CN114187561A - 异常行为的识别方法、装置、终端设备及存储介质 - Google Patents
异常行为的识别方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN114187561A CN114187561A CN202111444823.XA CN202111444823A CN114187561A CN 114187561 A CN114187561 A CN 114187561A CN 202111444823 A CN202111444823 A CN 202111444823A CN 114187561 A CN114187561 A CN 114187561A
- Authority
- CN
- China
- Prior art keywords
- target person
- processed
- image
- images
- abnormal
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于视频监控技术领域,提供了一种异常行为的识别方法、装置、终端设备及存储介质,所述识别方法包括:获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像;获取每张第一待处理图像中目标人物的人体关键点的位置坐标;根据人体关键点的位置坐标,在姿态数据库中匹配出每张第一待处理图像对应的姿态类别;若在N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定目标人物的行为识别结果为一类异常行为;若N张第一待处理图像对应的人体动作在动作数据库中的动作类别为异常动作,则确定目标人物的行为识别结果为二类异常行为。上述方案可以识别监控录像中的异常行为。
Description
技术领域
本申请属于视频监控技术领域,尤其涉及一种异常行为的识别方法、装置、终端设备及存储介质。
背景技术
随着社会经济的不断发展,城市化进程在不断加快,城市居住人口逐渐增多,社区内的监控系统为了满足人们在社区生活的安全性,安装了越来越多的监控设备,并由后台控制各个监控设备,在一个或多个显示屏上显示监控设备监控的录像。
然而,众多的监控设备、少量的监视屏幕以及少量的监控人员导致90%以上的监控录像从未被查看过,对于监控录像中人物的异常行为(例如,监控录像中人物的异常姿态或者监控录像中人物的异常动作),监控人员无法进行及时的查看,导致人们在社区生活的安全性无法被满足。因此,如何对监控录像中的异常行为进行识别是亟需解决的技术问题。
发明内容
本申请实施例提供了一种异常行为的识别方法、装置、终端设备及存储介质,可以识别监控录像中的异常行为。
本申请实施例的第一方面提供了一种异常行为的识别方法,所述识别方法包括:
获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像,N为大于1的整数;
获取每张第一待处理图像中目标人物的人体关键点的位置坐标,所述位置坐标为世界坐标系下的坐标;
根据所述人体关键点的位置坐标,在姿态数据库中匹配出每张第一待处理图像对应的姿态类别,所述姿态数据库至少包括N张第一待处理图像与对应的姿态类别之间的映射关系;
若在所述N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定所述目标人物的行为识别结果为一类异常行为;若所述N张第一待处理图像对应的人体动作在动作数据库中的动作类别为异常动作,则确定所述目标人物的行为识别结果为二类异常行为,所述动作数据库中的动作类别包括连续时间序列的多个姿态类别。
本申请实施例的第二方面提供了一种异常行为的识别装置,所述识别装置包括:
第一图像获取模块,用于获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像,N为大于1的整数;
关键点获取模块,用于获取每张第一待处理图像中目标人物的人体关键点的位置坐标,所述位置坐标为世界坐标系下的坐标;
匹配模块,用于根据所述人体关键点的位置坐标,在姿态数据库中匹配出每张第一待处理图像对应的姿态类别,所述姿态数据库至少包括N张第一待处理图像与对应的姿态类别之间的映射关系;
一类异常确定模块,用于若在所述N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定所述目标人物的行为识别结果为一类异常行为;
二类异常确定模块,用于若所述N张第一待处理图像对应的人体动作在动作数据库中的动作类别为异常动作,则确定所述目标人物的行为识别结果为二类异常行为,所述动作数据库中的动作类别包括连续时间序列的多个姿态类别。
本申请实施例的第三方面提供了一种终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的异常行为的识别方法。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述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第一方面所述的异常行为的识别方法。
