CN114863538A - 异常行为识别方法和装置 - Google Patents
异常行为识别方法和装置 Download PDFInfo
- Publication number
- CN114863538A CN114863538A CN202210603258.5A CN202210603258A CN114863538A CN 114863538 A CN114863538 A CN 114863538A CN 202210603258 A CN202210603258 A CN 202210603258A CN 114863538 A CN114863538 A CN 114863538A
- Authority
- CN
- China
- Prior art keywords
- target
- detection frames
- detection
- frame image
- current frame
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种异常行为识别方法和装置,涉及人工智能技术领域,具体为深度学习、图像处理、计算机视觉技术领域。具体实现方案为:获取塔机驾驶室的当前帧图像,确定当前帧图像中的目标人脸检测框,并分析得到第一行为分析结果,其次确定当前帧图像中的两个目标手部检测框以及两个目标操作杆检测框,并分析得到第二行为分析结果,在第一行为分析结果和第二行为分析结果中的至少一个分析结果为异常行为的情况下,输出告警信息。由此,通过对塔机的驾驶室进行图像采集,并对所采集到的图像进行多方面地行为分析,并结合多方面地行为分析结果,准确确定是否存在异常行为,并在存在异常行为的情况下,及时输出告警信息,提升了塔机作业的安全性。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及深度学习、图像处理、计算机视觉技术领域,尤其涉及一种异常行为识别方法和装置。
背景技术
塔吊作为建筑工地最常用的一种起重设备,用于搬运钢筋、混凝土等原材料。作为建筑工地必不可少的设备之一,塔吊的安全性是至关重要的。
塔吊的塔机驾驶员作为塔吊的实际操作者,其自身的异常行为动作可以直接影响塔吊的安全性。因此,对塔吊的塔机驾驶员异常行为的识别是必不可少的。
发明内容
本公开提供了一种异常行为识别方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的一方面,提供了一种异常行为识别方法,包括:获取当前帧图像,其中,所述当前帧图像是对塔机的驾驶室进行图像采集而得到的;确定所述当前帧图像中的目标人脸检测框,并对所述目标人脸检测框中的人脸图像进行行为分析以得到第一行为分析结果;确定所述当前帧图像中的两个目标手部检测框,并确定所述当前帧图像中的两个目标操作杆检测框;根据所述两个目标手部检测框和所述两个目标操作杆检测框进行行为分析,以得到第二行为分析结果;在所述第一行为分析结果和所述第二行为分析结果中的至少一个分析结果为异常行为的情况下,输出告警信息。
根据本公开的第二方面,提供了一种异常行为识别装置,包括:获取模块,用于获取当前帧图像,其中,所述当前帧图像是对塔机的驾驶室进行图像采集而得到的;第一分析模块,用于确定所述当前帧图像中的目标人脸检测框,并对所述目标人脸检测框中的人脸图像进行行为分析以得到第一行为分析结果;确定模块,用于确定所述当前帧图像中的两个目标手部检测框,并确定所述当前帧图像中的两个目标操作杆检测框;第二分析模块,用于根据所述两个目标手部检测框和所述两个目标操作杆检测框进行行为分析,以得到第二行为分析结果;输出模块,用于在所述第一行为分析结果和所述第二行为分析结果中的至少一个分析结果为异常行为的情况下,输出告警信息。
根据本公开的第三方面,提供了一种电子设备,其中,电子设备包括处理器和存储器;所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如上述第一方面提供的异常行为识别方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,包括该程序被处理器执行时实现如上述第一方面提供的异常行为识别方法。计算机程序产品,包括当所述计算机程序产品中的指令处理器执行时实现如上述第一方面提供的异常行为识别方法。
根据本公开的第五方面,提供了一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令处理器执行时实现如上述第一方面提供的异常行为识别方法。
上述申请中的一个实施例具有如下优点或有益效果:
