[发明专利]人员违法动作识别方法、系统、计算机设备和存储介质

说明书

本申请涉及人工智能领域，提供了人员违法动作识别方法、系统、计算机设备和存储介质，方法包括采集视频帧，从视频帧中划分出与各人员对应的子视频帧，形成子视频帧组，提取动作特征，根据动作特征识别违法概率值，计算违法概率均值，若违法概率均值大于预警值，则判定人员存在违法行为。通过违法概率均值对人员违法动作准确评估，降低了小区视频监控管理的人力成本，并提高了对监控视频中人员违法动作的识别效率。

技术领域

本申请涉及图像识别技术领域，特别是人员违法动作识别方法、系统、计算机设备和存储介质。

背景技术

视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，视频监控技术也有了长足的发展。如今，越来越多的小区安装了视频监控系统，旨在防止人员打架、抢劫等违法行为，并做好证据保存等。

目前的小区视频监控是采用人工观察摄像视频的方式，对视频中的人员的目标动作进行监控，这需要很高的人力成本，难以实现对大量级的视频内容进行实时监控，且证据调取麻烦，识别准确率低。

发明内容

基于此，有必要针对目前小区视频监控人力成本高、违法行为识别效率低的问题，提供一种人员违法动作识别方法、系统、计算机设备和存储介质。

一种人员违法动作识别方法，包括：从小区监控视频中采集多个视频段；从第一视频段中获取多个视频帧；所述第一视频段为所述多个视频段中的任一视频段；识别每个所述视频帧中各人员的头像区域，根据人员的头像区域从每个所述视频帧中划分出与各人员一一对应的子视频帧；将属于同一人员的各子视频帧按时间先后顺序进行排列，得到多个子视频帧组；各子视频帧组与各人员一一对应；从第一人员所对应的子视频帧组中提取动作特征；所述第一人员为所述各人员中的任一人员；通过循环神经网络RNN动作识别模型识别所述动作特征，若所述动作特征中存在与预设姿态数据匹配的动作，则判定所述第一人员存在违法动作，并根据所述违法动作为所述第一人员设置对应的违法概率值，若所述动作特征中不存在与所述预设姿态数据匹配的动作，则将所述第一人员所对应的违法概率值设置为0，最终得到违法概率值集合；所述违法概率值集合包括所述第一人员在每个视频段中所对应的违法概率值；根据所述违法概率值集合计算所述第一人员的违法概率均值；若所述违法概率均值大于预警值，则判定所述第一人员存在违法行为。

可选地，所述识别每个所述视频帧中各人员的头像区域，包括：

通过第一卷积神经网络CNN模型分别提取每个所述视频帧中的头像特征；根据所述头像特征识别出每个所述视频帧中各人员的头像区域；所述头像特征至少包括头部特征、面部特征、五官特征和头部佩戴品特征中的一项。

可选地，所述通过第一卷积神经网络CNN模型分别提取每个所述视频帧中的头像特征，包括：

通过所述第一CNN模型中的卷积核对第一视频帧进行采样，得到若干个第一区域图像，将各所述第一区域图像输入至所述第一CNN模型的池化层中；所述第一视频帧为任一所述视频帧；通过所述第一CNN模型的池化层从第一区域图像中提取头像特征，最终得到每个视频帧中的头像特征。

可选地，所述根据所述违法概率值集合计算所述第一人员的违法概率均值，包括：

为所述第一人员设置累加器；对所述累加器初始化；通过所述累加器计算所述违法概率值集合中的违法概率值的总和；将所述总和与视频段的数量做除法运算，得到所述违法概率均值。

可选地，所述RNN动作识别模型的算法公式为：