展，针对监控视频开始出现相应的异常行为智能检测技术，以在监控视频内发现异常行为时及时给出提示信息。但是目前常用的异常行为检测主要为越界、入侵禁区的行为检测，检测准确率较，且无法对人员异常动作进行检测。而在一些特定的场合需要对人员的行为动作进行异常检测，如搬家时，需要对搬家人员的动作进行检测，以判断是否有盗窃、破坏财务的行为。在这样的需求下，现有技术还无法满足要求。

技术实现思路

[0005]专利技术目的：本专利技术的目的是为了解决现有技术中的不足，提供一种基于视频分析的异常行为监管系统。
[0006]技术方案：本专利技术所述的一种基于视频分析的异常行为监管系统，包括视频获取模块、视频分析模块、报警处理模块以及配置管理模块；所述视频获取模块用于获取目标人员在目标场景下的监控视频；所述视频分析模块用于将监控视频逐帧输入异常行为检测神经网络模型，通过异常行为检测神经网络模型对目标人员在目标场景下的动作进行识别检测，并输出检测结果，根据检测结果判定目标人员在目标场景下是否有异常行为；所述报警处理模块用于在判定目标人员在目标场景下有异常行为时，根据检测结果确定异常行为开始帧及异常行为结束帧，并截取从异常行为开始帧到异常行为结束帧的监控视频作为异常行为视频；生成异常行为预警指令，并将异常行为预警指令与异常行为视频同步发送至处理中心；所述配置管理模块用于维护和管理监管程序，调整监管程序。
[0007]进一步的，所述视频获取模块获取目标人员在目标场景下的监控视频具体包括：根据指令开启摄像机模组，接收所述摄像机模组采集的目标区域内的目标人员录像；对录
像的视频帧进行预定目标的识别、轮廓分析。
[0008]进一步的，所述异常行为检测神经网络模型采用VGG深度神经网络模型，其损失函数采用交叉熵损失函数。
[0009]进一步的，还包括训练模型模块，所述训练模型模块训练过程包括：获取目标场景下的人员异常行为动作训练样本；对训练样本进行图像预处理，调整图像大小；将预处理后的训练样本输入异常行为检测神经网络模型进行训练，直至异常行为检测神经网络模型对目标场景下的人员异常行为动作检测准确率达到第一设定阈值，召回率达到第二设定阈值。
[0010]进一步的，所述将预处理后的训练样本输入异常行为检测神经网络模型进行训练，包括：采用批量梯度下降算法和反向传播算法训练异常行为检测神经网络模型。
[0011]进一步的，所述异常行为检测神经网络模型对目标人员在目标场景下的动作进行识别检测过程包括：对帧图像进行特征提取，获得目标人员的关节点及关节点对应的图像坐标；根据关节点对应的图像坐标计算各关节点之间的距离；计算相邻帧图像相同关节点之间的位移差，以及各关节点之间的距离变化值；根据相邻帧图像相同关节点之间的位移差以及各关节点之间的距离变化值判定目标人员的动作是否为异常行为。
[0012]进一步的，所述将异常行为预警指令与异常行为视频同步发送至处理中心，包括：将异常行为视频进行密钥加密，生成加密视频包；将预警指令转换成二进制代码，并以转换后的二进制代码命名加密视频包；将命名后的加密视频包通过加密通道传输至处理中心。
[0013]进一步的，还包括标注模块，所述标注模块利用异常行为检测神经网络模型中与各个预定目标及其特征信息对应的异常行为类别，对获取目标人员在目标场景下的监控视频中的各个目标人员按照对应的异常行为类别进行标注分类。
[0014]进一步的，所述配置管理模块包括场所管理、分析模型管理、报警预案管理、服务器管理。
[0015]进一步的，所述场所管理用于添加场所，并给场所、摄像机执行计划、报警预案、分析模型进行配置；所述分析模型管理用于维护所有报警类型，用于摄像头识别人员行为分析是否违规；所述报警预案管理用于设定报警通知方式以及通知时间；所述服务器管理用于维护服务器信息，并进行快捷筛选功能。
[0016]有益效果：本专利技术通过将目标人员在目标场景下的监控视频流输入相应的异常行为检测神经网络模型，然后通过异常行为检测神经网络模型来对监控视频进行动作识别检测，以智能、高效地检测出目标人员是否有异常行为，在检测到目标人员有异常行为时，截取异常行为从开始到结束的监控视频作为异常行为视频，通过生成异常行为预警指令来与异常行为视频同步发送至处理中心，便于中心人员查看并做出应对。通过这样的方法可以替代人工监测方式，高效监测到人员在目标场景下的异常行为，并及时发出相应预警提示信息。
具体实施方式
[0017]下面将结合具体实施例本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0018]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0019]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0020]实施例1一种基于视频分析的异常行为监管系统，包括视频获取模块、视频分析模块、报警处理模块以及配置管理模块；所述视频获取模块用于获取目标人员在目标场景下的监控视频；所述视频分析模块用于将监控视频逐帧输入异常行为检测神经网络模型，通过异常行为检测神经网络模型对目标人员在目标场景下的动作进行识别检测，并输出检测结果，根据检测结果判定目标人员在目标场景下是否有异本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频分析的异常行为监管系统，其特征在于：包括视频获取模块、视频分析模块、报警处理模块以及配置管理模块；所述视频获取模块用于获取目标人员在目标场景下的监控视频；所述视频分析模块用于将监控视频逐帧输入异常行为检测神经网络模型，通过异常行为检测神经网络模型对目标人员在目标场景下的动作进行识别检测，并输出检测结果，根据检测结果判定目标人员在目标场景下是否有异常行为；所述报警处理模块用于在判定目标人员在目标场景下有异常行为时，根据检测结果确定异常行为开始帧及异常行为结束帧，并截取从异常行为开始帧到异常行为结束帧的监控视频作为异常行为视频；生成异常行为预警指令，并将异常行为预警指令与异常行为视频同步发送至处理中心；所述配置管理模块用于维护和管理监管程序，调整监管程序。2.根据权利要求1所述的一种基于视频分析的异常行为监管系统，其特征在于：所述视频获取模块获取目标人员在目标场景下的监控视频具体包括：根据指令开启摄像机模组，接收所述摄像机模组采集的目标区域内的目标人员录像；对录像的视频帧进行预定目标的识别、轮廓分析。3.根据权利要求1所述的一种基于视频分析的异常行为监管系统，其特征在于：所述异常行为检测神经网络模型采用VGG深度神经网络模型，其损失函数采用交叉熵损失函数。4.根据权利要求1所述的一种基于视频分析的异常行为监管系统，其特征在于：还包括训练模型模块，所述训练模型模块训练过程包括：获取目标场景下的人员异常行为动作训练样本；对训练样本进行图像预处理，调整图像大小；将预处理后的训练样本输入异常行为检测神经网络模型进行训练，直至异常行为检测神经网络模型对目标场景下的人员异常行为动作检测准确率达到第一设定阈值，召回率达到第二设定阈值。5.根据权利要求4所述的一种基于视频分析的异常行为监管系统，其特征在于：所述将预处理后的训练样本输入异常行为检测神经网...

【专利技术属性】
技术研发人员：吴畏，
申请(专利权)人：南通德泰信息科技有限公司，
类型：发明
国别省市：