盗窃事件检测方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112036380A(43)申请公布日2020.12.04(21)申请号202011206522.9G06N5/04(2006.01)(22)申请日2020.11.03(71)申请人深兰人工智能芯片研究院（江苏）有限公司地址213000江苏省常州市武进区常武中路18号常州科教城创研港4号楼103(72)发明人陈海波其他发明人请求不公开姓名(74)专利代理机构常州佰业腾飞专利代理事务所(普通合伙)32231代理人陈红桥(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书9页附图7页(54)发明名称盗窃事件检测方法和装置(57)摘要本发明提供一种盗窃事件检测方法和装置，所述方法包括以下步骤：获取单帧图像；通过目标检测算法检测出所述单帧图像中的人和物；通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件；如果满足盗窃条件，则推理出所述单帧图像中人与物的关系；根据所述单帧图像中人与物的关系判断是否发生盗窃事件。本发明能够方便、准确地自动检测出盗窃事件，从而有助于挽回盗窃受害者的损失，并有助于减少或杜绝盗窃事件的发生。CN112036380ACN112036380A权利要求书1/2页1.一种盗窃事件检测方法，其特征在于，包括以下步骤：获取单帧图像；通过目标检测算法检测出所述单帧图像中的人和物；通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件；如果满足盗窃条件，则推理出所述单帧图像中人与物的关系；根据所述单帧图像中人与物的关系判断是否发生盗窃事件。2.根据权利要求1所述的盗窃事件检测方法，其特征在于，还包括：如果发生盗窃事件，则发出报警，并保存图像证据或视频证据。3.根据权利要求1或2所述的盗窃事件检测方法，其特征在于，所述目标检测算法采用FASTER-RCNN，主干网络为RESNET50。4.根据权利要求3所述的盗窃事件检测方法，其特征在于，通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件，具体包括：判断所述单帧图像中的人和物的总数量是否大于等于3、人的数量是否大于等于2以及是否存在盗窃相关物品；如果所述单帧图像中的人和物的总数量大于等于3，且人的数量大于等于2，且存在盗窃相关物品，则判定满足盗窃条件。5.根据权利要求4所述的盗窃事件检测方法，其特征在于，推理出所述单帧图像中人与物的关系，具体包括：对所述单帧图像中的人和物分别进行表观分析以分别得到人表观分析结果向量和物表观分析结果向量，并对所述单帧图像中的人和物进行空间分析以得到空间分析结果向量；融合所述人表观分析结果向量、所述物表观分析结果向量和所述空间分析结果向量，得到所述单帧图像中人与物关系的结果向量。6.根据权利要求5所述的盗窃事件检测方法，其特征在于，所述单帧图像中人与物关系的结果向量为：其中，表示所述单帧图像中人与物关系的结果向量，Sh表示所述目标检测算法检测结果是人的置信度，So表示所述目标检测算法检测结果是物的置信度，表示所述人表观分析结果向量，表示所述物表观分析结果向量，表示所述空间分析结果向量。7.根据权利要求2所述的盗窃事件检测方法，其特征在于，保存图像证据或视频证据，具体包括：获取所述图像证据或所述视频证据，并将所述图像证据或所述视频证据上传至云端服务器进行保存，其中，所述图像证据为包含人与物的关系的单帧图像，所述视频证据为在判定发生盗窃事件时录制的视频。2CN112036380A权利要求书2/2页8.一种盗窃事件检测装置，其特征在于，包括：获取模块，所述获取模块用于获取单帧图像；检测模块，所述检测模块用于通过目标检测算法检测出所述单帧图像中的人和物；过滤模块，所述过滤模块用于通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件；推理模块，所述推理模块用于在满足盗窃条件时，推理出所述单帧图像中人与物的关系；判断模块，所述判断模块用于根据所述单帧图像中人与物的关系判断是否发生盗窃事件。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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，实现根据权利要求1-7中任一项所述的盗窃事件检测方法。10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现根据权利要求1-7中任一项所述的盗窃事件检测方法。3CN112036380A说明书1/9页盗窃事件检测方法和装置技术领域[0001]本发明涉及目标检测和数据处理技术领域，具体涉及一种盗窃事件检测方法、一种盗窃事件检测装置、一种计算机设备和一种非临时性计算机可读存储介质。背景技术[0002]