[发明专利]一种群体异常行为识别方法、装置、设备及存储介质在审
| 申请号: | 202010732152.6 | 申请日: | 2020-07-27 |
| 公开(公告)号: | CN111860383A | 公开(公告)日: | 2020-10-30 |
| 发明(设计)人: | 杨元峰;刘昭斌;刘刚;张量;鲜学丰;钟卫铭 | 申请(专利权)人: | 苏州市职业大学 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/34;G06K9/62 |
| 代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 王云晓 |
| 地址: | 215104 江苏省*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 群体 异常 行为 识别 方法 装置 设备 存储 介质 | ||
1.一种群体异常行为识别方法,其特征在于,包括:
获取待识别视频流;
将所述待识别视频流在预设时间点的图像中,位于同一语义区域内的车辆进行聚类,得到车辆聚类信息;所述待识别视频流内预设有多个所述时间点,任一所述图像内划分有多个所述语义区域,所述语义区域为所述待识别视频流中具有同类运动轨迹的区域;
根据所述车辆聚类信息构建群体运动聚类列表;所述群体运动聚类列表包括关键车辆集合和车辆聚类序列之间的对应关系,所述关键车辆集合包括相邻所述时间点之间满足结构相似度条件的车辆聚类信息的交集,所述车辆聚类序列包括沿所述时间点先后顺序排列的所述关键车辆集合所对应的车辆聚类信息;
将所述车辆聚类序列转换为语义区域序列,得到待识别行为模式组合;所述语义区域序列为所述关键车辆集合对应车辆在所述待识别视频流内经过所述语义区域的顺序;
根据所述待识别行为模式组合确定异常行为车辆。
2.根据权利要求1所述的方法,其特征在于,所述根据所述车辆聚类信息构建群体运动聚类列表包括:
计算相邻所述时间点对应的图像中任两所述车辆聚类信息之间的结构相似度;
当所述结构相似度不小于所述结构相似度阈值时,将两所述车辆聚类信息的交集插入所述群体运动聚类列表作为一所述关键车辆集合,并将沿所述时间点先后顺序排列的所述关键车辆集合所对应的车辆聚类信息作为一所述车辆聚类序列;
当所述结构相似度小于所述结构相似度阈值时,将两所述车辆聚类信息中对应最新时间点的车辆聚类信息插入所述群体运动聚类列表作为一所述关键车辆集合,并将对应的车辆聚类信息作为一所述车辆聚类序列。
3.根据权利要求2所述的方法,其特征在于,在所述将所述车辆聚类序列转换为语义区域序列之后,还包括:
删除每个所述语义区域序列中重复所述语义区域的编号。
4.根据权利要求1所述的方法,其特征在于,所述根据所述待识别行为模式组合确定异常行为车辆包括:
将所述待识别行为模式组合与标准行为模式组合进行对比,得到异常语义区域序列,并根据所述异常语义区域序列对应的关键车辆集合确定异常行为车辆。
5.根据权利要求4所述的方法,其特征在于,相邻所述时间点之间的时间间隔相同。
6.根据权利要求1至5任一项权利要求所述的方法,其特征在于,还包括:
获取训练视频流;所述训练视频流与所述待识别视频流对应同一监控场景;
将所述监控场景划分为多个单元格;
对所述训练视频流中车辆进行跟踪,得到车辆运动轨迹;
对所述车辆运动轨迹进行聚类;
当任一所述单元格中经过的所述车辆运动轨迹归属于同一聚类类别的比例大于比例阈值时,标注对应所述聚类类别的标识信息;
将对应同一所述标识信息的单元格合并为所述语义区域。
7.根据权利要求6所述的方法,其特征在于,所述对所述车辆运动轨迹进行聚类包括:
通过谱聚类模型对所述车辆运动轨迹进行聚类。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州市职业大学,未经苏州市职业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010732152.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种地下孔洞充填材料及其充填方法
- 下一篇:一种送料机构





