[发明专利]一种单车用户异常行为的检测方法

说明书

本发明提供一种单车用户异常行为的检测方法，该方法包括以下步骤：(1)获取停车区域的图像；(2)将所述图像输入至人体关键点检测模型中，得到所述图像中行为人的人体关键点信息；(3)将所述行为人的人体关键点信息输入至异常行为检测模型中，判断所述行为人的行为是否异常。本方法可利用摄像头在停车区域拍摄图像，并根据图像自动检测行为人的异常行为，实现了停车区域的自动监控，可以实时发现行为人的异常行为，便于运维人员及时响应。

技术领域

本发明涉及一种行为检测方法，特别涉及一种单车用户异常行为的检测方法。

背景技术

随着共享单车、助力车、电动车的诞生，人们的出行变得更为便利。共享单车+公共交通的出行方式低碳，绿色，环保，经济。随着共享单车用户数量的急剧增长，以及共享单车所带来的巨大便利性，不可避免的会出现不少异常行为。共享单车上私锁私占、损坏单车零部件、偷盗共享单车、偷盗电瓶等行为屡见不鲜。这些行为不仅损害共享单车企业的利益，同时正常使用的用户也会受到影响。目前应对这个问题的解决方法有两种。一种是通过热心用户的主动上报。但这样的用户毕竟是极少的。另一种是依靠单车运维分区域的人工扫街，效率极其低下。并且目前的两种方案无法做到实时性，只能在异常行为造成结果后进行处理，且无法定位到异常用户。

发明内容

本发明的目的是根据上述现有技术的不足，提供了一种单车用户异常行为的检测方法。

本发明目的实现由以下技术方案完成：

一种单车用户异常行为的检测方法，其包括以下步骤：

(1)获取停车区域的图像；

(2)将所述图像输入至人体关键点检测模型中，得到所述图像中行为人的人体关键点信息；

(3)将所述行为人的人体关键点信息输入至异常行为检测模型中，判断所述行为人的行为是否异常。

本发明的进一步改进在于，所述人体关键点信息包括人体关键点的位置信息；所述人体关键点包括头、颈、肩、肘、手、跨、膝、脚。

本发明的进一步改进在于，所述人体关键点检测模型的训练过程包括以下步骤：

(1)选取若干人体图片作为训练数据集；

(2)在所述训练数据集的各所述人体图片中标注各所述人体关键点的位置以及人体关键点名称；

(3)使用所述训练数据集对基于深度学习的卷积神经网络模型进行训练，得到所述人体关键点检测模型。

本发明的进一步改进在于，选取所述人体图片的过程中，选取多种视角及环境条件下的人体图片作为所述训练数据集。

本发明的进一步改进在于，所述异常行为检测模型采用监督学习的方式训练获得，所述异常行为检测模型的训练过程包括以下步骤：

(1)选取停车区域的图像，对所述图像中的行为人的行为进行标注，标注信息包括所述行为人的行为类型；

(2)将标注后的各所述图像依次输入至所述人体关键点检测模型中，得到各所述图像的人体关键点信息；

(3)将各所述图像的所述标注信息以及所述人体关键点信息作为训练数据对逻辑回归模型进行训练，得到异常行为检测模型。

本发明的进一步改进在于，对逻辑回归模型进行训练的过程中，增加所述人体关键点信息中异常行为强相关的人体关键点的权重值。

本发明的进一步改进在于，所述异常行为检测模型采用无监督学习的方式训练获得，所述异常行为检测模型的训练过程包括以下步骤：

(1)选取停车区域的图像，将各所述图像依次输入至所述人体关键点检测模型中，得到各所述图像的人体关键点信息；