[发明专利]暴力行为检测方法及系统

说明书

一种暴力行为检测方法，包括：通过摄像头获取场景图像；将所述场景图像输入至特征金字塔网络中，并从所述场景图像中获取目标人体；利用级联金字塔网络对所述目标人体进行人体姿态估计以获取人体姿态估计结果，其中，所述级联金字塔网络包括GlobalNet网络和RefineNet网络；及将所述人体姿态估计结果与数据库中存储的暴力行为人体姿态进行匹配，以根据匹配结果判断所述场景图像中是否存在暴力行为，并对所述暴力行为进行分类。本发明实施例还提供一种暴力行为检测系统、计算机设备及可读存储介质。通过本发明实施例，能够成功地定位各个人体关键点，极大的提高了识别的准确率，并降低了运算量。

技术领域

本发明实施例涉及大数据领域，尤其涉及一种暴力行为检测方法、暴力行 为检测系统、计算机设备及可读存储介质。

背景技术

长期以来，监视人们的行为被认为是有效的行为威慑手段，当发生暴恐事 件时，人的情绪慌张、四处躲避，无法有效拨打报警电话获取求助，此时，实 时检测会第一时间有效的触发报警。其利用公共场所监控摄像头视频的实时传 输，将发生事件的数据逐帧传入云端进行处理，并且会逐时间处理非暴力事件 的冗余信息，保存暴力事件的监控信息。检测到人体暴力行为会触发距离监控 摄像点最近的相关依法处理部门，有助于维护社会稳定和长治久安。而其他的 应用场景也十分广泛，例如：实时监控校园公共区域和死角的校园暴力行为、 医院伤患家属与医生发生的暴力行为、公交/地铁等交通工具上发生的暴力行为。

现有技术中，人体姿态估计的方法包括：

1.结构化特征学习(Structured Feature Learning)，其是在卷积神经网络(Convolutional Neural Network,CNN)的基础上进行微调，然这种多人姿态估 计的准确度不高；

2.深切(Deepcut以及Deepercut)，其是使用CNN提取身体部分候选区域， 然这种方式计算复杂度非常大，速度慢；

3.卷积姿态机(Convolutiona Pose Machine,CPM)，使用顺序化的卷积架构 来表达空间信息和纹理信息，虽具有很好的鲁棒性，然，网络较为复杂。

当然，还有其他人体姿态估计的方法对人体姿态估计有些好的表现，然， 仍然存在较多问题，例如：被遮挡的关键点、不可见的关键点和复杂的背景， 这些问题不能很好的解决。

发明内容

有鉴于此，有必要提供一种暴力行为检测方法、暴力行为检测系统、计算 机设备及可读存储介质，能够成功地定位各个人体关键点，极大的提高了识别 的准确率，并降低了运算量。

为实现上述目的，本发明实施例提供了一种暴力行为检测方法，所述方法 包括：

通过摄像头获取场景图像；

将所述场景图像输入至特征金字塔网络中，并从所述场景图像中获取目标 人体；

利用级联金字塔网络对所述目标人体进行人体姿态估计以获取人体姿态估 计结果，其中，所述级联金字塔网络包括GlobalNet网络和RefineNet网络；及

将所述人体姿态估计结果与数据库中存储的暴力行为人体姿态进行匹配， 以根据匹配结果判断所述场景图像中是否存在暴力行为，并对所述暴力行为进 行分类。

可选地，所述将所述场景图像输入至特征金字塔网络中，以对目标人体进 行检测，并从所述场景图像中获取所述目标人体的步骤，还包括：

将所述场景图像通过卷积网络，并提取所述卷积网络最高层的特征图像以 获取第一尺寸特征图像；

通过双线性插值法对所述第一尺寸特征图像进行上采样至第一中间尺寸特 征图像；

将所述第一中间尺寸特征图像与所述卷积网络中第一中间尺寸的输出图像 进行融合以获取第一融合结果；及