CN113095138A - 异常行为识别方法及相关装置 - Google Patents
异常行为识别方法及相关装置 Download PDFInfo
- Publication number
- CN113095138A CN113095138A CN202110260951.2A CN202110260951A CN113095138A CN 113095138 A CN113095138 A CN 113095138A CN 202110260951 A CN202110260951 A CN 202110260951A CN 113095138 A CN113095138 A CN 113095138A
- Authority
- CN
- China
- Prior art keywords
- preset
- abnormal behavior
- article
- video data
- owner
- 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.)
- Pending
Links
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 169
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims description 28
- 230000000391 smoking effect Effects 0.000 claims description 24
- 230000006399 behavior Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 206010022524 Intentional self-injury Diseases 0.000 claims description 6
- 208000005560 Self Mutilation Diseases 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000036544 posture Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Alarm Systems (AREA)
Abstract
本申请提供了一种异常行为识别方法及相关装置,所述方法包括:获取视频数据,所述视频数据是视觉采集设备监控预设区域得到的;根据所述视频数据,检测所述预设区域内是否发生预设异常行为;当发生所述预设异常行为时,根据所述视频数据,生成异常行为记录,所述异常行为记录包括所述预设异常行为的标识信息。一方面,可以利用计算机视觉技术进行异常行为识别,无需人工进行识别,自动化程度高;另一方面,若发生异常行为,可以根据视频数据生成对应的异常行为记录,实时记录异常行为,相比传统的事后取证手段,工作量低、效率高。
Description
技术领域
本申请涉及计算机视觉技术,尤其涉及异常行为识别方法、装置、电子设备、异常行为识别系统及计算机可读存储介质。
背景技术
现有的监控设备依赖人工对异常行为进行判断,当监控区域内发生异常行为时,若监控设备无人看守,监控设备自身无法对异常行为进行识别,会导致相关人员取证工作量大、效率低。
公开号为CN108280435A的现有技术公开了一种基于人体姿态估计的旅客异常行为识别方法,所述方法包括如下步骤:步骤S1,所述监测系统进行图像采集;步骤S2,所述监测系统将行人通道划分为多个区域;步骤S3,所述监测系统根据采集的图像对行人进行姿态估计,并通过提取行人的骨架信息来获取行人的姿态;步骤S4,所述监测系统根据行人的骨架信息在相应区域内,对多帧图像进行多目标的跟踪,并根据行人的运动轨迹进行行为判断;步骤S5,所述监测系统根据行人的不同姿态和不同运动轨迹而预设有正常通行状态和非正常通行状态,所述监测系统若判断出行人处于非正常通行状态,则发出报警提示。该方法的不足之处在于只能识别行人的姿态是否异常,功能较为单一,且无法对异常行为进行记录。
发明内容
本申请的目的在于提供异常行为识别方法、装置、电子设备、异常行为识别系统及计算机可读存储介质,无需人工进行识别,自动化程度高、效率高。
本申请的目的采用以下技术方案实现:
