[发明专利]异常行为检测方法、装置、电子设备和存储介质

说明书

本发明提供一种异常行为检测方法、装置、电子设备和存储介质，其中方法包括：确定待检测视频对应的多个视频片段；确定各个视频片段对应的待检测图像帧，以及所述待检测视频对应的帧间光流图；将各个待检测图像帧和所述帧间光流图输入至异常行为检测模型，得到所述异常行为检测模型输出的所述待检测视频对应的异常行为检测结果；所述异常行为检测模型用于基于各个待检测图像帧确定各个视频片段的通道注意力特征，基于所述帧间光流图确定所述待检测视频的时序动态特征，并基于各个视频片段的通道注意力特征和所述时序动态特征对所述待检测视频进行异常行为检测。本发明提供的方法和装置，提高了对异常行为的检测准确率。

技术领域

本发明涉及图像检测技术领域，尤其涉及一种异常行为检测方法、装置、电子设备和存储介质。

背景技术

作为对于安全性要求较高的领域之一，现有的国内商业银行均建成了视频监控系统。这些系统一般基于本地的每个网点组建一个属于自己的监控体系，网点之间的通信以局域网连接为主。检查方面主要依靠人工巡检的方式，需要专门的工作人员轮换来保证对于银行发生异常行为的全天候监控。这样对于人力造成了不必要的浪费，且人工巡检的方式受限于工作人员的精力和经验，可能会造成对于异常行为判断存在误报，漏报的情况，无疑会给银行带来巨大的损失。而随着计算机视觉的兴起，视频异常行为检测开始应用于监控安防领域，并发挥着巨大作用。

现有技术通过基于深度学习的视频异常行为检测方法来对视频中人员的异常行为进行检测，但是由于异常行为具有定义具有模糊性、稀有性、场景依赖性等特点，使得现有的深度学习方法对于异常行为的检测存在偏差，对异常行为的检测准确率低。

发明内容

本发明提供一种异常行为检测方法、装置、电子设备和存储介质，用于解决现有的异常行为检测方法准确率低的技术问题。

本发明提供一种异常行为检测方法，包括：

确定待检测视频对应的多个视频片段；

确定各个视频片段对应的待检测图像帧，以及所述待检测视频对应的帧间光流图；

将各个待检测图像帧和所述帧间光流图输入至异常行为检测模型，得到所述异常行为检测模型输出的所述待检测视频对应的异常行为检测结果；

其中，所述异常行为检测模型用于基于各个待检测图像帧确定各个视频片段的通道注意力特征，基于所述帧间光流图确定所述待检测视频的时序动态特征，并基于各个视频片段的通道注意力特征和所述时序动态特征对所述待检测视频进行异常行为检测。

根据本发明提供的异常行为检测方法，所述异常行为检测模型包括通道特征提取层、时序特征提取层和异常行为检测层；

所述将各个待检测图像帧和所述帧间光流图输入至异常行为检测模型，得到所述异常行为检测模型输出的所述待检测视频对应的异常行为检测结果，包括：

将各个待检测图像帧输入至所述通道特征提取层，由所述通道特征提取层基于各个待检测图像帧中各个通道的重要程度对各个待检测图像帧进行特征提取，得到各个待检测图像帧对应的视频片段的通道注意力特征；

将所述帧间光流图输入至所述时序特征提取层，由所述时序特征提取层基于所述待检测视频中相邻图像帧在时间维度上的关联关系对所述帧间光流图进行特征提取，得到所述待检测视频的时序动态特征；

将各个视频片段的通道注意力特征和所述时序动态特征输入至所述异常行为检测层，由所述异常行为检测层对所述通道注意力特征和所述时序动态特征融合后进行分类，得到所述待检测视频对应的异常行为检测结果。

根据本发明提供的异常行为检测方法，所述通道特征提取层包括至少一个第一残差网络块；

所述第一残差网络块至少包括第一特征输入层、第一卷积层、第二卷积层、第三卷积层、通道注意力层和第一特征融合层；