【技术实现步骤摘要】
本专利技术属于可视化区域防控，具体涉及一种基于ai视觉的目标人员异常行为识别方法及系统。
技术介绍
1、随着科学技术的不断发展，对于监狱工作人员而言，传统的监督管理方法拥有许多局限性，不仅会耗费大量的人力资源，且由于监督工作会受到注意力、视野盲区等许多因素的影响，其监督的有效性有待商榷。
2、目前所提出的智慧监狱建设方案中，部分设施仍旧依靠传感器获得位置信息数据，再将数据送入服务器中进行整合和处理。传感器的局限性在于：必须为每个犯人及狱警配备一个位置传感器，传感器需要及时补充供电；由于监狱系统的特殊性，其内部网络并不具备高速光纤的信息传输条件，对于信息的处理，如果仅依靠存储器进行存储，则具有很大的安全隐患。
技术实现思路
1、本专利技术的目的在于克服现有技术之缺陷，本专利技术提出了一种基于ai视觉的目标人员异常行为识别方法及系统，通过前端感知设备，快速准确地提取人体的运动特征，减少人体行为分析的歧义性，增强分析准确性，消除或减小复杂多变的监视环境带来的影响(如照明、遮挡等)，增强智能监控系统对环境的适应能力。本专利技术利用计算机视觉和视频图像处理分析技术对进入监控场景内的运动目标进行实时监控和识别，并且实时的对当前运动目标的行为状态进行智能分析，实时辨别监控场景内人员的异常行为，实现了由传统视频监控系统的被动防范到主动防范的转变，能够提供24×7全天候可靠监控，以实时可靠的方式为监控者提供有用的关键信息，帮助监控者提高监管和应急指挥能力，具有更高的报警精确度和更快的响应
2、为了到达预期效果，本专利技术采用了以下技术方案：
3、本专利技术公开了一种基于ai视觉的目标人员异常行为识别方法，包括：
4、获取包含目标人员的监控视频帧并进行预处理；
5、提取经过预处理后的监控视频帧中目标人员所在位置；
6、基于目标人员所在位置，识别人体行为并在检测出异常行为后进行告警。
7、进一步地，所述预处理为采用邻域平均法进行平滑处理。
8、进一步地，所述获取包含目标人员的监控视频帧具体包括：在监控设备中增加实时检测算法以检测出监控范围内是否存在运动的目标人员，当监控范围内存在运动的目标人员时，监控设备进行连续抓拍并保存抓拍到的监控视频帧。
9、进一步地，所述提取经过预处理后的监控视频中目标人员位置具体包括：利用目标分割算法将保存的监控视频帧中的目标人员从图像中分离出来并进行保存，利用视频序列中连续相邻若干帧图像的对应像素值作差分运算，当相邻两帧对应区域的像素值之间的差值大于第一阈值时，判定该目标人员处于运动状态并将所述对应区域进行标记，将标记区域作为目标人员在监控范围内的具体位置。
10、进一步地，当相邻两帧对应的像素值之间的差值小于或等于第一阈值时，则判定该目标人员处于静止状态，且不对所述对应区域进行标记。
11、进一步地，所述目标分割算法采用相邻帧差法。
12、进一步地，所述识别人体行为具体包括：采用目标轮廓特征进行人体行为识别。
13、进一步地，所述采用目标轮廓特征进行人体行为识别具体包括：
14、当提取的目标人员所占区域外接矩形高度与宽度的比值不超过阈值时，则判定该目标人员为正常行为；
15、当提取的目标人员所占区域外接矩形高度与宽度的比值超过阈值时，则判定该目标人员为异常行为。
16、进一步地，所述提取的目标人员所占区域外接矩形高度与宽度的比值具体包括：
17、通过背景差分法提取抓拍保存的每帧图像上的运动的目标人员所在区域并进行二值化处理，再提取运动的目标人员的外轮廓并计算得到最小外接矩形框，将最小外接矩形框的宽高比作为目标人员所占区域外接矩形高度与宽度的比值。
18、本专利技术还公开了一种基于ai视觉的目标人员异常行为识别系统，包括：
19、采集模块，用于采集存在目标人员的监控视频帧；
20、识别模块，用于根据上述所述任一方法进行目标人员异常行为识别。