本公开提供的异常行为识别方法和装置,对塔机的驾驶室进行图像采集,并对所采集到的图像进行多方面地行为分析,并结合多方面地行为分析结果,准确确定是否存在异常行为,并在存在异常行为的情况下,及时输出告警信息,提升了塔机作业的安全性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是根据本公开第三实施例的示意图;
图4是根据本公开第四实施例的示意图;
图5是根据本公开第五实施例的示意图;
图6是根据本公开第六实施例的示意图;
图7是根据本公开第七实施例的示意图;
图8是根据本公开第八实施例的示意图;
图9是根据本公开第九实施例的示意图;
图10是用来实现本公开实施例的异常行为识别方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开第一实施例的示意图。如图1所示,该异常行为识别方法包括以下步骤:
步骤101,获取当前帧图像,其中,当前帧图像是对塔机的驾驶室进行图像采集而得到的。
其中,需要说明的是,本公开实施例提供的提供异常行为识别方法应用于异常行为识别装置中,该异常行为识别装置可以由软件和/或硬件的方式实现,该异常行为识别装置可以为电子设备,也可以配置于电子设备中。
其中,本公开实施例的电子设备可以为PC(Personal Computer,个人计算机)、移动设备、平板电脑、终端设备或服务器等设备,此处不做具体限定。
在本公开的一个实施例中,在对塔机的驾驶员进行异常行为识别时,可以通过安装在塔机内部的摄像头采集驾驶员驾驶塔机进行操作的图像,并基于采集到的图像对驾驶员的行为进行识别和行为分析。
需要说明的是,本实施例中的摄像头所采集到的图像中可以包括驾驶员的正面人脸、手部及塔吊操作杆。
其中,采集到的图像可以以视频的方式传输到第一分析模块与第二分析模块。在一些示例性的实施方式中,由于驾驶员在对塔机操作时其动作具有持续性,在对塔机的驾驶员进行异常行为检测时,可以按照每间隔预设帧数的方式,对视频进行拆帧处理,以得到视频帧图像序列,并按照视频帧图像序列所指示的顺序,依次遍历视频帧图像序列中的视频帧图像,并将当前遍历到的视频帧图像作为当前帧图像。
其中,预设帧数是事先设置好的,例如,预设帧数可以是10帧。
步骤102,确定当前帧图像中的目标人脸检测框,并对目标人脸检测框中的人脸图像进行行为分析以得到第一行为分析结果。
其中,目标人脸检测框是对当前帧图像进行人脸对象检测所得到。
作为一种示例,目标人脸检测框是指与当前帧图像中的人脸对象外接的矩形框。
作为一种示例性的实施方式,在获取当前帧图像后,可将当前帧图像输入到预先训练好的目标检测模型中进行人脸对象检测,以得到当前帧图像中的至少一个候选人脸检测框以及对应的置信度,并将至少一个候选人脸检测框中置信度最高的人脸检测框作为目标人脸检测框。
在本公开的一个实施例中,可以通过目标人脸检测框中的人脸图像与事先设置的正常的人脸图像进行对比,分析目标人脸检测框中的人脸图像是否符合正常的人脸图像,进而分析出驾驶员是否出现异常行为并得到第一行为分析结果。
具体地,若目标人脸检测框中的人脸图像符合正常的人脸图像,则确定出驾驶员的人脸部分未出现异常行为,并得到驾驶员的人脸部分未出现异常行为的第一行为分析结果;若驾驶员的人脸图像不符合正常的人脸图像,则确定出驾驶员的人脸部分已出现异常行为,并得到驾驶员的人脸部分出现异常行为的第一行为分析结果。
步骤103,确定当前帧图像中的两个目标手部检测框,并确定当前帧图像中的两个目标操作杆检测框。
其中,两个目标手部检测框是对当前帧图像进行手部对象检测所得到;两个目标操作杆检测框是对当前帧图像进行操作杆对象检测所得到。
作为一种示例,两个目标手部检测框是指与当前帧图像中的手部对象外接的两个矩形框;两个目标操作杆检测框是指与当前帧图像中的操作杆对象外接的两个矩形框
作为一种示例性的实施方式,在获取当前帧图像后,可将当前帧图像输入到预先训练好的目标检测模型中进行手部对象检测,以得到当前帧图像中的两个目标手部检测框。
作为一种示例性的实施方式,可将当前帧图像输入到预先训练好的目标检测模型中进行操作杆对象检测,以得到当前帧图像中的两个目标操作杆检测框。
步骤104,根据两个目标手部检测框和两个目标操作杆检测框进行行为分析,以得到第二行为分析结果。
在本公开的一个实施例中,可以通过检测两个目标手部检测框与两个目标操作杆检测框是否符合预设的重合度指标,分析出驾驶员的手部是否正常操作操作杆,并得到第二行为分析结果。
具体地,若两个目标手部检测框与两个目标操作杆检测框符合预设的重合度指标,说明驾驶员的手部在正常操作操作杆,得到驾驶员未出现异常行为的第二行为分析结果;若两个目标手部检测框与两个目标操作杆检测框不符合预设的重合度指标,说明驾驶员的手部未正常操作操作杆,得到驾驶员出现异常行为的第二行为分析结果。
