[发明专利]一种面向社区的异常行为检测识别方法及系统

说明书

本发明公开了一种面向社区的异常行为检测识别方法及系统，方法包括以下步骤：获取社区内行人行为视频，并进行预处理；基于预处理后的行为视频，进行行人是否携带垃圾袋检测；基于是否携带垃圾袋检测的结果，进行行人异常行为检测识别。本发明提出使用OpenPose人体姿态估计算法对人员进行骨骼点检测，通过骨骼点欧式距离计算完成人员的跟踪。使用YOLOv4模型进行垃圾袋的检测，并对人员和垃圾袋使用匹配算法来检测人员是否携带垃圾袋。本发明能够实现对社区内人员的打架、扔垃圾、摔倒、奔跑这四种异常行为进行有效的实时识别。

技术领域

本发明属于图像动作识别处理技术领域，具体涉及一种面向社区的异常行为检测识别方法及系统。

背景技术

伴随中国社会经济的发展，城镇化也日益深化，人们对公共安全的要求逐渐增加。异常行为识别技术在社会治理、公共场合安全和智慧社区等领域发挥着重要作用，近年来已经成为了热门的研究方向。在以往的社区服务当中，安保人员需要时刻观看监控视频以捕捉社区出现的异常情况。虽然这种人工识别异常情况的方式准确率高，但是面对海量的视频数据和监控设备的日夜运作，安保人员很容易疲劳懈怠、遗漏异常行为，从而造成不可挽回的损失。此外，当异常事故发生后，安全管理人员往往需要查阅监控录像进行调查取证。然而，监控视频中大部分的片段是正常情况，真正需要的异常行为发生时的片段通常只占视频内容中很小的部分。此时，安保工作人员必须观看完整的录像方可进行需要的调查取证，这种方法降低了效率而且必须花费巨大的人力物力。因此，这种人工操作的监控方式难以实时地发现监控视频内异常事件的发生，无法有效保障社区人员的安全和社区服务质量。

通过目标检测、人体姿态估计、人员跟踪等技术可以对监控视频进行可靠的分析、定位并进行人员行为的识别。相关工作主要聚焦于骨骼点运动信息的理解，尚未对人体与相关物体的交互信息以及物体固有特征信息进行深入地研究与利用。但是，这些信息对于人-物交互类型的行为的准确识别是至关重要的。例如，扔垃圾行为的两个重要特征是：垃圾袋离开手部的趋势和垃圾袋的掉落轨迹。若不考虑垃圾袋离开人体这一交互信息，扔垃圾行为就会与手臂摆动等行为混淆从而造成误检。同时，垃圾袋的掉落轨迹可以辅助扔垃圾行为的识别，避免系统的漏检。因此，将物体相关信息加入到异常行为系统中对于提升异常行为识别效果具有重要意义。针对上述需求，本发明提出了一种面向社区的异常行为检测识别方法，对社区内人员的扔垃圾、摔倒、奔跑异常行为进行实时识别。首先，使用目标检测算法检测出视频中垃圾袋，再将垃圾袋作为体外骨骼点与人体骨骼点进行连接并计算垃圾袋的运动轨迹。通过此种方式，将物体相关信息加入到系统中来提升异常行为识别效果。

发明内容

本发明旨在解决现有技术的不足，提出一种面向社区的异常行为检测识别方法及系统，以解决动作识别中人体与相关物体的交互信息以及物体固有特征信息没有得到充分利用的问题。

为实现上述目的，本发明提供了如下方案：

一种面向社区的异常行为检测识别方法，包括以下步骤：

获取社区内行人行为视频，并进行预处理；

基于预处理后的所述行为视频，进行行人是否携带垃圾袋检测；

基于所述是否携带垃圾袋检测的结果，进行行人异常行为检测识别。

优选的，所述预处理，包括：骨骼点提取、行人跟踪以及骨骼点保存；

所述骨骼点提取的方法为：

基于所述行为视频的逐帧图像，采用OpenPose人体姿态估计算法，对图像中行人进行骨骼点检测，获得人体骨骼点的二维坐标，实现所述骨骼点的提取；

所述行人跟踪的实现方法为：

基于所述逐帧图像，计算预设帧数图像中的行人与前一帧图像中所有行人的第一欧氏距离，所述第一欧氏距离最短的人，认定为不同帧图像的同一人员，实现行人跟踪。

所述骨骼点保存的方法为：