CN112215150A - 客户行为识别方法及装置 - Google Patents
客户行为识别方法及装置 Download PDFInfo
- Publication number
- CN112215150A CN112215150A CN202011090057.7A CN202011090057A CN112215150A CN 112215150 A CN112215150 A CN 112215150A CN 202011090057 A CN202011090057 A CN 202011090057A CN 112215150 A CN112215150 A CN 112215150A
- Authority
- CN
- China
- Prior art keywords
- client
- customer
- pixel position
- clients
- fighting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000006399 behavior Effects 0.000 claims abstract description 112
- 238000012216 screening Methods 0.000 claims abstract description 46
- 238000004590 computer program Methods 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种客户行为识别方法及装置，该方法包括：将摄像头采集的客户图像数据输入行为识别模型，识别存在打斗行为的多个客户；在存在打斗行为的多个客户中筛选出图像数据存在重叠区域的多组客户；对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选，从而基于行为识别模型识别得到的结果，根据客户的头顶像素位置和脚底像素位置，对图像数据存在重叠区域的客户进行打斗行为的二次筛选，减少了误报，提高了客户行为识别的准确性。
Description
技术领域
本发明涉及数据处理技术领域，特别涉及一种客户行为识别方法及装置。
背景技术
银行网点属于金融交易场所，对安保要求较高，现如今各大银行均采用智能安保系统来识别自动存取款区域监控视频画面中人员打斗行为。银行智能安保系统集成边缘计算服务器并在其上部署人员打斗行为识别模型，通过模型对监控视频的实时解帧及时序图处理判定是否存在人员打斗的异常情况。
在实际场景下，由于二维摄像头景深不敏感，在自动存取款区域的取款高峰期人员较多时，人员打斗行为识别模型容易将人员前后遮挡等情况误判为打斗行为，从而产生较多的误报，对打斗行为的识别准确性较低。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供一种客户行为识别方法，用以提高客户行为识别的准确性，该方法包括：
将摄像头采集的客户图像数据输入行为识别模型，识别存在打斗行为的多个客户；
在存在打斗行为的多个客户中筛选出图像数据存在重叠区域的多组客户；
对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选。
本发明实施例提供一种客户行为识别装置，用以提高客户行为识别的准确性，该装置包括：
行为识别模块，用于将摄像头采集的客户图像数据输入行为识别模型，识别存在打斗行为的多个客户；
重叠客户确定模块，用于在存在打斗行为的多个客户中筛选出图像数据存在重叠区域的多组客户；
二次筛选模块，用于对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选。
本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述客户行为识别方法。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有执行上述客户行为识别方法的计算机程序。
本发明实施例通过：将摄像头采集的客户图像数据输入行为识别模型，识别存在打斗行为的多个客户；在存在打斗行为的多个客户中筛选出图像数据存在重叠区域的多组客户；对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选，从而基于行为识别模型识别得到的结果，根据客户的头顶像素位置和脚底像素位置，对图像数据存在重叠区域的客户进行打斗行为的二次筛选，减少了误报，提高了客户行为识别的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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。在附图中：
图1为本发明实施例中客户行为识别方法流程的示意图；
图2为图1中步骤103的具体流程的示意图；
图3为图2中步骤202的具体流程的示意图；
图4为本发明实施例中客户行为识别装置结构的示意图；
