一种行为监测方法、装置、终端及存储介质制造方法及图纸

本发明专利技术实施例公开了一种行为监测方法、装置、终端及存储介质，应用于设置有摄像头的场景，该方法包括：获取所述摄像头实时拍摄得到的图像数据；对所述图像数据进行人体区分识别，得到一个或多个人体图像；对各所述人体图像进行行为识别；若行为识别结果为异常，则确定异常信息，并基于所述异常信息进行警示流程；所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。本方案中通过摄像头实时进行监控，以获取到实时的图像数据，后续以图像识别的方式监控人员的行为，实现了自动化的监控，提升了效率，且不依赖人力，拓展了适用范围。拓展了适用范围。

【技术实现步骤摘要】
一种行为监测方法、装置、终端及存储介质


[0001]本专利技术涉及行为监测
，尤其涉及一种行为监测方法、装置、终端及存储介质。

技术介绍

[0002]目前，在一些场所，需要对所在其中的人员进行行为监测，监测人员的行为是否异常，但是现有监测方式一般采用人工观察的方式来进行，现有的这种采用人工监测方式存在一定的缺陷，具体的，人工观察的效率低、资源消耗大、人力使用多，也无法实现实时监测，导致人工观察的效果不好，应用范围受限。
[0003]由此，现在需要有一种更好的方案来解决现有技术中的问题。

