异常行为检测方法、装置、计算机设备和存储介质.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CN113627406A(43)申请公布日2021.11.09(21)申请号202111189600.3(22)申请日2021.10.12(71)申请人南方电网数字电网研究院有限公司地址510700广东省广州市黄埔区中新广州知识城亿创街1号406房之86(72)发明人李鹏黄文琦梁凌宇曾群生陈佳捷吴洋刘高(74)专利代理机构广州华进联合专利商标代理有限公司44224代理人郑义(51)Int.Cl.G06K9/00(2006.01)G06N3/08(2006.01)权利要求书2页说明书15页附图7页(54)发明名称异常行为检测方法、装置、计算机设备和存储介质(57)摘要本申请涉及一种异常行为检测方法、装置、计算机设备和存储介质。所述方法包括：获取目标视频流数据；将所述目标视频流数据输入至预先训练的多任务检测模型，得到所述目标视频流数据包含的目标对象的检测结果；所述检测结果包含对象识别结果和各安全着装类型对应的安全着装检测结果；根据所述目标对象的检测结果，确定第一异常行为检测结果。采用本方法能够不再采用人工检测，提高了对异常行为检测的效果；并且，本方法采用多任务检测模型，在检测行人的同时检测该行人是否穿着各类型安全着装，进一步提高了对异常行为检测的效果，有效预防安全事故。CN113627406ACN113627406A权利要求书1/2页1.一种异常行为检测方法，其特征在于，所述方法包括：获取目标视频流数据；将所述目标视频流数据输入至预先训练的多任务检测模型，得到所述目标视频流数据包含的目标对象的检测结果；所述检测结果包含对象识别结果和各安全着装类型对应的安全着装检测结果；根据所述目标对象的检测结果，确定第一异常行为检测结果；其中，所述多任务检测模型包括特征提取模块、对象识别模块、以及各安全着装类型对应的检测模块；所述将所述目标视频流数据输入至预先训练的多任务检测模型，得到所述目标视频流数据包含的目标对象的检测结果，包括：将所述目标视频流数据输入至所述特征提取模块，得到所述目标视频流数据的卷积特征；将所述卷积特征输入至所述对象识别模块，得到对象识别结果；将所述卷积特征输入至所述各安全着装类型对应的检测模块，得到各安全着装类型对应的安全着装检测结果。2.根据权利要求1所述的方法，其特征在于，所述多任务检测模型的训练过程包括：获取训练数据集；所述训练数据集包括第一样本图像、所述第一样本图像包含的对象的样本识别结果，以及第二样本图像、所述第二样本图像包含的对象的各安全着装类型对应的样本检测结果；将所述训练数据集输入至目标神经网络，得到对象识别预测结果和各安全着装类型对应的预测结果；根据所述对象识别预测结果、所述对象的样本识别结果、所述各安全着装类型对应的预测结果、以及所述各安全着装类型对应的样本检测结果，确定目标损失函数，并根据所述目标损失函数迭代更新所述目标神经网络的参数；当所述目标损失函数满足预设条件时，停止对所述目标神经网络的参数迭代更新，得到所述多任务检测模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述对象识别预测结果、所述对象的样本识别结果、所述各安全着装类型对应的预测结果、以及所述各安全着装类型对应的样本检测结果，确定目标损失函数，包括：根据所述对象识别预测结果、以及所述对象的样本识别结果，确定目标位置框标注损失函数和目标类别预测损失函数；根据所述各安全着装类型对应的预测结果、以及所述各安全着装类型对应的样本检测结果，确定各安全着装类型对应的损失函数；将所述目标位置框标注损失函数、所述目标类别预测损失函数和所述各安全着装类型对应的损失函数相加，得到目标损失函数。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述目标视频流数据输入至预先训练的行为预测模型，得到所述目标对象的行为预测结果；根据所述目标对象的行为预测结果，确定第二异常行为检测结果。5.根据权利要求4所述的方法，其特征在于，所述将所述目标视频流数据输入至预先训练的行为预测模型，得到目标对象的行为预测信息，包括：2CN113627406A权利要求书2/2页在所述目标视频流数据中，获取包含目标对象的预设数目个图像帧；将所述预设数目个图像帧输入至预先训练的行为预测模型中，得到目标对象的行为预测结果。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：根据所述目标视频流数据，进行标识牌识别，得到标识牌识别结果；所述标识牌识别结果包括：禁止行为和所述禁止行为对应的区域；所述根据所述目标对象的行为预测结果，确定第二异常行为检测结果，包括：根据所述目标对象的行为预测结果，确定所述目标对象的预测行为；若所述预测行为为所述禁止行为，并且所述目标对象处于所述禁止行为对应的区域，则确定第