[发明专利]一种违规行为实时监控分析方法、装置及存储介质

说明书

本发明提供了一种违规行为实时监控分析方法，通过首先采集若干个公开行为视频数据及真实场景视频数据，作为训练数据集；对所述训练数据集进行预处理，获得预处理数据；对所述预处理数据进行离线训练，获得离线训练模型；采集真实场景的摄像头实时视频流数据；通过所述离线训练模型对所述实时视频数据进行行为识别，判断所述实时视频数据中是否包含违规行为；若所述实施视频数据中包含违规行为，则输出异常警告信号。利用本发明，可以对采集的视频数据智能化的实时分析，减少人工大屏监控所引起的漏报、误报。

技术领域

本发明涉及视频的行为监测领域，特别是涉及一种违规行为实时监控分析方法、装置及存储介质。

背景技术

目前，可实时监控特定区域内的违规行为，例如用于军人的违规行为监控，严禁在战备、训练、演习任务时携带和使用公网移动电话，军人在公共场所和其他禁止吸烟的场所不得吸烟。在军营内部，执勤监督人员通过大屏实时监控违规行为，但是这种人工监控方法存在安全隐患，容易出现误报、漏报。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供了一种违规行为实时监控分析方法，可以对军营内的行为进行实时监测，及时发现违规行为，采取相应措施，减少人工大屏监控所引起的漏报、误报。

为实现上述目的及其他相关目的，本发明首先提供了一种违规行为实时监控分析方法，其包括以下步骤：

采集若干个公开行为视频数据及真实场景视频数据，作为训练数据集；

对所述训练数据集进行预处理，获得预处理数据；

对所述预处理数据进行离线训练，获得离线训练模型；

对所述获得的离线训练模型进行测试，记录测试结果；

采集真实场景的摄像头实时视频流数据；

通过所述离线训练模型对所述实时视频流数据进行行为识别，判断所述实时视频流数据中是否包含违规行为；若所述实时视频流数据中包含违规行为，则输出异常警告信号。

在本发明的一实施例中，对所述训练数据集进行预处理的步骤包括：对所述训练数据集进行筛选、视频转成图像帧数据、冗余数据删除、训练数据集扩充。

在本发明的一实施例中预处理数据的集合包括训练集、验证集和测试集，所述训练集的数据用于训练，所述验证集的数据用于验证，所述测试集的数据用于测试。

在本发明的一实施例中，所述离线训练模型包括深度残差网络ResNet50、时间位移模型TSM和非局部连接网络模型non-local。

在本发明的一实施例中，所述深度残差网络ResNet50包括4个block单元，所述第一个block单元、第二个block单元、第三个block单元、第四个block单元分别包含3个、4个、6个、3个卷积层。

在本发明的一实施例中，所述时间位移模型TSM应用于所述block单元中的所有的卷积层，所述非局部连接网络模型non-local应用于第二个block单元的第1、3卷积层以及第三个block单元的第1、3、5卷积层。

在本发明的一实施例中，利用构建好的所述离线训练模型在所述训练集和所述验证集上进行训练和验证，得到训练好的最优模型，然后利用所述训练好的最优模型在所述测试集上测试得到图像分类的结果，并记录所述分类结果的准确率。

在本发明的一实施例中，采集所述真实场景的摄像头实时视频流数据的方法包括：采用关键区域摄像头的实时视频流，将其转化成图片帧数据。

为实现上述目的及其他相关目的，本发还提供了一种违规行为实时监控分析装置，其包括：