[发明专利]异常行为检测与定位方法、系统、终端设备及可读存储介质

说明书

本发明公开了一种异常行为检测与定位方法、系统、终端设备及可读存储介质，所述方法包括以下步骤：(1)获取原始的待测样本视频帧的光流运动信息特征；(2)将获取的待测样本视频帧的光流运动信息特征输入预训练好的双流记忆增强网络模型，通过双流记忆增强网络模型获得重构的待测样本视频帧以及预测的待测样本视频帧的光流运动信息特征；(3)获得待测样本视频帧的误差图和待测样本视频帧的光流运动信息特征的误差图；(4)基于步骤(3)获得的误差图获得异常行为的定位图。本发明能够提高检测效率，可以实现异常样本的空间定位。

技术领域

本发明属于计算机视觉技术领域，特别涉及一种异常行为检测与定位方法、系统、终端设备及可读存储介质。

背景技术

异常行为的检测与定位是指在监控场景下及时发现并预警异常行为，同时指出异常行为发生在场景的空间位置。异常行为的检测与定位任务拥有很多具有现实性意义的应用场景，比如：交通场景下如车祸、抛锚等异常情况的实时监测；无人驾驶机动车对于前方未知场景中异常行为的预警；高铁、机场等公共场景的违法犯罪检测；像森林火灾、山体滑坡、实验室火灾等突发事件的及时预警等。

目前的异常行为检测方法存在以下两方面的问题：

(1)监控视频中的场景几乎都是固定的，且异常行为通常发生在场景的局部区域，现有方法没有合理的利用这些特性，使得检测效率低下。

(2)异常行为发生的低频率与多样性，使得现有检测方法缺少对异常行为的特征限定，使得误检率较高。

综上，亟需一种能够充分利用相关特性且能够对异常行为进行限定的异常行为检测与定位方法。

发明内容

本发明的目的在于提供一种异常行为检测与定位方法、系统、终端设备及可读存储介质，以解决上述存在的一个或多个技术问题。本发明能够提高检测效率，可以实现异常样本的空间定位。

为达到上述目的，本发明采用以下技术方案：

本发明的一种异常行为检测与定位方法，包括以下步骤：

(1)获取原始的待测样本视频帧的光流运动信息特征；

(2)将获取的待测样本视频帧的光流运动信息特征输入预训练好的双流记忆增强网络模型，通过双流记忆增强网络模型获得重构的待测样本视频帧以及预测的待测样本视频帧的光流运动信息特征；

(3)根据原始的待测样本视频帧与步骤(2)重构的待测样本视频帧，以及步骤(1)获取的待测样本视频帧的光流运动信息特征与步骤(2)预测的待测样本视频帧的光流运动信息特征，计算像素级的差异，获得待测样本视频帧的误差图和待测样本视频帧的光流运动信息特征的误差图；

(4)基于步骤(3)获得的误差图确定异常行为并获得异常行为的定位图；

其中，所述双流记忆增强网络模型包括：

编码器模块，用于获取输入视频帧的编码特征；

记忆网络模块，用于基于自身存储的正常行为特征以及编码器模块获取的编码特征，获得重新整合的编码特征；

外观信息解码器模块，用于基于所述重新整合的编码特征获得重构的视频帧；

运动信息解码器模块，用于基于所述重新整合的编码特征获得预测的视频帧的光流运动信息特征。

本发明的进一步改进在于，步骤(1)具体包括：

将原始的待测样本视频帧的集合进行分组，获得分组后的视频帧对；其中，分组方式为将相邻两帧进行组合；

将分组后的视频帧对作为光流提取网络的输入，获取原始的待测样本视频帧的光流运动信息特征。