[发明专利]面向大型多人车厢场景的异常行为分析方法

说明书

本发明公开了一种面向大型多人车厢场景的异常行为分析方法，包括步骤如下：利用人体姿态估计算法对车厢内监控视频进行数据提取，得到单人或多人空间骨架节点序列；训练单人行为识别网络，该网络对输入的单人空间骨架节点序列进行识别，判断该人是否存在跌倒的异常行为；训练多人行为识别网络，该网络通过对输入的多人空间骨架节点序列进行识别，进而判断是否存在异常行为；4）对多人行为识别网络的输出结果进行信息融合以对多人行为做进一步判断，根据单人和多人行为识别结果。本发明有效的解决了以卷积神经网络和循环神经网络等模型为代表的深度学习方法不能将视频中的空间和时序信息有效结合起来的问题，提高了异常行为识别的准确度。

技术领域

本发明涉及一种面向大型多人车厢场景的异常行为分析方法，属于智能车联网技术领域。

背景技术

随着科技的发展、人们环保意识的提升，有越来越多的人选择高铁、公交等大型公共交通工具出行，出行的安全问题也因此受到社会的关注。对于跌倒、打斗、偷盗等损害出行者生命和财产安全的行为往往通过监控视频进行分析，然而，传统的视频监控存在以下缺陷：1、只具备一些简单的监控、视频存储、视频回放等功能，监控的过程中往往需要工作人员在旁边进行全天实时连续看守。由于人的注意力集中时间具有间断性，并且会因为长时间大脑的高度集中而造成疲劳，这样就不可避免的会出现漏检、误检的情况；2、由于监控室的监控屏幕越来越多，需要更多的工作人员进行实时的看守，导致人力资源成本的骤增。

综上所述，如何在现有技术的基础上提出实时与准确兼顾的异常行为识别方法成为了目前业内人士所亟待解决的问题。

发明内容

为了克服现有技术中存在的不足，本发明提供一种面向大型多人车厢场景的异常行为分析方法，以解决现有技术中实际场景中因光照变化、目标相互遮挡等干扰因素使得车厢场景的异常行为识别方法的鲁棒性不高，准确性受限的问题。

为实现上述目的，本发明的一种面向大型多人车厢场景的异常行为分析方法，包括步骤如下：

1)利用人体姿态估计算法对车厢内监控视频进行数据提取，得到单人或多人空间骨架节点序列；

2)训练单人行为识别网络，该网络对输入的单人空间骨架节点序列进行识别，判断该人是否存在异常行为；

3)训练多人行为识别网络，该网络通过对输入的多人空间骨架节点序列进行识别，进而判断是否存在异常行为；

4)对多人行为识别网络的输出结果进行信息融合以对多人行为做进一步判断，根据单人和多人行为识别结果，发出提示通知。

优选地，所述步骤1)中采用热成像摄像机进行车辆内视频数据的采集。

优选地，所述步骤1)具体包括：

11)对车厢内监控视频进行预处理，即对视频按一定的跳帧的方式提取得到图片集；

12)利用人体姿态估计算法对上述11)中提取的图片集进行人体姿态检测，即通过人体结构关系优化算法连人体关键关节坐标点实现对人体姿态的检测；通过卷积神经网络CNN1(VGG网络模型)对图像进行特征提取生成图像特征图，该神经网络输入的图片为经过预处理的热成像图片；再分别用卷积神经网络CNN2_1和卷积神经网络CNN2_2(全连接网络模型)对图像特征图进行分布式处理，CNN2_1用来检测人体关节坐标区域并通过非极大值抑制算法进行优化得到最优的人体关节坐标点，CNN2_2用来检测人体结构关系区域并通过人体结构关系向量优化算法得到人体结构区域；根据人体关节坐标点和人体结构区域得到目标抽象姿态。