[發明專利]異常行為檢測方法及裝置

有效

• 申請號: 201811581954.0
• 申請日: 2018-12-24
• 公開（公告）號: CN111353352B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 趙飛
• 申請（專利權）人: 杭州?？低晹底旨夹g股份有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V20/40;G06V10/764;G06V10/774
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 韓東艷

本發明公開了一種異常行為檢測方法及裝置，屬于視頻監控領域。所述方法包括：獲取待檢測的行為數據；將所述行為數據輸入特征提取模型，輸出所述行為數據的行為特征，所述特征提取模型用于根據正常行為數據輸出特征空間范圍內的行為特征以及根據異常行為數據輸出所述特征空間范圍外的行為特征，所述特征空間范圍內各個行為特征之間的距離小于距離閾值；根據所述行為數據的行為特征與正常行為特征中心的距離和所述距離閾值，獲取所述行為數據的檢測結果，所述檢測結果用于指示所述行為數據是否為異常行為數據，所述正常行為特征中心用于代表所述特征空間范圍內的行為特征。本發明這種基于距離度量的異常行為檢測方法，準確性較高。

技術領域

本發明涉及視頻監控領域，尤其涉及一種異常行為檢測方法及裝置。

背景技術

異常行為檢測是指在視頻監控場景下，計算機設備代替視頻監控人員，自動檢測出視頻監控場景下發生的異常行為，從而可以及時進行報警。其中，異常行為一般是指場景中與其他行為有著明顯不同或者在該場景中發生概率較低的行為，如危害他人、損害公共利益的行為。異常行為檢測使得視頻監控人員可以從海量的監控數據以及繁瑣的人工操作中解脫出來，在視頻監控領域有著極其廣泛的應用。

相關技術中，一般是使用OneClassSVM(One?Class?Support?Vector?Machine,一類支持向量機)來實現異常行為的檢測，具體地，收集大量發生正常行為的監控視頻，從監控視頻中抽取圖像序列作為正常行為數據，基于正常行為數據訓練一個一類分類器。對于一個未知視頻，抽取圖像序列作為行為數據，提取該行為數據的行為特征，如果該行為特征與該一類分類器包含的行為特征不一致，那么就認為是異常行為。其中，該一類分類器包含的行為特征通過對正常行為數據進行特征提取得到。

上述技術基于正常行為數據提取的行為特征來判斷異常行為，由于沒有學習正常行為數據和異常行為數據的區別，檢測結果容易出現很大偏差，異常行為檢測的準確性差。

發明內容

本發明實施例提供了一種異常行為檢測方法及裝置，可以解決相關技術準確性差的問題。所述技術方案如下：

第一方面，提供了一種異常行為檢測方法，所述方法包括：

獲取待檢測的行為數據；

將所述行為數據輸入特征提取模型，輸出所述行為數據的行為特征，所述特征提取模型用于根據正常行為數據輸出特征空間范圍內的行為特征以及根據異常行為數據輸出所述特征空間范圍外的行為特征，所述特征空間范圍內各個行為特征之間的距離小于距離閾值；

根據所述行為數據的行為特征與正常行為特征中心的距離和所述距離閾值，獲取所述行為數據的檢測結果，所述檢測結果用于指示所述行為數據是否為異常行為數據，所述正常行為特征中心用于代表所述特征空間范圍內的行為特征。

在一種可能實現方式中，所述特征提取模型的訓練過程包括：

根據正常行為數據集合和異常行為數據集合，獲取多個第一行為數據對和多個第二行為數據對，每個第一行為數據對包含所述正常行為數據集合中的兩個正常行為數據，每個第二行為數據對包含所述正常行為數據集合中的一個正常行為數據和所述異常行為數據集合中的一個異常行為數據；

提取所述多個第一行為數據對的多個第一行為特征對和所述多個第二行為數據對的多個第二行為特征對，每個第一行為特征對包含兩個正常行為數據的行為特征，每個第二行為特征對包含一個正常行為數據的行為特征和一個異常行為數據的行為特征；

根據所述每個第一行為特征對包含的兩個行為特征之間的距離和所述每個第二行為特征對包含的兩個行為特征之間的距離，通過損失函數監督訓練，得到所述特征提取模型。

在一種可能實現方式中，所述根據正常行為數據集合和異常行為數據集合，獲取多個第一行為數據對和多個第二行為數據對之前，所述方法還包括：