步骤105,在第一行为分析结果和第二行为分析结果中的至少一个分析结果为异常行为的情况下,输出告警信息。
作为一种示例性的实施方式,在第一行为分析结果为异常行为,且第二行为分析结果为正常行为的情况下,输出告警信息。
作为另一种示例性的实施方式,在第二行为分析结果为异常行为且第一行为分析结果为正常行为的情况下,输出告警信息。
作为另一种示例性的实施方式,在第一行为分析结果为异常行为且第二行为分析结果为异常行为的情况下,输出告警信息。
本公开提供的异常行为识别方法,获取当前帧图像,其中,当前帧图像是对塔机的驾驶室进行图像采集而得到的;确定当前帧图像中的目标人脸检测框,并对目标人脸检测框中的人脸图像进行行为分析以得到第一行为分析结果;确定当前帧图像中的两个目标手部检测框,并确定当前帧图像中的两个目标操作杆检测框;根据两个目标手部检测框和两个目标操作杆检测框进行行为分析,以得到第二行为分析结果;在第一行为分析结果和第二行为分析结果中的至少一个分析结果为异常行为的情况下,输出告警信息。由此,对塔机的驾驶室进行图像采集,并对所采集到的图像进行多方面地行为分析,并结合多方面地行为分析结果,准确确定是否存在异常行为,并在存在异常行为的情况下,及时输出告警信息,提升了塔机作业的安全性。
本公开的一个实施例中,为了可以准确确定出第二行为分析结果,如图2所示,步骤104中根据两个目标手部检测框和两个目标操作杆检测框进行行为分析,以得到第二行为分析结果的一种可实现方式为:
步骤201,针对两个目标操作杆检测框中的各个目标操作杆检测框,确定目标操作杆检测框与两个目标手部检测框中的各个目标手部检测框之间的第一重合度。
例如,假设两个目标操作杆检测框分别为A和B,两个目标手部检测框分别为C和D,针对目标操作杆检测框A,可计算出目标操作杆检测框A与目标手部检测框C之间的第一重合度,并计算出目标操作杆检测框A与目标手部检测框D之间的第一重合度;针对目标操作杆检测框B,可计算出目标操作检测框B与目标手部检测框C之间的第一重合度,并计算出目标操作杆检测框B与目标手部检测框D之间的第一重合度。
步骤202,针对各个目标操作杆检测框,如果均存在第一重合度大于或者等于第一预设重合度阈值的目标手部检测框,则确定第二行为分析结果为正常行为。
接上例,针对目标操作杆检测框A,如果目标操作杆检测框A与目标手部检测框C之间的第一重合度大于或者等于第一预设重合度阈值,并且,对于目标操作杆检测框B,如果目标操作杆检测框B与目标手部检测框D之间的第一重合度大于或者等于第一预设重合度阈值,此时,可确定驾驶员的手部正常操作操作杆,此时,第二行为分析结果为正常行为。
其中,需要说明的是,使得目标操作杆检测框A或B的第一重合度大于或者等于第一预设重合度阈值的目标手部检测框可以相同,也可以不同。
其中,第一预设重合度阈值是事先设置好的目标操作杆检测框与目标手部检测框之间重合度的临界值。
在本实施例中,在根据两个目标手部检测框和两个目标操作杆检测框,对驾驶员操作操作杆的行为进行分析时,结合每个目标操作杆检测与两个目标手部检测框中各个目标手部检测框之间的重合度,来对驾驶员是否正在正常操作塔吊的操作框进行准确分析,提升了分析结果的准确度。
本公开的一个实施例中,为了更加准确地得到第二行为分析结果,如图3所示,步骤104中根据两个目标手部检测框和两个目标操作杆检测框进行行为分析,以得到第二行为分析结果的一种可实现方式为:
步骤301,如果两个目标操作杆检测框中的至少一个目标操作杆检测框与各个目标手部检测框之间的第一重合度均小于第一预设重合度阈值,则获取与当前帧图像相邻的上一帧图像。
作为一种示例,针对目标操作杆检测框A,如果目标操作杆检测框A与目标手部检测框C之间的第一重合度小于第一预设重合度阈值,并且,针对目标操作杆检测框B,如果目标操作杆检测框B与目标手部检测框D之间的第一重合度大于或者等于第一预设重合度阈值,说明此时驾驶员的手部异常操作操作杆,即存在异常行为。
作为另一种示例,针对目标操作杆检测框B,如果目标操作杆检测框B与目标手部检测框D之间的第一重合度小于第一预设重合度阈值,并且,针对目标操作杆检测框A,如果目标操作杆检测框A与目标手部检测框C之间的第一重合度大于或者等于第一预设重合度阈值,说明此时驾驶员的手部异常操作操作杆,即存在异常行为。
作为另一种示例,针对目标操作杆检测框A,如果目标操作杆检测框A与目标手部检测框C之间的第一重合度小于第一预设重合度阈值,并且,针对目标操作杆检测框B,如果目标操作杆检测框B与目标手部检测框D之间的第一重合度小于第一预设重合度阈值,说明此时驾驶员的手部异常操作操作杆,存在异常行为。
