System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于视频监控及安保,涉及一种基于图注意力网络的异常行为预警方法。
技术介绍
1、在大型会议场馆、重点安全保卫区域等场所,通常布设有视频监控装置作为安保辅助措施。但现有的视频监控系统一般只提供事后查询功能,无法对潜在的风险进行实时分析,及时发现异常行为,进行预警并及时处置潜在风险。
技术实现思路
1、本专利技术的目的是针对上述问题,提供一种基于图注意力网络的异常行为预警方法,实现对典型异常行为的实时检测,并进行综合研判,提高风险预警灵敏度。
2、本专利技术的技术方案如下:
3、一种基于图注意力网络的异常行为预警方法,其特征在于,包括以下步骤:
4、(1)数据采集与处理:
5、主要采集视频和各类传感器探测信息,视频采用国标协议对接,传感器信息包括雷达、摄像机、振动光纤、张力围栏、无线震动传感器的感知探测信息,感知探测信息采集采用对应设备的私有协议;
6、(2)行为特征提取:
7、在特征提取之前,对数据进行预处理,对输入的原始视频进行处理,标注人体关键点信息,使用人体姿态估计框架估计的人体关键点像素位置和置信分数,获得人体关键点序列;
8、在特征提取阶段,对人体关键点序列进行动态时空图的构建,根据人体骨骼的自然连接规范,将一帧画面内各个关键点相连;根据人体行为的时序连续关系,将相邻帧的同一关键点相连,获得描述关键点运动轨迹的边集,静态人体关键点时空图和对应的图邻接矩阵;同时,根据不同行为样本造成
9、(3)异常行为判定:
10、首先,使用重构模型中常用的自动编码器,将128维行为特征依次经过4个稀疏编码隐藏层,逐步降低到2维行为特征;然后,使用聚类模型对2维行为特征进行聚类表达,利用异常行为发生概率小、将所有样本特征进行聚类后异常行为样本会远离聚类中心的特性,根据局部密度的不同来筛选离群样本,完成异常行为的定义和检测;
11、(4)综合研判预警:
12、根据距离结合不同精度特点的传感器信息及人员异常行为信息,进行融合分析,分级预警。
13、本专利技术通过构建基于图注意力网络的典型异常行为预警模型,并将模型应用到智慧管控平台软件中,实现典型的异常行为分级预警功能。经过测试统计,对异常行为事件发生的预警率,达到了96%,异常行为事件从发生到模型预警时间间隔达到1.2秒,有利于及时发现异常行为,提高安保管理效率和水平。
本文档来自技高网...【技术保护点】
1.一种基于图注意力网络的异常行为预警方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于图注意力网络的异常行为预警方法,其特征在于,所述步骤(4)的具体实现方式如下:
【技术特征摘要】
1.一种基于图注意力网络的异常行为预警方法,其特征在于,包括以下步骤:
2.根据权利...
【专利技术属性】
技术研发人员:吕春花,
申请(专利权)人:北京航天长峰科技工业集团有限公司,
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。