第一方面,本申请提供了一种异常行为识别方法,所述方法包括:获取视频数据,所述视频数据是视觉采集设备监控预设区域得到的;根据所述视频数据,检测所述预设区域内是否发生预设异常行为;当发生所述预设异常行为时,根据所述视频数据,生成异常行为记录,所述异常行为记录包括所述预设异常行为的标识信息。该技术方案的有益效果在于,可以利用视觉采集设备监控预设区域获取相应的视频数据,根据视频数据检测预设区域内是否发生预设异常行为,一方面,可以利用计算机视觉技术进行异常行为识别,无需人工进行识别,自动化程度高;一方面,若发生异常行为,可以根据视频数据生成对应的异常行为记录,实时记录异常行为,相比传统的事后取证手段,工作量低、效率高;另一方面,异常行为记录包括预设异常行为的标识信息,由此可以根据标识信息方便地了解到发生了什么类型的预设异常行为,便于快速采取对应措施。
在一些可选的实施例中,所述预设异常行为包括以下至少一种:偷盗;吸烟;袭击他人;自残。该技术方案的有益效果在于,预设异常行为可以是偷盗、吸烟、袭击他人和自残中的任意一种或几种,当检测发生预设异常行为时,可以实时记录异常行为,管理人员可以及时制止异常行为,避免伤害或损失加剧。
在一些可选的实施例中,所述异常行为记录还包括以下至少一种:发生所述预设异常行为的帧画面;所述帧画面中所述预设异常行为的实施人员的边界框;所述帧画面中所述预设异常行为的被实施人员的边界框;所述帧画面对应的时间戳;包含所述帧画面的视频,所述视频的时长不大于预设时长。该技术方案的有益效果在于,可以根据异常行为记录获取预设异常行为的具体时间、持续时间、实施方式、实施人员在帧画面中的位置,被实施人员在帧画面中的位置等信息。
在一些可选的实施例中,所述预设异常行为包括偷盗;所述根据所述视频数据,检测所述预设区域内是否发生预设异常行为,包括:根据所述视频数据,识别所述预设区域内的预设物品;针对每个所述预设物品,检测所述预设物品是否被偷;当存在至少一个所述预设物品被偷时,判断发生偷盗。该技术方案的有益效果在于,一方面,可以根据视频数据,通过计算机视觉技术识别预设区域内的预设物品,检测预设物品是否被偷,自动化程度高;另一方面,当存在预设物品被偷时,可以及时告警,避免损失加剧。
在一些可选的实施例中,所述预设物品包括以下至少一种:背包、手包、钱包和手机。该技术方案的有益效果在于,预设物品可以是偷盗人员易于转移的价值较高的物品。
在一些可选的实施例中,所述针对每个所述预设物品,检测所述预设物品是否被偷,包括:针对每个所述预设物品,识别所述预设物品的所有者;每隔预定时间间隔,识别所述预设物品的当前所属人员;检测所述预设物品的当前所属人员是否与所述预设物品的所有者一致;当不一致时,确定所述预设物品被所述预设物品的所有者以外的人员取得,判断所述预设物品被偷。该技术方案的有益效果在于,可以利用计算机视觉技术识别预设物品的所有者和预定时间间隔后预设物品的当前所属人员,若二者不一致,则确定预设物品被预设物品的所有者以外的人员取得,可以判断此异常行为是偷盗的可能性较大。
在一些可选的实施例中,所述异常行为记录还包括以下至少一种:发生偷盗的帧画面;所述帧画面中偷盗人员的边界框,所述偷盗人员是指所述预设物品的所有者以外的取得所述预设物品的人员;所述帧画面中所述预设物品的所有者的边界框;所述帧画面对应的时间戳;包含所述帧画面的视频,所述视频的时长不大于预设时长。该技术方案的有益效果在于,可以根据异常行为记录获取偷盗行为的具体时间、持续时间、偷盗方式、偷盗人员在帧画面中的位置,预设物品的所有者在帧画面中的位置等信息。
第二方面,本申请提供了一种异常行为识别装置,所述装置包括:数据获取模块,用于获取视频数据,所述视频数据是视觉采集设备监控预设区域得到的;行为检测模块,用于根据所述视频数据,检测所述预设区域内是否发生预设异常行为;记录生成模块,用于当发生所述预设异常行为时,根据所述视频数据,生成异常行为记录,所述异常行为记录包括所述预设异常行为的标识信息。
在一些可选的实施例中,所述预设异常行为包括以下至少一种:偷盗;吸烟;袭击他人;自残。
在一些可选的实施例中,所述异常行为记录还包括以下至少一种:发生所述预设异常行为的帧画面;所述帧画面中所述预设异常行为的实施人员的边界框;所述帧画面中所述预设异常行为的被实施人员的边界框;所述帧画面对应的时间戳;包含所述帧画面的视频,所述视频的时长不大于预设时长。
在一些可选的实施例中,所述预设异常行为包括偷盗;所述行为检测模块包括:物品识别单元,用于根据所述视频数据,识别所述预设区域内的预设物品;物品检测单元,用于针对每个所述预设物品,检测所述预设物品是否被偷;偷盗判断单元,用于当存在至少一个所述预设物品被偷时,判断发生偷盗。
