CN114373189A - 一种行为检测方法、装置、终端设备及存储介质 - Google Patents

一种行为检测方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN114373189A
CN114373189A CN202111566682.9A CN202111566682A CN114373189A CN 114373189 A CN114373189 A CN 114373189A CN 202111566682 A CN202111566682 A CN 202111566682A CN 114373189 A CN114373189 A CN 114373189A
Authority
CN
China
Prior art keywords
processing
characteristic
audio
target
image
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
Application number
CN202111566682.9A
Other languages
English (en)
Inventor
高毅鹏
黄凯明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Streamax Technology Co Ltd
Original Assignee
Streamax Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Streamax Technology Co Ltd filed Critical Streamax Technology Co Ltd
Priority to CN202111566682.9A priority Critical patent/CN114373189A/zh
Publication of CN114373189A publication Critical patent/CN114373189A/zh
Pending legal-status Critical Current

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
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Acoustics & Sound (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Alarm Systems (AREA)

Abstract

本申请适用于行为检测技术领域，提供了一种行为检测方法、装置、终端设备及存储介质。本申请实施例中获取公共交通工具内目标人群的图像数据和音频数据；将图像数据输入预设的时序检测模型中进行处理，得到图像数据的图像特征向量；将音频数据输入预设的声音检测模型中进行处理，得到音频数据的音频特征向量；根据图像特征向量和音频特征向量确定目标人群的行为状态，从而提高公共交通工具内检测危险事件的效率。

Description

一种行为检测方法、装置、终端设备及存储介质
技术领域
本申请属于行为检测技术领域，尤其涉及一种行为检测方法、装置、终端设备及存储介质。
背景技术
随着社会的发展，绿色交通越来越受到人们的重视，而由此越来越多人的首选出行方式为利用公共交通工具出行，例如，公交车、火车、地铁等。而在利用公共交通工具给人们带来便捷的同时，还存在一些安全问题，例如在公共交通工具上发生乘客打架、抢劫、乘客殴打司机等危险事件，由于公共交通工具上一般客流流动性大、人群密度高以及人群复杂等特点，而导致公共交通工具内检测危险事件的效率较低。
发明内容
本申请实施例提供了一种行为检测方法、装置、终端设备及存储介质，可以解决公共交通工具内检测危险事件的效率较低的问题。
第一方面，本申请实施例提供了一种行为检测方法，包括：
获取公共交通工具内目标人群的图像数据和音频数据；
将上述图像数据输入预设的时序检测模型中进行处理，得到上述图像数据的图像特征向量；
将上述音频数据输入预设的声音检测模型中进行处理，得到上述音频数据的音频特征向量；
根据上述图像特征向量和上述音频特征向量确定上述目标人群的行为状态。
第二方面，本申请实施例提供了一种行为检测装置，包括：
数据获取模块，用于获取公共交通工具内目标人群的图像数据和音频数据；
图像处理模块，用于将上述图像数据输入预设的时序检测模型中进行处理，得到上述图像数据的图像特征向量；
音频处理模块，用于将上述音频数据输入预设的声音检测模型中进行处理，得到上述音频数据的音频特征向量；
状态确定模块，用于根据上述图像特征向量和上述音频特征向量确定上述目标人群的行为状态。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现上述任一种行为检测方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述的计算机程序被处理器执行时实现上述任一种行为检测方法的步骤。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一种行为检测方法。
本申请实施例中获取公共交通工具内目标人群的图像数据和音频数据，以对目标人群的行为图像和音频进行分析，综合判定当前公共交通工具内目标人群的行为状态，并进一步通过将图像数据输入预设的时序检测模型中进行处理，得到图像数据的图像特征向量，再通过将音频数据输入预设的声音检测模型中进行处理，得到音频数据的音频特征向量，从而根据图像特征向量和音频特征向量确定目标人群的行为状态，来提高公共交通工具内检测危险事件的效率。
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是本申请实施例提供的行为检测方法的第一种流程示意图；
图2是本申请实施例提供的行为检测方法的第二种流程示意图；
图3是本申请实施例提供的时序检测模型的结构示意图；
图4是本申请实施例提供的多模态融合的结构示意图；
图5是本申请实施例提供的行为检测装置的结构示意图；
图6是本申请实施例提供的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。
图1所示为本申请实施例中一种行为检测方法的流程示意图，该方法的执行主体可以是终端设备，如图1所示，上述行为检测方法可以包括如下步骤：
步骤S101、获取公共交通工具内目标人群的图像数据和音频数据。
在本实施例中，终端设备可以通过设置于公共交通工具内的检测设备同时获取图像数据和音频数据，从而通过对公共交通工具内的目标人群的行为图像和音频进行综合考量，以确保危险事件确定的准确性。其中，上述图像数据包括至少一帧的视频帧，一般可以设为25帧，即获取包含25帧视频帧的图像数据；上述音频数据包括至少一帧的音频帧，一般可以设为25帧，即获取包含25帧音频帧的音频数据；上述检测设备包括但不限于是图像检测设备，例如摄像机，以及声音检测设备，例如麦克风等。上述目标人群为处于公共交通工具内的人，例如乘坐公共交通工具的乘客和驾驶公共交通工具的驾驶员。
具体示例而非限定的，当公共交通工具为公交、出租车等仅能承载小于或等于预设数量人群的交通工具时，可以在公共交通工具内设置预设位置，该预设位置包括但不限于是驾驶员座位上方、出现危险事件次数较多的区域附近等，可以将检测设备设置在预设位置上来对目标人群进行检测，以提高公共交通工具上的危险事件发现的效率。
具体示例而非限定的，当公共交通工具为地铁、高铁等承载人数大于预设数量的交通工具时，可以将公共交通工具内的区域划分为各个子区域，在各个子区域内分别设置一组检测设备，以确保公共交通工具上的危险事件及时发现。
在一个实施例中，上述检测设备可以通过旋转进行检测，例如，若通过识别检测设备中的图像检测设备所获取的图像，得到公共交通工具上某一区域存在打架、群众踩踏等异常行为，则终端设备可以控制距离该区域最近的检测设备中的声音检测设备，并将声音检测设备的录音方向调节至与该区域相对的方向。
相应地，若通过识别检测设备中的音频检测设备得到公共交通工具上某一区域存在吵架，例如乘客与驾驶员或乘客与乘客之间吵架、群众尖叫等异常行为，则终端设备可以控制距离该区域最近的检测设备中的图像检测设备，并将图像检测设备的图像获取方向调节值与该区域相对的方向。
步骤S102、将图像数据输入预设的时序检测模型中进行处理，得到图像数据的图像特征向量。
在本实施例中，上述时序检测模型包括时序多任务检测模型。上述图像特征向量可以通过一维数组的形式来呈现。
在一个实施例中，如图2所示，上述步骤S102可以包括：
步骤S201、对图像数据进行特征提取，得到卷积特征。
在本实施例中，如图3所示，终端设备将图像数据输入至时序检测模型中的提取3D卷积特征的特征提取网络，以达到对图像数据进行特征提取，从而得到图像数据的卷积特征，该卷积特征被时序检测模型中的检测子网和分类子网所共享。
步骤S202、将卷积特征输入时序检测模型的检测子网中进行处理，确定目标特征图和第一时序特征值。
在本实施例中，终端设备可以采用Anchorfree方法构建检测子网，该检测子网为CenterNet网络结构，在终端设备将卷积特征输入至检测子网后，可得到图像数据的目标特征图，该目标特征图包括但不限于是分类特征图、中心回归特征图、长宽特征图，可以通过所得到的目标特征图做初步的类别判断。
在一个实施例中，在确定目标特征图之后，还可以包括：终端设备对目标特征图进行边框回归处理，若处理后的目标特征图中存在预设类型的对象，则进行提示操作。其中，上述提示操作可以是终端设备通过通信设备上传出现异常事件的监控视频片段至云端，以便于相关运营平台介入关联，从而避免反生更大的危险事件。上述预设类型的对象可以为预设类型的危险物品，例如刀、枪等物品，还可以为预设类型的危险行为，例如打架、摔倒等行为。
步骤S203、将卷积特征和目标特征图输入时序检测模型的分类子网中进行处理，确定第二时序特征值。
在本实施例中，终端设备通过将卷积特征和目标特征图输入至分类子网中，以使分类子网对目标特征图进行下采样，从而得到第二时序特征值。
步骤S204、将第一时序特征值和第二时序特征值串联处理，确定图像特征向量。
在本实施例中，通过将检测子网和分类子网的分别处理得到的特征值进行结合，可以提高图像特征值的准确性。
步骤S103、将音频数据输入预设的声音检测模型中进行处理，得到音频数据的音频特征向量。
在本实施例中，终端设备通过对音频数据进行处理可以得到音频数据对应的音频特征向量。其中，上述声音检测模型可以是声音事件检测模型。上述音频特征向量可以是一维数组的形式。
在一个实施例中，上述步骤S103可以包括：终端设备在获取音频数据之后，可以对音频数据进行降噪处理，并从降噪处理后的音频数据中提取出对应的声学特征，从而根据所抽取的声学特征构建特征图谱，并将特征图谱输入预设的声音检测模型中进行处理，从而得到音频特征向量，以提高音频特征向量确定的准确性。
步骤S104、根据图像特征向量和音频特征向量确定目标人群的行为状态。
在本实施例中，终端设备利用神经网络层变换对图像特征向量和音频特征向量进行处理，可以得到一个二分类的行为状态，例如，正常行为状态和异常行为状态，从而通过用图像特征向量和音频特征向量的多模态融合处理后的结果，来识别分析车内是否出现乘客打架、抢劫、乘客辱骂司机、乘客与司机互殴等危险事件，能有效探测乘客或司机的多种行为，进而对应处理各种公共交通工具内的危险事件，以保证司机和乘客安全，避免交通事故的发生。
可以理解的是，如果仅仅通过图像的方式来判断是否存在危险事件，就会出现乘客辱骂司机、乘客吵架等声音行为的状况无法侦测，直到发生打架、斗殴等危险事件时才能检测出来，而且如果仅通过检测图像来判断是否有突发事件的发生，就会由于公共交通工具内的人群拥挤状况而导致算法容易出现误报的现象。而如果仅仅依赖于声音识别的方式来判断是否存在危险事件，就会在有人说话声音过高，或者某些内容触发机制，而导致本应处于正常事件，却被判定为危险事件，从而导致算法无法落地。而本实施例中，通过图像特征向量和音频特征向量的综合判定，致使将视觉信息和声音信息相结合，来解决上述仅仅依赖图像或者声音无法解决的场景，从而能够检测出多种异常行为状态。
在一个实施例中，如图4所示，上述步骤S104可以包括：在终端设备通过将图像数据和音频数据分别输入对应的模型中检测出对应的特征向量后，将图像特征向量和音频特征向量进行多模态融合，该融合方式可以采用MPLPC的方式，即将特征向量进行拼接实现多模态融合。可以理解的是，一个视频帧或一个音频帧对应一段特征向量，即存在至少一个图像特征向量和至少一个音频特征向量，如图4中所示，不同的阴影部分分别对应一个图像或一个音频的特征向量，图4中的阴影部分可以为两个图像特征向量和两个音频特征向量，再对拼接后的目标特征帧进行神经网络处理，即上述神经网络层变换处理，利用神经网络中的隐藏层进行处理，如图4所示，通过神经网络处理将目标特征帧由939维扩大至1024维，从而增加了模型的模型表达能力，进而确定出目标人群的行为状态，如图4所示检测出来的为异常行为状态。
在一个实施例中，上述步骤S104可以包括：在终端设备通过将图像数据和音频数据分别输入对应的模型中检测出对应的特征向量后，将图像特征向量和音频特征向量进行多模态融合，该融合方式可以采用MLPH+C的方式，即终端设备可以将预设数量的图像特征向量和预设数量的音频特征向量分别进行乘积处理，得到预设数量的特征向量。将预设数量的特征向量与未进行乘积处理的图像特征向量和未进行乘积处理的音频特征向量进行拼接处理，得到目标特征向量，从而实现了多模态融合，通过本实施例的方式进行多模态融合，致使数据融合的更为深入，可以提高融合后的目标特征向量的准确性，最后对目标特征向量进行处理确定目标人群的行为状态。
具体示例而非限定的，设定当前有第一图像特征向量、第二图像特征向量、第三图像特征向量、第四图像特征向量、第五图像特征向量，以及有第一音频特征向量、第二音频特征向量、第三音频特征向量、第四音频特征向量、第五音频特征向量，且上述预设数量为3个，则第一图像特征向量和第一音频特征向量相乘，得到第一特征向量；第二图像特征向量和第二音频特征向量相乘，得到第二特征向量；第三图像特征向量和第三音频特征向量相乘，得到第三特征向量，再将第一特征向量、第二特征向量、第三特征向量、第四图像特征向量、第五图像特征向量、第四音频特征向量、第五音频特征向量进行拼接处理，得到7维的目标特征向量。
在一个实施例中，上述对目标特征向量进行处理确定目标人群的行为状态，可以包括：通过预设的多层感知机对目标特征向量进行处理确定目标人群的行为状态。
进一步地，在通过预设的多层感知机对目标特征向量进行处理时还可以加入ReLU激活函数以及Dropout策略，其中Dropout的比率设置为0.5。可以理解的是，通过ReLU激活函数可以对模型进行有监督训练，从而得到较好的训练效果，通过Dropout策略可以防止在训练过程中出现过拟合的现象。
在一个实施例中，若目标人群的行为状态为异常行为状态，则终端设备通过通信设备上传出现异常事件的监控视频片段至云端，以便于相关运营平台介入关联，从而避免反生更大的危险事件。
本申请实施例中获取公共交通工具内目标人群的图像数据和音频数据，以对目标人群的行为图像和音频进行分析，综合判定当前公共交通工具内目标人群的行为状态，并进一步通过将图像数据输入预设的时序检测模型中进行处理，得到图像数据的图像特征向量，再通过将音频数据输入预设的声音检测模型中进行处理，得到音频数据的音频特征向量，从而根据图像特征向量和音频特征向量确定目标人群的行为状态，来提高公共交通工具内检测危险事件的效率。
应理解，上述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。
对应于上文所述的一种行为检测方法，图5所示为本申请实施例中一种行为检测装置的结构示意图，如图5所示，上述行为检测装置可以包括：
数据获取模块501，用于获取公共交通工具内目标人群的图像数据和音频数据。
图像处理模块502，用于将图像数据输入预设的时序检测模型中进行处理，得到图像数据的图像特征向量。
音频处理模块503，用于将音频数据输入预设的声音检测模型中进行处理，得到音频数据的音频特征向量。
状态确定模块504，用于根据图像特征向量和音频特征向量确定目标人群的行为状态。
在一个实施例中，上述图像处理模块502可以包括：
特征提取单元，用于对图像数据进行特征提取，得到卷积特征。
第一特征值确定单元，用于将卷积特征输入时序检测模型的检测子网中进行处理，确定目标特征图和第一时序特征值。
第二特征值确定单元，用于将卷积特征和目标特征图输入时序检测模型的分类子网中进行处理，确定第二时序特征值。
串联处理单元，用于将第一时序特征值和第二时序特征值串联处理，确定图像特征向量。
在一个实施例中，上述图像处理模块502还可以包括：
提示单元，用于对目标特征图进行边框回归处理，若处理后的目标特征图中存在预设类型的对象，则进行提示操作。
在一个实施例中，上述音频处理模块503可以包括：
降噪单元，用于对音频数据进行降噪处理，从处理后的音频数据中提取声学特征。
图谱构建单元，用于根据声学特征构建特征图谱，将特征图谱输入预设的声音检测模型中进行处理。
在一个实施例中，上述状态确定模块504可以包括：
乘积处理单元，用于将预设数量的图像特征向量和预设数量的音频特征向量分别进行乘积处理，得到预设数量的特征向量。
拼接处理单元，用于将预设数量的特征向量与未进行乘积处理的图像特征向量和未进行乘积处理的音频特征向量进行拼接处理，得到目标特征向量。
状态确定单元，用于对目标特征向量进行处理确定目标人群的行为状态。
在一个实施例中，上述状态确定单元可以包括：
状态确定子单元，用于通过预设的多层感知机对目标特征向量进行处理确定目标人群的行为状态。
本申请实施例中获取公共交通工具内目标人群的图像数据和音频数据，以对目标人群的行为图像和音频进行分析，综合判定当前公共交通工具内目标人群的行为状态，并进一步通过将图像数据输入预设的时序检测模型中进行处理，得到图像数据的图像特征向量，再通过将音频数据输入预设的声音检测模型中进行处理，得到音频数据的音频特征向量，从而根据图像特征向量和音频特征向量确定目标人群的行为状态，来提高公共交通工具内检测危险事件的效率。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述系统实施例以及方法实施例中的对应过程，在此不再赘述。
图6为本申请实施例提供的终端设备的结构示意图。为了便于说明，仅示出了与本申请实施例相关的部分。
如图6所示，该实施例的终端设备6包括：至少一个处理器600(图6中仅示出一个)，与上述处理器600连接的存储器601，以及存储在上述存储器601中并可在上述至少一个处理器600上运行的计算机程序602，例如行为检测程序。上述处理器600执行上述计算机程序602时实现上述各个行为检测方法实施例中的步骤，例如图1所示的步骤S101至S104。或者，上述处理器600执行上述计算机程序602时实现上述各装置实施例中各模块的功能，例如图5所示模块501至504的功能。
示例性的，上述计算机程序602可以被分割成一个或多个模块，上述一个或者多个模块被存储在上述存储器601中，并由上述处理器600执行，以完成本申请。上述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述上述计算机程序602在上述终端设备6中的执行过程。例如，上述计算机程序602可以被分割成数据获取模块501、图像处理模块502、音频处理模块503、状态确定模块504，各模块具体功能如下：
数据获取模块501，用于获取公共交通工具内目标人群的图像数据和音频数据；
图像处理模块502，用于将图像数据输入预设的时序检测模型中进行处理，得到图像数据的图像特征向量；
音频处理模块503，用于将音频数据输入预设的声音检测模型中进行处理，得到音频数据的音频特征向量；
状态确定模块504，用于根据图像特征向量和音频特征向量确定目标人群的行为状态。
上述终端设备6可包括，但不仅限于，处理器600、存储器601。本领域技术人员可以理解，图6仅仅是终端设备6的举例，并不构成对终端设备6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、总线等。
所称处理器600可以是中央处理单元(Central Processing Unit，CPU)，该处理器600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。
上述存储器601在一些实施例中可以是上述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。上述存储器601在另一些实施例中也可以是上述终端设备6的外部存储设备，例如上述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，上述存储器601还可以既包括上述终端设备6的内部存储单元也包括外部存储设备。上述存储器601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，例如上述计算机程序的程序代码等。上述存储器601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，即将上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，上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。
上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。
上述集成的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，可以通过计算机程序来指令相关的硬件来完成，上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，上述计算机程序包括计算机程序代码，上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。上述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
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)

1.一种行为检测方法，其特征在于，包括：
获取公共交通工具内目标人群的图像数据和音频数据；
将所述图像数据输入预设的时序检测模型中进行处理，得到所述图像数据的图像特征向量；
将所述音频数据输入预设的声音检测模型中进行处理，得到所述音频数据的音频特征向量；
根据所述图像特征向量和所述音频特征向量确定所述目标人群的行为状态。
2.如权利要求1所述的行为检测方法，其特征在于，所述将所述图像数据输入预设的时序检测模型中进行处理，得到所述图像数据的图像特征向量，包括：
对所述图像数据进行特征提取，得到卷积特征；
将所述卷积特征输入所述时序检测模型的检测子网中进行处理，确定目标特征图和第一时序特征值；
将所述卷积特征和所述目标特征图输入所述时序检测模型的分类子网中进行处理，确定第二时序特征值；
将所述第一时序特征值和第二时序特征值串联处理，确定所述图像特征向量。
3.如权利要求2所述的行为检测方法，其特征在于，在确定目标特征图之后，还包括：
对所述目标特征图进行边框回归处理，若处理后的目标特征图中存在预设类型的对象，则进行提示操作。
4.如权利要求1所述的行为检测方法，其特征在于，所述将所述音频数据输入预设的声音检测模型中进行处理，包括：
对所述音频数据进行降噪处理，从处理后的音频数据中提取声学特征；
根据所述声学特征构建特征图谱，将所述特征图谱输入预设的声音检测模型中进行处理。
5.如权利要求1至4任一项所述的行为检测方法，其特征在于，所述根据所述图像特征向量和所述音频特征向量确定所述目标人群的行为状态，包括：
将预设数量的图像特征向量和预设数量的音频特征向量分别进行乘积处理，得到预设数量的特征向量；
将所述预设数量的特征向量与未进行乘积处理的图像特征向量和未进行乘积处理的音频特征向量进行拼接处理，得到目标特征向量；
对所述目标特征向量进行处理确定所述目标人群的行为状态。
6.如权利要求5所述的行为检测方法，其特征在于，所述对所述目标特征向量进行处理确定所述目标人群的行为状态，包括：
通过预设的多层感知机对所述目标特征向量进行处理确定所述目标人群的行为状态。
7.一种行为检测装置，其特征在于，包括：
数据获取模块，用于获取公共交通工具内目标人群的图像数据和音频数据；
图像处理模块，用于将所述图像数据输入预设的时序检测模型中进行处理，得到所述图像数据的图像特征向量；
音频处理模块，用于将所述音频数据输入预设的声音检测模型中进行处理，得到所述音频数据的音频特征向量；
状态确定模块，用于根据所述图像特征向量和所述音频特征向量确定所述目标人群的行为状态。
8.如权利要求7所述的行为检测装置，其特征在于，所述图像处理模块包括：
特征提取单元，用于对所述图像数据进行特征提取，得到卷积特征；
第一特征值确定单元，用于将所述卷积特征输入所述时序检测模型的检测子网中进行处理，确定目标特征图和第一时序特征值；
第二特征值确定单元，用于将所述卷积特征和所述目标特征图输入所述时序检测模型的分类子网中进行处理，确定第二时序特征值；
串联处理单元，用于将所述第一时序特征值和第二时序特征值串联处理，确定所述图像特征向量。
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6任一项所述的一种行为检测方法的步骤。
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6任一项所述的一种行为检测方法的步骤。
CN202111566682.9A 2021-12-20 2021-12-20 一种行为检测方法、装置、终端设备及存储介质 Pending CN114373189A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111566682.9A CN114373189A (zh) 2021-12-20 2021-12-20 一种行为检测方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111566682.9A CN114373189A (zh) 2021-12-20 2021-12-20 一种行为检测方法、装置、终端设备及存储介质

Publications (1)

Publication Number Publication Date
CN114373189A true CN114373189A (zh) 2022-04-19

Family

ID=81141136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111566682.9A Pending CN114373189A (zh) 2021-12-20 2021-12-20 一种行为检测方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN114373189A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115050105A (zh) * 2022-08-17 2022-09-13 杭州觅睿科技股份有限公司 一种人影可疑性判定方法、装置、设备及存储介质
CN115240142A (zh) * 2022-07-28 2022-10-25 杭州海宴科技有限公司 基于跨媒体的室外重点场所人群异常行为预警系统和方法
CN115273243A (zh) * 2022-09-27 2022-11-01 深圳比特微电子科技有限公司 跌倒检测方法、装置、电子设备和计算机可读存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115240142A (zh) * 2022-07-28 2022-10-25 杭州海宴科技有限公司 基于跨媒体的室外重点场所人群异常行为预警系统和方法
CN115050105A (zh) * 2022-08-17 2022-09-13 杭州觅睿科技股份有限公司 一种人影可疑性判定方法、装置、设备及存储介质
CN115050105B (zh) * 2022-08-17 2022-12-30 杭州觅睿科技股份有限公司 一种人影可疑性判定方法、装置、设备及存储介质
CN115273243A (zh) * 2022-09-27 2022-11-01 深圳比特微电子科技有限公司 跌倒检测方法、装置、电子设备和计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN110390262B (zh) 视频分析方法、装置、服务器及存储介质
CN114373189A (zh) 一种行为检测方法、装置、终端设备及存储介质
CN110414313B (zh) 异常行为告警方法、装置、服务器及存储介质
JP7402239B2 (ja) 顔認識方法、ニューラルネットワークのトレーニング方法、顔認識装置、電子機器及びコンピュータ可読記憶媒体
CN112434627B (zh) 行人翻越道路护栏的检测方法、装置以及存储介质
US11250279B2 (en) Generative adversarial network models for small roadway object detection
Zhou et al. Vehicle classification using transferable deep neural network features
WO2022213336A1 (zh) 车辆驾驶环境异常监测方法、装置、电子设备和存储介质
CN112818839A (zh) 驾驶员违章行为识别方法、装置、设备及介质
CN111428644A (zh) 基于深度神经网络的斑马线区域监测方法、系统及介质
CN114170585B (zh) 危险驾驶行为的识别方法、装置、电子设备及存储介质
CN113657299A (zh) 交通事故确定方法及电子设备
CN113408364B (zh) 一种临时车牌识别方法、系统、装置及存储介质
CN113239746B (zh) 电动车检测方法、装置、终端设备及计算机可读存储介质
CN113160272B (zh) 目标跟踪方法、装置、电子设备及存储介质
US10279793B2 (en) Understanding driver awareness through brake behavior analysis
CN111985304A (zh) 巡防告警方法、系统、终端设备及存储介质
CN115019242A (zh) 一种交通场景的异常事件检测方法、装置和处理设备
CN112686136B (zh) 一种对象检测方法、装置及系统
CN115115531A (zh) 图像去噪方法、装置、车辆及存储介质
CN113705643A (zh) 一种目标物检测方法、装置以及电子设备
CN113283286A (zh) 一种驾驶员异常行为检测方法和装置
CN112597924A (zh) 电动自行车轨迹追踪方法、摄像机装置和服务器
CN117113281B (zh) 多模态数据的处理方法、设备、智能体和介质
Amarii et al. Obstacles and Traffic Signs Tracking System

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