本申请涉及一种异常行为检测方法、装置、计算机设备、存储介质和计算机程序产品，同时基于可见光训练图像信息和红外训练图像信息进行模型训练，得到预设双流融合目标检测模型。在实际检测过程中，能够同时获取可见光图像信息和红外图像信息，结合训练好的预设双流融合目标检测模型进行分析，从而判断当前目标人员是否存在吸烟等异常行为，最终在检测存在异常行为的情况下，输出报警提示信息。上述方案，融合可见光图像预测异常行为以及红外光预测异常行为的优点，在发生部分遮挡或者距离较远的情况下，仍能有效检测出目标人员的异常行为，具有较高的检测精度。具有较高的检测精度。具有较高的检测精度。
【技术实现步骤摘要】
异常行为检测方法、装置、计算机设备和存储介质
[0001]本申请涉及检测
，特别是涉及一种异常行为检测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着电网技术的不断发展，电网中用电负荷的种类和数量越来越多，电网运行越来越复杂多样，为保证电网的供电可靠性，输电线路的安全运行至关重要。大多数输电线路中的设备仪器，日常养护需要使用各种润滑油，这些润滑油遇到明火极易引起火灾，从而引发重大安全事故。
[0003]目前，通常采用红外识别技术来检测工作人员在是否有吸烟等异常行为，从而避免发生火灾。然而，在发生遮挡等情况时，该异常行为往往很难被检测出来，现有的异常行为检测方法存在检测精度低的缺点。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种具有较高检测精度的异常行为检测方法、装置、计算机设备、存储介质和计算机程序产品。
[0005]一种异常行为检测方法，包括：获取目标人员对应的可见光图像信息和红外图像信息；根据所述可见光图像信息、所述红外图像信息和预设双流融合目标检测模型，得到异常行为位置信息和温度信息；所述预设双流融合目标检测模型根据可见光训练图像信息和红外训练图像信息进行模型训练得到；根据所述异常行为位置信息和所述温度信息，判断所述目标人员是否存在异常行为；若所述目标人员存在异常行为，输出报警提示信息。
[0006]上述异常行为检测方法，同时基于可见光训练图像信息和红外训练图像信息进行模型训练，得到预设双流融合目标检测模型。在实际检测过程中，能够同时获取可见光图像信息和红外图像信息，结合训练好的预设双流融合目标检测模型进行分析，从而判断当前目标人员是否存在吸烟等异常行为，最终在检测存在异常行为的情况下，输出报警提示信息。上述方案，融合可见光图像预测异常行为以及红外光预测异常行为的优点，在发生部分遮挡或者距离较远的情况下，仍能有效检测出目标人员的异常行为，具有较高的检测精度。
[0007]在其中一个实施例中，所述预设双流融合目标检测模型的确定方式，包括：获取可见光训练图像信息和红外训练图像信息；分别对所述可见光训练图像信息和所述红外训练图像信息进行预处理、拼接和特征提取，得到对应的特征图像和所述特征图像的位置编码；根据所述特征图像和所述位置编码进行编码器编码，得到第一输出值；根据所述第一输出值进行特征还原、预测头部网络预测和正比例网络匹配，得到第二输出值；根据所述第二输出值进行梯度回传损失计算，得到训练后的网络参数；根据所述训练后的网络参数对双流目标检测模型进行更新，得到预设双流融合目标检测模型。
[0008]在其中一个实施例中，所述编码器包括多头注意力机制网络、残差网络、层归一化网络和前馈网络中的至少一种。
[0009]在其中一个实施例中，分别对所述可见光训练图像信息和所述红外训练图像信息进行特征提取，包括：分别通过一个轻量级神经网络对所述可见光训练图像信息和所述红外训练图像进行特征提取。
[0010]在其中一个实施例中，所述根据所述可见光图像信息、所述红外图像信息和预设双流融合目标检测模型，得到异常行为位置信息和温度信息，包括：根据所述可见光图像信息、所述红外图像信息和预设双流融合目标检测模型进行模型分析，得到异常行为位置信息；根据所述红外图像信息进行温度反演，得到温度信息。
[0011]在其中一个实施例中，所述根据所述异常行为位置信息和所述温度信息，判断所述目标人员是否存在异常行为，包括：若所述异常行为位置信息与预设异常位置信息相匹配，确定所述目标人员存在异常行为；或，若存在大于或等于预设温度阈值的温度信息，确定所述目标人员存在异常行为。
[0012]一种异常行为检测装置，包括：图像获取模块，用于获取目标人员对应的可见光图像信息和红外图像信息；模型匹配模块，用于根据所述可见光图像信息、所述红外图像信息和预设双流融合目标检测模型，得到异常行为位置信息和温度信息；所述预设双流融合目标检测模型根据可见光训练图像信息和红外训练图像信息进行模型训练得到；异常判断模块，用于根据所述异常行为位置信息和所述温度信息，判断所述目标人员是否存在异常行为；报警提示模块，用于若所述目标人员存在异常行为，输出报警提示信息。