在一些可选的实施例中,所述预设物品包括以下至少一种:背包、手包、钱包和手机。
在一些可选的实施例中,所述物品检测单元包括:所有者子单元,用于针对每个所述预设物品,识别所述预设物品的所有者;当前人员子单元,用于每隔预定时间间隔,识别所述预设物品的当前所属人员;检测子单元,用于检测所述预设物品的当前所属人员是否与所述预设物品的所有者一致;判断子单元,用于当不一致时,确定所述预设物品被所述预设物品的所有者以外的人员取得,判断所述预设物品被偷。
在一些可选的实施例中,所述异常行为记录还包括以下至少一种:发生偷盗的帧画面;所述帧画面中偷盗人员的边界框,所述偷盗人员是指所述预设物品的所有者以外的取得所述预设物品的人员;所述帧画面中所述预设物品的所有者的边界框;所述帧画面对应的时间戳;包含所述帧画面的视频,所述视频的时长不大于预设时长。
第三方面,本申请提供了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项方法的步骤。
第四方面,本申请提供了一种异常行为识别系统,所述系统应用于公共场所,所述系统包括视觉采集设备和上述任一项电子设备。该技术方案的有益效果在于,电子设备可以包括存储器和处理器,将电子设备应用于异常行为识别系统,可以提升该系统的自动化水平和智能化水平。
在一些可选的实施例中,所述公共场所包括以下至少一种:地铁、公交车、长途巴士和不存在商品售卖的娱乐场所。该技术方案的有益效果在于,利用该系统,可以在后台对公共场所内实时发生的预设异常行为进行记录。
第五方面,本申请提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项方法的步骤。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种异常行为识别方法的流程示意图;
图2是本申请实施例提供的一种检测是否发生预设异常行为的流程示意图;
图3是本申请实施例提供的一种检测预设物品是否被偷的流程示意图;
图4是本申请实施例提供的一种异常行为识别装置的结构示意图;
图5是本申请实施例提供的一种行为检测模块的结构示意图;
图6是本申请实施例提供的一种物品检测单元的结构示意图;
图7是本申请实施例提供的一种电子设备的结构框图;
图8是本申请实施例提供的一种异常行为识别系统的结构示意图;
图9是本申请实施例提供的一种用于实现异常行为识别方法的程序产品的结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
参见图1,本申请实施例提供了一种异常行为识别方法,所述方法包括步骤S101~S103。
步骤S101:获取视频数据,所述视频数据是视觉采集设备监控预设区域得到的。视觉采集设备例如是摄像头,预设区域例如是公交、地铁、公园等。
步骤S102:根据所述视频数据,检测所述预设区域内是否发生预设异常行为。
在一具体实施方式中,所述预设异常行为可以包括以下至少一种:偷盗;吸烟;袭击他人;自残。
由此,预设异常行为可以是偷盗、吸烟、袭击他人和自残中的任意一种或几种,当检测发生预设异常行为时,可以实时记录异常行为,管理人员可以及时制止异常行为,避免伤害或损失加剧。
在一具体实施方式中,当异常行为包括吸烟时,可以基于视频数据,利用吸烟检测模型检测预设区域内是否有人吸烟。
具体地,可以拍摄包含以各种姿态进行吸烟的人物的多个样本图片,以生成训练样本,并且利用生成的所述训练样本训练预设的初始模型,得到所述吸烟检测模型;针对视频数据中的每一帧图像,筛选出包含人物的画面;根据画面中人物的手臂状态判断该画面是否为含有人物吸烟姿势的图像,或者当画面中的人物的手臂与头之间的位置关系满足吸烟姿势时,判定该画面为含有人物吸烟姿势的图像,或者当画面中的人物的手臂、手肘与手腕之间的位置关系满足吸烟姿势时,判定该画面为含有人物吸烟姿势的图像;基于人脸检测算法从所述图像中获取关键检测对象区域,并且所述吸烟检测模型基于所述关键检测对象区域进行检测;当所述吸烟检测模型检测到所述图像中包含香烟时,判定所述图像中的人物吸烟,当所述吸烟检测模型在所述图像中未检测到香烟时,判定所述图像中的人物未吸烟,并且对包含同一人物的多个所述图像进行检测,当判定所述图像中的人物吸烟的次数超过预定的阈值时,发出吸烟警告;使用计数器对吸烟判定的次数进行累计,并且当所述计数器的计数超过所述阈值时,发出吸烟警告。