本公开的一个实施例中,在上述几种实施例的情况下,为了进一步判断驾驶员的手部是否异常操作,可以获取当前帧图像相邻的上一帧图像。
步骤302,确定当前帧图像和上一帧图像中同一个操作杆对象的目标操作杆检测框之间的第二重合度。
其中,可以通过第二重合度计算函数计算当前帧图像和上一帧图像中同一个操作杆对象的目标操作杆检测框之间的第二重合度。
例如,从当前帧图像中获取的操作杆对象A1所对应的目标操作杆检测框为a,从上一帧图像中获取的操作杆对象A1所对应的目标操作杆检测框为b。通过第二重合度计算函数计算目标操作杆检测框为a与目标操作杆检测框为b之间的第二重合度。
步骤303,在第二重合度小于第二预设重合度阈值的情况下,确定第二行为分析结果为异常行为。
本公开的一个实施例中,若当前帧图像和上一帧图像中同一个操作杆对象对应的目标操作杆检测框之间的第二重合度小于第二预设重合度阈值,说明该操作杆发生了移动或者型形变,进一步说明驾驶员未正常操作该操作杆。
其中,第二预设重合度阈值是事先设置好的当前帧图像中目标操作杆检测框与上一帧图像中同一个目标操作杆检测框之间的重合度的临界值。
在本实施例中,在根据两个目标手部检测框和两个目标操作杆检测框,对驾驶员操作操作杆的行为进行分析时,结合同一个目标操作杆对象在当前帧图像中所对应的目标操作杆检测框以及在上一帧图像中所对应的目标操作杆检测框之间的第二重合度,对驾驶员是否正在正常操作塔吊的操作框进行准确分析,提升了分析结果的准确性。
本公开的一个实施例中,为了更加准确地确定第一行为分析结果,如图4所示,步骤102中对目标人脸检测框中的人脸图像进行行为分析以得到第一行为分析结果的一种可实现的实施方式为:
步骤401,从当前帧图像中截取目标人脸检测框中的人脸图像。
本公开的一个实施例中,可截取当前帧图像中预设的区域作为人脸图像。
步骤402,将截取的人脸图像输入预先训练好的人脸异常行为分类模型中,以得到人脸图像的分类结果。
其中,人脸异常行为分类模型可以基于输入的人脸图像对其进行分类为不同的行为类型。
作为一种示例,人脸异常行为分类模型可以把输入的人脸图像分类成四种类型:正常、抽烟、打手机、闭眼。
步骤403,根据分类结果,确定第一行为分析结果。
本公开的一个实施例中,当分类结果为正常时,才可得出驾驶员未出现异常行为的第一行为分析结果;当分类结果为其他三类,即抽烟、打手机、闭眼时,可得出驾驶员出现异常行为的第一行为分析结果。
在本实施例中,在对目标人脸检测框中的人脸图像进行行为分析时,可以对当前帧图像中截取目标人脸检测框中的人脸图像进行分类,以得到不同的分类结果,使得基于不同的分类结果所得到的第一行为分析结果可以更加准确。
本公开的一个实施例中,为了避免出现目标手部框误检或者漏检的情况,更加精准地确定出目标手部检测框,如图5所示,确定当前帧图像中的两个目标手部检测框一种可实现的实施方式为:
步骤501,对当前帧图像进行手部检测,以得到多个第一候选手部检测框以及各自对应的置信度。
其中,多个第一候选手部检测框各自对应的置信度可以由预设的置信度函数计算得到。
步骤502,从多个第一候选手部检测框中,确定出置信度大于预设置信度阈值的多个第二候选手部检测框。
其中,预设置信度阈值为事先设置好的手部检测框置信度的临界值,例如,预设置信度阈值可以取0.8。
作为一种示例,将多个第一候选手部检测框中置信度大于0.8的全部候选手部检测框作为第二候选手部检测框。
步骤503,将多个第二候选手部检测框中置信度最高的两个第二候选手部检测框作为两个目标手部检测框。
本公开的一个实施例中,若第二候选手部检测框的个数大于2,可以将多个第二候选手部检测框按照置信度的大小从大到小排序,并选择前两个第二候选手部检测框作为两个目标手部检测框。
本公开的另一个实施例中,若第二候选手部检测框的个数等于2,可以直接将其作为两个目标手部检测框。
本公开的另一个实施例中,若第二候选手部检测框的个数小于2,则可以直接舍弃当前帧图像。
在本实施例中,在确定当前帧图像中的两个目标手部检测框时,通过对当前帧图像中多个第一候选手部检测框的置信度与预设置信度阈值的比较,可以筛选出符合要求的两个目标手部检测框,提升了确定目标手部检测框的准确性。
本公开的一个实施例中,为了避免出现目标操作杆框误检或者漏检的情况,更加精准地确定出目标操作杆检测框,如图6所示,确定当前帧图像中的两个目标操作杆检测框一种可实现的实施方式为:
步骤601,对当前帧图像进行操作杆检测,以得到多个第一候选操作杆检测框以及各自对应的置信度。
其中,多个第一候选操作杆检测框各自对应的置信度可以由预设的置信度函数计算得到。
步骤602,从多个第一候选操作杆检测框中,确定出置信度大于预设置信度阈值的多个第二候选操作杆检测框。
