本发明属于视频识别技术领域，尤其涉及一种基于人工智能视频识别的司法场所异常行为监测方法。
背景技术：
视频识别主要包括前端视频信息的采集及传输、中间的视频检测和后端的分析处理三个环节。视频识别需要前端视频采集摄像机提供清晰稳定的视频信号，视频信号质量将直接影响到视频识别的效果。
在监狱和戒毒所等司法场所需要不间断对服刑人员的异常行为进行监测，现有监测方式一般采用人工观察，现有的监测方式存在一定的缺陷，人工观察的效率低、资源消耗大、系统建设和运维成本高，且操作安全性不足，人力使用多，不便于进行实际操作。
技术实现要素：
本发明提供一种基于人工智能视频识别的司法场所异常行为监测方法，旨在解决效率低、资源消耗大、系统建设和运维成本高，且操作安全性不足，人力使用多的问题。
本发明是这样实现的，一种基于人工智能视频识别的司法场所异常行为监测方法，其采用一种监测装置实现监测，所述监测装置包括采集摄像头、识别服务器、终端和异常行为模型；
所述采集摄像头的输出端连接所述识别服务器的输入端，所述识别服务器的输出端连接所述终端的输入端，所述识别服务器内容置用于供识别服务器进行异常行为比对的异常行为模型；
所述一种基于人工智能视频识别的司法场所异常行为监测方法包括以下步骤：
s1：通过所述采集摄像头采集目标视频，然后将所述目标视频传输到所述识别服务器；
s2：所述识别服务器通过所述异常行为模型对所述目标视频进行分析；
s3：当单个或多个目标在设定时间范围内达到比对匹配相似度阀值时，则判定为是异常行为结果并输出判定结果及识别时间戳。
本发明还提供优选的，在所述设定时间范围内检测结果无匹配时，则判定识别结果为否。
本发明还提供优选的，所述识别服务器内设置有识别系统，所述识别系统内设置有所述异常行为模型。
本发明还提供优选的，所述异常行为模型包括下蹲行为、倒地行为和摸高行为。
本发明还提供优选的，所述识别服务器连接一个报警模块，并且当识别服务器输出是异常行为的判定结构时，启动所述报警模块并进行报警。
本发明还提供优选的，所述终端通过b/s方式访问所述识别系统。
本发明还提供优选的，所述终端采用触控显示屏。
本发明还提供优选的，所述采集摄像头采用网络摄像头。
与现有技术相比，本发明的有益效果是：本发明的一种基于人工智能视频识别的司法场所异常行为监测方法，通过采集摄像头采集目标视频，然后将目标视频传输到识别服务器，然后识别服务器通过异常行为模型对目标视频进行分析，当单个或多个目标在设定时间范围内达到比对匹配相似度阀值时，则判定为是异常行为结果并输出判定结果及识别时间戳，从而能够高效的对异常行为进行判定，避免只靠人为监控的疏漏与投入，从而有效确保人员安全、场所安全，降低人力、时间的浪费。
附图说明
图1为本发明的一种基于人工智能视频识别的司法场所异常行为监测方法的整体结构示意图。
图中：1-采集摄像头、2-识别服务器、3-终端、4-异常行为识别模型、5-识别系统。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1，本发明提供一种技术方案：一种基于人工智能视频识别的司法场所异常行为监测方法，其采用一种监测装置实现监测，监测装置包括采集摄像头1、识别服务器2、终端3和异常行为模型5，采集摄像头1的输出端连接识别服务器2的输入端，识别服务器2的输出端连接终端3的输入端，识别服务器2内容置用于供识别服务器进行异常行为比对的异常行为模型5，识别服务器2内设置有识别系统4，识别系统4内设置有异常行为模型5，异常行为模型5包括下蹲行为、倒地行为和摸高行为，识别服务器2连接一个报警模块，并且当识别服务器输出是异常行为的判定结构时，启动报警模块并进行报警，终端3通过b/s方式访问识别系统4，终端3采用触控显示屏，采集摄像头1采用网络摄像头。
采集摄像头11用于采集目标视频，然后通过网络传输到识别服务器2，识别服务器2通过异常行为模型对目标视频进行分析，识别下蹲、倒地、摸高行为的比对概率，当单个或多个目标在设定时间范围内达到比对匹配相似度阀值时，输出异常行为结果及识别时间戳，在设定时间范围内检测结果无匹配时，则判定识别结果为无，识别服务器2内设置有用于储存识别系统4和异常行为模型5的固态驱动器，采集摄像头11通过网线连接识别服务器，从而能够进行网络信息传输，传输效率高，网络延时小。