在一具体实施方式中,当异常行为包括袭击他人时,可以基于视频数据,利用袭击检测模型检测预设区域内是否有人在袭击他人。
具体地,可以拍摄包含以各种姿态袭击他人的人物的多个样本图片,以生成训练样本,并且利用生成的所述训练样本训练预设的初始模型,得到所述袭击检测模型;针对视频数据中的每一帧图像,筛选出包含人物的画面;根据画面中人物的手臂、腿、嘴的状态判断该画面中的人物是否正在袭击他人,若是,则判断预设区域内有人在袭击他人。另外,还可以检测画面中人物是否持有管制工具,管制工具例如刀具、枪具、易燃易爆物品,当检测到画面中人物持有管制工具时,可以判断持有者有袭击他人的嫌疑,或者,当持有者做出抛出管制工具的动作时判断持有者有袭击他人的意图。
针对这种违反公共安全的情况,还可以实时上传至110报警中心或者附近派出所的终端设备,以使治安管理人员能够及时了解公共场所可能发生危险事件的情况。公共场所例如是公交车,还可以根据预先设定的模板,自动生成提示信息发送至司机的用户设备,经过司机确认后可以直接发送至110报警中心。从而实现半智能半人工的报警手段,避免浪费警力。
在一具体实施方式中,当异常行为包括自残时,可以基于视频数据,利用自残检测模型检测预设区域内是否有人在自残。
具体地,可以拍摄包含以各种姿态自残的人物的多个样本图片,以生成训练样本,并且利用生成的所述训练样本训练预设的初始模型,得到所述自残检测模型;针对视频数据中的每一帧图像,筛选出包含人物的画面;根据画面中人物的手臂、手指的状态判断该画面中的人物是否正在自残,若是,则判断预设区域内有人在自残。
参见图2,在一具体实施方式中,所述预设异常行为可以包括偷盗;所述步骤S102可以包括步骤S201~S203。
步骤S201:根据所述视频数据,识别所述预设区域内的预设物品。
在一具体实施方式中,所述预设物品可以包括以下至少一种:背包、手包、钱包和手机。
由此,预设物品可以是偷盗人员易于转移的价值较高的物品。
步骤S202:针对每个所述预设物品,检测所述预设物品是否被偷。
参见图3,在一具体实施方式中,所述步骤S202可以包括步骤S301~S303。
步骤S301:针对每个所述预设物品,识别所述预设物品的所有者。预设物品例如是背包,预设区域例如是公交,背包的所有者可以是背包开始进入公交监控范围时携带该背包的人员。
步骤S302:每隔预定时间间隔,识别所述预设物品的当前所属人员。其中,预定时间间隔可以是预先设定的时长,例如1分钟、2分钟等,预设物品的当前所属人员可以是当前时刻携带预设物品的人员。
步骤S303:检测所述预设物品的当前所属人员是否与所述预设物品的所有者一致。
步骤S304:当不一致时,确定所述预设物品被所述预设物品的所有者以外的人员取得,判断所述预设物品被偷。
由此,可以利用计算机视觉技术识别预设物品的所有者和预定时间间隔内预设物品的当前所属人员,若二者不一致,则确定预设物品被预设物品的所有者以外的人员取得,可以判断此异常行为是偷盗的可能性较大。
在一具体应用中,当预设物品被预设物品的所有者以外的人员取得时,可以根据视频数据,判断预设物品是否被预设物品的所有者主动转交给预设物品的当前所属人员,若否,则判断预设物品被偷,生成提示信息发送至预设物品的所有者的用户设备上,预设物品的所有者可以对该提示信息进行确认或否认,若预设物品的所有者确认预设物品被偷,可以在预设区域内播放语音信息,提示预设物品被偷,引起相关管理人员的注意,对偷盗人员形成压力。
步骤S203:当存在至少一个所述预设物品被偷时,判断发生偷盗。
由此,一方面,可以根据视频数据,通过计算机视觉技术识别预设区域内的预设物品,检测预设物品是否被偷,自动化程度高;另一方面,当存在预设物品被偷时,可以及时告警,避免损失加剧。
步骤S103:当发生所述预设异常行为时,根据所述视频数据,生成异常行为记录,所述异常行为记录包括所述预设异常行为的标识信息。标识信息可以是异常行为的类型代码,例如偷盗01、吸烟02、袭击他人03、自残04;或者A、B、C、D(其中,A表示偷盗、B表示吸烟、C表示袭击他人、D表示自残)。
由此,可以利用视觉采集设备监控预设区域获取相应的视频数据,根据视频数据检测预设区域内是否发生预设异常行为,一方面,可以利用计算机视觉技术进行异常行为识别,无需人工进行识别,自动化程度高;一方面,若发生异常行为,可以根据视频数据生成对应的异常行为记录,实时记录异常行为,相比传统的事后取证手段,工作量低、效率高;另一方面,异常行为记录包括预设异常行为的标识信息,由此可以根据标识信息方便地了解到发生了什么类型的预设异常行为,便于快速采取对应措施。
