[發明專利]行為檢測、模型訓練方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010322302.6
• 申請日: 2020-04-22
• 公開（公告）號: CN111767783A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 趙飛
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 項京;高鶯然

本申請實施例提供了一種行為檢測、模型訓練方法、裝置、電子設備及存儲介質，涉及圖像檢測技術領域，檢測方法包括：在待檢測視頻中獲取包含目標對象的待檢測圖像序列，其中，待檢測視頻為：在預設場景下采集的視頻；將待檢測圖像序列輸入預先訓練完成的行為特征提取模型進行行為特征提取，得到待對比行為特征，其中，行為特征提取模型為：用于提取預設場景中對象的行為特征的神經網絡模型；計算待對比行為特征與預設的正常行為的參考特征之間的相對距離，在相對距離大于或等于預設距離閾值的情況下，確定待檢測圖像序列中目標對象的行為為異常行為。由此可見，應用本申請實施例提供的行為檢測方案，可以提高行為檢測的準確度。

技術領域

本申請涉及圖像檢測技術領域，特別是涉及一種行為檢測、模型訓練方法、裝置、電子設備及存儲介質。

背景技術

隨著圖像處理技術的快速發展，圖像處理技術的應用也越來越廣泛。例如，在安防領域，可以利用圖像處理技術，對圖像采集設備所采集的視頻中對象的行為進行檢測，包括檢測對象的行為是異常行為還是正常行為。

現有技術中，通常利用異常行為檢測模型來對待檢測視頻中對象的行為進行檢測。上述異常行為檢測模型需要利用正樣本和負樣本進行預先訓練，上述正樣本為包含異常行為的視頻，負樣本為包含正常行為的視頻。

然而，在實際場景中，異常行為的發生概率很低，導致包含異常行為的視頻的數量很少，進而導致模型訓練中的正樣本數量很少。這樣訓練得到的異常行為檢測模型，在對輸入的視頻進行檢測時，輸出的結果的準確率較低。從而導致應用現有技術對視頻中對象的行為進行檢測的準確度較低。

發明內容

本申請實施例的目的在于提供一種行為檢測、模型訓練方法、裝置、電子設備及存儲介質，以提高行為檢測的準確度。具體技術方案如下：

第一方面，本申請實施例提供了一種行為檢測方法，所述方法包括：

在待檢測視頻中獲取包含目標對象的待檢測圖像序列，其中，所述待檢測視頻為：在預設場景下采集的視頻；

將所述待檢測圖像序列輸入預先訓練完成的行為特征提取模型進行行為特征提取，得到待對比行為特征，其中，所述行為特征提取模型為：用于提取所述預設場景中對象的行為特征的神經網絡模型；

計算所述待對比行為特征與預設的正常行為的參考特征之間的相對距離，在所述相對距離大于或等于預設距離閾值的情況下，確定所述待檢測圖像序列中所述目標對象的行為為異常行為。

本申請的一個實施例中，通過以下方式訓練得到所述行為特征提取模型：

獲得多個初始樣本圖像序列，并對每一初始樣本圖像序列中樣本對象的行為類別進行標注；

以各個初始樣本圖像序列、每一初始樣本圖像序列中樣本對象的行為類別為輸入，對初始神經網絡模型進行訓練，得到初始行為特征提取模型；

獲得所述預設場景下采集的多個正常樣本圖像序列和異常樣本圖像序列，其中，所述正常樣本圖像序列中對象的行為屬于針對所述預設場景預先設定的正常行為，所述異常樣本圖像序列中對象的行為屬于針對所述預設場景預先設定的異常行為；

基于所述各個正常樣本圖像序列和異常樣本圖像序列，以所述初始行為特征提取模型輸出的正常樣本行為特征與異常樣本行為特征之間的距離差值，滿足預設的識別異常行為的距離差值條件為訓練目標，對所述初始行為特征提取模型進行再次訓練，獲得最終訓練完成的行為特征提取模型。

本申請的一個實施例中，所述距離差值條件包括：

正常樣本行為特征與異常樣本行為特征之間的第一特征距離大于或等于預設的第一距離閾值；或

正常樣本行為特征與異常樣本行為特征之間的第一特征距離大于或等于預設的第一距離閾值，且正常樣本行為特征之間的第二特征距離小于或等于預設的第二距離閾值；或