【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种基于深度学习的异常行为检测方法及其系统。
技术介绍
1、在当今的公共场所安全监控领域，对人员异常行为的检测是保障场所安全与秩序的关键环节。现有的异常行为检测方法主要依赖于简单的运动分析和基本的规则判断。
2、传统检测系统在处理监控摄像头采集的视频流时，通常仅对视频中的人员运动速度和大致方向进行监测。如，在商场场景中，当检测到某个人的运动速度超过预设的固定阈值，或者运动方向与周围大部分人存在明显差异时，判定该人员的行为异常。对于在特定区域停留的人员，现有方法往往只是简单地统计其停留时间，若停留时间超过预先设定的时长，便将其标记为异常。因此，现有方法仅仅关注了速度、方向和停留时间等少数几个单一维度的特征，而忽略了人员行为的复杂性和多样性。在实际环境中，人员的行为受到多种因素的影响，可能会出现各种复杂的情况。例如，在举办促销活动时，人群的流动速度和方向会变得更加混乱，此时按照现有的简单规则很容易将正常的人员活动误判为异常行为。另外，对于行为举止异常但速度和停留时间并没有明显异常的人员，现有方法无法...
【技术保护点】
1.一种基于深度学习的异常行为检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的异常行为检测方法，其特征在于，对每个人员图像块进行姿态特征提取，得到所述人员目标的人体姿态特征的具体步骤包括：
3.据权利要求2所述的基于深度学习的异常行为检测方法，其特征在于，所述基于每个人员图像块的关节点关联分析结果进行姿态特征提取，得到所述人体姿态特征，包括：
4.根据权利要求1所述的基于深度学习的异常行为检测方法，其特征在于，对每个人员图像块进行轨迹特征提取，得到所述人员目标的运动轨迹特征的具体步骤包括：
5.据权利...
【技术特征摘要】
1.一种基于深度学习的异常行为检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的异常行为检测方法，其特征在于，对每个人员图像块进行姿态特征提取，得到所述人员目标的人体姿态特征的具体步骤包括：
3.据权利要求2所述的基于深度学习的异常行为检测方法，其特征在于，所述基于每个人员图像块的关节点关联分析结果进行姿态特征提取，得到所述人体姿态特征，包括：
4.根据权利要求1所述的基于深度学习的异常行为检测方法，其特征在于，对每个人员图像块进行轨迹特征提取，得到所述人员目标的运动轨迹特征的具体步骤包括：
5.据权利要求4所述的基于深度学习的异常行为检测方法，其特征在于，所述基于连续的相邻两个人员图像块之间的轨迹方向向量进行轨迹特征提取，得到所述运动轨迹特征，包括：
6.根据权利要求1所述的基于深度学习的异常行为检测方法，其特征在于，对每个人员图像...
【专利技术属性】
技术研发人员：王鑫亿，
申请(专利权)人：深圳旭峰威视股份有限公司，
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。