[发明专利]一种基于目标分布规律的人员异常行为检测方法

摘要

本发明涉及一种基于目标分布规律的人员异常行为检测方法，采用预先训练好的深度学习网络，根据部署场景目标学习训练微调参数，进行目标检测，检测场景内人员和物体状态，根据设定状态异常报警点，触发则进行异常报警，同时获取区域内人员和物体实时位置，返回位置信息，设定区域目标点，计算人员位置和目标点的距离，计算物体位置和目标点的距离，计算人与各种物体之间的距离，计算结果，形成曲线，分别形成物品的分布活动曲线、人员状态活动曲线以及人到预设标志物品的距离曲线，获取长期迭代回归曲线，当曲线波动超过预设偏离幅度并且不满足长期规律特殊日期规律曲线将触发异常进行报警提醒。

主权项

1.一种利用深度学习进行目标检测基于分布规律实现人员异常检测方法，其特征在于，包括步骤如下：(1)目标检测：采用公开数据集预训练好的深度学习目标检测网络模型，根据部署场景微调训练后，得到部署后目标检测网络进行实时人员、各个物体检测，对检测到的人员和各个物体形成一个边界框即Boundingbox，返回检测到的人员、各个物体的位置信息，位置信息包括边界框四个顶点的坐标信息；(2)位置记录：对于返回检测到的人员、各个物体的位置信息，以其中一个矩形监控画面左下角为原点，下边缘为x轴，左边缘为y轴，建立位置坐标系，将返回的各个物体边界框的四个顶点坐标(x_i1,y_i1)、(x_i2,y_i2)、(x_i3,y_i3)、(x_i4,y_i4)，i表示不同的物体，计算并记录各个物体中心点的坐标(x_icenter.y_icenter)；将以位置坐标系返回的人员边界框的四个顶点的坐标(x′_i1,y′_i1)、(x′_i2,y′_i2)、(x′_i3,y′_i3)、(x′_i4,y′_i4)，计算并记录人员中心点的坐标(x_person‑i,y_person‑i)；(3)根据时间进行统计：统计物体中心点的坐标随时间的变化情况，统计人员中心点的坐标随时间的变化情况，统计人员中心点坐标相对于标志物体中心点的坐标的距离H；(4)短期分布规律提取：将多天统计获取的物体位置信息24小时曲线L_i，人员位置24小时曲线L_p，人员相对标志物体距离24小时曲线图L_p‑M，分别进行局部加权线性回归，从而获取物体在每天各个时间段的分布规律曲线R_i、人员在各个时间段的活动规律曲线R_p和人员各个时间段相对于各个标志物体的距离规律曲线R_p‑M；(5)长期分布规律提取：增加时间横轴宽度，以周为迭代周期，统计物体分布、人员的活动和人员相对标志物距离在一周内每天的分布规律，分别形成规律曲线W_i，W_p，W_p‑M；以月为迭代周期，统计物体分布、人员的活动和人员相对标志物距离在一个月内分布规律，分别回归形成规律曲线M_i，M_p，M_p‑M；(6)异常检测：预设被监护人数量，当检测到监护区域有家属在的时候，关闭异常检测，当检测到场景人员数量小于等于预设监护人员数量时候，触发异常检测，包括场景异常触发异常报警、偏离规律曲线异常报警；场景异常触发异常：提前预设异常报警点，根据大数据统计下的异常情况利用画面检测的数据设定场景异常报警点，检测场景是否符合异常报警预设情况，满足则触发报警；偏离规律曲线异常：迭代获取的物体分布规律曲线R_i、W_i、M_i，人员活动规律曲线R_p、W_p、M_p，以及人员相对标志物体距离分布规律曲线R_p‑M、W_p‑M、M_p‑M，触发异常时需综合考虑短期曲线和长期曲线，物体、人员分别偏离自身上述短期和长期分布规律曲线即触发异常进行报警。