视频行人行为识别方法、系统、电子设备及存储介质技术方案

本申请提供了视频行人行为识别方法、系统、电子设备及存储介质，方法包括获取视频图像，使用特征提取网络对视频图像进行特征提取，得到特征图像；根据FastestDet检测网络进行特征检测，判断特征图像内的特征是属于行人行为。该方法通过在视频文件中获取视频图像，对视频图像进行特征提取，抓取视频图像中的特征与匹配图像中的行人行为特征，将特征进行分类与回归处理，提高图像中的行人行为辨认的精度，该方法可以避免传统方法中追求高质量的图像来源以及对图像进行预处理，减少算法的前期的处理过程，提高算法对噪声适应性，增强算法的鲁棒性。

【技术实现步骤摘要】

本申请涉及计算机应用，尤其涉及视频行人行为识别方法、系统、电子设备及存储介质。

技术介绍

1、智能视频分析技术在当前的安防监控、娱乐、人机交互和自动驾驶等领域都具有非常重要的应用。而行人行为分析与识别是其中一个关键的技术难点。比如，通过识别监控视频中的行人的动作行为或运动趋势来判断是否有异常行为发生，从而实现公共突发事件智能报警等功能。因此，智能视频监控在公共安全领域具有紧迫的应用需求。此外，通过识别行人的动作行为和运动趋势，也可以辅助自动驾驶决策。

2、对于行人行为的识别，传统方法为基于特征的目标检测技术，另外，也有基于深度学习的目标检测方法、基于深度学习的实时目标检测算法。

3、基于特征的目标检测技术主要思路是使用人工设计的特征来提取图像中的目标信息，常见的特征包括haar特征、hog特征和lbp特征等。然后利用分类器进行目标检测，包括svm分类器、fisher分类器、parzen分类器等，对候选框提取的颜色、纹理、边缘、形状等特征进行检测和分类，预测出图像中全部有用目标的类别，并将感兴趣的目标在图像背景中标定出位置。传统方法对本文档来自技高网...

【技术保护点】

1.一种视频行人行为识别方法，其特征在于，具体步骤如下：

2.根据权利要求1所述的视频行人行为识别方法，其特征在于，所述视频图像从待检测的视频中逐帧获取。

3.根据权利要求1所述的视频行人行为识别方法，其特征在于，所述使用特征提取网络对视频图像进行特征提取，具体包括以下步骤：

4.根据权利要求3所述的视频行人行为识别方法，其特征在于，所述基于可变形卷积模型对视频图像进行卷积处理，具体包括以下步骤：

5.根据权利要求3所述的视频行人行为识别方法，其特征在于，所述基于可变形池化模型对卷积图像进行池化处理，具体包括以下步骤：</p>

6.根据...

【技术特征摘要】

1.一种视频行人行为识别方法，其特征在于，具体步骤如下：

2.根据权利要求1所述的视频行人行为识别方法，其特征在于，所述视频图像从待检测的视频中逐帧获取。

3.根据权利要求1所述的视频行人行为识别方法，其特征在于，所述使用特征提取网络对视频图像进行特征提取，具体包括以下步骤：

4.根据权利要求3所述的视频行人行为识别方法，其特征在于，所述基于可变形卷积模型对视频图像进行卷积处理，具体包括以下步骤：

5.根据权利要求3所述的视频行人行为识别方法，其特征在于，所述基于可变形池化模型对卷积图像进行池化处理，具体包括以下步骤：

6.根据权利要求3所述的视...

【专利技术属性】
技术研发人员：周波，莫少锋，段炼，
申请(专利权)人：深圳海清智元科技股份有限公司，
类型：发明
国别省市：