【技术实现步骤摘要】
本专利技术涉及监控图像处理的，具体而言，涉及一种行人异常行为的识别方法、系统、电子设备和存储介质。
技术介绍
1、随着人工智能技术的发展和监控设备的普及，基于机器学习和深度学习的图像识别分析已成为智能监控领域的核心技术。
2、大量监控设备的部署可以对行人的异常行为（如偷盗行为）进行实时监控。但本专利技术的专利技术人发现，现有方案中一般需要多个监控设备进行同时监测，以及基于机器学习模型对监控图像的处理是通过单帧检测方式来识别行人异常行为的，此类方法对于机器学习模型的精准度要求较高，在存在一次误判的情况下，就会形成误报。
3、专利技术人认为，目前基于机器学习模型识别监控图像中的行人异常行为的方法存在资源闲置、监而不控和精准度较低的问题。
技术实现思路
1、本专利技术提供了一种行人异常行为的识别方法、系统、电子设备和存储介质，用于解决目前基于机器学习模型识别监控图像中的行人异常行为的方法存在的资源闲置、监而不控和精准度较低的问题。
2、本专利技术的一方面提供了...
【技术保护点】
1.一种行人异常行为的识别方法，其特征在于，包括：
2.根据权利要求1所述的识别方法，其特征在于，所述根据所述图像信息确定行人关键区域图像和目标体关键区域图像包括：
3.根据权利要求1所述的识别方法，其特征在于，所述在所述行人关键区域图像和所述目标体关键区域图像满足第一预设条件的情况下，根据所述行人关键区域图像和所述目标体关键区域图像生成目标融合区域包括：
4.根据权利要求1所述的识别方法，其特征在于，所述在所述目标融合区域与所述算法识别区域满足第二预设条件的情况下，确定所述目标融合区域存在行人异常行为包括：
5.一种行...
【技术特征摘要】
1.一种行人异常行为的识别方法，其特征在于，包括：
2.根据权利要求1所述的识别方法，其特征在于，所述根据所述图像信息确定行人关键区域图像和目标体关键区域图像包括：
3.根据权利要求1所述的识别方法，其特征在于，所述在所述行人关键区域图像和所述目标体关键区域图像满足第一预设条件的情况下，根据所述行人关键区域图像和所述目标体关键区域图像生成目标融合区域包括：
4.根据权利要求1所述的识别方法，其特征在于，所述在所述目标融合区域与所述算法识别区域满足第二预设条件的情况下，确定所述目标融合区域存在行人异常行为包括：
5.一种行人异常行为的识别系统，其...
【专利技术属性】
技术研发人员：赵景程，熊超，牛昕宇，
申请(专利权)人：深圳鲲云信息科技有限公司，
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。