[发明专利]行为检测、模型训练方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种行为检测、模型训练方法、装置、电子设备及存储介质，涉及图像检测技术领域，检测方法包括：在待检测视频中获取包含目标对象的待检测图像序列，其中，待检测视频为：在预设场景下采集的视频；将待检测图像序列输入预先训练完成的行为特征提取模型进行行为特征提取，得到待对比行为特征，其中，行为特征提取模型为：用于提取预设场景中对象的行为特征的神经网络模型；计算待对比行为特征与预设的正常行为的参考特征之间的相对距离，在相对距离大于或等于预设距离阈值的情况下，确定待检测图像序列中目标对象的行为为异常行为。由此可见，应用本申请实施例提供的行为检测方案，可以提高行为检测的准确度。

技术领域

本申请涉及图像检测技术领域，特别是涉及一种行为检测、模型训练方法、装置、电子设备及存储介质。

背景技术

随着图像处理技术的快速发展，图像处理技术的应用也越来越广泛。例如，在安防领域，可以利用图像处理技术，对图像采集设备所采集的视频中对象的行为进行检测，包括检测对象的行为是异常行为还是正常行为。

现有技术中，通常利用异常行为检测模型来对待检测视频中对象的行为进行检测。上述异常行为检测模型需要利用正样本和负样本进行预先训练，上述正样本为包含异常行为的视频，负样本为包含正常行为的视频。

然而，在实际场景中，异常行为的发生概率很低，导致包含异常行为的视频的数量很少，进而导致模型训练中的正样本数量很少。这样训练得到的异常行为检测模型，在对输入的视频进行检测时，输出的结果的准确率较低。从而导致应用现有技术对视频中对象的行为进行检测的准确度较低。

发明内容

本申请实施例的目的在于提供一种行为检测、模型训练方法、装置、电子设备及存储介质，以提高行为检测的准确度。具体技术方案如下：

第一方面，本申请实施例提供了一种行为检测方法，所述方法包括：

在待检测视频中获取包含目标对象的待检测图像序列，其中，所述待检测视频为：在预设场景下采集的视频；

将所述待检测图像序列输入预先训练完成的行为特征提取模型进行行为特征提取，得到待对比行为特征，其中，所述行为特征提取模型为：用于提取所述预设场景中对象的行为特征的神经网络模型；

计算所述待对比行为特征与预设的正常行为的参考特征之间的相对距离，在所述相对距离大于或等于预设距离阈值的情况下，确定所述待检测图像序列中所述目标对象的行为为异常行为。

本申请的一个实施例中，通过以下方式训练得到所述行为特征提取模型：

获得多个初始样本图像序列，并对每一初始样本图像序列中样本对象的行为类别进行标注；

以各个初始样本图像序列、每一初始样本图像序列中样本对象的行为类别为输入，对初始神经网络模型进行训练，得到初始行为特征提取模型；

获得所述预设场景下采集的多个正常样本图像序列和异常样本图像序列，其中，所述正常样本图像序列中对象的行为属于针对所述预设场景预先设定的正常行为，所述异常样本图像序列中对象的行为属于针对所述预设场景预先设定的异常行为；

基于所述各个正常样本图像序列和异常样本图像序列，以所述初始行为特征提取模型输出的正常样本行为特征与异常样本行为特征之间的距离差值，满足预设的识别异常行为的距离差值条件为训练目标，对所述初始行为特征提取模型进行再次训练，获得最终训练完成的行为特征提取模型。

本申请的一个实施例中，所述距离差值条件包括：

正常样本行为特征与异常样本行为特征之间的第一特征距离大于或等于预设的第一距离阈值；或

正常样本行为特征与异常样本行为特征之间的第一特征距离大于或等于预设的第一距离阈值，且正常样本行为特征之间的第二特征距离小于或等于预设的第二距离阈值；或