识别系统4通过微服务架构安装在识别服务器2内，微服务架构是一项在云中部署应用和服务的新技术，在微服务架构中，只需要在特定的某种服务中增加所需功能，而不影响整体进程的架构。
b/s结构是web兴起后的一种网络结构模式，web浏览器是客户端最主要的应用软件。这种模式统一了客户端，将系统功能实现的核心部分集中到服务器上，简化了系统的开发、维护和使用。客户机上只要安装一个浏览器，服务器安装数据库。浏览器与数据库进行数据交互。
固态驱动器俗称固态硬盘，固态硬盘是用固态电子存储芯片阵列而制成的硬盘，因为台湾英语里把固体电容称之为solid而得名。ssd由控制单元和存储单元组成。固态硬盘在接口的规范和定义、功能及使用方法上与普通硬盘的完全相同，在产品外形和尺寸上也完全与普通硬盘一致。被广泛应用于军事、车载、工控、视频监控、网络监控、网络终端、电力、医疗、航空、导航设备等诸多领域。
使用者能够通过终端3的触控显示屏访问识别系统4，识别服务器2对目标的行为的判定结果通过触控显示屏进行汇总与呈现。
综上，本发明的监测方法包括以下步骤：
s1：通过采集摄像头1采集目标视频，然后将目标视频传输到识别服务器2。
s2：识别服务器2通过异常行为模型5对目标视频进行分析。
s3：当单个或多个目标在设定时间范围内达到比对匹配相似度阀值时，则判定为是异常行为结果并输出判定结果及识别时间戳，在设定时间范围内检测结果无匹配时，则判定识别结果为否。
本发明的一种基于人工智能视频识别的司法场所异常行为监测方法，通过采集摄像头11采集目标视频，然后通过网络传输到识别服务器2，识别服务器2通过异常行为模型对目标视频进行分析，识别下蹲、倒地、摸高行为的比对概率，当单个或多个目标在设定时间范围内达到比对匹配相似度阀值时，输出异常行为结果及识别时间戳，在设定时间范围内检测结果无匹配时，则判定识别结果为无。
本发明旨在利用人工智能技术解决司法场所复杂环境下的异常行为监测及预警问题，异常行为包括：摸高、下蹲、倒地，通过对场所内实时监控视频进行分析，对异常下蹲、倒地、摸高等人体行为进行判别，适用于监狱、戒毒所等各类司法场所内异常行为的及时发现和报警，避免只靠人为监控的疏漏与投入，从而有效确保人员安全、场所安全，降低人力、时间的浪费。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
1.一种基于人工智能视频识别的司法场所异常行为监测方法，其采用一种监测装置实现监测，其特征在于：所述监测装置包括采集摄像头(1)、识别服务器(2)、终端(3)和异常行为模型(5)；
所述采集摄像头(1)的输出端连接所述识别服务器(2)的输入端，所述识别服务器(2)的输出端连接所述终端(3)的输入端，所述识别服务器(2)内容置用于供识别服务器进行异常行为比对的异常行为模型(5)；
所述一种基于人工智能视频识别的司法场所异常行为监测方法包括以下步骤：
s1：通过所述采集摄像头(1)采集目标视频，然后将所述目标视频传输到所述识别服务器(2)；
s2：所述识别服务器(2)通过所述异常行为模型(5)对所述目标视频进行分析；
s3：当单个或多个目标在设定时间范围内达到比对匹配相似度阀值时，则判定为是异常行为结果并输出判定结果及识别时间戳。
2.如权利要求1所述的一种基于人工智能视频识别的司法场所异常行为监测方法，其特征在于：在所述设定时间范围内检测结果无匹配时，则判定识别结果为否。
3.如权利要求1所述的一种基于人工智能视频识别的司法场所异常行为监测方法，其特征在于：所述识别服务器(2)内设置有识别系统(4)，所述识别系统(4)内设置有所述异常行为模型(5)。
4.如权利要求1所述的一种基于人工智能视频识别的司法场所异常行为监测方法，其特征在于：所述异常行为模型(5)包括下蹲行为、倒地行为和摸高行为。
5.如权利要求1所述的一种基于人工智能视频识别的司法场所异常行为监测方法，其特征在于：所述识别服务器(2)连接一个报警模块，并且当识别服务器输出是异常行为的判定结构时，启动所述报警模块并进行报警。
6.如权利要求3所述的一种基于人工智能视频识别的司法场所异常行为监测方法，其特征在于：所述终端(3)通过b/s方式访问所述识别系统(4)。
7.如权利要求1所述的一种基于人工智能视频识别的司法场所异常行为监测方法，其特征在于：所述终端(3)采用触控显示屏。
8.如权利要求1所述的一种基于人工智能视频识别的司法场所异常行为监测方法，其特征在于：所述采集摄像头(1)采用网络摄像头。
技术总结