[发明专利]异常行为检测与跟踪方法、装置、可读存储介质及设备

说明书

本发明提供一种异常行为检测与跟踪方法、装置、可读存储介质及设备，所述方法包括：控制摄像装置巡视目标区域，并获取所述摄像装置拍摄的当前目标图片；将所述当前目标图片输入到异常行为检测模型当中进行异常行为检测，所述异常行为检测模型根据环境变化进行更新；当所述异常行为检测模型在所述当前目标图片当中识别到异常行为时，通过卡尔曼滤波算法对所述异常行为进行跟踪。本发明的异常行为检测模型能够通过自适应学习来适应环境改变，从而保证在各种环境下均能够有效、准确的识别出异常行为，进而保证异常行为不会跟踪失败。

技术领域

本发明涉及图片信息识别技术领域，特别涉及一种异常行为检测与跟踪方法、装置、可读存储介质及设备。

背景技术

当前，目标检测与跟踪在计算机视觉领域取得了突破性进展，在机器人、无人机、智能监控、工业检测、航空航天等领域都能看到身影。利用计算机视觉技术，在减少人力资源成本的消耗方面表现出了非常重要的现实意义。其中，异常行为检测与跟踪是常见的目标检测与跟踪当中的一种。

2012年以来，基于神经网络的目标检测算法进入了快速发展时期，比如AlexNet、RCNN、Fast RCNN、ResNet、Mask RCNN、YOLO、SSD、及其对应检测算法的变种。目标跟踪也是计算机视觉领域的一个重要课题，已经广泛应用于体育赛事转播、安防监控、无人机等领域。可以简单分为单目标跟踪、多目标跟踪、Person Re-ID、MTMCT、姿态跟踪等。

尽管目标检测与跟踪的应用非常广泛，但依然存在一些问题限制了其发展。例如，当外部环境发生较大变化时，会造成摄像装置获取的图片品质发生较大变化，从而导致无法识别异常行为或者识别精度大大降低，进而导致异常行为容易跟踪失败。

发明内容

基于此，本发明的目的是提供一种异常行为检测与跟踪方法、装置、可读存储介质及设备，以解决现有当外部环境发生较大变化时异常行为容易跟踪失败的技术问题。

根据本发明实施例的一种异常行为检测与跟踪方法，所述方法包括：

控制摄像装置巡视目标区域，并获取所述摄像装置拍摄的当前目标图片；

将所述当前目标图片输入到异常行为检测模型当中进行异常行为检测，所述异常行为检测模型根据环境变化进行更新；

当所述异常行为检测模型在所述当前目标图片当中识别到异常行为时，通过卡尔曼滤波算法对所述异常行为进行跟踪；

其中，所述异常行为检测模型根据环境变化进行更新的步骤包括：

获取所述摄像装置在预设时间内拍摄的多帧目标图片，并从所述异常行为检测模型上一次训练用的原训练集中获取多帧训练图片；

根据多帧所述目标图片和多帧所述训练图片，计算出所述目标区域的环境变化系数；

当所述环境变化系数大于阈值时，将预设的需要识别的异常行为图像贴到多帧所述目标图片当中，并将贴图后的目标图片放入所述原训练集当中，得到新训练集；

采用所述新训练集对所述异常行为检测模型进行重新训练。

另外，根据本发明上述实施例的一种异常行为检测与跟踪方法，还可以具有如下附加的技术特征：

进一步地，根据多帧所述目标图片和多帧所述训练图片，计算出所述目标区域的环境变化系数的步骤包括：

对每帧所述目标图片和每帧所述训练图片分别进行背景分割和灰度转换，以得到每帧所述目标图片和每帧所述训练图片的背景灰度图片；

根据每帧所述目标图片和每帧所述训练图片的背景灰度图片，计算出所述目标区域的环境变化系数。

进一步地，所述环境变化系数满足以下条件式：