[发明专利]一种基于视觉感知的异常事件检测方法及系统

说明书

本发明提供了一种基于视觉感知的异常事件检测方法及系统。实时获取待检测场景监控视频的视频帧和视频特征，并检测出视频帧中每一个目标的位置，用矩形框将所述位置框出；获得每个目标的骨骼信息、骨骼特征以及骨骼特征编码向量；获得骨骼注意融合特征和目标的生物激励的视觉显著性特征；将骨骼流注意融合特征和目标的生物激励的视觉显著性特征进行融合，获得融合特征，基于融合特征，获得异常行为分类结果；基于注意机制产生的注意系数和异常行为分类结果，获得产生异常行为的目标序号，从而获得异常行为发生的位置。本发明能够筛选出和异常事件最相关的人或区域用于事件检测，排除复杂场景下的各种干扰，提升异常事件的检测精度。

技术领域

本发明涉及视频监控领域，尤其涉及一种基于视觉感知的异常事件检测方法及系统。

背景技术

随着人们生活水平逐渐提高，人们对生活质量的要求也越来越高，因此安全问题越来越受到政府部门、企事业单位的密切关注。广大人民群众的安全意识也进一步提高，这就需要相关部门提供更完善的安全保障系统用以实时监测交通、社区等场景的状况，检测出一些异常行为现象并发出报警从而有效维护交通秩序、社区治安、人身安全，控制事态进一步恶化，让相关部门及工作人员及时了解到事故现场的状况并迅速采取相应的应急补救措施。然而传统的视频监控系统只具备一些简单的监控、视频存储、视频回放等功能，监控的过程中往往需要工作人员在旁边进行全天实时连续看守，由于人的注意力集中时间具有间断性并且会因为长时间大脑的高度集中而造成疲劳，这样就不可避免的会出现漏检、误检的情况。另一方面由于现在监控系统的普及覆盖面的广泛，其布局规模会成倍的增长，同时一个大型的多屏幕监控室中往往需要更多的工作人员去进行实时的看守工作才能提高其监测效率，这样就会导致人力资源成本的骤增。系统的回放功能也主要是用来进行视频的保存以及后续进行一些人工的取证分析，缺乏现场性，并不能做到有效及时的报警。由此可见传统的监控系统存在很多的弊端。因此将计算机视觉技术应用到视频监控领域形成的视频智能监控系统是视频监控系统必然的发展趋势。

在监控场景下，异常事件的发生常常是随机的，位置时间不固定，并且具有稀疏性，一天中可能只有很小的时间段存在异常事件，同时具有集中性，多目标场景中异常事件往往集中于极小部分人、物或者区域。

发明内容

为了解决上述问题，本发明提供了一种基于视觉感知的异常事件检测方法，主要包括以下步骤：

S1、实时获取待检测现场的监控视频，并提取所述待检测现场的监控视频的视频帧；

S2、将当前时刻的视频帧输入到YOLOv3网络模型中，获取当前时刻的视频帧的视频特征，并检测出所述当前时刻的视频帧中每一个目标所在的位置，用矩形框将所述位置框出；其中，一个矩形框将一个目标所在的位置框出；

S3、将步骤S2中框出目标位置的矩形框均提取出来，并对每个矩形框中对应的目标分别进行人体姿态估计，获得当前时刻的视频帧中每个目标的骨骼信息；

S4、将步骤S3中所述骨骼信息输入到训练好的VGG19网络模型中，获得当前时刻的视频帧中每个目标的骨骼特征；

S5、将步骤S4中所述骨骼特征输入到双向长短时记忆网络中，获得当前时刻的视频帧中每个目标的骨骼特征编码向量；

S6、将前一时刻的视频帧中解码LSTM输出的时间状态与步骤S5中所述骨骼特征编码向量输入到注意机制中，获得当前时刻的视频帧中注意系数和骨骼注意融合特征；

S7、将当前时刻的视频帧输入到基于初级视皮层V1区的层级模型中，分别模拟视皮层中简单细胞层和复杂细胞层，获得当前时刻的视频帧中每个目标的生物激励的视觉显著性特征；所述基于初级视皮层V1区的层级模型包含两层层级结构的不变特征提取模型；

S8、将步骤S6中所述骨骼注意融合特征和步骤S7中所述视觉显著性特征输入到特征融合层进行融合，获得当前时刻的视频帧中的融合特征，基于所述融合特征，获得当前时刻的视频帧中的异常行为分类结果；