图5为图4中二次筛选模块03具体结构的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本领域技术技术人员知道，本发明的实施方式可以实现为一种系统、装置、方法或计算机程序产品。因此，本发明公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
为了解决现有技术由于人员打斗行为识别模型容易将人员前后遮挡等情况误判为打斗行为，导致打斗行为的识别准确性较低的技术问题，本发明实施例提供一种客户行为识别方法，用以提高客户行为识别的准确性，图1为本发明实施例中客户行为识别方法流程的示意图，如图1所示，该方法包括：
步骤101：将摄像头采集的客户图像数据输入行为识别模型，识别存在打斗行为的多个客户；
步骤102：在存在打斗行为的多个客户中筛选出图像数据存在重叠区域的多组客户；
步骤103：对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选。
如图1所示，本发明实施例通过：将摄像头采集的客户图像数据输入行为识别模型，识别存在打斗行为的多个客户；在存在打斗行为的多个客户中筛选出图像数据存在重叠区域的多组客户；对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选，从而基于行为识别模型识别得到的结果，根据客户的头顶像素位置和脚底像素位置，对图像数据存在重叠区域的客户进行打斗行为的二次筛选，减少了误报，提高了客户行为识别的准确性。
具体实施时，步骤101中，可以在银行网点安装高清摄像头端，通过高清摄像头拍摄银行网点的客户监控视频，并将视频数据流输入打斗行为识别模型，其中，打斗行为识别模型可以通过历史的打斗行为数据训练得到，打斗行为识别模型将视频数据流解帧得到时间连续的帧图片序列后，可以自动化识别帧数据序列中的存在打斗行为的多个客户。
在存在打斗行为的多个客户中，对于图像数据存在重叠部分的客户，其打斗行为有可能是由于前后遮挡造成的误判，需要进行进一步的筛选，步骤102中，可以在存在打斗行为的多个客户中筛选出图像数据存在重叠区域的多组客户，其中，每组客户中可以包括至少两个客户，并获取每个客户在图片中的像素位置，例如可以提取每个客户的人形框，在提取人形框时可以通过4条与图片的四边平行的外切线，对图片中人形的上下左右边界进行切割，得到一个矩形框，该矩形框刚好框住画面中的人形，并以报文的形式发送人形框4个顶点的像素值，例如，对于图像数据存在重叠区域的两个客户，第一客户距镜头较近，第二客户距镜头较远，第一客户的人形框为A，第二客户的人形框为B，LA、RA分别代表人形框A水平方向上左边沿和右边沿的像素值，TA、BA分别代表人形框A垂直方向上上边沿和下边沿的像素值，同样的，用LB、RB、TB、BB表示人形框B的水平方向上左边沿和右边沿，以及垂直方向上上边沿和下边沿的像素值。
在一个实施例中，步骤103中，对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选，包括：
对于每组客户中的每两个客户，在第一客户的头顶像素位置高于第二客户的头顶像素位置，且第一客户的脚底像素位置低于第二客户的脚底像素位置时，确定第一客户与第二客户之间存在打斗行为；其中，第一客户与摄像头之间的距离小于第二客户与摄像头之间的距离。
具体实施时，当实际情况是人员打斗时，由于打斗人员实际站位很近，人形框的垂直方向的区间大多数处于被包含关系，对于每组客户中的每两个客户，在第一客户的头顶像素位置高于第二客户的头顶像素位置，且第一客户的脚底像素位置低于第二客户的脚底像素位置时，即TB>TA且BB<BA(TB、TA、BB、BA为像素值，像素值越大，表示该点与基准点，例如最高点偏移值越大，实际的像素位置越低)，表示第一客户的人形框与第二客户的人形框位相互包含关系，则确定确定第一客户与第二客户之间存在打斗行为。
图2为图1中步骤103的具体流程的示意图，如图2所示，在一个实施例中，步骤103中，对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选，可以包括：
步骤201：对于每组客户中的每两个客户，在第一客户的头顶像素位置低于第二客户的头顶像素位置，且第一客户的脚底像素位置低于第二客户的脚底像素位置时，
根据第一客户的头顶像素位置与第二客户的头顶像素位置之差，以及第一客户的脚底像素位置与第二客户的脚底像素位置之差，确定第一客户与第二客户的位置差值；
步骤202：将第一客户与第二客户的位置差值，与第一客户的高度值进行比较，根据比较结果，对第一客户和第二客户进行二次筛选；其中，第一客户与摄像头之间的距离小于第二客户与摄像头之间的距离。
图3为图2中步骤202具体流程的示意图，如图3所示，在一个实施例中，步骤202中将第一客户与第二客户的位置差值，与第一客户的高度值进行比较，根据比较结果，对第一客户和第二客户进行二次筛选，可以包括：
步骤301：在第一客户与第二客户的位置差值，大于第一客户的高度值的三分之一时，确定第一客户与第二客户之间为前后遮挡，不存在打斗行为；
步骤302：在第一客户与第二客户的位置差值，小于或等于第一客户的高度值的三分之一时，确定第一客户与第二客户之间存在打斗行为。
