[發明專利]行為檢測方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202011285916.8
• 申請日: 2020-11-17
• 公開（公告）號: CN112395978A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 蘆文峰;劉偉超;郭倜穎;賈懷禮;陳遠旭
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 王迎;袁文婷

本發明涉及行為檢測技術領域，揭露一種行為檢測方法，包括將待檢測視頻輸入訓練完成的目標檢測模型中，獲取與待檢測視頻對應的目標檢測結果；同時，提取待檢測視頻中人體的關鍵點信息，并對關鍵點信息進行預處理，獲取與待檢測視頻中的人體對應的姿態分類結果；對目標檢測結果及姿態分類結果進行邏輯回歸處理，獲取待檢測視頻中的人體的行為檢測結果。本發明可以結合姿態分類結果和目標檢測結果的融合進行目標行為檢測，行為檢測的速度快和準確度高。

技術領域

本發明涉及行為檢測技術領域，尤其涉及一種行為檢測方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

目前，在公共室內場合、大型工地現場或車輛駕駛室內，吸煙、打電話或喝水等常見的行為，容易導致不文明影響或存在安全隱患，而采用傳統的人工監管方式，成本較高，不能進行全程監控，存在監控疏忽或誤判的情況。

而現有的目標檢測作為輔助駕駛系統或者視頻監控等應用中的一項重要檢測項目，其通常是對無遮擋、遮擋不嚴重或者行動幅度較大的人體進行常規的姿態檢測，但是對于目標較小或者不易察覺的目標檢測精度較低，導致其檢測效果差，適用范圍受限。

此外，現有的目標檢測普遍通過機器視覺對近距離的目標進行檢測，但在較遠場景應用中，例如對香煙、電話等微小目標進行檢測時，由于目標小、距離遠、不易檢測等問題，導致現有的目標檢測方案精度低、誤判率高、適用場景受限。

發明內容

本發明提供一種行為檢測方法、裝置、電子設備及計算機可讀存儲介質，其主要目的在于解決現有目標檢測方案存在的精度低、誤判率高、適用場景受限等問題，以提高目標檢測的速度和精度。

為實現上述目的，本發明提供的一種行為檢測方法，包括：

將待檢測視頻輸入訓練完成的目標檢測模型中，獲取與所述待檢測視頻對應的目標檢測結果；同時，

提取所述待檢測視頻中人體的關鍵點信息，并對所述關鍵點信息進行預處理，獲取與所述待檢測視頻中的人體對應的姿態分類結果；

對所述目標檢測結果及所述姿態分類結果進行邏輯回歸處理，獲取所述待檢測視頻中的人體的行為檢測結果。

可選地，所述目標檢測模型的訓練過程包括：

獲取帶有目標行為的訓練數據集，所述訓練數據集存儲于區塊鏈中；

對所述訓練數據集中的所述目標行為進行標注，并獲取標注位置信息；

利用yolo模型對所述標注位置信息進行參數訓練，直至所述yolo模型收斂在預設范圍內，完成所述目標檢測模型的訓練。

可選地，所述獲取與所述待檢測視頻對應的目標檢測結果的步驟包括：

提取所述待檢測視頻中的幀圖像；

將所述幀圖像輸入訓練完成后的所述目標檢測模型；

所述目標檢測模型輸出與所述幀圖像對應的目標檢測框，作為所述目標檢測結果。

可選地，所述提取所述待檢測視頻中人體的關鍵點信息，并對所述關鍵點信息進行預處理，獲取與所述待檢測視頻中的人體對應的姿態分類結果的步驟包括：

基于alphapose開源系統提取所述待檢測視頻中人體的關鍵點信息；

對所述關鍵點信息進行歸一化處理，并獲取與所述關鍵點信息對應的轉換坐標信息；

基于KNN鄰近算法比對所述轉換坐標信息及預設經驗圖像集中的標準坐標信息，獲取與所述待檢測視頻中人體對應的姿態分類結果。

可選地，所述KNN鄰近算法比對的步驟包括：