[發明專利]異常行為的識別方法及裝置

有效

• 申請號: 202010406965.6
• 申請日: 2020-05-14
• 公開（公告）號: CN111597970B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 朱軍;張宇;吳平凡;楊儒良
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;H04N7/18
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王天堯;湯在彥

本發明公開了一種異常行為的識別方法及裝置，該方法包括：將多個攝像頭采集的客戶行為數據分別輸入異常行為識別模型，在識別出異常行為時，確定采集到該異常行為的至少兩個攝像頭及其中每個攝像頭對應的異常行為置信度；根據采集到該異常行為的至少兩個攝像頭中每兩個攝像頭之間的夾角參數，確定每兩個攝像頭的識別準確率；根據每兩個攝像頭的識別準確率，以及每個攝像頭對應的異常行為置信度，確定每兩個攝像頭的異常行為置信度；根據每兩個攝像頭的異常行為置信度，確定該異常行為的置信度；在該異常行為的置信度大于或等于預設置信度閾值時，將該異常行為確定為識別結果，本發明可以提高異常行為識別的準確性。

技術領域

本發明涉及數據處理技術領域，特別涉及一種異常行為的識別方法及裝置。

背景技術

銀行網點屬于金融交易場所，對安保要求較高，對現場發生的人群推搡、打斗等行為非常敏感。隨著人工智能技術盛行，銀行采用了打斗行為識別模型，基于圖像中肢體互動和疊加的原理，對銀行網點進行視頻監控，能夠快速發現并識別銀行網點內的斗毆、推搡等異常行為，提醒工作人員及時處理。

但是，由于網點人群密集度較高，在單一角度拍攝視頻時，因直線視覺問題，圖像中的縱深無法識別，會出現局部遮擋，人員交叉行走時會造成目標視覺重疊，往往使得實際上有一定距離的人群在發生位置交換或者交叉移動時，被誤判為異常行為，特別是在人群排隊的時候，異常行為的錯誤識別經常發生。

現有技術大多是基于深度學習，收集打斗行為的圖像數據，優化打斗行為識別模型，但是，因為單一朝向的攝像頭的二維圖像物理局限性，使得模型優化進展困難，異常行為識別的準確性較低。

針對上述問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供一種異常行為的識別方法，用以提高異常行為識別的準確性，該方法包括：

將多個攝像頭采集的客戶行為數據分別輸入異常行為識別模型，在識別出異常行為時，確定采集到該異常行為的至少兩個攝像頭及其中每個攝像頭對應的異常行為置信度，其中，多個攝像頭設置在銀行網點的不同位置，異常行為識別模型根據歷史異常行為數據訓練得到；

獲得采集到該異常行為的至少兩個攝像頭的角度參數，確定每兩個攝像頭之間的夾角參數；

根據每兩個攝像頭之間的夾角參數，確定每兩個攝像頭的識別準確率；

根據每兩個攝像頭的識別準確率，以及每個攝像頭對應的異常行為置信度，確定每兩個攝像頭的異常行為置信度；

根據每兩個攝像頭的異常行為置信度，確定該異常行為的置信度；

在該異常行為的置信度大于或等于預設置信度閾值時，將該異常行為確定為識別結果。

本發明實施例提供一種異常行為的識別裝置，用以提高異常行為識別的準確性，該裝置包括：

參數獲得模塊，用于將多個攝像頭采集的客戶行為數據分別輸入異常行為識別模型，在識別出異常行為時，確定采集到該異常行為的至少兩個攝像頭及其中每個攝像頭對應的異常行為置信度，其中，多個攝像頭設置在銀行網點的不同位置，異常行為識別模型根據歷史異常行為數據訓練得到；

夾角確定模塊，用于獲得采集到該異常行為的至少兩個攝像頭的角度參數，確定每兩個攝像頭之間的夾角參數；

準確率確定模塊，用于根據每兩個攝像頭之間的夾角參數，確定每兩個攝像頭的識別準確率；

置信度確定模塊，用于根據每兩個攝像頭的識別準確率，以及每個攝像頭對應的異常行為置信度，確定每兩個攝像頭的異常行為置信度；

異常行為置信度確定模塊，用于根據每兩個攝像頭的異常行為置信度，確定該異常行為的置信度；