具体实施时，对于每组客户中的每两个客户，在第一客户的头顶像素位置低于第二客户的头顶像素位置，且第一客户的脚底像素位置低于第二客户的脚底像素位置时，即TB<TA且BB<BA，表示第一客户和第二客户可能是前后遮挡关系，需要进行进一步判断，发明人通过对历史客户打斗数据进行了大量的实验测试后发现，可以将第一客户与第二客户的位置差值，与第一客户的高度值的三分之一进行比较，判断第一客户和第二客户是否为前后遮挡关系。
首先，根据第一客户的头顶像素位置与第二客户的头顶像素位置之差，TA-TB，以及第一客户的脚底像素位置与第二客户的脚底像素位置之差，例如：BA-BB，确定第一客户与第二客户的位置差值，L＝(TA-TB)＝(BA-BB)，在TA-TB与BA-BB不相等时，可以取二者的较小值作为第一客户与第二客户的位置差值；
然后，根据第一客户的头顶像素位置和脚底像素位置，计算第一客户的高度值，HA＝BA-TA；
接着，若第一客户与第二客户的位置差值，大于第一客户的高度值的三分之一，即L>(1/3×HA)，认为二者距离较远，确定第一客户与第二客户之间为前后遮挡，不存在打斗行为，行为识别模型存在误判，将二者从存在打斗行为的多个客户中删除；
若第一客户与第二客户的位置差值，小于或等于第一客户的高度值的三分之一，即0<L<(1/3×HA)，认为二者距离较近，确定第一客户与第二客户之间存在打斗行为。
基于同一发明构思，本发明实施例中还提供了一种客户行为识别装置，如下面的实施例。由于客户行为识别装置解决问题的原理与客户行为识别方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本发明实施例提供一种客户行为识别装置，用以提高客户行为识别的准确性，图4为本发明实施例中客户行为识别装置结构的示意图，如图4所示，该装置包括：
行为识别模块01，用于将摄像头采集的客户图像数据输入行为识别模型，识别存在打斗行为的多个客户；
重叠客户确定模块02，用于在存在打斗行为的多个客户中筛选出图像数据存在重叠区域的多组客户；
二次筛选模块03，用于对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选。
在一个实施例中，二次筛选模块03具体用于：
对于每组客户中的每两个客户，在第一客户的头顶像素位置高于第二客户的头顶像素位置，且第一客户的脚底像素位置低于第二客户的脚底像素位置时，确定第一客户与第二客户之间存在打斗行为；其中，第一客户与摄像头之间的距离小于第二客户与摄像头之间的距离。
图5为图4中二次筛选模块03具体结构的示意图，如图5所示，在一个实施例中，二次筛选模块03包括：
差值确定单元031，用于对于每组客户中的每两个客户，在第一客户的头顶像素位置低于第二客户的头顶像素位置，且第一客户的脚底像素位置低于第二客户的脚底像素位置时，
根据第一客户的头顶像素位置与第二客户的头顶像素位置之差，以及第一客户的脚底像素位置与第二客户的脚底像素位置之差，确定第一客户与第二客户的位置差值；
二次筛选单元032，用于将第一客户与第二客户的位置差值，与第一客户的高度值进行比较，根据比较结果，对第一客户和第二客户进行二次筛选；其中，第一客户与摄像头之间的距离小于第二客户与摄像头之间的距离。
在一个实施例中，二次筛选模块03进一步用于：
在第一客户与第二客户的位置差值，大于第一客户的高度值的三分之一时，确定第一客户与第二客户之间为前后遮挡，不存在打斗行为；
在第一客户与第二客户的位置差值，小于或等于第一客户的高度值的三分之一时，确定第一客户与第二客户之间存在打斗行为。
本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述客户行为识别方法。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有执行上述客户行为识别方法的计算机程序。
综上所述，本发明实施例通过：将摄像头采集的客户图像数据输入行为识别模型，识别存在打斗行为的多个客户；在存在打斗行为的多个客户中筛选出图像数据存在重叠区域的多组客户；对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选，从而基于行为识别模型识别得到的结果，根据客户的头顶像素位置和脚底像素位置，对图像数据存在重叠区域的客户进行打斗行为的二次筛选，减少了误报，提高了客户行为识别的准确性。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种客户行为识别方法，其特征在于，包括：
将摄像头采集的客户图像数据输入行为识别模型，识别存在打斗行为的多个客户；
在存在打斗行为的多个客户中筛选出图像数据存在重叠区域的多组客户；
对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选。
2.如权利要求1所述的方法，其特征在于，对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选，包括：