其中,预设置信度阈值为事先设置好的操作杆检测框置信度的临界值,例如,预设置信度阈值可以取0.8。
作为一种示例,将多个第一候选操作杆检测框中置信度大于0.8的全部候选操作杆检测框作为第二候选手部检测框。
步骤603,将多个第二候选操作杆检测框中置信度最高的两个第二候选手部检测框作为两个目标操作杆检测框。
本公开的一个实施例中,若第二候选操作杆检测框的个数大于2,可以将多个第二候选操作杆检测框按照置信度的大小从大到小排序,并选择前两个第二候选操作杆检测框作为两个目标操作杆检测框。
本公开的另一个实施例中,若第二候选操作杆检测框的个数等于2,可以直接将其作为两个目标操作杆检测框。
本公开的另一个实施例中,若第二候选操作杆检测框的个数小于2,则可以直接舍弃当前帧图像。
在本实施例中,在确定当前帧图像中的两个目标操作杆检测框时,通过对当前帧图像中多个第一候选操作杆检测框的置信度与预设置信度阈值的比较,可以筛选出符合要求的两个操作杆手部检测框,提升了确定目标操作杆检测框的准确性
为了清楚地理解本公开的异常行为识别方法,下面结合图7对该实施例的异常行为识别方法进行进一步示例性描述。
如图7所示,该方法包括:
步骤701,摄像头采集图像。
具体地,可在塔机的驾驶室中安装摄像头,并在塔机进行生产作业的过程中,通过摄像头对驾驶室进行实时图像采集,以得到采集到的视频。
其中,需要说明的是,本实施例中的摄像头所采集到的图像中可以包括驾驶员的正面人脸、手部及塔吊操作杆。
步骤702,视频传输及拆帧。
作为一种示例性的实施方式,由于驾驶员的异常驾驶行为会有一定的持续时间,隔帧处理既能保证异常驾驶行为的检测率也能节省计算资源,在获取摄像头所采集到的视频后,可按照每间隔预设帧数(例如10帧)对视频进行拆帧处理,并对拆帧处理所得到的各帧图像进行行为分析。
步骤703,人脸异常行为检测。
作为一种示例性的实施方式,依次对各帧图像进行人脸异常行为检测。对于遍历到的当前帧图像,可将当前帧图像输入到预先训练好的人脸行为分类模型中,以得到当前帧图像的分类结果,并根据分类结果,确定人脸异常行为检测的检测结果。
步骤704,操作异常行为检测。
作为一种示例性的实施方式,可依次对各帧图像进行操作异常行为检测。
其中,对于遍历到的当前帧图像,对当前帧图像进行操作异常行为检测的过程可参见上述实施例中关于根据两个目标手部检测框和两个目标操作杆检测框进行行为分析,以得到第二行为分析结果的相关描述,此处不再赘述。
步骤705,判断人脸行为检测结果是否为异常。
步骤706,判断操作行为检测结果是否为异常。
步骤707,若人脸行为检测结果为异常,则标记F1=1。
步骤708,若操作行为检测结果为异常,则标记F2=1。
步骤709,判断是否存在标记F1=1或F2=1。
步骤710,若存在标记F1=1或F2=1,则进行异常报警;若不存在F1=1和F2=1,则返回步骤701。
与上述几种实施例提供的异常行为识别方法相对应,本公开的一个实施例还提供了一种异常行为识别装置,由于本公开实施例提供的异常行为识别装置与上述几种实施例提供的异常行为识别方法相对应,因此异常行为识别方法的实施方式也适用于本公开实施例提供的异常行为识别装置,在下述实施例中不再详细描述。
图8是根据本公开第八实施例的示意图。如图8所示,该异常行为识别装置80包括:获取模块81、第一分析模块82、确定模块83、第二分析模块84以及输出模块85。其中:
获取模块81,用于获取当前帧图像,其中,当前帧图像是对塔机的驾驶室进行图像采集而得到的。
第一分析模块82,用于确定当前帧图像中的目标人脸检测框,并对目标人脸检测框中的人脸图像进行行为分析以得到第一行为分析结果。
确定模块83,用于确定当前帧图像中的两个目标手部检测框,并确定当前帧图像中的两个目标操作杆检测框。
第二分析模块84,用于根据两个目标手部检测框和两个目标操作杆检测框进行行为分析,以得到第二行为分析结果。
输出模块85,用于在第一行为分析结果和第二行为分析结果中的至少一个分析结果为异常行为的情况下,输出告警信息。
本公开提供的异常行为识别装置,获取当前帧图像,其中,当前帧图像是对塔机的驾驶室进行图像采集而得到的;确定当前帧图像中的目标人脸检测框,并对目标人脸检测框中的人脸图像进行行为分析以得到第一行为分析结果;确定当前帧图像中的两个目标手部检测框,并确定当前帧图像中的两个目标操作杆检测框;根据两个目标手部检测框和两个目标操作杆检测框进行行为分析,以得到第二行为分析结果;在第一行为分析结果和第二行为分析结果中的至少一个分析结果为异常行为的情况下,输出告警信息。由此,对塔机的驾驶室进行图像采集,并对所采集到的图像进行多方面地行为分析,并结合多方面地行为分析结果,准确确定是否存在异常行为,并在存在异常行为的情况下,及时输出告警信息,提升了塔机作业的安全性。
