[發明專利]一種行為檢測方法、系統、計算機設備及機器可讀介質

在審

• 申請號: 202110387220.4
• 申請日: 2021-04-09
• 公開（公告）號: CN113052127A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 蔣博劼
• 申請（專利權）人: 上海云從企業發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 李鐵

1.一種行為檢測方法，其特征在于，包括以下步驟：

獲取待檢測圖像，并從所述待檢測圖像中獲取人體框；

判斷所述待檢測圖像中滿足預設條件的人體框與目標框的交并比值是否低于第一閾值，若低于第一閾值，則認定所述待檢測圖像中的目標對象存在第一行為，若大于等于第一閾值則認定所述待檢測圖像中的目標對象不存在第一行為；若所述待檢測圖像中不存在人體框，則認定目標對象存在第一行為。

2.根據權利要求1所述的行為檢測方法，其特征在于，若所述待檢測圖像中的目標對象不存在第一行為，則還包括：

基于人體框的坐標、從所述待檢測圖像中獲取的人頭框的坐標從所述待檢測圖像中獲取對應的人體框區域圖像、人頭框區域圖像；

將所述人體框區域圖像和所述人頭框區域圖像同時輸入至神經網絡模型中，判斷所述待檢測圖像中的目標對象是否存在第二行為。

3.根據權利要求2所述的行為檢測方法，其特征在于，若所述神經網絡模型包括：卷積神經網絡、全連接網絡和softmax函數，則判斷所述待檢測圖像中的目標對象是否存在第二行為的過程包括：

利用所述卷積神經網絡對所述人體框區域圖像和所述人頭區域圖像進行特征提取，得到多個特征圖；

對所述多個特征圖進行特征合并，并利用所述全連接網絡和所述softmax函數對合并后的特征圖進行分類，獲取分類結果；所述分類結果包括：所述待檢測圖像中的目標對象存在第二行為、所述待檢測圖像中的目標對象不存在第二行為。

4.根據權利要求2或3所述的行為檢測方法，其特征在于，還包括將存在第二行為的圖像記為正例、不存在第二行為的圖像記為負例；

若將存在第二行為的圖像檢測為負例，則將當次檢測結果記為漏檢；若將不存在第二行為的圖像檢測為正例，則將當次檢測結果記為誤檢；

利用所述漏檢和/或誤檢對應的圖像訓練優化所述神經網絡模型，并在所述正例的召回率大于第二閾值以及所述負例的召回率大于第三閾值時，停止對所述神經網絡模型的訓練優化。

5.根據權利要求2或3所述的行為檢測方法，其特征在于，還包括：

從視頻流中抽取多幀圖像作為所述待檢測圖像；

識別所抽取的多幀圖像的行為判斷結果，確定所述視頻流中的目標對象是否存在第一行為和/或第二行為；其中，所述第一行為至少包括離崗，所述第二行為至少包括睡崗。

6.一種行為檢測系統，其特征在于，包括有：

圖像采集模塊，用于獲取待檢測圖像；

圖像框模塊，用于從所述待檢測圖像中獲取人體框；

第一行為檢測模塊，用于判斷所述待檢測圖像中滿足預設條件的人體框與目標框的交并比值是否低于第一閾值，若低于第一閾值，則認定所述待檢測圖像中的目標對象存在第一行為，若大于等于第一閾值，則認定所述待檢測圖像中的目標對象不存在第一行為；若所述待檢測圖像中不存在人體框，則認定目標對象存在第一行為。

7.根據權利要求6所述的行為檢測系統，其特征在于，還包括：

區域圖像模塊，用于根據人體框的坐標、從所述待檢測圖像中獲取的人頭框的坐標從所述待檢測圖像中獲取對應的人體框區域圖像、人頭框區域圖像；

第二行為檢測模塊，將所述人體框區域圖像和所述人頭框區域圖像同時輸入至神經網絡模型中，判斷所述待檢測圖像中的目標對象是否存在第二行為。

8.根據權利要求7所述的行為檢測系統，其特征在于，若所述神經網絡模型包括：卷積神經網絡、全連接網絡和softmax函數，則所述第二行為檢測模塊判斷所述待檢測圖像中的目標對象是否存在第二行為的過程包括：

利用所述卷積神經網絡對所述人體框區域圖像和所述人頭區域圖像進行特征提取，得到多個特征圖；

對所述多個特征圖進行特征合并，并利用所述全連接網絡和所述softmax函數對合并后的特征圖進行分類，獲取分類結果；所述分類結果包括：所述待檢測圖像中的目標對象存在第二行為、所述待檢測圖像中的目標對象不存在第二行為。