在一具体实施方式中,所述异常行为记录还可以包括以下至少一种:发生所述预设异常行为的帧画面;所述帧画面中所述预设异常行为的实施人员的边界框;所述帧画面中所述预设异常行为的被实施人员的边界框;所述帧画面对应的时间戳;包含所述帧画面的视频,所述视频的时长不大于预设时长。预设时长可以是预先设定的时长,例如是3秒钟、5秒钟等。
由此,可以根据异常行为记录获取预设异常行为的具体时间、持续时间、实施方式、实施人员在帧画面中的位置,被实施人员在帧画面中的位置等信息。
在一具体实施方式中,所述异常行为记录还可以包括以下至少一种:发生偷盗的帧画面;所述帧画面中偷盗人员的边界框,所述偷盗人员是指所述预设物品的所有者以外的取得所述预设物品的人员;所述帧画面中所述预设物品的所有者的边界框;所述帧画面对应的时间戳;包含所述帧画面的视频,所述视频的时长不大于预设时长。
由此,可以根据异常行为记录获取偷盗行为的具体时间、持续时间、偷盗方式、偷盗人员在帧画面中的位置,预设物品的所有者在帧画面中的位置等信息。
在一具体实施方式中,所述方法还可以包括:将所述异常行为记录发送至云服务器和/或用户设备。其中,用户设备例如是手机、平板电脑、计算机或者智能穿戴设备。一方面,可以远程了解到发生在各种公共场所的异常行为情况;另一方面,将异常行为记录保存在云端,避免存储在本地的数据被篡改甚至暴力损毁,或者因保管不当而遗失,造成不必要的数据错漏。
在一具体实施方式中,所述方法还可以包括:当发生所述预设异常行为时,控制报警设备进行报警。其中,报警设备例如是蜂鸣报警器或者灯光报警器。由此,可以在发生异常行为时及时向公众告警,通知公共场所内的人员注意异常行为情况。
参见图4,本申请实施例还提供了一种异常行为识别装置,其具体实现方式与上述异常行为识别方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
所述装置包括:数据获取模块101,用于获取视频数据,所述视频数据是视觉采集设备监控预设区域得到的;行为检测模块102,用于根据所述视频数据,检测所述预设区域内是否发生预设异常行为;记录生成模块103,用于当发生所述预设异常行为时,根据所述视频数据,生成异常行为记录,所述异常行为记录包括所述预设异常行为的标识信息。
在一具体实施方式中,所述预设异常行为可以包括以下至少一种:偷盗;吸烟;袭击他人;自残。
在一具体实施方式中,所述异常行为记录还可以包括以下至少一种:发生所述预设异常行为的帧画面;所述帧画面中所述预设异常行为的实施人员的边界框;所述帧画面中所述预设异常行为的被实施人员的边界框;所述帧画面对应的时间戳;包含所述帧画面的视频,所述视频的时长不大于预设时长。
参见图5,在一具体实施方式中,所述预设异常行为可以包括偷盗;所述行为检测模块102可以包括:物品识别单元1021,可以用于根据所述视频数据,识别所述预设区域内的预设物品;物品检测单元1022,可以用于针对每个所述预设物品,检测所述预设物品是否被偷;偷盗判断单元1023,可以用于当存在至少一个所述预设物品被偷时,判断发生偷盗。
在一具体实施方式中,所述预设物品可以包括以下至少一种:背包、手包、钱包和手机。
参见图6,在一具体实施方式中,所述物品检测单元1022可以包括:所有者子单元1022a,可以用于针对每个所述预设物品,识别所述预设物品的所有者;当前人员子单元1022b,可以用于每隔预定时间间隔,识别所述预设物品的当前所属人员;检测子单元1022c,可以用于检测所述预设物品的当前所属人员是否与所述预设物品的所有者一致;判断子单元1022d,可以用于当不一致时,确定所述预设物品被所述预设物品的所有者以外的人员取得,判断所述预设物品被偷。
在一具体实施方式中,所述异常行为记录还可以包括以下至少一种:发生偷盗的帧画面;所述帧画面中偷盗人员的边界框,所述偷盗人员是指所述预设物品的所有者以外的取得所述预设物品的人员;所述帧画面中所述预设物品的所有者的边界框;所述帧画面对应的时间戳;包含所述帧画面的视频,所述视频的时长不大于预设时长。
参见图7,本申请实施例还提供了一种电子设备200,电子设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质,例如随机存取存储器(R AM)211和/或高速缓存存储器212,还可以进一步包括只读存储器(ROM)213。
