[发明专利]一种异常行为识别方法、识别装置、终端设备及存储介质

权利要求书

1.一种异常行为识别方法，其特征在于，包括：

获取待识别轨迹数据；

利用预设的时序神经网络对所述待识别轨迹数据进行特征提取，得到所述待识别轨迹数据的第一时间加权向量，以及利用预设的空间神经网络对所述待识别轨迹数据进行特征提取，得到所述待识别轨迹数据的第一空间加权向量；

将所述第一时间加权向量以及所述第一空间加权向量进行特征融合，得到第一目标向量，并将所述第一目标向量输入至第一预设全连接网络中，得到目标概率值；

将属于异常概率区间的目标概率值对应的待识别轨迹数据确定为异常轨迹数据；

所述待识别轨迹数据还包括轨迹点的身份信息；

相应地，所述方法还包括：

利用所述预设的时序神经网络对所述待识别轨迹数据进行特征提取，得到第一身份特征，以及利用所述预设的空间神经网络对所述待识别轨迹数据进行特征提取，得到第二身份特征；

对所述第一身份特征和所述第二身份特征进行特征融合，得到目标身份特征，并将所述目标身份特征输入至第二预设全连接网络中，得到所述目标身份特征对应的身份标签。

2.如权利要求1所述的异常行为识别方法，其特征在于，在所述利用预设的时序神经网络对所述待识别轨迹数据进行特征提取，得到所述待识别轨迹数据的第一时间加权向量之前，还包括：

获取预设时间区间，并按照所述预设时间区间对所述待识别轨迹数据进行分组，得到各组待识别轨迹数据；

将每组所述待识别轨迹数据依次输入所述预设的时序神经网络以及所述预设的空间神经网络中。

3.如权利要求1所述的异常行为识别方法，其特征在于，所述利用预设的时序神经网络对所述待识别轨迹数据进行特征提取，得到所述待识别轨迹数据的第一时间加权向量，包括：

利用所述预设的时序神经网络对所述待识别轨迹数据进行特征提取，得到所述待识别轨迹数据的时间特征以及所述时间特征对应的权重系数；

根据所述时间特征以及所述时间特征对应的权重系数计算得到所述第一时间加权向量。

4.如权利要求1所述的异常行为识别方法，其特征在于，所述利用预设的空间神经网络对所述待识别轨迹数据进行特征提取，得到所述待识别轨迹数据的第一空间加权向量，包括：

根据所述待识别轨迹数据确定目标位置关系图，并根据所述目标位置关系图构建目标矩阵；

将所述目标矩阵输入至所述预设的空间神经网络中进行特征提取，得到所述待识别轨迹数据的空间特征以及所述空间特征对应的权重系数；

根据所述空间特征以及所述空间特征对应的权重系数计算得到所述第一空间加权向量。

5.如权利要求1所述的异常行为识别方法，其特征在于，所述第一时间加权向量以及所述第一空间加权向量均包含了身份特征；

相应地，所述将所述第一目标向量输入至第一预设全连接网络中，得到目标概率值，包括：

将所述第一目标向量同时分别输入至所述第一预设全连接网络以及第二预设全连接网络中，得到目标概率值以及所述待识别轨迹数据对应的身份标签。