本申请实施例的第五方面提供了一种计算机程序产品,当所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述第一方面所述的异常行为的识别方法。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例通过获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像,并获取每张第一待处理图像中目标人物的人体关键点的位置坐标,根据待处理图像中目标人物的人体关键点的位置坐标,在姿态数据库中匹配每张出第一待处理图像对应的姿态类别,若在N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定目标人物的行为识别结果为一类异常行为,若N张第一待处理图像对应的人体动作在动作数据库中的动作类别为异常动作,则确定目标人物的行为识别结果为二类异常行为,由上可知,采用上述方案不仅可以识别静态姿态的异常,还可以识别动态动作的异常,因此,可以全面识别监控录像中的异常行为。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,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。
图1是本申请实施例一提供的一种异常行为的识别方法的流程示意图;
图2是人体关键点的示意图;
图3是本申请实施例二提供的一种异常行为的识别方法的流程示意图;
图4是本申请实施例三提供的一种异常行为的识别装置的结构示意图;
图5是本申请实施例四提供的一种终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
应理解,本实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
为了保证社区内居民的安全,社区内在进行监控系统设计时,安装了大量的监控设备,并且由后台服务器控制各个监控设备,但由于后台服务器主要依赖于人工监视,效率低下,近年来虽然出现了基于人工智能的视频分析方法,例如,人脸识别,但仍然缺乏针对人物的异常行为进行识别的方法。
基于上述问题,本申请提供了一种异常行为的识别方法,可以通过获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像,并获取每张第一待处理图像中目标人物的人体关键点的位置坐标,根据待处理图像中目标人物的人体关键点的位置坐标,在姿态数据库中匹配每张出第一待处理图像对应的姿态类别,若在N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定目标人物的行为识别结果为一类异常行为,若N张第一待处理图像对应的人体动作在动作数据库中的动作类别为异常动作,则确定目标人物的行为识别结果为二类异常行为,实现了对监控录像中异常行为的全面识别。
为了说明本申请的技术方案,下面通过具体实施例来说明。
参照图1,示出了本申请实施例一提供的一种异常行为的识别方法的流程示意图。如图1所示,该异常行为的识别方法可以包括如下步骤:
步骤101,获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像。
在本申请实施例中,第一监控设备是社区监控系统中多个监控设备中的一个,第一监控设备可以实时采集监控视频信息,监控视频信息可以按照采集时间被分解为多帧图像,针对目标人物的第一待处理图像可以为多帧图像中针对目标人物的N帧图像,即每张待处理图像上均包括目标人物,若第一监控设备连续采集的图像中存在有未包含目标人物的图像,应将未包含目标人物的图像去除,并将去除之后的包含目标人物的图像作为第一待处理图像。其中,目标人物可以是监控视频中的人物,例如在社区场景下,目标人物可以是社区监控系统中的行人。
终端设备可以在当前时刻到达第一时间段时,自动获取针对目标人物的N张第一待处理图像。或者,也可以是当用户需要对N张第一待处理图像进行识别时,将N张第一待处理图像输入至终端设备中,终端设备再获取N张第一待处理图像。
步骤102,获取每张第一待处理图像中目标人物的人体关键点的位置坐标。
在本申请实施例中,人体关键点的位置坐标是指人体关键点在世界坐标系下的位置坐标,获取每张第一待处理图像中目标人物的人体关键点的位置坐标可以首先获取人体关键点在其对应的第一待处理图像中的像素坐标,再通过像素坐标系与世界坐标系之间的坐标变换,得到目标人物的人体关键点在世界坐标系下的位置坐标。
其中,由于许多监控设备为了采集角度更广阔的图像,通常采用广角或者鱼眼等摄像机,但是采用此类摄像机,容易造成图像畸变,因此在进行坐标变换时需要对采集到的图像进行去畸变处理。像素坐标系与世界坐标系之间的坐标变换过程具体可以包括:首先将采集到的像素坐标系下的图像去畸变得到真实图像,再将真实图像的像素坐标系转换为图像坐标系,其次利用监控设备(即摄像机)的内参矩阵将图像坐标系转换到相机坐标系下,最后利用监控设备的外参矩阵将相机坐标系转换到世界坐标系,得到世界坐标系下的人体关键点的位置坐标。
