[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

说明书

本发明公开了一种公共场所异常行为自动识别方法及装置、摄像机设备，其中的公共场所异常行为自动识别方法首先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；然后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；接着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；再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。

技术领域

本发明涉及视频监控技术领域，具体涉及一种公共场所异常行为自动识别方法及装置、摄像机设备。

背景技术

当今社会和经济高速发展，城镇化进程加速，在城镇各类公共场所如商场、车站、体育场、银行、学校等常常存在人流高峰,拥挤的人流对公共安全带来了极大的隐患，为了保障公众安全，维护公共秩序，应对突发事件，有效打击犯罪，大量的视频监控系统被投入使用，但目前的视频监控存在以下问题：

1.后端服务器主要依赖人工判读，效率低下，近年来出现一些基于人工智能的视频分析方法，比如人脸识别，仍缺乏对人群人体特征行为的数据挖掘与分析方法；

2.视频信息过于碎片化，近年来出现了视频结构化技术，但是仍然缺乏二维视频数据与三维真实世界实时结构化映射信息，一旦监控发现问题，即使是专业人员也无法第一时间定位出现问题地方的具体地理位置。

公共场所中因其人员繁杂和流量巨大等特点给传统的视频监控系统带来了巨大挑战，因此提高现有视频监控系统的智能化水平，对提高监控效率保障社会治安具有非常重要的意义。

人群人体异常行为监测近年来不断得到学术界及工业界重视，通过对视频序列数据处理，提取人群人体异常行为特征并进行自动识别分类。行为识别研究从早期依赖人体形状特征发展到基于多特征融合的行为检测，再到目前神经网络深度学习开始广泛应用，这些技术的发展，使得其在安防、AR和人机交互等领域的巨大潜在价值逐渐显现，智能安防系统可以对前端视频信息进行自动分析和理解，实现自动监测与预警，跟传统监控系统相比，极大的降低了人工，拓展目标跟踪和行为识别技术在安防监控领域的深层应用，实现行为识别精细化分类，对提升安防系统性能，具有重要的现实意义和应用价值。

传统定位方法中，目标对象是需要携带定位设备的，比如现在手机设备就具备有卫星定位、无线通信基站定位、WIFI定位等，这类定位方式称为主动定位或者有源定位，共同点都是由被测对象主动发出定位信息才能进行定位。无源定位是指目标不需要携带任何定位设备或主动参与定位活动的，比如在安防反恐、灾后救援等现场，是无法让目标对象携带定位设备的，这种情况下传统定位方式无法使用。

本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：

安防监控场景下观测目标都属于无源定位范畴。近年来人工智能视觉应用如火如荼，基于图像的目标识别跟踪应用越来越多，对视频中目标坐标及其轨迹进行实时测量并对其未来位置进行预测，是无源定位跟踪的主要挑战。现有技术中的方法无法对异常行为进行准确识别，因而影响了视频监控的效果。

发明内容

本发明提供了一种公共场所异常行为自动识别方法及装置、摄像机设备，用以解决现有技术中对异常行为的识别准确性不高，监控效果不佳的技术问题。

为了解决上述技术问题，本发明第一方面提供了公共场所异常行为自动识别方法，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；