[0013]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述异常行为检测方法的步骤。
[0014]一种计算机可读存储介质，其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上述异常行为检测方法的步骤。
[0015]一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述异常行为检测方法的步骤。
附图说明
[0016]图1为本申请一个实施例中异常行为检测方法的应用环境图；
[0017]图2为本申请一个实施例中异常行为检测方法的流程示意图；
[0018]图3为本申请一个实施例中异常行为检测的流程示意图；
[0019]图4为本申请另一个实施例中异常行为检测方法的流程示意图；
[0020]图5为本申请一个实施例中异常行为检测装置的结构框图；
[0021]图6为本申请一个实施例中计算机设备的内部结构图。
具体实施方式
[0022]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0023]本申请实施例提供的异常行为检测方法，可以应用于如图1所示的应用环境中。其中，图像采集装置102通过有线或者无线通信的方式与处理装置104通信连接。处理装置104可以是终端，也可以是服务器或者服务器集群，具体不做限定，只要具备相应的图像数据处
理功能均可。具体而言，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，具体不做限定。
[0024]较为详细的，在一个实施例中，异常行为检测方法应用在电网中，图像采集装置102设置于电网，用于采集电网工作人员的可见光图像信息以及红外图像信息，并发送至处理装置104。而处理装置104则可以部署在电网或者远端，只要保证能够及时接收图像采集装置102发送的可见光图像信息以及红外图像信息，检测电网工作人员在作业过程中是否有异常行为(例如抽烟)即可。在另外的实施例中，异常行为检测方法还可以应用在其它场景，例如需要进行明火检测或者吸烟检测仓库等场景中，具体不做限定。
[0025]在一个实施例中，如图2所示，提供了一种异常行为检测方法，以该方法应用于电网，并通过图1中的处理装置104实现进行说明，包括以下步骤：
[0026]步骤202，获取目标人员对应的可见光图像信息和红外图像信息。
[0027]具体地，目标人员即为需要检测是否有异常行为的人员。可见光图像信息即为基于可见光进行图像采集时所得到的图像信息，红外图像信息即为基于红外光进行图像采集时所得到的图本文档来自技高网...
【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：获取目标人员对应的可见光图像信息和红外图像信息；根据所述可见光图像信息、所述红外图像信息和预设双流融合目标检测模型，得到异常行为位置信息和温度信息；所述预设双流融合目标检测模型根据可见光训练图像信息和红外训练图像信息进行模型训练得到；根据所述异常行为位置信息和所述温度信息，判断所述目标人员是否存在异常行为；若所述目标人员存在异常行为，输出报警提示信息。2.根据权利要求1所述的异常行为检测方法，其特征在于，所述预设双流融合目标检测模型的确定方式，包括：获取可见光训练图像信息和红外训练图像信息；分别对所述可见光训练图像信息和所述红外训练图像信息进行预处理、拼接和特征提取，得到对应的特征图像和所述特征图像的位置编码；根据所述特征图像和所述位置编码进行编码器编码，得到第一输出值；根据所述第一输出值进行特征还原、预测头部网络预测和正比例网络匹配，得到第二输出值；根据所述第二输出值进行梯度回传损失计算，得到训练后的网络参数；根据所述训练后的网络参数对双流目标检测模型进行更新，得到预设双流融合目标检测模型。3.根据权利要求2所述的异常行为检测方法，其特征在于，所述编码器包括多头注意力机制网络、残差网络、层归一化网络和前馈网络中的至少一种。4.根据权利要求2所述的异常行为检测方法，其特征在于，分别对所述可见光训练图像信息和所述红外训练图像信息进行特征提取，包括：分别通过一个轻量级神经网络对所述可见光训练图像信息和所述红外训练图像进行特征提取。5.根据权利要求1所述的异常行为检测方法，其特征在于，所述根据所述可见光图像信息、所述红外图像信息和预设双流融合目标检测模型，得到异常行为位置信息...
【专利技术属性】
技术研发人员：张云翔，饶竹一，
申请(专利权)人：深圳供电局有限公司，
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。