图9是根据本公开第九实施例的示意图。如图9所示,该异常行为识别装置90包括:获取模块91、第一分析模块92、确定模块93、第二分析模块94以及输出模块95。其中,第一分析模块92可以包括:截取单元921、输入单元922以及第五确定单元923,其中,确定模块93可以包括:第一检测单元931、第六确定单元932、第七确定单元933、第二检测单元934、第八确定单元935以及第九确定单元936,其中,第二分析模块94可以包括:第一确定单元941、第二确定单元942、获取单元943、第三确定单元944以及第四确定单元945。
其中,需要说明的是,关于获取模块91、第一分析模块92、确定模块93、第二分析模块94以及输出模块95的详细描述可参见上述图8中的获取模块81、第一分析模块82、确定模块83、第二分析模块84以及输出模块85的说明,此处不再进行描述。
在本公开的一个实施例中,第一分析模块92可以包括:
截取单元921,用于从当前帧图像中截取目标人脸检测中的人脸图像。
输入单元922,用于将截取的人脸图像输入预先训练好的人脸异常行为分类模型中,以得到人脸图像的分类结果。
第五确定单元923,用于根据分类结果,确定第一行为分析结果。
在本公开的一个实施例中,确定模块93可以包括:
第一检测单元931,用于对当前帧图像进行手部检测,以得到多个第一候选手部检测框以及各自对应的置信度。
第六确定单元932,用于从多个第一候选手部检测框中,确定出置信度大于预设置信度阈值的多个第二候选手部检测框。
第七确定单元933,用于将多个第二候选手部检测框中置信度最高的两个第二候选手部检测框作为两个目标手部检测框。
第二检测单元934,用于对当前帧图像进行操作杆检测,以得到多个第一候选操作杆检测框以及各自对应的置信度。
第八确定单元935,用于从多个第一候选操作杆检测框中,确定出置信度大于预设置信度阈值的多个第二候选操作杆检测框。
第九确定单元936,用于将多个第二候选操作杆检测框中置信度最高的两个第二候选操作杆检测框作为两个目标操作杆检测框。
在本公开的一个实施例中,第二分析模块94可以包括:
第一确定单元941,用于针对两个目标操作杆检测框中的各个目标操作杆检测框,确定目标操作杆检测框与两个目标手部检测框中的各个目标手部检测框之间的第一重合度。
第二确定单元942,用于针对各个目标操作杆检测框,如果均存在第一重合度大于或者等于第一预设重合度阈值的目标手部检测框,则确定第二行为分析结果为正常行为。
获取单元943,用于在两个目标操作杆检测框中的至少一个目标操作杆检测框与各个目标手部检测框之间的第一重合度均小于第一预设重合度阈值,则获取与当前帧图像相邻的上一帧图像。
第三确定单元944,用于确定当前帧图像和上一帧图像中同一个操作杆对象的目标操作杆检测框之间的第二重合度。
第四确定单元945,用于在第二重合度小于第二预设重合度阈值的情况下,确定第二行为分析结果为异常行为。
其中,需要说明的是,前述对异常行为识别方法实施例的描述也适用于该异常行为识别装置,该实施例对此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如异常行为识别方法。例如,在一些实施例中,异常行为识别方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的异常行为识别方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行异常行为识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(AS I C)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种异常行为识别方法,包括:
获取当前帧图像,其中,所述当前帧图像是对塔机的驾驶室进行图像采集而得到的;
确定所述当前帧图像中的目标人脸检测框,并对所述目标人脸检测框中的人脸图像进行行为分析以得到第一行为分析结果;
确定所述当前帧图像中的两个目标手部检测框,并确定所述当前帧图像中的两个目标操作杆检测框;
根据所述两个目标手部检测框和所述两个目标操作杆检测框进行行为分析,以得到第二行为分析结果;
在所述第一行为分析结果和所述第二行为分析结果中的至少一个分析结果为异常行为的情况下,输出告警信息。
2.根据权利要求1所述的方法,其中,所述根据所述两个目标手部检测框和所述两个目标操作杆检测框进行行为分析,以得到第二行为分析结果,包括:
针对所述两个目标操作杆检测框中的各个目标操作杆检测框,确定所述目标操作杆检测框与所述两个目标手部检测框中的各个目标手部检测框之间的第一重合度;
