[发明专利]一种行为检测方法、装置及电子设备

权利要求书

1.一种行为检测方法，其特征在于，包括：

获取目标监控区域的视频数据；

利用预先训练好的人脸识别模型对所述视频数据中的图像数据进行人脸检测；

对检测到人脸数据对应的框选区域进行扩展处理，使得扩展后的框选区域大于人脸所在的整个头部区域；

利用预先训练好的行为检测模型，对所述扩展后的框选区域进行行为检测，得到检测结果，所述行为检测模型根据包括整个头部区域的违法行为人脸图像数据训练得到。

2.根据权利要求1所述的方法，其特征在于，所述人脸识别模型通过下述方式训练得到：

获取多个实际场景下的人脸图像数据，构建第一人脸图像数据集，每一个场景下的人脸图像数据包含不同时间段的图像；

对所述第一人脸图像数据集中的图像进行数据增强处理，得到扩大数据量的第一人脸图像数据集；

利用扩大数据量的第一人脸图像数据集对第一目标网络模型进行模型训练，得到所述人脸识别模型。

3.根据权利要求2所述的方法，其特征在于，所述第一目标网络模型包括RetinaFace人脸检测模型。

4.根据权利要求1所述的方法，其特征在于，所述行为检测模型通过下述方式训练得到：

获取多个实际场景下的违法行为人脸图像数据和非违法行为人脸图像数据，构建第二人脸图像数据集，每一个场景下的人脸图像数据包含不同时间段的图像；

将所述第二人脸图像数据集中的人脸图像数据对应的框选区域进行扩展处理，使得扩展后的框选区域大于人脸所在的整个头部区域；

对扩展后的所述第二人脸图像数据集中的图像进行数据增强处理，得到扩大数据量的第二人脸图像数据集；

利用所述扩大数据量的第二人脸图像数据集对第二目标网络模型进行模型训练，直至目标损失函数的损失值满足预设条件，得到所述行为检测模型。

5.根据权利要求4所述的方法，其特征在于，所述第二目标网络模型包括：OSNet网络模型，其中所述OSNet网络模型的特征层与全连接层之间增加注意力机制；所述目标损失函数包括：NLLLOSS损失函数。

6.根据权利要求4所述的方法，其特征在于，所述利用所述扩大数据量的第二人脸图像数据集对第二目标网络模型进行模型训练，包括：

将所述扩大数据量的第二人脸图像数据集按照目标比例进行划分，得到训练集、验证集以及测试集；

利用所述训练集对所述第二目标网络模型进行模型训练。

7.根据权利要求1所述的方法，其特征在于，所述利用预先训练好的人脸识别模型对所述视频数据中的图像数据进行人脸检测之前，所述方法还包括：

对获取到目标监控区域的视频数据按照目标间隔时间进行抽帧处理，得到需要进行人脸检测的图像数据。

8.一种行为检测装置，其特征在于，包括：

获取模块，用于获取目标监控区域的视频数据；

第一检测模块，用于利用预先训练好的人脸识别模型对所述视频数据中的图像数据进行人脸检测；

扩展模块，用于对检测到人脸数据对应的框选区域进行扩展处理，使得扩展后的框选区域大于人脸所在的整个头部区域；

第二检测模块，用于利用预先训练好的行为检测模型，对所述扩展后的框选区域进行行为检测，得到检测结果，所述行为检测模型根据包括整个头部区域的违法行为人脸图像数据训练得到。

9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-7任一所述的行为检测方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的行为检测方法的步骤。