[发明专利]面向个体直播场景的异常行为检测方法

权利要求书

1.一种面向个体直播场景的异常行为检测方法，其特征在于，包括如下步骤：

S1、实时获取直播视频信号，捕获视频流中的每帧图像，对每帧图像进行预处理，将处理后的连续三帧图像分别记为Image1、Image2、Image3，记Image3为当前帧；

S2、对S1中处理后的连续三帧图像进行灰度处理，之后采用三帧差法对运动的人形区域进行检测，得到图像Image4；

S3、对当前帧图像Image3进行人形区域分割，得到待检图像Image6；

S4、分离待检图像Image6的三个颜色通道的图像channel_r、channel_g、channel_b，得到输入图像Image7；

S5、对输入图像Image7进行卷积神经网络训练，得到异常行为检测模型，并最终得到检测结果。

2.根据权利要求1所述的面向个体直播场景的异常行为检测方法，其特征在于：S1中所述预处理为使用Gamma校正法对图像进行归一化，并进行中值滤波处理。

3.根据权利要求1所述的面向个体直播场景的异常行为检测方法，其特征在于，S2具体包括如下步骤：

S21、对前两帧图像Image1和Image2做灰度差；

S22、对当前帧图像Image3和前一帧图像Image2做灰度差；

S23、对上述两个结果按位做“与”操作，得到图像Image4。

4.根据权利要求1所述的面向个体直播场景的异常行为检测方法，其特征在于，S3具体包括如下步骤：

S31、对S2中得到的图像Image4进行形态学中的闭运算处理，然后对图中的人形轮廓进行矩形拟合，记录矩形的中心位置（x0,y0）和高宽（h，w）；

S32、截取当前帧图像Image3对应的矩形区域，获得人形图像Image5，其中，Image5=Image3[x0-h/2 : x0+h/2,y0-w/2 : y0+w/2] ；

S33、调整图像Image5大小为（68,68），得到待检图像Image6。

5.根据权利要求1所述的面向个体直播场景的异常行为检测方法，其特征在于：S5中所述卷积神经网络为一个9层卷积神经网络，共包括3个卷积层、3个池化层、2个全连接层和1个输出层，所述卷积神经网络的前6层由卷积层和池化层交替级联，随后接入2个全连接层，最后一层采用RBF分类器；所述卷积神经网络中卷积层的卷积核边长都是5，步长都为1，池化层的窗口边长都为2，步长都为2。

6.根据权利要求1所述的面向个体直播场景的异常行为检测方法，其特征在于，S5中还包括训练异常行为检测模型，具体包括如下步骤：

S51、准备训练样本集合，所述训练样本集合包括正样本集和负样本集；

S52、处理训练样本，使样本尺寸保持一致；

S53、训练样本处理完毕后，将所有正样本与所有负样本分别放入两个对应文件夹中，并将所有训练样本缩放到同样的尺寸大小。

S55、对所有正、负样本赋予样本标签；

S55、将正、负样本和标签，都输入到卷积神经网络模型中进行训练，最终得到经过训练的异常行为检测模型。