[发明专利]盗窃事件检测方法和装置有效

专利信息
申请号: 202011206522.9 申请日: 2020-11-03
公开(公告)号: CN112036380B 公开(公告)日: 2021-03-02
发明(设计)人: 陈海波;其他发明人请求不公开姓名 申请(专利权)人: 深兰人工智能芯片研究院(江苏)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N5/04
代理公司: 常州佰业腾飞专利代理事务所(普通合伙) 32231 代理人: 陈红桥
地址: 213000 江苏省常州市武进*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 盗窃 事件 检测 方法 装置
【说明书】:

发明提供一种盗窃事件检测方法和装置,所述方法包括以下步骤:获取单帧图像;通过目标检测算法检测出所述单帧图像中的人和物;通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件;如果满足盗窃条件,则推理出所述单帧图像中人与物的关系;根据所述单帧图像中人与物的关系判断是否发生盗窃事件。本发明能够方便、准确地自动检测出盗窃事件,从而有助于挽回盗窃受害者的损失,并有助于减少或杜绝盗窃事件的发生。

技术领域

本发明涉及目标检测和数据处理技术领域,具体涉及一种盗窃事件检测方法、一种盗窃事件检测装置、一种计算机设备和一种非临时性计算机可读存储介质。

背景技术

在公交站或公交车内等公共场合,盗窃事件时有发生。因此,有必要提出一种能够自动检测出盗窃事件的方案。

发明内容

本发明为解决上述技术问题,提供了一种盗窃事件检测方法和装置,能够方便、准确地自动检测出盗窃事件,从而有助于挽回盗窃受害者的损失,并有助于减少或杜绝盗窃事件的发生。

本发明采用的技术方案如下:

一种盗窃事件检测方法,包括以下步骤:获取单帧图像;通过目标检测算法检测出所述单帧图像中的人和物;通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件;如果满足盗窃条件,则推理出所述单帧图像中人与物的关系;根据所述单帧图像中人与物的关系判断是否发生盗窃事件。

所述的盗窃事件检测方法还包括:如果发生盗窃事件,则发出报警,并保存图像证据或视频证据。

所述目标检测算法采用FASTER-RCNN,主干网络为RESNET50。

通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件,具体包括:判断所述单帧图像中的人和物的总数量是否大于等于3、人的数量是否大于等于2以及是否存在盗窃相关物品;如果所述单帧图像中的人和物的总数量大于等于3,且人的数量大于等于2,且存在盗窃相关物品,则判定满足盗窃条件。

推理出所述单帧图像中人与物的关系,具体包括:对所述单帧图像中的人和物分别进行表观分析以分别得到人表观分析结果向量和物表观分析结果向量,并对所述单帧图像中的人和物进行空间分析以得到空间分析结果向量;融合所述人表观分析结果向量、所述物表观分析结果向量和所述空间分析结果向量,得到所述单帧图像中人与物关系的结果向量。

所述单帧图像中人与物关系的结果向量为:

其中,表示所述单帧图像中人与物关系的结果向量,Sh表示所述目标检测算法检测结果是人的置信度,So表示所述目标检测算法检测结果是物的置信度,表示所述人表观分析结果向量,表示所述物表观分析结果向量,表示所述空间分析结果向量。

保存图像证据或视频证据,具体包括:获取所述图像证据或所述视频证据,并将所述图像证据或所述视频证据上传至云端服务器进行保存,其中,所述图像证据为包含人与物的关系的单帧图像,所述视频证据为在判定发生盗窃事件时录制的视频。

一种盗窃事件检测装置,包括:获取模块,所述获取模块用于获取单帧图像;检测模块,所述检测模块用于通过目标检测算法检测出所述单帧图像中的人和物;过滤模块,所述过滤模块用于通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件;推理模块,所述推理模块用于在满足盗窃条件时,推理出所述单帧图像中人与物的关系;判断模块,所述判断模块用于根据所述单帧图像中人与物的关系判断是否发生盗窃事件。

一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述盗窃事件检测方法。

一种非临时性计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述盗窃事件检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深兰人工智能芯片研究院(江苏)有限公司,未经深兰人工智能芯片研究院(江苏)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011206522.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top