[发明专利]基于相似度图神经网络的异常行为智能检测方法及系统

说明书

本发明提供了一种基于相似度图神经网络的异常行为智能检测方法及系统，涉及行为检测技术领域，该方法包括：信息获取步骤：对监控视频中人员的异常行为进行拍摄得到训练视频序列；网络训练步骤：提取训练视频序列中人体骨骼点得到骨骼点序列，列构建图网络结构，使用相似度图神经网络对骨骼点序列进行学习并训练网络；异常检测步骤：对训练视频序列中人体骨骼点进行识别，构建图网络结构，再用相似度图神经网络对骨骼点序列进行特征提取，并进行异常行为识别；智能记录步骤：自动截取异常视频片段，标注异常行为类型，保存到数据库。本发明能够极大地提升异常行为识别的可信程度，也大大简化识别流程，降低识别时间，达到实时识别的效果。

技术领域

本发明涉及行为检测技术领域，具体地，涉及一种基于相似度图神经网络的异常行为智能检测方法及系统。

背景技术

自2006年深度学习算法这一概念被提出以来，人工智能技术取得了突破性发展，逐步与多种场景深度融合，被应用到越来越多的领域。将人工智能运用到检察工作中，也成为检察技术发展的必然趋势。

目前，视频监控系统普遍只对视频进行记录和传输，但仍然侧重于监控人员对视频的人工监控和分析。当有突发的异常事件发生时，监控人员不能及时的做出响应，甚至会出现漏检漏报等情况。人工检测方法已不能满足视频监控的需求，需要计算机来协助人来完成异常行为和事件的检测。

过对现有的异常行为检测方法的检索发现，专利公开号为CN110135319A的专利于2019年8月16日公开了一种基于骨骼特征的异常行为检测方法。该异常行为检测方法使用神经网络人体骨架提取模型，通过相似度网络获得与骨骼相对应的更高级的行为特征图，实现处理多种人体行为与人体骨骼数据，识别监控视频中出现的异常行为。但其异常行为定义模糊，对于特定场景下的特定异常动作识别率不够高，缺乏专一性。

专利公开号为CN112364680A的专利于2021年2月12日公开了一种基于光流算法的异常行为检测方法。该技术通过光流算法提取光流信息，统计光流直方图，计算直方图的方向和幅值熵来判断是否发生异常行为。该方法依赖光流提取运动信息，然而光流的计算不仅耗时而且对硬件的内存要求较高，不能达到实时预警的效果。而从监管场所的监控环境出发，针对监管场所中人员的异常行为实时检测系统尚未被提出。

发明内容

针对现有技术中的缺陷，本发明提供一种基于相似度图神经网络的异常行为智能检测方法及系统。

根据本发明提供的一种基于相似度图神经网络的异常行为智能检测方法及系统，所述方案如下：

第一方面，提供了一种基于相似度图神经网络的异常行为智能检测方法，所述方法包括：

信息获取步骤：对监控视频中人员的异常行为进行拍摄得到训练视频序列；

网络训练步骤：提取训练视频序列中人体骨骼点得到骨骼点序列，利用提取的骨骼点序列构建图网络结构，使用相似度图神经网络对骨骼点序列进行学习并训练网络；

异常检测步骤：对训练视频序列中人体骨骼点进行识别，利用提取的骨骼点序列构建图网络结构，再用相似度图神经网络对骨骼点序列进行特征提取，并进行异常行为识别；

智能记录步骤：自动截取异常视频片段，标注异常行为类型，保存到数据库。

优选的，所述信息获取步骤具体包括：

步骤1.1：在场所中利用监控设备拍摄人员的异常行为视频流；

步骤1.2：根据视频流抽取视频帧；

步骤1.3：对视频帧进行预处理；其中，所述预处理包括：裁剪和滤波。

优选的，所述异常行为类型包括：传递异常物品行为和异常使用通讯设备。

优选的，所述检测步骤包括：