[发明专利]一种异常行为的识别方法及装置

权利要求书

1.一种异常行为的识别方法，其特征在于，所述方法包括：

获取在预设拍摄区域实时拍摄得到的待检测视频数据；

根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果；

当所述检测结果指示所述待检测视频数据为异常视频数据时，确定所述预设拍摄区域存在异常行为。

2.根据权利要求1所述的方法，其特征在于，所述根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果之前，所述方法还包括：

搭建并训练得到所述视频检测模型；其中，

所述搭建并训练得到所述视频检测模型，包括：

基于tensorflow搭建卷积时空自编码神经网络；

采用第一预设数量的正常历史视频数据作为训练视频数据，输入至所述卷积时空自编码神经网络，训练得到所述卷积时空自编码神经网络收敛时的权重值；其中，在所述卷积时空自编码神经网络对所述训练视频数据进行视频重建得到重建视频数据，且计算得到所述重建视频数据与所述训练视频数据之间的重建误差小于预设值时，确定所述卷积时空自编码神经网络已收敛；

采用第二预设数量的正常历史视频数据和第三预设数量的异常历史视频数据作为测试视频数据，对加载有所述权重值的卷积时空自编码神经网络进行模型准确度测试；

当测试得到模型准确度大于预设准确度时，将加载有所述权重值的卷积时空自编码神经网络确定为所述视频检测模型。

3.根据权利要求1所述的方法，其特征在于，所述根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果之前，所述方法还包括：

对所述待检测视频数据进行标准化和归一化处理。

4.根据权利要求1所述的方法，其特征在于，所述根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果，包括：

将所述待检测视频数据输入至所述视频检测模型中，得到所述视频检测模型对所述待检测视频数据进行分析后输出的检测结果；其中，

所述视频检测模型由正常视频数据训练得到；所述视频检测模型对所述待检测视频数据进行视频重建，得到重建视频数据，并计算所述待检测视频数据与所述重建视频数据之间的重建误差；当所述重建误差大于重建误差设置阈值时，输出所述待检测视频数据为异常视频数据的检测结果。

5.根据权利要求4所述的方法，其特征在于，所述将所述待检测视频数据输入至所述视频检测模型中，得到所述视频检测模型对所述待检测视频数据进行分析后输出的检测结果，包括：

将所述待检测视频数据通过5G网络，实时传输至所述视频检测模型中，得到所述视频检测模型对所述待检测视频数据进行分析后输出的检测结果。

6.根据权利要求1所述的方法，其特征在于，所述当所述检测结果指示所述待检测视频数据为异常视频数据时，确定所述预设拍摄区域存在异常行为之后，所述方法还包括：

保存所述异常视频数据，并将所述异常视频数据发送至监管平台。

7.一种异常行为的识别装置，其特征在于，所述装置包括：

第一获取模块，用于获取在预设拍摄区域实时拍摄得到的待检测视频数据；

第二获取模块，用于根据预先训练得到的视频检测模型，检测所述待检测视频数据是否为异常视频数据，得到检测结果；

确定模块，用于当所述检测结果指示所述待检测视频数据为异常视频数据时，确定所述预设拍摄区域存在异常行为。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的异常行为的识别方法的步骤。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述的异常行为的识别方法的步骤。