针对各个目标操作杆检测框,如果均存在第一重合度大于或者等于第一预设重合度阈值的目标手部检测框,则确定所述第二行为分析结果为正常行为。
3.根据权利要求2所述的方法,其中,所述方法还包括:
如果所述两个目标操作杆检测框中的至少一个目标操作杆检测框与各个目标手部检测框之间的第一重合度均小于所述第一预设重合度阈值,则获取与所述当前帧图像相邻的上一帧图像;
确定所述当前帧图像和所述上一帧图像中同一个操作杆对象的目标操作杆检测框之间的第二重合度;
在所述第二重合度小于第二预设重合度阈值的情况下,确定所述第二行为分析结果为异常行为。
4.根据权利要求1所述的方法,其中,所述对所述目标人脸检测框中的人脸图像进行行为分析以得到第一行为分析结果,包括:
从所述当前帧图像中截取所述目标人脸检测中的人脸图像;
将截取的所述人脸图像输入预先训练好的人脸异常行为分类模型中,以得到所述人脸图像的分类结果;
根据所述分类结果,确定所述第一行为分析结果。
5.根据权利要求1-4中任一项所述的方法,其中,所述确定所述当前帧图像中的两个目标手部检测框,包括:
对所述当前帧图像进行手部检测,以得到多个第一候选手部检测框以及各自对应的置信度;
从所述多个第一候选手部检测框中,确定出置信度大于预设置信度阈值的多个第二候选手部检测框;
将所述多个第二候选手部检测框中置信度最高的两个第二候选手部检测框作为所述两个目标手部检测框。
6.根据权利要求1-4中任一项所述的方法,其中,所述确定所述当前帧图像中的两个目标操作杆检测框,包括:
对所述当前帧图像进行操作杆检测,以得到多个第一候选操作杆检测框以及各自对应的置信度;
从所述多个第一候选操作杆检测框中,确定出置信度大于预设置信度阈值的多个第二候选操作杆检测框;
将所述多个第二候选操作杆检测框中置信度最高的两个第二候选操作杆检测框作为所述两个目标操作杆检测框。
7.一种异常行为识别装置,包括:
获取模块,用于获取当前帧图像,其中,所述当前帧图像是对塔机的驾驶室进行图像采集而得到的;
第一分析模块,用于确定所述当前帧图像中的目标人脸检测框,并对所述目标人脸检测框中的人脸图像进行行为分析以得到第一行为分析结果;
确定模块,用于确定所述当前帧图像中的两个目标手部检测框,并确定所述当前帧图像中的两个目标操作杆检测框;
第二分析模块,用于根据所述两个目标手部检测框和所述两个目标操作杆检测框进行行为分析,以得到第二行为分析结果;
输出模块,用于在所述第一行为分析结果和所述第二行为分析结果中的至少一个分析结果为异常行为的情况下,输出告警信息。
8.根据权利要求7所述的装置,其中,所述第二分析模块,包括:
第一确定单元,用于针对所述两个目标操作杆检测框中的各个目标操作杆检测框,确定所述目标操作杆检测框与所述两个目标手部检测框中的各个目标手部检测框之间的第一重合度;
第二确定单元,用于针对各个目标操作杆检测框,如果均存在第一重合度大于或者等于第一预设重合度阈值的目标手部检测框,则确定所述第二行为分析结果为正常行为。
9.根据权利要求8所述的装置,其中,所述第二分析模块,还包括:
获取单元,用于在所述两个目标操作杆检测框中的至少一个目标操作杆检测框与各个目标手部检测框之间的第一重合度均小于所述第一预设重合度阈值,则获取与所述当前帧图像相邻的上一帧图像;
第三确定单元,用于确定所述当前帧图像和所述上一帧图像中同一个操作杆对象的目标操作杆检测框之间的第二重合度;
第四确定单元,用于在所述第二重合度小于第二预设重合度阈值的情况下,确定所述第二行为分析结果为异常行为。
10.根据权利要求7所述的装置,其中,所述第一分析模块,包括:
截取单元,用于从所述当前帧图像中截取所述目标人脸检测中的人脸图像;
输入单元,用于将截取的所述人脸图像输入预先训练好的人脸异常行为分类模型中,以得到所述人脸图像的分类结果;
第五确定单元,用于根据所述分类结果,确定所述第一行为分析结果。
11.根据权利要求7-10中任一项所述的装置,其中,所述确定模块,包括:
第一检测单元,用于对所述当前帧图像进行手部检测,以得到多个第一候选手部检测框以及各自对应的置信度;
第六确定单元,用于从所述多个第一候选手部检测框中,确定出置信度大于预设置信度阈值的多个第二候选手部检测框;
第七确定单元,用于将所述多个第二候选手部检测框中置信度最高的两个第二候选手部检测框作为所述两个目标手部检测框。
12.根据权利要求7-10中任一项所述的装置,其中,所述确定模块,包括:
第二检测单元,用于对所述当前帧图像进行操作杆检测,以得到多个第一候选操作杆检测框以及各自对应的置信度;
第八确定单元,用于从所述多个第一候选操作杆检测框中,确定出置信度大于预设置信度阈值的多个第二候选操作杆检测框;