其中,存储器210还存储有计算机程序,计算机程序可以被处理器220执行,使得处理器220执行本申请实施例中异常行为识别方法的步骤,其具体实现方式与上述异常行为识别方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
存储器210还可以包括具有至少一个程序模块215的实用工具214,这样的程序模块215包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的,处理器220可以执行上述计算机程序,以及可以执行实用工具214。
总线230可以为表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信,还可与一个或者多个能够与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
参见图8,本申请实施例还提供了一种异常行为识别系统20,其具体实现方式与上述异常行为识别方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
所述异常行为识别系统20应用于公共场所,所述异常行为识别系统20包括视觉采集设备201和上述任一项电子设备200。
由此,电子设备200可以包括存储器和处理器,将电子设备200应用于异常行为识别系统20,可以提升该异常行为识别系统20的自动化水平和智能化水平。
在一具体实施方式中,所述公共场所包括以下至少一种:地铁、公交车、长途巴士和不存在商品售卖的娱乐场所。
由此,利用该异常行为识别系统20,可以在后台对公共场所内实时发生的预设异常行为进行记录。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质用于存储计算机程序,所述计算机程序被执行时实现本申请实施例中异常行为识别方法的步骤,其具体实现方式与上述异常行为识别方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
图9示出了本实施例提供的用于实现上述异常行为识别方法的程序产品300,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品300不限于此,在本申请中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,已符合专利法所强调的功能增进及使用要件,本申请以上的说明书及说明书附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (12)
1.一种异常行为识别方法,其特征在于,所述方法包括:
获取视频数据,所述视频数据是视觉采集设备监控预设区域得到的;
根据所述视频数据,检测所述预设区域内是否发生预设异常行为;
当发生所述预设异常行为时,根据所述视频数据,生成异常行为记录,所述异常行为记录包括所述预设异常行为的标识信息。
2.根据权利要求1所述的异常行为识别方法,其特征在于,所述预设异常行为包括以下至少一种:
偷盗;
吸烟;
袭击他人;
自残。
3.根据权利要求1所述的异常行为识别方法,其特征在于,所述异常行为记录还包括以下至少一种:
发生所述预设异常行为的帧画面;
所述帧画面中所述预设异常行为的实施人员的边界框;
所述帧画面中所述预设异常行为的被实施人员的边界框;
所述帧画面对应的时间戳;
包含所述帧画面的视频,所述视频的时长不大于预设时长。
4.根据权利要求1所述的异常行为识别方法,其特征在于,所述预设异常行为包括偷盗;
所述根据所述视频数据,检测所述预设区域内是否发生预设异常行为,包括:
根据所述视频数据,识别所述预设区域内的预设物品;
针对每个所述预设物品,检测所述预设物品是否被偷;
当存在至少一个所述预设物品被偷时,判断发生偷盗。
5.根据权利要求4所述的异常行为识别方法,其特征在于,所述针对每个所述预设物品,检测所述预设物品是否被偷,包括:
针对每个所述预设物品,识别所述预设物品的所有者;
每隔预定时间间隔,识别所述预设物品的当前所属人员;
检测所述预设物品的当前所属人员是否与所述预设物品的所有者一致;
当不一致时,确定所述预设物品被所述预设物品的所有者以外的人员取得,判断所述预设物品被偷。