在本申请实施例中,参见图2示出了人体关键点的示意图,图中包括的人体关键点分别为鼻子关键点0、脖子关键点1、左肩关键点2、左肘关键点3、左腕关键点4、右肩关键点5、右肘关键点6、右腕关键点7、左臀关键点8、左膝关键点9、左脚踝关键点10、右臀关键点11、右膝关键点12、右脚踝关键点13、左眼关键点14、右眼关键点15、左耳关键点16、右耳关键点17。因此,获取人体关键点的位置坐标即获取鼻子关键点、脖子关键点、左肩关键点、左肘关键点、左腕关键点、右肩关键点、右肘关键点、右腕关键点、左臀关键点、左膝关键点、左脚踝关键点、右臀关键点、右膝关键点、右脚踝关键点、左眼关键点、右眼关键点、左耳关键点、右耳关键点在世界坐标系下的位置坐标。
在一种可能的实施方式中,获取每张第一待处理图像中目标人物的关键点的位置坐标包括:
针对第i张第一待处理图像,将第i张第一待处理图像输入图像识别模型,以获取第i张第一待处理图像目标人物的人体关键点在像素坐标系下的像素坐标;
根据像素坐标系与世界坐标系之间的坐标变换,获取第i张第一待处理图像目标人物的人体关键点的位置坐标。
其中,第i张第一待处理图像为N张第一待处理图像中的任一张。
在本申请实施例中,图像识别模型为已训练完成的图像识别模型,将第一待处理图像输入图像识别模型中,图像识别模型可以输出第一待处理图像目标人物的所有人体关键点在像素坐标系下的像素坐标集,其中像素坐标集包括每个人体关键点对应的像素坐标。
其中,图像识别模型是使用训练数据集训练得到的,训练数据集包括具有第一标签的M张图像,第一标签用于指示图像中目标人物所在区域中的人体关键点。
步骤103,根据人体关键点的位置坐标,在姿态数据库中匹配出每张第一待处理图像对应的姿态类别。
其中,姿态数据库至少包括N张第一待处理图像与对应的姿态类别之间的映射关系。
在本申请实施例中,在姿态数据库中匹配出每张第一待处理图像对应的姿态类别,可以将第一待处理图像的人体关键点的位置坐标与姿态数据库中所有姿态类别的人体关键点的位置坐标进行对比,得出第一待处理图像与姿态数据库中所有姿态类别包括的图像之间的相似度,取所有相似度的最大值对应的姿态类别为与第一待处理图像相匹配的姿态类别,将所有第一待处理图像中的人体关键点的位置坐标依次与姿态数据库中所有姿态类别的人体关键点的位置坐标进行对比,可以得出所有第一待处理图像相匹配的姿态类别。
其中,在计算第一待处理图像与姿态数据库中所有姿态类别包括的图像之间的相似度时,可以采用现有技术中任一计算坐标之间相似的方法,例如计算两个位置坐标之间的欧式距离或余弦相似度,本申请对此不作限定,可根据实际情况选择合适的相似度计算方法。
步骤104,若在N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定目标人物的行为识别结果为一类异常行为。
在本申请实施例中,姿态数据库中的姿态类别可以包括行走姿态、跳跃姿态、异常姿态等,其中每个类别包括多个姿态,例如,异常姿态可以包括正面倒姿态、躺地姿态、侧摔倒姿态等。
其中,姿态是指目标人物的静态姿势,异常姿态主要是针对单张图像中目标人物出现的姿态异常情况,例如,异常姿态可以指非正常行走的姿态,例如正面倒姿态、躺地姿态、侧摔倒姿态等均属于异常姿态,即可理解非正常行走的姿态均可认为是异常姿态,当识别出N张第一待处理图像中任一张待处理图像对应的姿态类别为异常姿态时,则可以确定目标人物的行为识别结果为一类异常行为。
在一种可能的实施方式中,若在N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定目标人物的行为识别结果为一类异常行为包括:
在N张第一待处理图像中,若在检测到第j张第一待处理图像对应的姿态类别为异常姿态,且在预设时间间隔之后检测到第k张第一待处理图像对应的姿态类别为异常姿态,则确定目标人物的行为识别结果为一类异常行为。
在本申请实施例中,第j张第一待处理图像为N张第一待处理图像中的任一张,第j张第一待处理图像与第k张第一待处理图像的采集时间间隔为预设时间间隔,j和k均为大于1的整数。
示例性地,针对采集得到的N张第一待处理图像,检测到第7张第一待处理图像对应的姿态类别为摔倒(即异常姿态),且在30秒后,检测到第20张第一待处理图像对应的姿态类别也为摔倒或其他异常姿态时,确定目标人物的识别结果为一类异常行为。
步骤105,若N张第一待处理图像的对应的人体动作在动作数据库中的动作类别为异常动作,则确定目标人物的行为识别结果为二类异常行为。
在本申请实施例中,由于一个人体动作由多个连续时间序列下的人体姿态组成,是一个连续动态的过程,又因为N张第一待处理图像是由第一监控设备在第一时间段内连续采集的,因此,N张第一待处理图像中每张第一待处理图像对应的姿态类别可以组成一个人体动作,即连续的多个姿态类别能够表达出动作的含义,而且动作数据库中的动作类别可以包括连续时间序列的多个姿态类别。
其中,在判断N张第一待处理图像的对应的人体动作在动作数据库中的动作类别是否为异常动作时,可以首先获取N张第一待处理图像分别对应的姿态类别,再通过连续时间内姿态类别的组合,判断N张第一待处理图像的对应的人体动作在动作数据库中的动作类别是否为异常动作。
