[发明专利]行为分类方法、电子设备、计算机存储介质

说明书

本申请公开了一种行为分类方法、电子设备及计算机存储介质。该行为分类方法包括：获取视频流，并按照时序从视频流中抽取多帧图像；获取每帧图像中的人群密集区域，且提取人群密集区域的第一图像特征；基于人群密集区域获取每帧图像中的人群外扩区域，且提取人群外扩区域的第二图像特征；按照时序将第一图像特征和对应的第二图像特征进行融合，以获得时序特征；基于分类模型对时序特征进行处理，以获得行为分类。通过这种方式，能够提高行为分类的精准度，并能够精确定位预设行为发生区域。

技术领域

本申请涉及视频理解技术领域，特别是涉及一种行为分类方法、电子设备及计算机存储介质。

背景技术

随着城市化进程的加快，智慧城市的推进，安全问题越来越受到人们的关注。但是，若监管人的行为这一项工作仅由人力来完成，则需要大量的人力资源，而且还有可能因为人为因素造成监管不及时的问题。因此，基于视频的自动行为检测已经成为当今热门的研究领域之一；通过智能视频分析技术，识别出预设行为，可以提前预防安全事件的发生。

本申请的发明人在长期的研发工作中发现，现有技术中，通常采用传统的光流法分析人群运动速度及方向，并采用统计分析及逻辑回归等分析预设行为，但这些方法大多依据人为经验，存在很大的局限性，无法应用于大量的复杂真实场景和复杂的各个类别预设行为；且传统的对于预设行为的检测，由于很难检测到预设行为发生区域，导致难以应用深度学习的方法进行视频序列分类。

发明内容

本申请主要解决的技术问题是如何提高行为分类的精准度，并精确定位预设行为发生区域。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种行为分类方法。该行为分类方法包括：获取视频流，并按照时序从视频流中抽取多帧图像；获取每帧图像中的人群密集区域，且提取人群密集区域的第一图像特征；获取每帧图像中的人群外扩区域，且提取人群外扩区域的第二图像特征；按照时序将第一图像特征和对应的第二图像特征进行融合，以获得时序特征；基于分类模型对时序特征进行处理，以获得行为分类。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种电子设备。该电子设备包括存储器和处理器，其中，存储器与处理器耦接；其中，存储器用于存储程序数据，处理器用于执行程序数据以实现上述行为分类方法。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种计算机存储介质。该计算机存储介质上存储有程序指令，程序指令被执行时以实现上述行为分类方法。

本申请的有益效果是：区别于现有技术，本申请先确定视频流多帧图像中的人群密集区域及人群密集区域的第一图像特征、人群密集区域对应的人群外扩区域及人群外扩区域的第二图像特征，并对第一图像特征和第二图像特征进行融合，且结合多帧图像的时序形成时序特征，最后利用时序特征对分类模型进行训练，以得到视频流中行为分类；因此本申请能够实现行为分类；且因对分类模型进行训练的时序特征包括了人群密集区域的图像特征及其人群外扩区域的图像特征，能够精准定位预设行为发生区域，便于提高预设行为反应速度，提高安全性；且本申请的时序特征融合了预设行为发生区域的特征和其外扩区域的特征，使得分类模型的网络表达能力更强，能够提高行为分类的精准度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：

图1是本申请行为分类方法一实施例的流程示意图；

图2是图1实施例行为分类方法中步骤S12的具体流程示意图；

图3是图1实施例行为分类方法中步骤S13的具体流程示意图；

图4是本申请行为分类方法一实施例的流程示意图；