[發明專利]行為檢測方法、電子設備和存儲介質

在審

• 申請號: 202010511195.1
• 申請日: 2020-06-08
• 公開（公告）號: CN111680624A
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 周康明;張棟棟
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 羅英;臧建明

本申請提供了一種行為檢測方法、電子設備和存儲介質，該方法包括：獲取待檢測的多幀連續圖像；利用預先訓練好的行為檢測模型對所述多幀連續圖像進行處理，得到第一行為類別、第一概率和第一特征向量；所述第一行為類別為參與訓練所述行為檢測模型的多種行為類別中的一種，所述第一概率為所述多幀連續圖像表示的行為是所述第一行為類別的概率，所述第一特征向量為指示所述多幀連續圖像表示的行為的行為特征；根據第一行為類別、第一概率和第一特征向量，確定所述多幀連續圖像表示的行為的行為類別。

技術領域

本申請涉及數據處理技術，尤其涉及一種行為檢測方法、電子設備和存儲介質。

背景技術

車輛年檢，指每個已經取得正式號牌和行駛證的車輛都必須要進行的一項檢測，相當于每年一次按規定給車輛做體檢。車輛年檢可以及時消除車輛安全隱患，督促加強汽車的維護保養，減少交通事故的發生。車輛年檢通常由經培訓過的專業車輛年檢人員進行。車輛年檢過程中，車輛年檢人員應按照規定的檢測流程和操作方式對待檢測車輛進行全面的檢測。同時車管所需要監督檢測人員的檢測操作是否規范。

早期，對檢測人員的檢測操作是否規范的判斷方法，一般為由專門的監督人員觀看視頻，判斷視頻中人的行為是否滿足要求。但這種方式需要消耗很多人力，花費的時間也比較長，總體效率較低，并且判斷結果不穩定，可能會受到監督人員的專業能力和主觀態度影響。

隨著機器學習的發展，有了相關的自動檢測技術出現。一般會通過構建和訓練檢測模型的方式對視頻中的人的行為類別進行識別，以確定其是否滿足操作規范。但這種方式中，模型能夠識別出的行為類別僅限于模型訓練過程中參與訓練的行為類別，對模型的識別能力構成限制，一旦識別對象不屬于模型熟知的類別，就會造成誤判，導致檢測的準確性低。

發明內容

本申請提供一種行為檢測方法、電子設備和存儲介質，實現對行為類別的精準檢測和判斷，提高檢測準確性。

第一方面，本申請提供一種行為檢測方法，包括：獲取待檢測的多幀連續圖像；利用預先訓練好的行為檢測模型對所述多幀連續圖像進行處理，得到第一行為類別、第一概率和第一特征向量；所述第一行為類別為參與訓練所述行為檢測模型的多種行為類別中的一種，所述第一概率為所述多幀連續圖像表示的行為是所述第一行為類別的概率，所述第一特征向量為指示所述多幀連續圖像表示的行為的行為特征；根據第一行為類別、第一概率和第一特征向量，確定所述多幀連續圖像表示的行為的行為類別。

可選的，所述根據第一行為類別、第一概率和第一特征向量，確定所述多幀連續圖像表示的行為的行為類別，包括：若所述第一概率小于預設值，則根據所述第一特征向量，從預設對應關系中確定第二行為類別；所述預設對應關系包括未參與訓練所述行為檢測模型的一種或多種行為類別分別與特征向量之間的對應關系；確定所述第二行為類別為所述多幀連續圖像表示的行為的行為類別。

可選的，所述方法還包括：若所述第一概率大于等于預設值，則確定所述第一行為類別為所述多幀連續圖像表示的行為的行為類別。

可選的，所述根據所述第一特征向量，從預設對應關系中確定第二行為類別，包括：獲取所述第一特征向量與所述預設對應關系中各特征向量的相似度；根據所述第一特征向量與所述預設對應關系中各特征向量的相似度，確定所述第二行為類別。

可選的，所述利用預先訓練好的行為檢測模型對所述多幀連續圖像進行處理，得到第一行為類別、第一概率和第一特征向量，包括：利用預先訓練好的行為檢測模型中的雙流卷積神經網絡和3D卷積神經網絡對所述多幀連續圖像進行處理，得到空間特征向量和運動特征向量；對所述空間特征向量和所述運動特征向量進行融合，得到第一特征向量；利用回歸模型、第一特征向量，確定第一行為類別和第一概率。