一种基于主动预警的人员异常行为检测方法及安防系统技术方案

本发明专利技术公开一种基于主动预警的人员异常行为检测方法及安防系统，涉及安防技术领域。本发明专利技术包括，对异常行为进行分类得到多种异常行为种类；根据人员的行为识别得到人员在单位时间内四肢及躯干关键点的变化状态，提取得到行为特征；采集多个异常行为并判断所属的异常行为种类，汇总得到每种异常行为种类对应的多个异常行为；根据每种异常行为种类对应的多个异常行为的行为特征，训练得到每个异常行为种类下的若干个行为识别模型；主动获取人员的行为；将人员的行为进行识别得到行为特征。本发明专利技术实现对监控区域人员的异常行为进行主动预警，提高安防效果。提高安防效果。提高安防效果。

【技术实现步骤摘要】
一种基于主动预警的人员异常行为检测方法及安防系统


[0001]本专利技术属于安防
，特别是涉及一种基于主动预警的人员异常行为检测方法及安防系统。

技术介绍

[0002]医院是一个涉及人员众多、活动频繁的场所，保障医院内部的安全和秩序具有重要意义。传统的医院安防监控系统主要依赖人工观察和巡逻，不仅耗费大量人力资源，而且容易出现监控漏洞和误报。此外，对于医院内的异常行为，如跌倒、突发疾病等，及时发现和处理对于减轻伤害和保障患者安全至关重要。
[0003]近年来，计算机视觉和人工智能技术取得了显著的进步，使得基于视频分析的行为识别成为可能。尤其是步态识别技术，通过分析行走方式对个体进行识别和分类，已经在多个领域得到了广泛应用。然而，现有的步态识别方法多数关注在正常行为下的个体识别，较少针对异常行为进行检测。