技术实现思路

[0004]有鉴于此，本专利技术提出了一种行为监测方法、装置、终端及存储介质，本方案中通过摄像头实时进行监控，以获取到实时的图像数据，后续以图像识别的方式监控人员的行为，实现了自动化的监控，提升了效率，且不依赖人力，拓展了适用范围。
[0005]具体的，本专利技术提出了以下具体的实施例：
[0006]本专利技术实施例提出了一种行为监测方法，应用于设置有摄像头的场景，该方法包括：
[0007]获取所述摄像头实时拍摄得到的图像数据；
[0008]对所述图像数据进行人体区分识别，得到一个或多个人体图像；
[0009]对各所述人体图像进行行为识别；
[0010]若行为识别结果为异常，则确定异常信息，并基于所述异常信息进行警示流程；所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。
[0011]在一个具体的实施例中，所述对各所述人体图像进行行为识别，包括：
[0012]针对各所述人体图像，确定所述人体图像中人体上多个预设点的位置；
[0013]将所述人体图像中的人体的中心点与预设样本人体中的中心点重合，并将所述人体图像中多个预设点的位置与预设样本人体上的多个预设点的位置进行比较；
[0014]若比较的结果为位置的差值大于预设第一阈值，则行为识别结果为异常；
[0015]若比较的结果为位置差值不大于预设第一阈值且大于预设第二阈值，则进行预警流程；所述预设第一阈值大于所述预设第二阈值；
[0016]若比较的结果为位置差值不大于预设第二阈值，则行为识别结果为正常。
[0017]在一个具体的实施例中，所述比较基于下列公式进行：
[0018]F＝∑Q
i
；Q
i
＝A
i
P
i
；其中，i＝1、2、
…
，n；n为预设点的数量；A
i
为预设点的权重；P
i
为所述人体图像与预设样本人体两者中人体上同一预设点的距离差值。
[0019]在一个具体的实施例中，还包括：
[0020]获取人为反馈的行为信息；
[0021]若所述行为信息与行为识别结果不一致，则对预设点的权重进行调整，以使所述行为识别结果与所述行为信息一致。
[0022]在一个具体的实施例中，所述对各所述人体图像进行行为识别，包括：
[0023]通过训练好的神经网络模型对各所述人体图像进行处理，以识别所述人体图像中的行为是否异常。
[0024]本专利技术实施例还提出了一种行为监测装置，应用于设置有摄像头的场景，该装置包括：
[0025]获取模块，用于获取所述摄像头实时拍摄得到的图像数据；
[0026]分割模块，用于对所述图像数据进行人体区分识别，得到一个或多个人体图像；
[0027]行为识别模块，用于对各所述人体图像进行行为识别；
[0028]处理模块，用于若行为识别结果为异常，则确定异常信息，并基于所述异常信息进行警示流程；所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。
[0029]在一个具体的实施例中，所述行为识别模块，用于：
[0030]针对各所述人体图像，确定所述人体图像中人体上多个预设点的位置；
[0031]将所述人体图像中的人体的中心点与预设样本人体中的中心点重合，并将所述人体图像中多个预设点的位置与预设样本人体上的多个预设点的位置进行比较；
[0032]若比较的结果为位置的差值大于预设第一阈值，则行为识别结果为异常；
[0033]若比较的结果为位置差值不大于预设第一阈值且大于预设第二阈值，则进行预警流程；所述预设第一阈值大于所述预设第二阈值；
[0034]若比较的结果为位置差值不大于预设第二阈值，则行为识别结果为正常。
[0035]在一个具体的实施例中，所述比较基于下列公式进行：
[0036]F＝∑Q
i
；Q
i
＝A
i
P
i
；其中，i＝1、2、
…
，n；n为预设点的数量；A
i
为预设点的权重；P
i
为所述人体图像与预设样本人体两者中人体上同一预设点的距离差值。
[0037]本专利技术实施例还提出了一种终端，包括处理器与存储器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
[0038]本专利技术实施例还提出了一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被执行时实现上述的方法。
[0039]以此，本专利技术实施例提出了一种行为监测方法、装置、终端及存储介质，应用于设置有摄像头的场景，该方法包括：获取所述摄像头实时拍摄得到的图像数据；对所述图像数据进行人体区分识别，得到一个或多个人体图像；对各所述人体图像进行行为识别；若行为识别结果为异常，则确定异常信息，并基于所述异常信息进行警示流程；所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。本方案中通过摄像头实时进行监控，以获取到实时的图像数据，后续以图像识别的方式监控人员的行为，实现了自动化的监控，提升了效率，且不依赖人力，拓展了适用范围。
附图说明
[0040]为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简
单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对本专利技术保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
[0041]图1示出了本专利技术实施例提出的一种行为监测方法的流程示意图；
[0042]图2示出了本专利技术实施例提出的一种行为监测方法中样本人体的示意图；
[0043]图3示出了本专利技术实施例提出的一种行为监测装置的结构示意图；
[0044]图4示出了本专利技术实施例提出的一种行为监测装置的另一结构示意图。
具体实施方式
[0045]下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0046]通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行为监测方法，其特征在于，应用于设置有摄像头的场景，该方法包括：获取所述摄像头实时拍摄得到的图像数据；对所述图像数据进行人体区分识别，得到一个或多个人体图像；对各所述人体图像进行行为识别；若行为识别结果为异常，则确定异常信息，并基于所述异常信息进行警示流程；所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。2.如权利要求1所述的方法，其特征在于，所述对各所述人体图像进行行为识别，包括：针对各所述人体图像，确定所述人体图像中人体上多个预设点的位置；将所述人体图像中的人体的中心点与预设样本人体中的中心点重合，并将所述人体图像中多个预设点的位置与预设样本人体上的多个预设点的位置进行比较；若比较的结果为位置的差值大于预设第一阈值，则行为识别结果为异常；若比较的结果为位置差值不大于预设第一阈值且大于预设第二阈值，则进行预警流程；所述预设第一阈值大于所述预设第二阈值；若比较的结果为位置差值不大于预设第二阈值，则行为识别结果为正常。3.如权利要求2所述的方法，其特征在于，所述比较基于下列公式进行：F＝∑Q
i
；Q
i
＝A
i
P
i
；其中，i＝1、2、
···
，n；n为预设点的数量；A
i
为预设点的权重；P
i
为所述人体图像与预设样本人体两者中人体上同一预设点的距离差值。4.如权利要求3所述的方法，其特征在于，还包括：获取人为反馈的行为信息；若所述行为信息与行为识别结果不一致，则对预设点的权重进行调整，以使所述行为识别结果与所述行为信息一致。5.如权利要求1所述的方法，其特征在于，所述对各所述人体图像进行行为识别，包括：通过训练好的神经网络模型对各所述人体图像进行处理，以识别所述人体图像中的行为是否异常。6.一种行为监测装置，其特...

【专利技术属性】
技术研发人员：张煇，李刚，
申请(专利权)人：山西长河科技股份有限公司，
类型：发明
国别省市：