第九确定单元,用于将所述多个第二候选操作杆检测框中置信度最高的两个第二候选操作杆检测框作为所述两个目标操作杆检测框。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现权利要求1-6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210603258.5A CN114863538A (zh) | 2022-05-30 | 2022-05-30 | 异常行为识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210603258.5A CN114863538A (zh) | 2022-05-30 | 2022-05-30 | 异常行为识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114863538A true CN114863538A (zh) | 2022-08-05 |
Family
ID=82640598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210603258.5A Pending CN114863538A (zh) | 2022-05-30 | 2022-05-30 | 异常行为识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114863538A (zh) |
-
2022
- 2022-05-30 CN CN202210603258.5A patent/CN114863538A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112633384B (zh) | 基于图像识别模型的对象识别方法、装置和电子设备 | |
CN112949710A (zh) | 一种图像的聚类方法和装置 | |
CN108460346B (zh) | 指纹识别方法及装置 | |
CN112863187B (zh) | 感知模型的检测方法、电子设备、路侧设备和云控平台 | |
CN113127305A (zh) | 异常检测方法及装置 | |
CN114338188B (zh) | 一种基于进程行为序列分片的恶意软件智能云检测系统 | |
US11823494B2 (en) | Human behavior recognition method, device, and storage medium | |
CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
CN113591864A (zh) | 文本识别模型框架的训练方法、装置及系统 | |
CN114494776A (zh) | 一种模型训练方法、装置、设备以及存储介质 | |
CN116032602A (zh) | 一种自动识别威胁数据的方法、装置、设备及存储介质 | |
CN114445663A (zh) | 检测对抗样本的方法、装置及计算机程序产品 | |
CN115171082B (zh) | 驾驶行为的检测方法、装置、电子设备及可读存储介质 | |
CN116755974A (zh) | 云计算平台运维方法、装置、电子设备及存储介质 | |
CN115116130A (zh) | 一种通话动作识别方法、装置、设备以及存储介质 | |
CN114863538A (zh) | 异常行为识别方法和装置 | |
CN113535458B (zh) | 异常误报的处理方法及装置、存储介质、终端 | |
CN113452700B (zh) | 处理安全信息的方法、装置、设备以及存储介质 | |
CN113596011B (zh) | 流量识别方法及装置,计算设备和介质 | |
CN115062304A (zh) | 风险识别方法、装置、电子设备及可读存储介质 | |
CN115641607A (zh) | 电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质 | |
CN115314322A (zh) | 基于流量的漏洞检测确认方法、装置、设备以及存储介质 | |
CN113313125A (zh) | 图像处理方法和装置、电子设备、计算机可读介质 | |
CN113963011A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN112883816A (zh) | 信息推送方法和装置 |
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 |