[发明专利]基于动作识别的异常行为监管方法、装置及存储介质

说明书

本发明涉及人员监控技术领域，具体涉及基于动作识别的异常行为监管方法、装置及存储介质。包括获取目标人员在目标场景下的监控视频流；将监控视频流逐帧输入异常行为检测神经网络模型，进行目标人员动作识别检测，输出检测结果；根据检测结果判定目标人员在目标场景下是否有异常行为；在判定目标人员在目标场景下有异常行为时，根据检测结果确定异常行为开始帧及异常行为结束帧，并截取从异常行为开始帧到异常行为结束帧的监控视频作为异常行为视频；生成异常行为预警指令，并将异常行为预警指令与异常行为视频同步发送至客户移动终端。本发明可以替代人工监测方式，高效监测到人员在目标场景下的异常行为，并及时发出相应预警提示信息。

技术领域

本发明涉及人员监控技术领域，具体涉及基于动作识别的异常行为监管方法、装置及存储介质。

背景技术

随着社会的发展和城市智能化的推进，视频监控的应用也越来越普及，逐渐被应用到家庭、商场、交通路口、银行、车站和学校等场所，以保障所监管区域中人员的人身与财产安全。

对监管区域进行视频监控的主要目的之一是利用相关视频对监管区域中发生的事件进行实时展现及事后的追溯查看，确定所监管区域中的人员是否存在异常行为。目前，对监管区域的监控视频大都还是通过人工值守的方式进行实时异常监管，并通过回溯查看来追溯异常，这样的方式监管效率极低，且非常容易出现监管不到位的情况。

随着机器视觉技术的发展，针对监控视频开始出现相应的异常行为智能检测技术，以在监控视频内发现异常行为时及时给出提示信息。但是目前常用的异常行为检测主要为越界、入侵禁区的行为检测，检测准确率较，且无法对人员异常动作进行检测。而在一些特定的场合需要对人员的行为动作进行异常检测，如搬家时，需要对搬家人员的动作进行检测，以判断是否有盗窃、破坏财务的行为。在这样的需求下，现有技术还无法满足要求。

发明内容

针对现有技术存在的不足，本发明提供了基于动作识别的异常行为监管方法、装置及存储介质，其应用时，可以替代人工监测方式，高效监测到人员在目标场景下的异常行为，并及时发出相应预警提示信息。

第一方面，本发明提供基于动作识别的异常行为监管方法，包括：

获取目标人员在目标场景下的监控视频流；

将监控视频流逐帧输入异常行为检测神经网络模型，通过异常行为检测神经网络模型对目标人员在目标场景下的动作进行识别检测，并输出检测结果；

根据检测结果判定目标人员在目标场景下是否有异常行为；

在判定目标人员在目标场景下有异常行为时，根据检测结果确定异常行为开始帧及异常行为结束帧，并截取从异常行为开始帧到异常行为结束帧的监控视频作为异常行为视频；

生成异常行为预警指令，并将异常行为预警指令与异常行为视频同步发送至客户移动终端。

基于上述发明内容，通过将目标人员在目标场景下的监控视频流输入相应的异常行为检测神经网络模型，然后通过异常行为检测神经网络模型来对监控视频进行动作识别检测，以智能、高效地检测出目标人员是否有异常行为，在检测到目标人员有异常行为时，截取异常行为从开始到结束的监控视频作为异常行为视频，通过生成异常行为预警指令来与异常行为视频同步发送至客户移动终端，便于客户自行查看并做出应对。通过这样的方法可以替代人工监测方式，高效监测到人员在目标场景下的异常行为，并及时发出相应预警提示信息。

在一个可能的设计中，所述异常行为检测神经网络模型采用VGG深度神经网络模型，其损失函数采用交叉熵损失函数。

在一个可能的设计中，所述方法还包括对异常行为检测神经网络模型进行训练，训练过程包括：

获取目标场景下的人员异常行为动作训练样本；

对训练样本进行图像预处理，调整图像大小；