[發明專利]異常行為識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011077906.5
• 申請日: 2020-10-10
• 公開（公告）號: CN112200081A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 侯冰基
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 遲珊珊

本發明涉及人工智能技術領域，提供一種異常行為識別方法、裝置、電子設備及存儲介質，該方法包括：獲取圖像數據集；基于行人目標檢測器，對圖像數據集中的每張圖像進行行人檢測，獲得行人坐標框；根據類間距離，對行人坐標框進行聚類，以及對聚類后的行人坐標框進行合并，獲得新坐標框；根據新坐標框，對圖像進行截取，獲得多個截圖樣本；基于多個截圖樣本，訓練卷積神經網絡，獲得異常行為分類器模型；根據行人目標檢測器和異常行為分類器模型，對待檢測圖像進行識別，獲得異常行為概率；根據異常行為概率，確定異常行為識別結果。本發明可應用在智慧安防、智慧交通、智慧社區及智慧生活等需要進行異常行為識別的領域，從而推動智慧城市的發展。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種異常行為識別方法、裝置、電子設備及存儲介質。

背景技術

隨著人口的密集程度越來越高，在社區以及園區經常會出現很多聚集性的異常事件，比如打架斗毆等行為，這給社會安全帶來了極大威脅。目前，在對異常行為進行識別時，通常采取的算法是基于姿態估計，根據提取的關鍵點再訓練分類器，這種方法強烈依賴于人體關鍵點的識別準確度，但打架行為發生時，會產生很多遮擋的情況，特別是人群聚集的時候，造成識別不準。

因此，如何提高異常行為的識別率是一個亟待解決的技術問題。

發明內容

鑒于以上內容，有必要提供一種異常行為識別方法、裝置、電子設備及存儲介質，能夠提高異常行為的識別率。

本發明的第一方面提供一種異常行為識別方法，所述異常行為識別方法包括：

獲取圖像數據集；

基于預先訓練好的行人目標檢測器，對所述圖像數據集中的每張圖像進行行人檢測，獲得行人坐標框；

根據設定的類間距離，對所述行人坐標框進行聚類，以及對聚類后的行人坐標框進行合并，獲得新坐標框；

根據所述新坐標框，對所述圖像進行截取，獲得多個截圖樣本；

基于所述多個截圖樣本，訓練卷積神經網絡，獲得異常行為分類器模型；

根據所述行人目標檢測器和所述異常行為分類器模型，對待檢測圖像進行識別，獲得異常行為概率；

根據所述異常行為概率，確定異常行為識別結果。

在一種可能的實現方式中，所述獲取圖像數據集之前，所述異常行為識別方法還包括：

獲取訓練集和驗證集；

設置初始學習率以及調整學習率，其中，所述初始學習率大于所述調整學習率；

基于所述初始學習率以及Adam優化算法，使用所述訓練集對YOLOv3框架進行訓練，獲得中間模型；

將所述驗證集輸入至所述中間模型，當所述驗證集的損失函數達到收斂時，基于所述調整學習率以及隨機梯度下降SGD算法，對所述中間模型進行訓練；

當所述驗證集的損失函數達到收斂時，確定當前收斂時的模型為行人目標檢測器。

在一種可能的實現方式中，所述根據設定的類間距離，對所述行人坐標框進行聚類包括：

按照每個行人坐標框的概率從高到低的順序，對所述行人坐標框進行排序，獲得排序框；

將概率最高的行人坐標框確定為基準框；

依次遍歷所述排序框中排序在所述基準框之后的剩余框，并計算所述基準框與每個所述剩余框的歐式距離；

根據設定的類間距離以及所述歐式距離，對所述行人坐標框進行聚類。

在一種可能的實現方式中，所述對聚類后的行人坐標框進行合并，獲得新坐標框包括：