[发明专利]一种异常行为检测方法、装置、电子设备及存储介质

说明书

本申请提供一种异常行为检测方法、装置、电子设备及存储介质，该方法包括：获得待预测视频，待预测视频是针对目标对象的行为进行采集的视频；使用神经网络模型提取待预测视频中的第一行为特征，并对第一行为特征进行预测，获得初次预测结果；将待预测视频按照时间进行逆序反转，获得反转视频，并使用神经网络模型提取反转视频中的第二行为特征；计算第一行为特征与第二行为特征的相似度值；根据初次预测结果和相似度值确定待预测视频的最终预测结果，最终预测结果表征目标对象的行为是否存在异常。

技术领域

本申请涉及深度学习、图像识别和视频处理的技术领域，具体而言，涉及一种异常行为检测方法、装置、电子设备及存储介质。

背景技术

异常行为检测，是指针对目标对象的行为是否存在异常进行检测，具体例如：老人在房间里是躺着或者跌倒；若是跌倒，那么老人的行为就被认为存在异常，此时可以发出预警信息以便及时救治；若是躺着睡觉或者休息，那么老人的行为就被认为不存在异常，则无需预警。

目前，针对异常行为检测的方法大都是基于静态图像信息的方法，然而静态图像信息中包含相似的静态图像片段，例如：老人在房间里的行为是跌倒或者躺着睡觉，躺着时的静态图像和跌倒时的静态图像非常相似，它们都包含着人躺平的动作，因此，现有方法很容易将两者混淆，很难使用静态图像特征来分辨目标对象的行为是否存在异常，也就是说，使用基于静态图像信息的方法对视频图像进行异常行为检测的正确率较低。

发明内容

本申请实施例的目的在于提供一种异常行为检测方法、装置、电子设备及存储介质，用于改善对视频图像进行异常行为检测的正确率较低的问题。

本申请实施例提供了一种异常行为检测方法，包括：获得待预测视频，待预测视频是针对目标对象的行为进行采集的视频；使用神经网络模型提取待预测视频中的第一行为特征，并对第一行为特征进行预测，获得初次预测结果；将待预测视频按照时间进行逆序反转，获得反转视频，并使用神经网络模型提取反转视频中的第二行为特征；计算第一行为特征与第二行为特征的相似度值；根据初次预测结果和相似度值确定待预测视频的最终预测结果，最终预测结果表征目标对象的行为是否存在异常。在上述的实现过程中，由于视频中的异常行为体现在时间顺序提取的第一行为特征和时间逆序提取出的第二行为特征的差异是非常大的，使用训练后的神经网络模型能够提取出体现时序信息的行为特征，再根据体现时序信息的行为特征来分辨目标对象的行为是否存在异常，能够极大地减少模型对静态图像特征的依赖，有效地提高了异常行为检测的正确率。

可选地，在本申请实施例中，神经网络模型包括：特征提取网络；使用神经网络模型提取待预测视频中的第一行为特征，包括：使用特征提取网络对待预测视频进行特征提取，获得第一行为特征；使用神经网络模型提取反转视频中的第二行为特征，包括：使用特征提取网络对反转视频进行特征提取，获得第二行为特征。在上述的实现过程中，通过使用特征提取网络对待预测视频进行特征提取，获得第一行为特征；使用神经网络模型提取反转视频中的第二行为特征，从而能够更好地提取出视频中体现时序信息的行为特征。

可选地，在本申请实施例中，神经网络模型还包括：归一化指数函数层或者全连接层；对第一行为特征进行预测，包括：使用归一化指数函数层或者全连接层对第一行为特征进行预测。在上述的实现过程中，通过使用归一化指数函数层或者全连接层预测行为特征的分类，可以使用归一化指数函数层预测行为特征的分类，也可以使用全连接层预测行为特征的分类，提高了对行为特征进行具体分类的灵活性。

可选地，在本申请实施例中，根据初次预测结果和相似度值确定待预测视频的最终预测结果，包括：判断相似度值是否大于预设阈值；若否，则将初次预测结果确定为最终预测结果；若是，则将目标对象的行为不存在异常确定为最终预测结果。在上述的实现过程中，通过判断相似度值是否大于预设阈值；若否，则将初次预测结果确定为最终预测结果；若是，则将目标对象的行为不存在异常确定为最终预测结果；从而更好地使用正常视频和反转视频中体现时序信息的行为特征之间相似度来确定最终预测结果，从而提高获得最终预测结果的准确率。