技术实现思路

[0004]本专利技术的目的在于提供一种基于主动预警的人员异常行为检测方法及安防系统一种基于主动预警的人员异常行为检测方法及安防系统，通过对人员行为进行抽象提取后进行分析，实现对监控区域人员的异常行为进行主动预警，提高安防效果。
[0005]为解决上述技术问题，本专利技术是通过以下技术方案实现的：
[0006]本专利技术提供一种基于主动预警的人员异常行为检测方法，包括，
[0007]对异常行为进行分类得到多种异常行为种类；
[0008]根据人员的行为识别得到人员在单位时间内四肢及躯干关键点的变化状态，提取得到行为特征；
[0009]采集多个异常行为并判断所属的异常行为种类，汇总得到每种异常行为种类对应的多个异常行为；
[0010]根据每种异常行为种类对应的多个异常行为的行为特征，训练得到每个异常行为种类下的若干个行为识别模型；
[0011]主动获取人员的行为；
[0012]将人员的行为进行识别得到行为特征；
[0013]将所述行为对应的所述行为特征分别输入到若干个异常行为种类下的若干个所述行为识别模型，得到所述行为的初步异常行为种类或不属于异常行为种类；
[0014]若得到所述行为的初步异常行为种类，则，将所述行为对应的所述行为特征输入所述行为的初步异常行为种类下的若干个所述行为识别模型，得到所述行为的异常行为种类；
[0015]根据所述行为的异常行为种类进行预警。
[0016]本专利技术还公开了一种安防系统，包括，
[0017]分类单元，用于对异常行为进行分类得到多种异常行为种类；
[0018]特征提取单元，用于根据人员的行为识别得到人员在单位时间内四肢及躯干关键点的变化状态，提取得到行为特征；
[0019]模型训练单元，用于采集多个异常行为并判断所属的异常行为种类，汇总得到每种异常行为种类对应的多个异常行为；
[0020]根据每种异常行为种类对应的多个异常行为的行为特征，训练得到每个异常行为种类下的若干个行为识别模型；
[0021]图像采集单元，用于主动获取人员的行为；
[0022]行为识别单元，用于将人员的行为进行识别得到行为特征；
[0023]将所述行为对应的所述行为特征分别输入到若干个异常行为种类下的若干个所述行为识别模型，得到所述行为的初步异常行为种类或不属于异常行为种类；
[0024]若得到所述行为的初步异常行为种类，则，将所述行为对应的所述行为特征输入所述行为的初步异常行为种类下的若干个所述行为识别模型，得到所述行为的异常行为种类；
[0025]预警单元，用于根据所述行为的异常行为种类进行预警。
[0026]本专利技术对异常行为进行分类并识别人员关键点变化以提取行为特征，之后采集并判断异常行为种类用以训练行为识别模型。之后获取并识别人员行为特征并输入模型得到初步异常行为种类或非异常种类。如有初步异常种类，输入相应模型获取异常行为种类并进行预警。通过分析人员行为，实现监控区域内异常行为的主动预警，提升安防效果。
[0027]当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
[0028]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0029]图1为本专利技术所述一种基于主动预警的人员异常行为检测方法的实施步骤示意图；
[0030]图2为本专利技术所述一种安防系的功能模块以及信息流向示意图；
[0031]图3为本专利技术所述行为识别模块及相关模块信息流向的示意图；
[0032]图4为本专利技术所述步骤S4的实施步骤示意图；
[0033]图5为本专利技术所述步骤S45的实施步骤示意图一；
[0034]图6为本专利技术所述步骤S45的实施步骤示意图二；
[0035]图7为本专利技术所述步骤S7的实施步骤示意图；
[0036]图8为本专利技术所述步骤S76的实施步骤示意图；
[0037]图9为本专利技术所述步骤S8的实施步骤示意图；
[0038]图10为本专利技术所述步骤S83的实施步骤示意图。
[0039]附图中，各标号所代表的部件列表如下：
[0040]1‑
分类单元，2
‑
特征提取单元，3
‑
模型训练单元，4
‑
图像采集单元，5
‑
行为识别单
元，6
‑
预警单元。
具体实施方式
[0041]下面将结合本专利技术实施例中的附图，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。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0042]医院由于人员流动量大且人员复杂，需要对院区人员进行监控和主动行为识别，以此实现预警。为了实现此技术目的，本专利技术提供以下方案。
[0043]请参阅图1、2和3所示，本专利技术提供了一种安防系统，通过一种基于主动预警的人员异常行为检测方法得以运行。本系统基于视频智能分析技术全新的实现方式，它的成功使用，将大大提高对恶性事件的及时防御，过滤无效信息，解放安保力量；能及时发现并处置医院内发生的越来越多的各类突发事件，大幅度降低类似事故的发生。系统设计多种人员异常行为视频智能分析技术，如剧烈运动检测、人员倒地检测、人数异常检测、间距异常检测、人员站立检测、攀高检测、离岗检测、穿越警戒线检测、区域入侵检测、进入区域检测、离开区域检测、徘徊检测、滞留报警、静坐检测等，来对医院门急诊、住院部、纠纷调解室、药品库房、窗口及自助机、值班室、患病房等区域进行视频智能分析，从而对正在发生的人员异常行为进行主动预警提醒，大大减少医院人身及财产损失。
[0044]本系统从功能模块上划分可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于主动预警的人员异常行为检测方法，其特征在于，包括，对异常行为进行分类得到多种异常行为种类；根据人员的行为识别得到人员在单位时间内四肢及躯干关键点的变化状态，提取得到行为特征；采集多个异常行为并判断所属的异常行为种类，汇总得到每种异常行为种类对应的多个异常行为；根据每种异常行为种类对应的多个异常行为的行为特征，训练得到每个异常行为种类下的若干个行为识别模型；主动获取人员的行为；将人员的行为进行识别得到行为特征；将所述行为对应的所述行为特征分别输入到若干个异常行为种类下的若干个所述行为识别模型，得到所述行为的初步异常行为种类或不属于异常行为种类；若得到所述行为的初步异常行为种类，则，将所述行为对应的所述行为特征输入所述行为的初步异常行为种类下的若干个所述行为识别模型，得到所述行为的异常行为种类；根据所述行为的异常行为种类进行预警。2.根据权利要求1所述的方法，其特征在于，所述异常行为种类包括，剧烈运动、人员倒地、间距异常、长时间站立、攀高、长时间徘徊、长时间滞留和/或长时间静坐。3.根据权利要求1所述的方法，其特征在于，所述根据每种异常行为种类对应的多个异常行为的行为特征，训练得到每个异常行为种类下的若干个行为识别模型的步骤，包括，对应每个所述异常行为种类，将所述异常行为种类对应的多个异常行为的行为特征进行随机分组，得到所述异常行为种类对应的若干个行为特征分组，将每个所述行为特征分组中的所述行为特征作为输入层，将对应的异常行为种类作为输出层，训练得到所述异常行为种类对应的若干个行为识别大模型，对每个所述行为识别大模型进行蒸馏，得到所述行为识别大模型等效的若干个行为识别模型；根据每个所述异常行为种类对应的若干个行为识别大模型以及所述行为识别大模型等效的若干个行为识别模型，得到每个异常行为种类下的若干个行为识别模型；对每个异常行为种类下的若干个行为识别模型的识别运算顺序进行排序，得到每个异常行为种类下按照识别顺序进行排序的若干个行为识别模型。4.根据权利要求3所述的方法，其特征在于，所述对每个异常行为种类下的若干个行为识别模型的识别运算顺序进行排序，得到每个异常行为种类下按照识别顺序进行排序的若干个行为识别模型的步骤，包括，对于每个所述异常行为种类，从所述异常行为种类对应的多个异常行为中随机抽取测试异常行为，并获取所述测试异常行为的测试异常行为特征，将所述测试异常行为特征输入每个所述行为识别模型，获取每个所述行为识别模型的输出结果，所述行为识别模型的输出结果包括所述测试行为特征属于每个所述异常行为种
类的概率，获取每个所述行为识别模型的输出结果中所述测试行为特征属于每个所述异常行为种类的概率分布，将输出结果中所述测试行为特征属于每个所述异常行为种类的概率分布的差异不超过设定值的所述行为识别模型进行合并，并记录合并的数量作为对应所述行为识别模型的优先级，根据所述行为识别模型的优先级对所述行为识别模型进行排序得到每个所述异常行为种类下的若干个所述行为识别模型的识别运算顺序。5.根据权利要求3所述的方法，其特征在于，所述对每个异常行为种类下的若干个行为识别模型的识别运算顺序进行排序，得到每个异常行为种类下按照识别顺序进行排序的若干个行为识别模型的步骤，包括，对于每个所述异常行为种类，从所述异常行为种类对应的多个异常行为中随机抽取测试异常行为，并获取所述测试异常行为的测试异常行为特征，将所述测试异常行为特征输入每个所述行为识别模型，获取每个所述行为识别模型的输出结果，其中，所述行为识别模型的输出结果包括所述测试行为特征属于每个所述异常行为种类的概率，获取每个所述行为识别模型的输出结果中所述测试行为特征属于每个所述异常行为种类的概率分布，计算得到每个所述行为识别模型的输出结果中所述测试行为特征属于每个所述异常行为种类的概率分布的分离度，其中，分离度包括方差或标准差，按照对应所述分离度的大小对所述行为识别模型进行排序得到每个所述异常行为种类下的若干个所述行为识别模...

【专利技术属性】
技术研发人员：胡家昶，张鹏，代庆平，朱洪辛，陈良军，
申请(专利权)人：国药集团重庆医药设计院有限公司，
类型：发明
国别省市：