[发明专利]一种异常事件的检测方法、装置及电子设备

权利要求书

1.一种异常事件的检测方法，其特征在于，包括：

利用已训练的用于特征检测的卷积神经网络CNN从监控到的视频流中获取目标人员的特征目标；其中，所述视频流是监控指定区域得到的视频流；

利用预设的用于前景检测的前景模型从所述视频流中获取前景目标；

基于所述特征目标和所述前景目标确定检测目标；所述检测目标为与各个特征目标无关联的前景目标和各个特征目标，所述检测目标的类型包括人员和非人员，所述非人员的类型至少包括物品和虚假前景；

跟踪所述检测目标，依据跟踪结果确定异常事件。

2.根据权利要求1所述的方法，其特征在于，所述基于所述特征目标和所述前景目标确定检测目标，包括：

从获取的前景目标中选择与各个特征目标无关联的前景目标；

将各个特征目标和选择的前景目标确定为所述检测目标。

3.根据权利要求2所述的方法，其特征在于，所述从获取的前景目标中选择与各个特征目标无关联的前景目标，包括：

针对每一前景目标，计算该前景目标的目标框与每一特征目标的目标框之间交集的面积，若该前景目标的目标框与每一特征目标的目标框之间的交集的面积均小于预设的面积阈值，则确定该前景目标与各个特征目标无关联。

4.根据权利要求1所述的方法，其特征在于，所述跟踪结果包括：在跟踪各检测目标过程中记录的各检测目标的类型、所处的视频帧的视频帧标识；

所述依据跟踪结果确定异常事件，包括：

依据所述跟踪结果中各检测目标的类型、所处视频帧的视频帧标识确定第一目标视频帧和第二目标视频帧；其中，所述第一目标视频帧为存在至少一个特征目标的视频帧，所述第二目标视频帧为存在至少两个特征目标的视频帧；

确定所述第一目标视频帧的数量是否达到预设的滞留计数阈值，如果是，确定存在滞留事件；

确定所述第二目标视频帧的数量是否达到预设的尾随计数阈值，如果是，确定存在尾随事件。

5.根据权利要求1所述的方法，其特征在于，所述跟踪结果包括：在跟踪各检测目标过程中记录的各检测目标的类型、所处的视频帧的视频帧标识、各检测目标的目标框的中心点的历史坐标；

所述依据跟踪结果确定异常事件，包括：

依据所述跟踪结果中各检测目标的类型、所处视频帧的视频帧标识、各检测目标的目标框的中心点的历史坐标确定第三目标视频帧；其中，所述第三目标视频帧为不存在特征目标仅存在前景目标的视频帧，所述前景目标的目标框的中心点的坐标位于预设的检测区域内；

确定所述第三目标视频帧是否达到预设的遗留计数阈值，如果是，从至少一个第三目标视频帧中提取前景目标；

利用预设的CNN分类模型对提取出的所述前景目标进行分类，获得对应于N种不同前景目标类型的置信度；N大于1，N种不同前景目标类型至少包括物品、非物品；

如果N种不同前景目标类型的置信度中物品的置信度最大，则确定存在物品遗留事件。

6.一种异常事件的检测装置，其特征在于，包括：

第一获取单元，用于利用已训练的用于特征检测的卷积神经网络CNN从监控到的视频流中获取目标人员的特征目标；其中，所述视频流是监控指定区域得到的视频流；

第二获取单元，用于利用预设的用于前景检测的前景模型从所述视频流中获取前景目标；

第一确定单元，用于基于所述特征目标和所述前景目标确定检测目标；所述检测目标为与各个特征目标无关联的前景目标和各个特征目标，所述检测目标的类型包括人员和非人员，所述非人员的类型至少包括物品和虚假前景；

第二确定单元，用于跟踪所述检测目标，依据跟踪结果确定异常事件。

7.根据权利要求6所述的装置，其特征在于，所述第一确定单元，进一步用于：

从获取的前景目标中选择与各个特征目标无关联的前景目标；

将各个特征目标和选择的前景目标确定为所述检测目标。