对于每组客户中的每两个客户，在第一客户的头顶像素位置高于第二客户的头顶像素位置，且第一客户的脚底像素位置低于第二客户的脚底像素位置时，确定第一客户与第二客户之间存在打斗行为；其中，第一客户与摄像头之间的距离小于第二客户与摄像头之间的距离。
3.如权利要求1所述的方法，其特征在于，对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选，包括：
对于每组客户中的每两个客户，在第一客户的头顶像素位置低于第二客户的头顶像素位置，且第一客户的脚底像素位置低于第二客户的脚底像素位置时，
根据第一客户的头顶像素位置与第二客户的头顶像素位置之差，以及第一客户的脚底像素位置与第二客户的脚底像素位置之差，确定第一客户与第二客户的位置差值；
将第一客户与第二客户的位置差值，与第一客户的高度值进行比较，根据比较结果，对第一客户和第二客户进行二次筛选；其中，第一客户与摄像头之间的距离小于第二客户与摄像头之间的距离。
4.如权利要求3所述的方法，其特征在于，将第一客户与第二客户的位置差值，与第一客户的高度值进行比较，根据比较结果，对第一客户和第二客户进行二次筛选，包括：
在第一客户与第二客户的位置差值，大于第一客户的高度值的三分之一时，确定第一客户与第二客户之间为前后遮挡，不存在打斗行为；
在第一客户与第二客户的位置差值，小于或等于第一客户的高度值的三分之一时，确定第一客户与第二客户之间存在打斗行为。
5.一种客户行为识别装置，其特征在于，包括：
行为识别模块，用于将摄像头采集的客户图像数据输入行为识别模型，识别存在打斗行为的多个客户；
重叠客户确定模块，用于在存在打斗行为的多个客户中筛选出图像数据存在重叠区域的多组客户；
二次筛选模块，用于对于每组客户，根据各个客户的头顶像素位置和脚底像素位置，对存在打斗行为的多个客户进行二次筛选。
6.如权利要求5所述的装置，其特征在于，二次筛选模块具体用于：
对于每组客户中的每两个客户，在第一客户的头顶像素位置高于第二客户的头顶像素位置，且第一客户的脚底像素位置低于第二客户的脚底像素位置时，确定第一客户与第二客户之间存在打斗行为；其中，第一客户与摄像头之间的距离小于第二客户与摄像头之间的距离。
7.如权利要求5所述的装置，其特征在于，二次筛选模块具体用于：
对于每组客户中的每两个客户，在第一客户的头顶像素位置低于第二客户的头顶像素位置，且第一客户的脚底像素位置低于第二客户的脚底像素位置时，
根据第一客户的头顶像素位置与第二客户的头顶像素位置之差，以及第一客户的脚底像素位置与第二客户的脚底像素位置之差，确定第一客户与第二客户的位置差值；
将第一客户与第二客户的位置差值，与第一客户的高度值进行比较，根据比较结果，对第一客户和第二客户进行二次筛选；其中，第一客户与摄像头之间的距离小于第二客户与摄像头之间的距离。
8.如权利要求7所述的装置，其特征在于，二次筛选模块进一步用于：
在第一客户与第二客户的位置差值，大于第一客户的高度值的三分之一时，确定第一客户与第二客户之间为前后遮挡，不存在打斗行为；
在第一客户与第二客户的位置差值，小于或等于第一客户的高度值的三分之一时，确定第一客户与第二客户之间存在打斗行为。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011090057.7A CN112215150B (zh) | 2020-10-13 | 2020-10-13 | 客户行为识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011090057.7A CN112215150B (zh) | 2020-10-13 | 2020-10-13 | 客户行为识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112215150A true CN112215150A (zh) | 2021-01-12 |
| CN112215150B CN112215150B (zh) | 2023-10-24 |
Family
ID=74053764
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011090057.7A Active CN112215150B (zh) | 2020-10-13 | 2020-10-13 | 客户行为识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112215150B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077375A (zh) * | 2012-12-30 | 2013-05-01 | 信帧电子技术（北京）有限公司 | 检测打架行为的方法 |
| CN111325073A (zh) * | 2018-12-17 | 2020-06-23 | 上海交通大学 | 基于运动信息聚类的监控视频异常行为检测方法 |
| CN111563480A (zh) * | 2020-06-01 | 2020-08-21 | 北京嘀嘀无限科技发展有限公司 | 冲突行为检测方法、装置、计算机设备和存储介质 |