21、与现有技术相比，本专利技术的有益效果是：本专利技术提出了一种基于ai视觉的目标人员异常行为识别方法及系统，通过前端感知设备，快速准确地提取人体的运动特征，减少人体行为分析的歧义性，增强分析准确性，消除或减小复杂多变的监视环境带来的影响(如照明、遮挡等)，增强智能监控系统对环境的适应能力。本专利技术利用计算机视觉和视频图像处理分析技术对进入监控场景内的运动目标进行实时监控和识别，并且实时的对当前运动目标的行为状态进行智能分析，实时辨别监控场景内人员的异常行为，实现了由传统视频监控系统的被动防范到主动防范的转变，能够提供24×7全天候可靠监控，以实时可靠的方式为监控者提供有用的关键信息，帮助监控者提高监管和应急指挥能力，具有更高的报警精确度和更快的响应速度，减轻了监控人员的劳动强度以及财力支出。
本文档来自技高网...【技术保护点】
1.一种基于AI视觉的目标人员异常行为识别方法，其特征在于，包括：
2.如权利要求1所述的一种基于AI视觉的目标人员异常行为识别方法，其特征在于，所述预处理为采用邻域平均法进行平滑处理。
3.如权利要求1所述的一种基于AI视觉的目标人员异常行为识别方法，其特征在于，所述获取包含目标人员的监控视频帧具体包括：在监控设备中增加实时检测算法以检测出监控范围内是否存在运动的目标人员，当监控范围内存在运动的目标人员时，监控设备进行连续抓拍并保存抓拍到的监控视频帧。
4.如权利要求1所述的一种基于AI视觉的目标人员异常行为识别方法，其特征在于，所述提取经过预处理后的监控视频中目标人员位置具体包括：利用目标分割算法将保存的监控视频帧中的目标人员从图像中分离出来并进行保存，利用视频序列中连续相邻若干帧图像的对应像素值作差分运算，当相邻两帧对应区域的像素值之间的差值大于第一阈值时，判定该目标人员处于运动状态并将所述对应区域进行标记，将标记区域作为目标人员在监控范围内的具体位置。
5.如权利要求4所述的一种基于AI视觉的目标人员异常行为识别方法，其特征
6.如权利要求4或5所述的一种基于AI视觉的目标人员异常行为识别方法，其特征在于，所述目标分割算法采用相邻帧差法。
7.如权利要求1所述的一种基于AI视觉的目标人员异常行为识别方法，其特征在于，所述识别人体行为具体包括：采用目标轮廓特征进行人体行为识别。
8.如权利要求7所述的一种基于AI视觉的目标人员异常行为识别方法，其特征在于，所述采用目标轮廓特征进行人体行为识别具体包括：
9.如权利要求8所述的一种基于AI视觉的目标人员异常行为识别方法，其特征在于，所述提取的目标人员所占区域外接矩形高度与宽度的比值具体包括：
10.一种基于AI视觉的目标人员异常行为识别系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于ai视觉的目标人员异常行为识别方法，其特征在于，包括：
2.如权利要求1所述的一种基于ai视觉的目标人员异常行为识别方法，其特征在于，所述预处理为采用邻域平均法进行平滑处理。
3.如权利要求1所述的一种基于ai视觉的目标人员异常行为识别方法，其特征在于，所述获取包含目标人员的监控视频帧具体包括：在监控设备中增加实时检测算法以检测出监控范围内是否存在运动的目标人员，当监控范围内存在运动的目标人员时，监控设备进行连续抓拍并保存抓拍到的监控视频帧。
4.如权利要求1所述的一种基于ai视觉的目标人员异常行为识别方法，其特征在于，所述提取经过预处理后的监控视频中目标人员位置具体包括：利用目标分割算法将保存的监控视频帧中的目标人员从图像中分离出来并进行保存，利用视频序列中连续相邻若干帧图像的对应像素值作差分运算，当相邻两帧对应区域的像素值之间的差值大于第一阈值时，判定该目标人员处于运动状态并将所述对应区域进行标记，将标记区域作为目标人...
【专利技术属性】
技术研发人员：李达，
申请(专利权)人：武汉众智数字技术有限公司，
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。