[发明专利]公共场所异常行为自动识别方法及装置、摄像机设备

权利要求书

1.公共场所异常行为自动识别方法，其特征在于，包括：

S1：对采集的图像进行多目标动态检测，检测算法使用YOLO系列算法，识别出有人类目标；

S2：采用快速角点检测和LK光流法对识别出的人类目标进行跟踪速度估计，并识别出移动速度超过速度阈值的目标，将其作为异常目标；

S3：判断预设像素区域内人类目标密度是否大于密度阈值，如果大于，则判定为异常行为；

S4：对已识别出的人类目标进行人体关键点置信度和亲和度向量计算，然后进行关键点聚类解析，区分连接关键完成人体骨骼搭建组装，实现人体姿态估计，并根据人体姿态估计结果，判断姿态是否为异常。

2.如权利要求1所述的方法，其特征在于，YOLO系列算法识别出的人类目标包括各帧图像移动目标系统状态，包括：

S2.1：对获得的上一帧图像移动目标系统状态目标区域进行快速分块角点采样，其中选取20个目标特征像素点，当采样点数量小于采样点数量阈值，则目标跟踪失败；

S2.2：将步骤S2.1中汇总的分块角点作为输入，采用LK光流法计算，选取LK光流法的金字塔层数为5，搜索窗口的尺寸为4*4，设置LK光流法每次计算最高迭代20次，当LK光流法迭代次数超过20次仍没有达到设置的精度要求则终止迭代；前向LK光流法跟踪将得到当前帧对应上一帧中采样点的像素点，然后将当前帧中的像素点作为输入传输至LK光流法反向计算，获得当前帧中目标像素点在上一帧的对应跟踪点位置；

S2.3：计算上一帧中目标图像片区域采样点和经过正向反向LK光流法计算得到的上一帧中跟踪到的点对应的欧式距离，即为所求的前向后向误差，剔除误差值超过20个像素距离的点，对剩余的点对的邻域区间做对应的模板匹配操作，得到相对应的一组相似度值，剔除相似度值小于相似度阈值的点对，得到有效的跟踪采样点；

S2.4：根据有效的跟踪点预测当前帧中目标的位置及尺寸，如果本次跟踪成功，则跟踪到的像素点的数量大于1，计算目标在当前帧中的系统状态；如果跟踪到的像素点的数量小于1，则本次跟踪不成功，判定本次跟踪失败；

S2.5：计算上一帧与当前帧跟踪成功后的系统状态中目标位置像素距离差值，根据像素空间距离对应关系，计算出目标的现实空间移动速度，如果目标的现实空间移动速度超出速度阈值，则判定为目标速度异常，记录并储存下相关信息。

3.如权利要求1所述的方法，其特征在于，步骤S3具体包括：

S3.1：根据摄像机自身参数及当前光学放大倍数，计算预设像素区域内人类目标密度；

S3.2：判断预设像素区域内人类目标密度是否大于密度阈值，如果大于，则判定为异常行为。

4.如权利要求3所述的方法，其特征在于，S3.1具体包括：

S3.1.1：获取摄像机的自身参数和光学放大倍数，包括镜头尺寸4mm，则10m外4mm镜头对应的视场范围为12*9m，光学放大倍数为500w像素，其分辨率为2560*1920；

S3.1.2：根据摄像机的自身参数和光学放大倍数，计算一个像素点的间隔指代的位移大小，对于4mm镜头的x方向，10m距离，1个像素点的间隔指代的位移大小为：

S3.1.3：根据一个像素点的间隔指代的位移大小，计算预设像素区域内人类目标密度。

5.如权利要求1所述的方法，其特征在于，S4中根据人体姿态估计结果，判断姿态是否为异常，包括：

将识别出的人体姿态估计中的人体关键部件进行Hough直线变换，具体为通过局部峰值点绘制直线，其中，峰值点的角度则代表肢体的方向，直线的交叉点为关节位置，直线间的角度为人体躯干；

通过进行人体部件与水平直线间的逆时针旋转角度计算，计算出人体关节的角度，将计算出的关节角度与预设数据集角度比对，如果超出相似度阈值，则判断姿态异常。