一种异常行为监控方法及终端与流程

    专利2026-02-06  2


    本发明涉及人工智能,尤其涉及一种异常行为监控方法及终端。


    背景技术:

    1、目前,校园异常行为不断发生,虽然在校园里都会安装监控摄像头,但其对校园异常行为的防范并未起到很大的作用,通常只能在异常行为发生后作为证据来源,暂不能够在异常行为发生时就及时、准确地发现;并且摄像头安装的位置通常会避开卫生间等校园异常行为的高发场所,对学生起到的保护作用较小。


    技术实现思路

    1、本发明所要解决的技术问题是:提供一种异常行为监控方法及终端,其能够及时、准确地识别异常行为。

    2、为了解决上述技术问题,本发明采用的技术方案为:

    3、一种异常行为监控方法,包括步骤:

    4、采集待分析对象的监控视频,并从所述监控视频中获取多帧图像;

    5、根据所述多帧图像进行场景识别,得到场景识别结果;

    6、判断所述场景识别结果是否为卫生间,若不为卫生间,则对所述多帧图像提取所述待分析对象在时间序列上的关键点对应的关键点坐标;

    7、将所述多帧图像的所有所述关键点坐标输入训练完成的改进vggnet-svm模型进行行为识别,得到识别结果;

    8、若所述识别结果存在异常行为,则使用异常行为预防方法对所述识别结果进行处理;

    9、若为卫生间,则从所述监控视频中采集语音数据;

    10、根据预设关键词数据库从所述语音数据中提取关键词;

    11、计算所述关键词的出现频率,并判断所述关键词的出现频率是否达到预设阈值,若是,则发送提示信息至所述监控视频的监控工作人员。

    12、为了解决上述技术问题,本发明采用的另一种技术方案为:

    13、一种异常行为监控终端,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:

    14、采集待分析对象的监控视频,并从所述监控视频中获取多帧图像;

    15、根据所述多帧图像进行场景识别,得到场景识别结果;

    16、判断所述场景识别结果是否为卫生间,若不为卫生间,则对所述多帧图像提取所述待分析对象在时间序列上的关键点对应的关键点坐标;

    17、将所述多帧图像的所有所述关键点坐标输入训练完成的改进vggnet-svm模型进行行为识别,得到识别结果;

    18、若所述识别结果存在异常行为,则使用异常行为预防方法对所述识别结果进行处理;

    19、若为卫生间,则从所述监控视频中采集语音数据;

    20、根据预设关键词数据库从所述语音数据中提取关键词;

    21、计算所述关键词的出现频率,并判断所述关键词的出现频率是否达到预设阈值,若是,则发送提示信息至所述监控视频的监控工作人员。

    22、本发明的有益效果在于:通过场景识别判断是否为卫生间,如果不是,则对监控视频中的多帧图像提取待分析对象在时间序列上的关键点对应的关键点坐标,将所有的关键点坐标输入训练完成的改进vggnet-svm模型进行行为识别,得到识别结果,若其存在异常行为,则使用异常行为预防方法对识别结果进行处理,如果是,则对采集到的监控视频中的语音数据进行语音识别,来判断是否发生异常行为,当语音数据中的关键词出现频率达到预设阈值,则发生提示信息提醒监控工作人员重点关注,针对特殊场景采用特殊的识别方式,对于异常行为的高发场所,能够更有效、全面地杜绝、预防校园异常行为的发生,另外,通过提取的待分析对象在时间序列上的关键点对应的关键点坐标,能够使后续行为识别时更好地区分异常行为和正常社交行为,对原始的vggnet模型进行改进,保证了vggnet-svm模型提高了识别的准确率,降低了识别时间,从而及时、准确地识别异常行为。



    技术特征:

    1.一种异常行为监控方法,其特征在于,包括步骤:

    2.根据权利要求1所述的一种异常行为监控方法,其特征在于,所述对所述多帧图像提取所述待分析对象在时间序列上的关键点对应的关键点坐标之前还包括:

    3.根据权利要求2所述的一种异常行为监控方法,其特征在于,所述对所述多帧人形区域图像提取所述待分析对象在时间序列上的关键点对应的关键点坐标包括:

    4.根据权利要求1所述的一种异常行为监控方法,其特征在于,所述采集待分析对象的监控视频之前还包括:

    5.根据权利要求1所述的一种异常行为监控方法,其特征在于,所述异常行为包括推拉行为、扇耳光行为和斗殴行为;

    6.根据权利要求1或5所述的一种异常行为监控方法,其特征在于,所述使用异常行为预防方法对所述识别结果进行处理包括:

    7.根据权利要求6所述的一种异常行为监控方法,其特征在于,还包括:

    8.根据权利要求6所述的一种异常行为监控方法,其特征在于,所述对所述待分析对象进行人脸识别包括:

    9.根据权利要求4所述的一种异常行为监控方法,其特征在于,所述原始vggnet模型包括5组卷积和3层全连接层,卷积核大小为3×3,位于每组卷积之后的最大池化层子矩阵的大小为2×2。

    10.一种异常行为监控终端,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的一种异常行为监控方法中的各个步骤。


    技术总结
    本发明公开了一种异常行为监控方法及终端,通过场景识别判断是否为卫生间,如果不是,则对监控视频中的多帧图像提取待分析对象在时间序列上的关键点对应的关键点坐标,将所有的关键点坐标输入训练完成的改进VGGNet‑SVM模型进行行为识别,得到识别结果,若其存在异常行为,则使用异常行为预防方法对识别结果进行处理,如果是,则对采集到的监控视频中的语音数据进行语音识别,来判断是否发生异常行为,当语音数据中的关键词出现频率达到预设阈值,则发生提示信息提醒监控工作人员重点关注,针对特殊场景采用特殊的识别方式,从而及时、准确地识别异常行为。

    技术研发人员:刘小健,曾广福,黄坦波,吴聿建
    受保护的技术使用者:知鱼智联科技股份有限公司
    技术研发日:
    技术公布日:2024/4/29
    转载请注明原文地址:https://wp.8miu.com/read-94756.html

    最新回复(0)