[發明專利]一種基于目標檢測和骨點檢測的異常行為識別方法及裝置

在審

• 申請號: 201810011384.5
• 申請日: 2018-01-05
• 公開（公告）號: CN108197575A
• 公開（公告）日: 2018-06-22
• 發明（設計）人: 王迎雪;劉弋鋒;許忠雄;林暉;陳誠;謝海永;廖勇
• 申請（專利權）人: 中國電子科技集團公司電子科學研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 工業和信息化部電子專利中心 11010
• 代理人: 于金平

本發明公開了一種基于目標檢測和骨點檢測的異常行為識別方法及裝置，本發明通過采用快速區域卷積深度神經網絡對視頻中的人員進行目標檢測，再通過卷積姿勢機深度神經網絡Convolutional Pose Machines對檢測到的人員進行骨點檢測，以及通過光流法對檢測到的骨點進行跟蹤，最后通過分類器對異常行為進行識別，從而實現快速且準確的對視頻中的人員的異常行為進行識別和預警，有效解決了現有技術中異常行為識別方法準確率低、實時性差的問題。

技術領域

本發明涉及通信技術領域，尤其涉及一種基于目標檢測和骨點檢測的異常行為識別方法及裝置。

背景技術

近年來，頻發的突發事件和異常事件已經嚴重影響了社會的公共安全。針對頻發的突發事件和異常事件等危害公共安全的行為，世界各國已經將異常行為識別技術作為安全防范的一種重要手段。

人體異常行為是指人體無規律的非正常行為，如人體的突然奔跑、打架、病倒、徘徊、人員大量聚集等。異常行為識別技術是從采集到的視頻序列中檢測并識別人員異常行為的一種技術，該技術可以有效的預防暴力襲擊、踩踏事件等突發事件的發生，可以為監控人員提供及時的預警信息，有效輔助相關人員實時的對監控場景中出現的異常情況進行判斷和采取措施。

但是目前針對越來越多的突發事件和異常事件，現有技術中尚不能準確地對突發事件和異常事件中人的行為進行識別。

發明內容

鑒于上述的分析，本發明旨在提供一種基于目標檢測和骨點檢測的異常行為識別方法及裝置，用以解決現有技術不能準確地對突發事件和異常事件中人的行為進行識別的問題。

為解決上述問題，本發明主要是通過以下技術方案實現的：

本發明提供了一種基于目標檢測和骨點檢測的異常行為識別方法，該方法包括：獲取視頻數據，對視頻數據中的人員進行目標人員檢測；通過卷積姿勢機深度神經網絡Convolutional Pose Machines對檢測到的目標人員進行骨點檢測，并對檢測到的骨點進行跟蹤；通過分類器對不同幀的骨點位置進行分類，識別目標人員是否存在異常行為。

進一步地，所述對視頻數據中的人員進行目標人員檢測包括：通過快速區域卷積深度神經網絡對視頻數據中的人員進行目標人員檢測。

進一步地，所述通過快速區域卷積深度神經網絡對視頻數據中的人員進行目標人員檢測，具體包括：通過區域建議網絡來生成候選區域，利用快速區域卷積神經網絡提取候選區域的特征，將候選區域的特征向量送入全連接層進行精確定位和分類，以對視頻中的目標人員進行檢測。

進一步地，所述通過卷積姿勢機深度神經網絡對檢測到的目標人員進行骨點檢測包括：對每個目標框內檢測到的人員，采用卷積姿勢機深度神經網絡預測人體各個骨點的響應圖，通過響應圖來表達人體各個骨點之間的空間約束，確定人體各個骨點的位置。

進一步地，采用卷積姿勢機深度神經網絡預測人體各個骨點的響應圖，通過響應圖來表達人體各個骨點之間的空間約束，確定人體各個骨點的位置，具體包括：通過卷積姿勢機深度神經網絡計算在每一個尺度下的各個骨點的響應圖，累加每個骨點所有尺度下的響應圖，得到總響應圖，在每個骨點的總響應圖上，找出響應最大的點，即為該骨點的位置。

進一步地，所述對檢測到的骨點進行跟蹤具體包括：通過光流法對每個人的各個骨點的位置進行跟蹤，獲取每個人在不同視頻幀各個骨點的位置坐標。

進一步地，所述通過分類器對不同幀的骨點位置進行分類，識別目標人員是否存在異常行為，具體包括：獲取包含某類型異常行為的一段訓練視頻流，對該段訓練視頻流中的每幀圖像作骨點檢測和骨點跟蹤的操作，獲得多幀圖像的人體骨點的位置；將所有視頻幀的骨點位置構成一個訓練樣本；重復上述步驟，獲得某類異常行為中的多個訓練樣本，構成訓練樣本集；采用高斯混合模型對訓練樣本集中的骨點位置進行建模構建分類器，并通過所述分類器對異常行為進行分類，識別目標人員是否存在異常行為。