6.根据权利要求5所述的异常行为识别方法,其特征在于,所述异常行为记录还包括以下至少一种:
发生偷盗的帧画面;
所述帧画面中偷盗人员的边界框,所述偷盗人员是指所述预设物品的所有者以外的取得所述预设物品的人员;
所述帧画面中所述预设物品的所有者的边界框;
所述帧画面对应的时间戳;
包含所述帧画面的视频,所述视频的时长不大于预设时长。
7.一种异常行为识别装置,其特征在于,所述装置包括:
数据获取模块,用于获取视频数据,所述视频数据是视觉采集设备监控预设区域得到的;
行为检测模块,用于根据所述视频数据,检测所述预设区域内是否发生预设异常行为;
记录生成模块,用于当发生所述预设异常行为时,根据所述视频数据,生成异常行为记录,所述异常行为记录包括所述预设异常行为的标识信息。
8.根据权利要求7所述的异常行为识别装置,其特征在于,所述预设异常行为包括偷盗;
所述行为检测模块包括:
物品识别单元,用于根据所述视频数据,识别所述预设区域内的预设物品;
物品检测单元,用于针对每个所述预设物品,检测所述预设物品是否被偷;
偷盗判断单元,用于当存在至少一个所述预设物品被偷时,判断发生偷盗。
9.根据权利要求8所述的异常行为识别装置,其特征在于,所述物品检测单元包括:
所有者子单元,用于针对每个所述预设物品,识别所述预设物品的所有者;
检测子单元,用于检测所述预设物品是否被所述预设物品的所有者以外的人员取得;
判断子单元,用于当所述预设物品被所述预设物品的所有者以外的人员取得时,判断所述预设物品被偷。
10.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1-6任一项所述方法的步骤。
11.一种异常行为识别系统,其特征在于,所述系统应用于公共场所,所述系统包括视觉采集设备和权利要求10所述的电子设备。
12.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260951.2A CN113095138A (zh) | 2021-03-10 | 2021-03-10 | 异常行为识别方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260951.2A CN113095138A (zh) | 2021-03-10 | 2021-03-10 | 异常行为识别方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113095138A true CN113095138A (zh) | 2021-07-09 |
Family
ID=76666807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110260951.2A Pending CN113095138A (zh) | 2021-03-10 | 2021-03-10 | 异常行为识别方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095138A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113596402A (zh) * | 2021-07-29 | 2021-11-02 | 上海浦东发展银行股份有限公司 | 事中监控方法、装置、设备、系统和存储介质 |
CN114885119A (zh) * | 2022-03-29 | 2022-08-09 | 西北大学 | 一种基于计算机视觉的智能监控报警系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750709B (zh) * | 2012-05-31 | 2015-12-09 | 中国科学院自动化研究所 | 利用视频检测打架行为的方法和装置 |
CN111860430A (zh) * | 2020-07-30 | 2020-10-30 | 浙江大华技术股份有限公司 | 打架行为的识别方法和装置、存储介质及电子装置 |
CN112036380A (zh) * | 2020-11-03 | 2020-12-04 | 深兰人工智能芯片研究院(江苏)有限公司 | 盗窃事件检测方法和装置 |
-
2021
- 2021-03-10 CN CN202110260951.2A patent/CN113095138A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750709B (zh) * | 2012-05-31 | 2015-12-09 | 中国科学院自动化研究所 | 利用视频检测打架行为的方法和装置 |
CN111860430A (zh) * | 2020-07-30 | 2020-10-30 | 浙江大华技术股份有限公司 | 打架行为的识别方法和装置、存储介质及电子装置 |
CN112036380A (zh) * | 2020-11-03 | 2020-12-04 | 深兰人工智能芯片研究院(江苏)有限公司 | 盗窃事件检测方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113596402A (zh) * | 2021-07-29 | 2021-11-02 | 上海浦东发展银行股份有限公司 | 事中监控方法、装置、设备、系统和存储介质 |
CN114885119A (zh) * | 2022-03-29 | 2022-08-09 | 西北大学 | 一种基于计算机视觉的智能监控报警系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11792370B2 (en) | System for automatically triggering a recording | |
KR102189205B1 (ko) | 사람의 활동 개요 생성 시스템 및 방법 | |
WO2019153193A1 (zh) | 一种出租车运营监测方法、设备、存储介质和系统 | |
US9286778B2 (en) | Method and system for security system tampering detection | |
CN103714631B (zh) | 基于人脸识别的atm取款机智能监控系统 | |
US20080031491A1 (en) | Anomaly detection in a video system | |
CN108275114B (zh) | 一种油箱防盗监控系统 | |
CN113095138A (zh) | 异常行为识别方法及相关装置 | |
CN105518755A (zh) | 安全系统、安全方法和非暂时性计算机可读介质 | |
CN106503666A (zh) | 一种安全监控方法、装置及电子设备 | |
CN110490126B (zh) | 一种基于人工智能的保险柜安全管控系统 | |
CN110867046A (zh) | 一种基于云计算的智能洗车机视频监控预警系统 | |
CN114494153A (zh) | 物品存放检测方法、装置、计算机设备和存储介质 | |
WO2020167155A1 (ru) | Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания | |
CN113990101B (zh) | 一种禁停区域车辆检测方法及其系统和处理装置 | |
CN110246292A (zh) | 家庭视频监控方法、装置及存储介质 | |
US9858783B1 (en) | Access monitoring system for medical kits | |
CN112991659A (zh) | 一种具备预警处理功能的大数据安防监控管理方法 | |
EP3109837A1 (en) | System and method of smart incident analysis in control system using floor maps | |
CN112263057A (zh) | 一种监管智能腕带系统 | |
CN114023028A (zh) | 非机动车辆防盗预警方法、装置及存储介质 | |
CN114598844A (zh) | 门铃提醒方法、装置、智能门铃设备及存储介质 | |
KR20200063294A (ko) | 차량용 블랙박스 영상의 자동 수집이 가능한 객체추적 시스템 및 방법 | |
CN115361523A (zh) | 智能监控方法、装置及智能门 | |
CN115713230A (zh) | 一种基于视频图像解析及大数据分析的智能预警方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210709 |