[发明专利]一种基于GAM跟踪器的社区行人异常行为检测方法和装置

权利要求书

1.一种基于GAM跟踪器的社区行人异常行为检测方法，其特征在于，所述社区行人异常行为检测方法包括：

将待处理的视频图像数据帧输入预先训练好的YOLOX网络，获取高分辨率特征图，并采用目标检测器进行行人检测；

基于YOLOX网络上增加的用于提取目标差异化特征的平行的输出端及其无锚方法，在GAM跟踪器中以所述增加的输出端为输入进行融合分析，用来估算待检测结果和跟踪目标之间匹配度热图，进而进行跟踪目标和检测结果之间的关联匹配；

基于目标特征提取结果，根据预设时间段内检测到的目标坐标变化速度，采用正态分布和阈值法，判断待检测目标是否发生奔跑；和/或，

基于目标特征提取结果，根据待检测目标的检测结果计算行人高度和宽度的比值，并根据计算的长宽比值判断待检测目标是否发生跌倒；和/或，

基于目标特征提取结果，根据待检测目标在视频区域内移动的距离和往复次数与预先设置的徘徊距离阈值之间的关系，采用向量法结合阈值法判断待检测目标是否存在异常徘徊；

若待处理的视频图像数据帧中存在待检测目标奔跑、跌倒或异常徘徊中的至少一种，则将所述待处理的视频图像数据帧标记为存在社区行人异常行为数据帧。

2.根据权利要求1所述的社区行人异常行为检测方法，其特征在于，所述将待处理的视频图像数据帧输入预先训练好的YOLOX网络，获取高分辨率特征图，并采用目标检测器进行行人检测，具体包括：

将从YOLOX网络中输出的差异化特征输入至GAM跟踪器，将所述GAM跟踪器检测到的目标的图像采集区域扩大至所述图的候选者的宽高度的至少两倍，并根据所述检测到的目标的图像采集区域的中心位置进行定位；

将图像采集区域中的图像调整为标准尺寸[H_s，W_s]后，进行归一化提取；

基于稀疏性选择策略确定候选者，提取与所述图像采集区域中的图像和所述候选者向对应的特征参数，其中，所述候选者宽度和高度分别是所述标准尺寸的1/2；

将所述候选者中的至少一个输入至图注意力模型，估计所述目标和候选者之间的相关性；

将所有所述候选者的图注意力模型进行融合与合并，通过所述GAM跟踪器输出目标检测结果。

3.根据权利要求1所述的社区行人异常行为检测方法，其特征在于，所述基于YOLOX网络上增加的用于提取目标差异化特征的平行的输出端及其无锚方法，在GAM跟踪器中以所述增加的输出端为输入进行融合分析，用来估算待检测结果和跟踪目标之间匹配度热图，进而进行跟踪目标和检测结果之间的关联匹配，具体包括：

对所述YOLOX网络的特征经过3×3卷积运算后估算图注意力模型，并通过1×1卷积层生成特征图；

对所述特征图经过3×3卷积运算，估算目标边框尺寸，并通过1×1卷积层生成目标类别结果；

对所述特征图经过3×3卷积运算，获取目标中心偏移，并通过不同的1×1卷积层生成目标边框尺寸和目标中心偏移量；

对所述特征图经过3×3卷积运算，估算目标边框尺寸，并通过1×1卷积层生成个体差异化特征。

4.根据权利要求3所述的社区行人异常行为检测方法，其特征在于，所述对所述YOLOX网络的特征经过3×3卷积运算后估算图注意力模型，并通过1×1卷积层生成特征图，具体包括：

根据图注意力得分执行非极大值抑制(NMS)，以提取峰值关键点，保留图注意力得分大于阈值的关键点的坐标；

根据所述目标分类、中心偏移量和所述目标边框尺寸生成边界框，以及个体差异化特征，并在估计的目标中心提取身份嵌入。