具体地,假设在第一时间段内连续采集到3张第一待处理图像,且3张第一待处理图像按照采集时间顺序分别对应的姿态类别为攀爬、跳跃以及蹲下,根据以上三种姿态类别的组合,可以判断在第一时间段内目标人物的动作含义为跳窗,可以在终端设备中存储动作类别与多个姿态类别组合之间的映射关系,以及存储异常动作所包括的动作类别,据此可以判断出N张第一待处理图像的对应的人体动作在动作数据库中的动作类别是否为异常动作,若N张第一待处理图像的对应的人体动作为异常动作,则确定目标人物的行为识别结果为二类异常行为。
应理解,二类异常行为是指目标人物存在异常动作,一类异常行为是指目标人物存在异常姿态。
在本申请实施例中,通过获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像,并获取每张第一待处理图像中目标人物的人体关键点的位置坐标,根据待处理图像中目标人物的人体关键点的位置坐标,在姿态数据库中匹配每张出第一待处理图像对应的姿态类别,若在N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定目标人物的行为识别结果为一类异常行为,若N张第一待处理图像对应的人体动作在动作数据库中的动作类别为异常动作,则确定目标人物的行为识别结果为二类异常行为,由上可知,采用上述方案不仅可以识别静态姿态的异常,还可以识别动态动作的异常,因此,采用本申请实施例提供的异常行为的识别方法,可以全面识别监控录像中的异常行为。
参见图3,示出了本申请实施例二提供的一种异常行为的识别方法的流程示意图。如图3所示,该异常行为的识别方法可以包括如下步骤:
步骤301,获取第二监控设备在第二时间段内连续采集的N张针对目标人物的第二待处理图像。
在本申请实施例中,第二监控设备是指与第一监控设备位置信息不同的监控设备,第二监控设备用于在第二时间段内连续采集N张针对目标人物的第二待处理图像,其中,第二时间段是指与第一时间段相邻的上一时间段,例如第一时间段指9点1分至9点2分,则第二时间段指9点至9点1分。
其中,第二监控设备采集得到第二待处理图像的方法与第一监控设备采集得到第一待处理图像的方法相同,可以相互参阅,本实施例在此不再赘述。
应理解,终端设备可以在当前时刻到达第二时间段时,自动获取针对目标人物的N张第二待处理图像。或者,可以当用户需要获取第二待处理图像时,将N张第二待处理图像输入至终端设备中,终端设备再获取N张第二待处理图像。
步骤302,根据N张第二待处理图像,生成目标人物在第二时间段内的轨迹数据。
在本申请实施例中,由于N张第二待处理图像均为针对目标人物的图像,且每个监控设备都有自身的拍摄范围以及所处区域的位置信息,终端设备可以通过识别监控设备所处区域的位置信息,得出目标人物所处的位置信息,根据监控设备上传的每张第二待处理图像中目标人物的位置信息以及图像采集时间,终端设备可以生成目标人物在第二时间段内的轨迹数据。
步骤303,基于目标人物的轨迹数据,控制第一监控设备连续采集第一时间段内的N张针对目标人物的第一待处理图像。
在本申请实施例中,由于第一时间段为与第二时间段相邻的下一时间段,则第二监控设备在第二时间段内连续采集第二待处理图像之后,终端设备可以根据目标人物的轨迹数据,控制第一监控设备在第一时间段内连续采集第一待处理图像,其中,第一监控设备是根据目标人物的轨迹数据判断出的可以采集到目标人物的第一待处理图像的监控设备。
在一种可能的实施方式中,基于目标人物的轨迹数据,控制第一监控设备连续采集第一时间段内的N张针对目标人物的第一待处理图像包括:
根据目标人物的轨迹数据,预测目标人物在第一时间段内的活动区域;
控制位于活动区域内的第一监控设备连续采集N张针对目标人物的第一待处理图像。
在本申请实施例中,根据目标人物的轨迹数据,可以预测目标人物在第二时间段的下一时间段内的活动区域,例如根据目标人物的轨迹数据,预测得出目标人物下一时间段内的活动区域为至少一个,则终端设备应调用位于活动区域内的第一监控设备连续采集N张针对目标人物的第一待处理图像,若预测得出目标人物洗衣时间段内的活动区域有两个,则终端设备应调用位于两个活动区域内的两个第一监控设备连续采集N张针对目标人物的第一待处理图像,由于目标人物在下一时间段内的活动区域为一个,而预测出的活动区域为两个,此时终端设备调用两个监控设备同时进行拍摄,可以保证采集到针对目标人物的第一待处理图像。
其中,终端设备对第一监控设备进行调用时,可以根据轨迹数据预测目标区域下一时间段内的活动区域的位置信息,然后调用位于该位置信息范围内的第一监控设备,由于每个监控设备都存储有自身的位置信息,所以可以根据活动区域的位置信息匹配对应的监控设备,并控制监控设备调整自身采集角度,以采集到较为清晰的针对目标人物的第一待处理图像,且采集的角度可以使得终端设备能够从第一待处理图像中识别出针对目标人物的脸部图像,以便于后续对目标人物的身份信息进行识别。
在一种可能的实施方式中,在活动区域内存在至少两个目标人物时,控制位于活动区域内的第一监控设备连续采集第一时间段内的N张针对目标人物的第一待处理图像包括:
识别至少两个目标人物的人物类型;
根据目标人物的人物类型,确定每一目标人物的优先级;
控制第一监控设备采集针对优先级最高的目标人物的第一待处理图像。
在本申请实施例中,当预测得出的活动区域内存在至少两个目标人物时,应首先根据采集到的待处理图像识别至少两个目标人物的人物类型,人物类型可以包括弱势群体和一般人群,其中弱势群体包括老人、小孩和孕妇。其次确定出每一目标人物的优先级,最后控制第一监控设备采集优先级最高的目标人物的第一待处理图像,在本申请实施例中可以设置弱势群体类型的目标人物的优先级最高,例如当预测得出的活动区域内存在老人和一般人群时,应首先监控老人。
步骤304,获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像。
步骤305,获取每张第一待处理图像中目标人物的人体关键点的位置坐标。
步骤306,根据人体关键点的位置坐标,在姿态数据库中匹配出每张第一待处理图像对应的姿态类别。
步骤307,若在N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定目标人物的行为识别结果为一类异常行为。
步骤308,若N张第一待处理图像的对应的人体动作在动作数据库中的动作类别为异常动作,则确定目标人物的行为识别结果为二类异常行为。
本实施例步骤304-308与前述实施例步骤101-105相同,可以相互参阅,本实施例在此不再赘述。
步骤309,在目标人物的行为识别结果为一类异常行为或二类异常行为时,发出提示。
在本申请实施例中,若目标人物的行为识别结果为一类异常行为或二类异常行为,则终端设备可以自主发出提示,提示监控人员,以便于监控人员能及时监测到该异常行为,并作出对应的处理。
在一种可能的实施方式中,在目标人物的行为识别结果为一类异常行为或二类异常行为时,发出提示之前,还包括:从第一待处理图像中识别出目标人物的脸部图像;
将目标人物的脸部图像与预存人员列表中的预存脸部图像进行对比;
若预存人员列表中存在与目标人物的脸部图像相匹配的预存脸部图像,则确定目标人物的身份信息为预存人员列表中的目标人员,目标人员是指对应的预存脸部图像与目标人物的脸部图像相匹配的人员;
对应地,在目标人物的行为识别结果为一类异常行为或二类异常行为时,发出提示包括:
若目标人物的身份信息为预存人员列表中的目标人员,则在目标人物的行为识别结果为一类异常行为或二类异常行为时,向目标人物的预留紧急联系人发出提示。
在本申请实施例中,可以从第一待处理图像中识别出目标人物的脸部图像,并与预存人员列表中的预存脸部图像进行对比,若可以匹配成功,则代表目标人物的身份信息为预存人员列表中的目标人员,若匹配失败,则代表目标人物的身份信息为陌生来访者。由于预存人员列表中的目标人员在终端设备中有预留紧急联系人,因此,当识别到预存人员列表中的目标人员存在一类异常行为或二类异常行为时,可以在向监控人员发送提示的同时也向目标人员的预留紧急联系人发送提示。
应理解,本申请实施例中发出提示的方式可以是现有技术中的任意一种,例如发送警报或者发送短信等,本申请实施例对发出提示的方式不作限定。
相较于实施例一,本申请实施例通过识别目标人物的轨迹数据,确定出第一监控设备,并控制第一监控设备在第一时间段内连续采集N张针对目标人物的第一待处理图像,并根据第一待处理图像对目标人物进行异常行为识别,在识别到目标人物存在一类异常行为或者二类异常行为时,及时向监控人员发出提示,并且还可以根据第一待处理图像对目标人物的身份信息进行识别,在识别到目标人物的身份信息为预存人员列表中的目标人员,且目标人物存在一类异常行为或者二类异常行为时,向目标人物的预留紧急联系人发出提示,可以保证目标人物的异常行为能够被及时发现,提高社区内人员生活的安全性。
参见图4,示出了本申请实施例三提供的一种异常行为的识别装置的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分。
异常行为的识别装置4具体可以包括如下模块:
第一图像获取模块401,用于获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像,N为大于1的整数;
关键点获取模块402,用于获取每张第一待处理图像中目标人物的人体关键点的位置坐标,位置坐标为世界坐标系下的坐标;
匹配模块403,用于根据人体关键点的位置坐标,在姿态数据库中匹配出每张第一待处理图像对应的姿态类别,姿态数据库至少包括N张第一待处理图像与对应的姿态类别之间的映射关系;
一类异常确定模块404,用于若在N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定目标人物的行为识别结果为一类异常行为;
二类异常确定模块405,用于若N张第一待处理图像对应的人体动作在动作数据库中的动作类别为异常动作,则确定目标人物的行为识别结果为二类异常行为,动作数据库中的动作类别包括连续时间序列的多个姿态类别。
在本申请实施例中,关键点获取模块402具体还可以包括如下子模块:
像素坐标获取子模块,用于针对第i张第一待处理图像,第i张第一待处理图像为N张第一待处理图像中的任一张,将第i张第一待处理图像输入图像识别模型,以获取第i张第一待处理图像目标人物的人体关键点在像素坐标系下的像素坐标;
位置坐标获取子模块,用于根据像素坐标系与世界坐标系之间的坐标变换,获取第i张第一待处理图像目标人物的人体关键点的位置坐标。
在本申请实施例中,异常行为的识别装置4具体还可以包括如下模块:
第二图像获取模块,用于获取第二监控设备在第二时间段内连续采集的N张针对目标人物的第二待处理图像,第二时间段是指与第一时间段相邻的上一时间段;
轨迹生成模块,用于根据N张第二待处理图像,生成目标人物在第二时间段内的轨迹数据;
设备控制模块,用于基于目标人物的轨迹数据,控制第一监控设备连续采集第一时间段内的N张针对目标人物的第一待处理图像。
在本申请实施例中,轨迹生成模块具体还可以包括如下子模块:
区域预测子模块,用于根据目标人物的轨迹数据,预测目标人物在第一时间段内的活动区域;
采集控制子模块,用于控制位于活动区域内的第一监控设备连续采集N张针对目标人物的第一待处理图像。
在本申请实施例中,在活动区域内存在至少两个目标人物时,采集控制子模块具体可以包括如下单元:
类型识别单元,用于识别至少两个目标人物的人物类型;
优先级确定单元,用于根据目标人物的人物类型,确定每一目标人物的优先级;
人物确定单元,用于控制第一监控设备采集针对优先级最高的目标人物的第一待处理图像。
在本申请实施例中,异常行为的识别装置具体还可以包括如下模块:
提示模块,用于在目标人物的行为识别结果为一类异常行为或二类异常行为时,发出提示。
在本申请实施例中,异常行为的识别装置具体还可以包括如下模块:
图像识别模块,用于从第一待处理图像中识别出目标人物的脸部图像;
图像对比模块,用于将目标人物的脸部图像与预存人员列表中的预存脸部图像进行对比;
身份信息确定模块,用于若预存人员列表中存在与目标人物的脸部图像相匹配的预存脸部图像,则确定目标人物的身份信息为预存人员列表中的目标人员,目标人员是指对应的预存脸部图像与目标人物的脸部图像相匹配的人员;
对应地,提示模块具体还可以包括如下子模块:
预留提示子模块,用于若目标人物的身份信息为预存人员列表中的目标人员,则在目标人物的行为识别结果为一类异常行为或二类异常行为时,向目标人物的预留紧急联系人发出提示。
本申请实施例提供的异常行为的识别装置可以应用在前述方法实施例中,详情参见上述方法实施例的描述,在此不再赘述。
图5是本申请实施例四提供的终端设备的结构示意图。如图5所示,该实施例的终端设备500包括:至少一个处理器510(图5中仅示出一个)处理器、存储器520以及存储在所述存储器520中并可在所述至少一个处理器510上运行的计算机程序521,所述处理器510执行所述计算机程序521时实现上述任一异常行为的识别方法实施例中的步骤。
所述终端设备500可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器510、存储器520。本领域技术人员可以理解,图5仅仅是终端设备500的举例,并不构成对终端设备500的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器510可以是中央处理单元(Central Processing Unit,CPU),该处理器510还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器520在一些实施例中可以是所述终端设备500的内部存储单元,例如终端设备500的硬盘或内存。所述存储器520在另一些实施例中也可以是所述终端设备500的外部存储设备,例如所述终端设备500上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器520还可以既包括所述终端设备500的内部存储单元也包括外部存储设备。所述存储器520用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器520还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
本申请实现上述实施例方法中的全部或部分流程,也可以通过一种计算机程序产品来完成,当所述计算机程序产品在终端设备上运行时,使得所述终端设备执行时可实现上述各个方法实施例中的步骤。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制。尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种异常行为的识别方法,其特征在于,所述识别方法包括:
获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像,N为大于1的整数;
获取每张第一待处理图像中目标人物的人体关键点的位置坐标,所述位置坐标为世界坐标系下的坐标;
根据所述人体关键点的位置坐标,在姿态数据库中匹配出每张第一待处理图像对应的姿态类别,所述姿态数据库至少包括N张第一待处理图像与对应的姿态类别之间的映射关系;
若在所述N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定所述目标人物的行为识别结果为一类异常行为;
若所述N张第一待处理图像对应的人体动作在动作数据库中的动作类别为异常动作,则确定所述目标人物的行为识别结果为二类异常行为,所述动作数据库中的动作类别包括连续时间序列的多个姿态类别。
2.如权利要求1所述的识别方法,其特征在于,所述获取每张第一待处理图像中目标人物的人体关键点的位置坐标包括:
针对第i张第一待处理图像,所述第i张第一待处理图像为所述N张第一待处理图像中的任一张,将所述第i张第一待处理图像输入图像识别模型,以获取所述第i张第一待处理图像目标人物的人体关键点在像素坐标系下的像素坐标;
根据所述像素坐标系与所述世界坐标系之间的坐标变换,获取所述第i张第一待处理图像目标人物的人体关键点的位置坐标。
3.如权利要求1所述的识别方法,其特征在于,在所述获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像之前,还包括:
获取第二监控设备在第二时间段内连续采集的N张针对目标人物的第二待处理图像,所述第二时间段是指与所述第一时间段相邻的上一时间段;
根据所述N张第二待处理图像,生成所述目标人物在所述第二时间段内的轨迹数据;
基于所述目标人物的轨迹数据,控制所述第一监控设备连续采集第一时间段内的N张针对目标人物的第一待处理图像。
4.如权利要求3所述的识别方法,其特征在于,所述基于所述目标人物的轨迹数据,控制所述第一监控设备连续采集第一时间段内的N张针对目标人物的第一待处理图像包括:
根据所述目标人物的轨迹数据,预测所述目标人物在所述第一时间段内的活动区域;
控制位于所述活动区域内的所述第一监控设备连续采集N张针对目标人物的第一待处理图像。
5.如权利要求4所述的识别方法,其特征在于,在所述活动区域内存在至少两个目标人物时,所述控制位于所述活动区域内的所述第一监控设备连续采集第一时间段内的N张针对目标人物的第一待处理图像包括:
识别所述至少两个目标人物的人物类型;
根据所述目标人物的人物类型,确定每一目标人物的优先级;
控制所述第一监控设备采集针对优先级最高的目标人物的第一待处理图像。
6.如权利要求1所述的识别方法,其特征在于,所述识别方法还包括:
在所述目标人物的行为识别结果为所述一类异常行为或二类异常行为时,发出提示。
7.如权利要求6所述的识别方法,其特征在于,在所述目标人物的行为识别结果为所述一类异常行为或所述二类异常行为时,发出提示之前,还包括:从所述第一待处理图像中识别出所述目标人物的脸部图像;
将所述目标人物的脸部图像与预存人员列表中的预存脸部图像进行对比;
若预存人员列表中存在与所述目标人物的脸部图像相匹配的预存脸部图像,则确定所述目标人物的身份信息为预存人员列表中的目标人员,所述目标人员是指对应的预存脸部图像与所述目标人物的脸部图像相匹配的人员;
对应地,所述在所述目标人物的行为识别结果为所述一类异常行为或所述二类异常行为时,发出提示包括:
若所述目标人物的身份信息为所述预存人员列表中的目标人员,则在所述目标人物的行为识别结果为所述一类异常行为或所述二类异常行为时,向所述目标人物的预留紧急联系人发出提示。
8.一种异常行为的识别装置,其特征在于,所述识别装置包括:
第一图像获取模块,用于获取第一监控设备在第一时间段内连续采集的N张针对目标人物的第一待处理图像,N为大于1的整数;
关键点获取模块,用于获取每张第一待处理图像中目标人物的人体关键点的位置坐标,所述位置坐标为世界坐标系下的坐标;
匹配模块,用于根据所述人体关键点的位置坐标,在姿态数据库中匹配出每张第一待处理图像对应的姿态类别,所述姿态数据库至少包括N张第一待处理图像与对应的姿态类别之间的映射关系;
一类异常确定模块,用于若在所述N张第一待处理图像中,存在至少一张第一待处理图像对应的姿态类别为异常姿态,则确定所述目标人物的行为识别结果为一类异常行为;
二类异常确定模块,用于若所述N张第一待处理图像对应的人体动作在动作数据库中的动作类别为异常动作,则确定所述目标人物的行为识别结果为二类异常行为,所述动作数据库中的动作类别包括连续时间序列的多个姿态类别。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111444823.XA CN114187561A (zh) | 2021-11-30 | 2021-11-30 | 异常行为的识别方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111444823.XA CN114187561A (zh) | 2021-11-30 | 2021-11-30 | 异常行为的识别方法、装置、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114187561A true CN114187561A (zh) | 2022-03-15 |
Family
ID=80603085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111444823.XA Pending CN114187561A (zh) | 2021-11-30 | 2021-11-30 | 异常行为的识别方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114187561A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114596530A (zh) * | 2022-03-23 | 2022-06-07 | 中国航空油料有限责任公司浙江分公司 | 一种基于非接触式光学ai的飞机加油智能管理方法及装置 |
CN116434296A (zh) * | 2023-03-02 | 2023-07-14 | 深圳市华方信息产业有限公司 | 一种实时人脸识别监控行为方法、装置、设备和介质 |
CN116935493A (zh) * | 2023-09-13 | 2023-10-24 | 成都市青羊大数据有限责任公司 | 一种教育管理系统 |
-
2021
- 2021-11-30 CN CN202111444823.XA patent/CN114187561A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114596530A (zh) * | 2022-03-23 | 2022-06-07 | 中国航空油料有限责任公司浙江分公司 | 一种基于非接触式光学ai的飞机加油智能管理方法及装置 |
CN116434296A (zh) * | 2023-03-02 | 2023-07-14 | 深圳市华方信息产业有限公司 | 一种实时人脸识别监控行为方法、装置、设备和介质 |
CN116935493A (zh) * | 2023-09-13 | 2023-10-24 | 成都市青羊大数据有限责任公司 | 一种教育管理系统 |
CN116935493B (zh) * | 2023-09-13 | 2024-01-02 | 成都市青羊大数据有限责任公司 | 一种教育管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229297B (zh) | 人脸识别方法和装置、电子设备、计算机存储介质 | |
CN114187561A (zh) | 异常行为的识别方法、装置、终端设备及存储介质 | |
CN110210302B (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
Cucchiara et al. | Probabilistic posture classification for human-behavior analysis | |
CN112085010B (zh) | 一种基于图像识别的口罩检测和部署系统及方法 | |
CN102859554B (zh) | 对照设备 | |
CN109165685B (zh) | 基于表情和动作的监狱服刑人员潜在性风险监测方法和系统 | |
WO2019079906A1 (en) | SYSTEM AND METHOD FOR SELECTING A PORTION OF A VIDEO IMAGE FOR FACIAL DETECTION OPERATION | |
CN109309808A (zh) | 一种基于人脸识别的监控系统及方法 | |
CN110163096B (zh) | 人物识别方法、装置、电子设备和计算机可读介质 | |
CN108108711B (zh) | 人脸布控方法、电子设备及存储介质 | |
CN111814646B (zh) | 基于ai视觉的监控方法、装置、设备及介质 | |
CN112634561A (zh) | 基于图像识别的安全报警方法和系统 | |
CN112163470A (zh) | 基于深度学习的疲劳状态识别方法、系统、存储介质 | |
CN114155614B (zh) | 一种作业现场反违章行为识别方法及系统 | |
CN112163503A (zh) | 办案区人员无感轨迹生成方法、系统、存储介质及设备 | |
CN114663390A (zh) | 自动门智能防夹方法、装置、设备及存储介质 | |
CN113987244A (zh) | 人体图像的聚档方法、装置、计算机设备和存储介质 | |
CN112419639A (zh) | 一种视频信息的获取方法及装置 | |
CN108288025A (zh) | 一种车载视频监控方法、装置及设备 | |
CN114764895A (zh) | 异常行为检测装置和方法 | |
CN111414886A (zh) | 一种人体动态特征的智能识别系统 | |
CN115147930A (zh) | 一种基于人工智能的大数据视频ai分析系统 | |
CN114758286A (zh) | 基于工作票事件的边缘智能安全监测方法和装置 | |
CN115546825A (zh) | 一种安检规范性自动监测方法 |
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 |