| CN111597970A (zh) * | 2020-05-14 | 2020-08-28 | 中国银行股份有限公司 | 异常行为的识别方法及装置 |
-
2020
- 2020-10-13 CN CN202011090057.7A patent/CN112215150B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077375A (zh) * | 2012-12-30 | 2013-05-01 | 信帧电子技术（北京）有限公司 | 检测打架行为的方法 |
| CN111325073A (zh) * | 2018-12-17 | 2020-06-23 | 上海交通大学 | 基于运动信息聚类的监控视频异常行为检测方法 |
| CN111597970A (zh) * | 2020-05-14 | 2020-08-28 | 中国银行股份有限公司 | 异常行为的识别方法及装置 |
| CN111563480A (zh) * | 2020-06-01 | 2020-08-21 | 北京嘀嘀无限科技发展有限公司 | 冲突行为检测方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112215150B (zh) | 2023-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9754160B2 (en) | Method and device for detecting gathering of objects based on stereo vision as well as non-transitory computer-readable medium | |
| JP4741650B2 (ja) | ビデオシーケンスにおけるオブジェクト追跡の方法 | |
| KR101180887B1 (ko) | 이상행위 검출장치 및 방법 | |
| CN108921008B (zh) | 人像识别方法、装置及电子设备 | |
| CN108062542B (zh) | 被遮挡的人脸的检测方法 | |
| US20080181453A1 (en) | Method of Tracking Objects in a Video Sequence | |
| JP2017531883A (ja) | 画像の主要被写体を抽出する方法とシステム | |
| US20230005176A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
| US8355079B2 (en) | Temporally consistent caption detection on videos using a 3D spatiotemporal method | |
| CN106056079A (zh) | 一种图像采集设备及人脸五官的遮挡检测方法 | |
| CN110781733B (zh) | 图像去重方法、存储介质、网络设备和智能监控系统 | |
| JP2003169319A (ja) | 映像監視装置 | |
| US20110280442A1 (en) | Object monitoring system and method | |
| Ullah et al. | Gaussian mixtures for anomaly detection in crowded scenes | |
| CN112115878B (zh) | 一种基于烟雾区域密度的森林火灾烟雾根节点检测方法 | |
| CN108830204B (zh) | 面对目标的监控视频中异常检测方法 | |
| CN108460319B (zh) | 异常人脸检测方法及装置 | |
| CN111027518A (zh) | 可疑人群智能报警方法、装置、计算机设备及存储介质 | |
| CN113657309A (zh) | 一种基于Adocf的穿越安全围栏违章行为检测方法 | |
| KR101840042B1 (ko) | 복합 가상 팬스 라인 설정 방법 및 이를 이용한 침입 감지 시스템 | |
| KR20150112096A (ko) | 지능형 영상 감시 시스템을 위한 납치 상황 인식 방법 | |
| CN112016509B (zh) | 人员站位异常提醒方法及装置 | |
| US20200394802A1 (en) | Real-time object detection method for multiple camera images using frame segmentation and intelligent detection pool | |
| KR101542206B1 (ko) | 코아스-파인 기법을 이용한 객체 추출과 추적 장치 및 방법 | |
| CN112215150B (zh) | 客户行为识别方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |