CN114581827A - 一种异常行为预警系统、方法、设备及介质 - Google Patents
一种异常行为预警系统、方法、设备及介质 Download PDFInfo
- Publication number
- CN114581827A CN114581827A CN202210196908.9A CN202210196908A CN114581827A CN 114581827 A CN114581827 A CN 114581827A CN 202210196908 A CN202210196908 A CN 202210196908A CN 114581827 A CN114581827 A CN 114581827A
- Authority
- CN
- China
- Prior art keywords
- early warning
- abnormal behavior
- information
- preset
- 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
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000009877 rendering Methods 0.000 claims abstract description 50
- 230000000007 visual effect Effects 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 230000006399 behavior Effects 0.000 claims description 54
- 230000033001 locomotion Effects 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000013473 artificial intelligence Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 12
- 238000012800 visualization Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 230000003993 interaction Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008846 dynamic interplay Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
- H04L51/046—Interoperability with other network applications or services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种异常行为预警系统、方法、设备及介质，包括：数据获取模块，用于与摄像机建立数据传输通道，并通过数据传输通道获取由摄像机拍摄的视频画面数据；行为判断模块，用于从数据获取模块的视频画面数据中获取目标对象的人体骨架结构，并基于人体骨架结构判断所述目标对象是否存在异常行为；信息采集模块，用于当目标对象存在异常行为，则采集异常行为相应的异常信息，以得到预警信息；预警模块，用于基于预设通信消息队列将预警信息发送至预先与异常行为预警系统绑定的预设社交软件，并在预设平台上通过预设图形渲染引擎对预警信息进行三维可视化渲染以及对渲染结果进行显示。能够将预警信息推送至社交软件并进行三维可视化展示。
Description
技术领域
本发明涉及电子信息技术领域，特别涉及一种异常行为预警系统、方法、设备及介质。
背景技术
人工智能是计算机科学的一个分支，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。随着人工智能的理论和技术日益成熟，应用领域也不断扩大。将人工智能技术应用到校园中以对异常行为事件进行监控已经被人们熟知。人工智能预警可以用于校门安全，对进出校门人员进行识别，有效防止陌生人的进入，提高了校门安全的防范能力；还可以对校内人员密集区域进行预警提示，由相关人员进行疏导处理，将会有助于防患于未然；对学生的异常行为进行分析，预警，防止校园欺凌等事件的发生；通过教室智能摄像头，可以对学生考勤管理，智能识别空位等，有助于老师了解学生的考勤情况；在宿舍设置人脸识别等，阻止陌生人进入，对学生进行宿舍考勤管理，提高了学校的宿舍管理，保障了宿舍安全。可以减轻学校检查、巡逻等工作给教职工带来的负担。但当前校园安全的预警系统展示过于简单，并且现有的预警系统多以硬件设备告警为主，使用局限性大、成本高。
综上，如何更加智能的对异常行为进行预警，以提高安全管理的效率是目前有待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种异常行为预警系统、方法、设备及介质，能够更加智能的对异常行为进行预警，以提高安全管理的效率。其具体方案如下：
第一方面，本申请公开了一种异常行为预警系统，所述异常行为预警系统包括：数据获取模块、行为判断模块、信息采集模块和预警模块；其中，
所述数据获取模块，用于与摄像机建立数据传输通道，并通过所述数据传输通道获取由摄像机拍摄的视频画面数据；
与所述数据获取模块连接的所述行为判断模块，用于从所述数据获取模块的所述视频画面数据中获取目标对象的人体骨架结构，并基于所述人体骨架结构判断所述目标对象是否存在异常行为；
与所述行为判断模块连接的所述信息采集模块，用于当所述目标对象存在所述异常行为，则采集所述异常行为相应的异常信息，以得到预警信息；
与所述信息采集模块连接的所述预警模块，用于基于预设通信消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件，并在预设平台上通过预设图形渲染引擎对所述预警信息进行三维可视化渲染以及对渲染结果进行显示。
可选的，所述行为判断模块，包括：
运动轨迹获取子模块，用于从所述视频画面数据中勾勒出目标对象的人体骨架结构，以得到人体运动轨迹；
算法分析子模块，用于利用人工智能算法对所述人体运动轨迹进行分析，以判断所述目标对象是否存在异常行为。
可选的，所述算法分析子模块，包括：
检测单元，用于利用图像识别技术对所述人体运动轨迹进行检测，以得到所述人体运动轨迹对应的行为类型；
判断单元，用于判断预设异常行为类型库中是否存在与所述行为类型匹配的目标行为类型；
判定单元，用于当所述预设异常行为类型库中存在所述目标行为类型，则判定所述目标对象存在异常行为。
可选的，所述异常行为预警系统，还包括：
类型配置模块，用于通过预设类型配置接口配置若干数量个异常行为类型；
异常行为类型库获取模块，用于基于所述异常行为类型获取相应的历史视频画面数据，并为所述历史视频画面数据添加相应的异常行为类型标签，以得到所述预设异常行为类型库。
可选的，所述信息采集模块，包括：
预警信息获取单元，用于采集与当前所述异常行为对应的时间信息、地点信息和所述异常行为对应的异常行为类型，以得到预警信息。
可选的，所述预警模块，包括：
信息推送单元，用于基于RabbitMQ消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件；
信息可视化单元，用于在预设平台上通过WebGL引擎对所述预警信息进行三维可视化渲染并在三维模拟场景对渲染结果进行显示。
可选的，所述异常行为预警系统，还包括：
模型建立模块，用于预先获取实际场景的参数信息，并基于所述参数信息对所述实际场景进行三维建模，以得到所述三维模拟场景。
第二方面，本申请公开了一种异常行为预警方法，包括：
获取由摄像机拍摄的视频画面数据；
从所述视频画面数据中获取目标对象的人体骨架结构，并基于所述人体骨架结构判断所述目标对象是否存在异常行为；
当所述目标对象存在所述异常行为，则采集所述异常行为相应的异常信息，以得到预警信息；
基于预设通信消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件，并在预设平台上通过预设图形渲染引擎对所述预警信息进行三维可视化渲染并对渲染结果进行显示。
第三方面，本申请公开了一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序，以实现前述公开的异常行为预警方法的步骤。
第四方面，本申请公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的异常行为预警方法的步骤。
可见，本申请公开了一种异常行为预警系统，所述异常行为预警系统包括：数据获取模块、行为判断模块、信息采集模块和预警模块；其中，所述数据获取模块，用于与摄像机建立数据传输通道，并通过所述数据传输通道获取由摄像机拍摄的视频画面数据；与所述数据获取模块连接的所述行为判断模块，用于从所述数据获取模块的所述视频画面数据中获取目标对象的人体骨架结构，并基于所述人体骨架结构判断所述目标对象是否存在异常行为；与所述行为判断模块连接的所述信息采集模块，用于当所述目标对象存在所述异常行为，则采集所述异常行为相应的异常信息，以得到预警信息；与所述信息采集模块连接的所述预警模块，用于基于预设通信消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件，并在预设平台上通过预设图形渲染引擎对所述预警信息进行三维可视化渲染以及对渲染结果进行显示。由此可见，当判定获取到的视频画面数据中的目标对象存在异常行为后，则采集异常行为相应的行为信息以得到预警信息，然后将预警信息发送至预先绑定的预设社交软件，以及将预警信息在预设平台上进行三维可视化展示，如此一来，能够更加智能地对异常行为进行预警，以便相关人员能够在事件发生的同时立即采用紧急预案模式对异常行为进行处理，以避免意外事件的发生，并提高安全管理的效率。
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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的一种异常行为预警系统的结构图；
图2为本申请实施例公开的一种具体的预警系统结构示意图；
图3为本申请实施例公开的一种异常行为预警系统的工作流程图；
图4为本申请实施例公开的一种具体的异常行为预警系统的结构图；
图5为本申请实施例公开的一种具体的异常行为预警系统的结构图；
图6为本申请实施例公开的一种信息推送的模型结构图；
图7为本申请实施例公开的一种信息可视化的模型结构图；
图8为本申请实施例公开的一种异常行为预警方法流程图；
图9为本申请公开的一种电子设备结构图。
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。
将人工智能技术应用到校园中以对异常行为事件进行监控已经被人们熟知，但当前校园安全的预警系统展示过于简单，并且现有的预警系统多以硬件设备告警为主，使用局限性大、成本高。为此，本申请实施例公开了一种异常行为预警系统、方法、设备及介质，能够更加智能的对异常行为进行预警，以提高安全管理的效率。
参见图1所示，本申请实施例公开了一种异常行为预警系统，所述异常行为预警系统包括：数据获取模块11、行为判断模块12、信息采集模块13和预警模块14；其中，
所述数据获取模块11，用于与摄像机建立数据传输通道，并通过所述数据传输通道获取由摄像机拍摄的视频画面数据；
与所述数据获取模块11连接的所述行为判断模块12，用于从所述数据获取模块的所述视频画面数据中获取目标对象的人体骨架结构，并基于所述人体骨架结构判断所述目标对象是否存在异常行为；
与所述行为判断模块12连接的所述信息采集模块13，用于当所述目标对象存在所述异常行为，则采集所述异常行为相应的异常信息，以得到预警信息；
与所述信息采集模块13连接的所述预警模块14，用于基于预设通信消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件，并在预设平台上通过预设图形渲染引擎对所述预警信息进行三维可视化渲染以及对渲染结果进行显示。
进一步的，所述行为判断模块12，还包括：
运动轨迹获取子模块121，用于从所述视频画面数据中勾勒出目标对象的人体骨架结构，以得到人体运动轨迹；
算法分析子模块122，用于利用人工智能算法对所述人体运动轨迹进行分析，以判断所述目标对象是否存在异常行为。
本实施例中，可以理解的是，在获取到摄像机拍摄到的视频画面数据后，需要从视频画面数据中勾勒出人体骨架结构，以得到人体运动轨迹，再针对人体运动轨迹做算法分析，以识别出该目标对象是否有异常行为动作。需要指出的是，在做算法分析时，主要利用视频分析技术，其中人工智能行为分析是该系统的核心技术，是集行为识别技术、人脸识别技术多合一的技术整合而成。其中，人体行为分析技术是基于人工智能神经网络的视觉分析算法。
图2公开了一种具体的预警系统结构示意图，该系统包括：展示层、系统层、数据库和运行环境，本申请实施例中的异常行为预警系统包括系统层和展示层。其中，系统层包括数据预警、智能算法、权限模块和系统模块，智能算法具体参见行为判断模块12及其相关的子模块和单元；数据预警具体参见信息采集模块13及其相关的单元。展示层中的3D可视化模块具体参见预警模块14及其相关的单元，展示层中利用Html和CSS完成POST请求和Get请求的交互。
图3公开了一种异常行为预警系统的工作流程图，该系统是基于Springboot框架开发的一款智能可视化预警系统，使用Spring Security为系统提供认证和权限管理。首先，对实时获取到的视频画面数据进行人工智能行为分析，具体为从视频画面数据中勾勒出人体骨架结构，根据人的姿态特征和肢体运动轨迹，计算出各种人的异常动作行为，然后通过算法、动作序列计算判断，以确定视频画面中的行为是否属于异常行为。如果是，则分析和采集到预警的详细信息，生成预警信息分发给数据预警模块，接着数据预警模块将数据进行处理和存储，确认无误后，对外提供统一数据接口并使用预设消息队列技术为社交软件提供预警数据的推送，以及在预设平台上通过预设图形渲染引擎对预警信息进行三维可视化渲染以及对渲染结果进行显示。上述展示过程具体为对事件场景进行渲染，利用简单明了的URL(uniform resource locator，即统一资源定位系统)来实现对数据操作，获取JSON格式数据，如对闯入检测、求救检测、聚众检测、打架检测、口罩检测等事件等实时预警信息展示。
可见，本申请公开了一种异常行为预警系统，所述异常行为预警系统包括：数据获取模块、行为判断模块、信息采集模块和预警模块；其中，所述数据获取模块，用于与摄像机建立数据传输通道，并通过所述数据传输通道获取由摄像机拍摄的视频画面数据；与所述数据获取模块连接的所述行为判断模块，用于从所述数据获取模块的所述视频画面数据中获取目标对象的人体骨架结构，并基于所述人体骨架结构判断所述目标对象是否存在异常行为；与所述行为判断模块连接的所述信息采集模块，用于当所述目标对象存在所述异常行为，则采集所述异常行为相应的异常信息，以得到预警信息；与所述信息采集模块连接的所述预警模块，用于基于预设通信消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件，并在预设平台上通过预设图形渲染引擎对所述预警信息进行三维可视化渲染以及对渲染结果进行显示。由此可见，当判定获取到的视频画面数据中的目标对象存在异常行为后，则采集异常行为相应的行为信息以得到预警信息，然后将预警信息发送至预先绑定的预设社交软件，以及将预警信息在预设平台上进行三维可视化展示，如此一来，能够更加智能地对异常行为进行预警，以便相关人员能够在事件发生的同时立即采用紧急预案模式对异常行为进行处理，以避免意外事件的发生，并提高安全管理的效率。
参见图4所示，本申请实施例公开了一种具体的异常行为预警系统模块框架，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：
所述算法分析子模块122，具体可以包括：检测单元1221、判断单元1222、判定单元1223，其中，
检测单元1221，用于利用图像识别技术对所述人体运动轨迹进行检测，以得到所述人体运动轨迹对应的行为类型；
判断单元1222，用于判断预设异常行为类型库中是否存在与所述行为类型匹配的目标行为类型；
判定单元1223，用于当所述预设异常行为类型库中存在所述目标行为类型，则判定所述目标对象存在异常行为。
进一步的，所述异常行为预警系统，还包括：类型配置模块15和异常行为类型库获取模块16，其中，
类型配置模块15，用于通过预设类型配置接口配置若干数量个异常行为类型；
异常行为类型库获取模块16，用于基于所述异常行为类型获取相应的历史视频画面数据，并为所述历史视频画面数据添加相应的异常行为类型标签，以得到所述预设异常行为类型库。
本实施例中，可以理解的是，在利用图像识别技术对人体运动轨迹进行检测时，需要将检测得到的行为类型与预设异常行为类型库中的所有异常行为类型进行比对，以判断预设异常行为类型库中是否存在与行为类型匹配的目标行为类型。如果有，则说明该行为类型属于异常行为类型，也即该目标对象存在异常行为。而对于异常行为类型库的建立，则需要预先通过预设类型配置接口配置若干数量个异常行为类型，例如，对于学校而言，常见的异常行为有：打架斗殴、非校内人员进入校园/寝室、火灾等等，然后将这些异常行为相关的历史视频画面数据添加上对应的异常行为类型标签，以得到异常行为类型库。
参见图5所示，本申请实施例公开了一种具体的异常行为预警系统模块框架，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：
所述信息采集模块13，包括：
预警信息获取单元131，用于采集与当前所述异常行为对应的时间信息、地点信息和所述异常行为对应的异常行为类型，以得到预警信息。
本实施例中，可以理解的是，当确定目标对象存在异常行为之后，则需要采集异常行为相应的异常信息，上述异常信息可以包括但不限于当前异常行为发生的时间信息、地点信息和异常行为类型。也即会采集当前异常行为发生的时间、地点和类型，以得到预警信息。
所述预警模块14，包括：
信息推送单元141，用于基于RabbitMQ消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件；
信息可视化单元142，用于在预设平台上通过WebGL引擎对所述预警信息进行三维可视化渲染并在三维模拟场景对渲染结果进行显示。
本实施例中，参见图6所示，图6公开了一种信息推送的模型结构图，在将预警信息发送至预先与异常行为预警系统绑定的预设社交软件时，是基于RabbitMQ消息队列的信息推送模型，能够实现和社交软件间的消息推送，对分析成功预警事件进行业务处理，并对外提供数据接口服务，数据库使用了MySQL数据库，存储预警数据。RabbitMQ消息队列主要是为了实现系统之间的双向解耦而实现的。当生产者大量产生数据时，消费者无法快速消费，那么需要一个中间层。保存这个数据。其中，预设社交软件可以包括但不限于邮箱、手机短信、QQ、微信、钉钉等。
图7公开了一种信息可视化的模型结构图，在对预警信息进行三维可视化渲染并对渲染结果进行显示时，是基于WebGL引擎实现的。通过WebGL引擎，可以定位于三维物体及场景展示以及基本的场景交互，如鼠标事件、缩放平移、视角切换等，将预警信息结合3D模拟场景更加生动的呈现。数据交互是系统层和展示层之间的通信“桥梁”，确保数据安全稳定传输。WebGL引擎在浏览器中可以于WEB页面实现无缝链接，是基于B/S(浏览器/服务器)模式的网页3D技术。其中，模型库的使用主要是提高模型的复用度，可预先对场景模块化处理，与3D建模和UI设计相关。3D展示预警使用WebGL实现三维可视化展示。通过HTML实现Web交互式三维动画的制作，利用底层的图形硬件加速功能进行的图形渲染，javascript脚本编写可实现浏览器与三维可视化场景的动态交互。
所述异常行为预警系统，还可以包括：
模型建立模块17，用于预先获取实际场景的参数信息，并基于所述参数信息对所述实际场景进行三维建模，以得到所述三维模拟场景。
本实施例中，为了将预警信息进行三维可视化展示，需要预先基于实际场景进行三维建模，对于学校而言，则需要预先获取学校场景的相关参数信息，并进行三维建模，以得到与学校对应的三维模拟场景。
可见，本申请实施例中，通过采集与当前所述异常行为对应的时间信息、地点信息和所述异常行为对应的异常行为类型，以得到预警信息；再基于RabbitMQ消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件以及在预设平台上通过WebGL引擎对所述预警信息进行三维可视化渲染并在三维模拟场景对渲染结果进行显示。并且，还需预先获取实际场景的参数信息，并基于所述参数信息对所述实际场景进行三维建模，以得到所述三维模拟场景。通过这种方式，能够结合场景信息动态模拟展示事件位置，发生时间、行为类型等数据。
参见图8所示，本申请实施例公开了一种异常行为预警方法，具体包括：
步骤S11：获取由摄像机拍摄的视频画面数据；
步骤S12：从所述视频画面数据中获取目标对象的人体骨架结构，并基于所述人体骨架结构判断所述目标对象是否存在异常行为；
步骤S13：当所述目标对象存在所述异常行为，则采集所述异常行为相应的异常信息，以得到预警信息；
步骤S14：基于预设通信消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件，并在预设平台上通过预设图形渲染引擎对所述预警信息进行三维可视化渲染并对渲染结果进行显示。
在一种具体实施例中，所述从所述数据获取模块的所述视频画面数据中获取目标对象的人体骨架结构，并基于所述人体骨架结构判断所述目标对象是否存在异常行为，包括：从所述视频画面数据中勾勒出目标对象的人体骨架结构，以得到人体运动轨迹；利用人工智能算法对所述人体运动轨迹进行分析，以判断所述目标对象是否存在异常行为。
在一种具体实施例中，所述利用人工智能算法对所述人体运动轨迹进行分析，以判断所述目标对象是否存在异常行为，包括：利用图像识别技术对所述人体运动轨迹进行检测，以得到所述人体运动轨迹对应的行为类型；判断预设异常行为类型库中是否存在与所述行为类型匹配的目标行为类型；当所述预设异常行为类型库中存在所述目标行为类型，则判定所述目标对象存在异常行为。
在一种具体实施例中，所述异常行为预警方法，还包括：通过预设类型配置接口配置若干数量个异常行为类型；基于所述异常行为类型获取相应的历史视频画面数据，并为所述历史视频画面数据添加相应的异常行为类型标签，以得到所述预设异常行为类型库。
在一种具体实施例中，所述采集所述异常行为相应的异常信息，以得到预警信息，包括：采集与当前所述异常行为对应的时间信息、地点信息和所述异常行为对应的异常行为类型，以得到预警信息。
在一种具体实施例中，所述基于预设通信消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件，并在预设平台上通过预设图形渲染引擎对所述预警信息进行三维可视化渲染以及对渲染结果进行显示，包括：基于RabbitMQ消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件；在预设平台上通过WebGL引擎对所述预警信息进行三维可视化渲染并在三维模拟场景对渲染结果进行显示。
在一种具体实施例中，所述异常行为预警方法，还包括：预先获取实际场景的参数信息，并基于所述参数信息对所述实际场景进行三维建模，以得到所述三维模拟场景。
可见，本申请公开了一种异常行为预警方法，包括：获取由摄像机拍摄的视频画面数据；从所述视频画面数据中获取目标对象的人体骨架结构，并基于所述人体骨架结构判断所述目标对象是否存在异常行为；当所述目标对象存在所述异常行为，则采集所述异常行为相应的异常信息，以得到预警信息；基于预设通信消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件，并在预设平台上通过预设图形渲染引擎对所述预警信息进行三维可视化渲染并对渲染结果进行显示。由此可见，当判定获取到的视频画面数据中的目标对象存在异常行为后，则采集异常行为相应的行为信息以得到预警信息，然后将预警信息发送至预先绑定的预设社交软件，以及将预警信息在预设平台上进行三维可视化展示，如此一来，能够更加智能地对异常行为进行预警，以便相关人员能够在事件发生的同时立即采用紧急预案模式对异常行为进行处理，以避免意外事件的发生，并提高安全管理的效率。
图9为本申请实施例提供的一种电子设备的结构示意图。具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的由计算机设备执行的异常行为预警方法中的相关步骤。
本实施例中，电源23用于为计算机设备20上的各硬件设备提供工作电压；通信接口24能够为计算机设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源包括操作系统221、计算机程序222及数据223等，存储方式可以是短暂存储或者永久存储。
其中，操作系统221用于管理与控制计算机设备20上的各硬件设备以及计算机程序222，以实现处理器21对存储器22中海量数据223的运算与处理，其可以是Windows、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由计算机设备20执行的异常行为预警方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。数据223除了可以包括计算机设备接收到的由外部设备传输进来的数据，也可以包括由自身输入输出接口25采集到的数据等。
进一步的，本申请实施例还公开了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被处理器加载并执行时，实现前述任一实施例公开的由异常行为预警过程中执行的方法步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种异常行为预警系统、方法、设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种异常行为预警系统，其特征在于，所述异常行为预警系统包括：数据获取模块、行为判断模块、信息采集模块和预警模块；其中，
所述数据获取模块，用于与摄像机建立数据传输通道，并通过所述数据传输通道获取由摄像机拍摄的视频画面数据；
与所述数据获取模块连接的所述行为判断模块，用于从所述数据获取模块的所述视频画面数据中获取目标对象的人体骨架结构，并基于所述人体骨架结构判断所述目标对象是否存在异常行为；
与所述行为判断模块连接的所述信息采集模块，用于当所述目标对象存在所述异常行为，则采集所述异常行为相应的异常信息，以得到预警信息；
与所述信息采集模块连接的所述预警模块，用于基于预设通信消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件，并在预设平台上通过预设图形渲染引擎对所述预警信息进行三维可视化渲染以及对渲染结果进行显示。
2.根据权利要求1所述的异常行为预警系统，其特征在于，所述行为判断模块，包括：
运动轨迹获取子模块，用于从所述视频画面数据中勾勒出目标对象的人体骨架结构，以得到人体运动轨迹；
算法分析子模块，用于利用人工智能算法对所述人体运动轨迹进行分析，以判断所述目标对象是否存在异常行为。
3.根据权利要求1所述的异常行为预警系统，其特征在于，所述算法分析子模块，包括：
检测单元，用于利用图像识别技术对所述人体运动轨迹进行检测，以得到所述人体运动轨迹对应的行为类型；
判断单元，用于判断预设异常行为类型库中是否存在与所述行为类型匹配的目标行为类型；
判定单元，用于当所述预设异常行为类型库中存在所述目标行为类型，则判定所述目标对象存在异常行为。
4.根据权利要求3所述的异常行为预警系统，其特征在于，还包括：
类型配置模块，用于通过预设类型配置接口配置若干数量个异常行为类型；
异常行为类型库获取模块，用于基于所述异常行为类型获取相应的历史视频画面数据，并为所述历史视频画面数据添加相应的异常行为类型标签，以得到所述预设异常行为类型库。
5.根据权利要求4所述的异常行为预警系统，其特征在于，所述信息采集模块，包括：
预警信息获取单元，用于采集与当前所述异常行为对应的时间信息、地点信息和所述异常行为对应的异常行为类型，以得到预警信息。
6.根据权利要求1至5任一项所述的异常行为预警系统，其特征在于，所述预警模块，包括：
信息推送单元，用于基于RabbitMQ消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件；
信息可视化单元，用于在预设平台上通过WebGL引擎对所述预警信息进行三维可视化渲染并在三维模拟场景对渲染结果进行显示。
7.根据权利要求6所述的异常行为预警系统，其特征在于，还包括：
模型建立模块，用于预先获取实际场景的参数信息，并基于所述参数信息对所述实际场景进行三维建模，以得到所述三维模拟场景。
8.一种异常行为预警方法，其特征在于，包括：
获取由摄像机拍摄的视频画面数据；
从所述视频画面数据中获取目标对象的人体骨架结构，并基于所述人体骨架结构判断所述目标对象是否存在异常行为；
当所述目标对象存在所述异常行为，则采集所述异常行为相应的异常信息，以得到预警信息；
基于预设通信消息队列将所述预警信息发送至预先与所述异常行为预警系统绑定的预设社交软件，并在预设平台上通过预设图形渲染引擎对所述预警信息进行三维可视化渲染并对渲染结果进行显示。
9.一种计算机设备，其特征在于，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现如权利要求8所述的异常行为预警方法的步骤。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求8所述的异常行为预警方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210196908.9A CN114581827A (zh) | 2022-03-01 | 2022-03-01 | 一种异常行为预警系统、方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210196908.9A CN114581827A (zh) | 2022-03-01 | 2022-03-01 | 一种异常行为预警系统、方法、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114581827A true CN114581827A (zh) | 2022-06-03 |
Family
ID=81777192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210196908.9A Pending CN114581827A (zh) | 2022-03-01 | 2022-03-01 | 一种异常行为预警系统、方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114581827A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114708542A (zh) * | 2022-06-06 | 2022-07-05 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像处理方法、装置及计算机可读存储介质 |
| CN115393798A (zh) * | 2022-09-01 | 2022-11-25 | 深圳市冠标科技发展有限公司 | 预警方法、装置、电子设备及存储介质 |
| CN115471972A (zh) * | 2022-08-23 | 2022-12-13 | 深圳市中燃科技有限公司 | 管网异常预警方法、装置、设备及存储介质 |
| CN116887011A (zh) * | 2023-06-12 | 2023-10-13 | 广州开得联软件技术有限公司 | 一种视频标记方法、装置、设备及介质 |
-
2022
- 2022-03-01 CN CN202210196908.9A patent/CN114581827A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114708542A (zh) * | 2022-06-06 | 2022-07-05 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像处理方法、装置及计算机可读存储介质 |
| CN115471972A (zh) * | 2022-08-23 | 2022-12-13 | 深圳市中燃科技有限公司 | 管网异常预警方法、装置、设备及存储介质 |
| CN115393798A (zh) * | 2022-09-01 | 2022-11-25 | 深圳市冠标科技发展有限公司 | 预警方法、装置、电子设备及存储介质 |
| CN115393798B (zh) * | 2022-09-01 | 2024-04-09 | 深圳市冠标科技发展有限公司 | 预警方法、装置、电子设备及存储介质 |
| CN116887011A (zh) * | 2023-06-12 | 2023-10-13 | 广州开得联软件技术有限公司 | 一种视频标记方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114581827A (zh) | 一种异常行为预警系统、方法、设备及介质 | |
| Riaz et al. | CoSMoS: A BIM and wireless sensor based integrated solution for worker safety in confined spaces | |
| Sebillo et al. | Training emergency responders through augmented reality mobile interfaces | |
| EP3933801B1 (en) | Method, apparatus, and device for testing traffic flow monitoring system | |
| Song et al. | Real-time monitoring for crowd counting using video surveillance and GIS | |
| CN115273845A (zh) | 一种可视化防欺凌系统、系统运行方法、设备及介质 | |
| CN110826930A (zh) | 一种安保任务调度方法、装置、设备及可读存储介质 | |
| CN112528825A (zh) | 一种基于图像识别的车站乘客招援服务方法 | |
| CN116580350A (zh) | 一种实验室安全监测预警方法及系统 | |
| CN110992492A (zh) | 一种三维可视化生产管理系统及方法 | |
| Prabowo et al. | Cognitive City Platform as Digital Public Infrastructure for Developing a Smart, Sustainable and Resilient City in Indonesia | |
| Comfort et al. | Building Community Resilience to Disaster Risk: A Sociotechnical Approach | |
| EP3885972A1 (en) | Context based perception method and system for managing environmental safety in a computing environment | |
| TWI709915B (zh) | 課程指數檢測告警方法、裝置、電子設備、及存儲介質 | |
| CN117289797A (zh) | 一种基于元宇宙技术的变电站巡视信息交互方法及系统 | |
| CN113066182A (zh) | 一种信息展示方法、装置、电子设备及存储介质 | |
| CN115766401B (zh) | 工业告警信息解析方法、装置、电子设备与计算机介质 | |
| Herranz et al. | Multi-view visualizations for emergency communities of volunteers | |
| CN115375855B (zh) | 工程项目的可视化方法、装置、电子设备和可读介质 | |
| CN116880262A (zh) | 基于智能装备的安全管控方法及系统 | |
| CN115083229B (zh) | 基于ai视觉识别的飞行训练设备智能识别与警示系统 | |
| CN115630818A (zh) | 应急管理方法、装置、电子设备以及存储介质 | |
| CN115190045A (zh) | 快递柜系统服务的监控方法、装置、电子设备及存储介质 | |
| CN116308255A (zh) | 基于元宇宙的沉浸式供热管网巡检与故障检测系统及方法 | |
| CN114528425A (zh) | 一种用于智能楼宇的三维可视化系统及方法 |
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 |