[发明专利]一种目标行为检测方法、系统、计算机设备及机器可读介质

说明书

本发明提供一种目标行为检测方法、系统、计算机设备及机器可读介质，通过从待检测图像中获取人体框，并基于人体框从待检测图像中截取出对应的人体框区域图像；将人体框区域图像输入至分类模型中进行行为检测，确定待检测图像中的目标对象是否存在目标行为。本发明可以将图像识别的判断位置精确到人脸和人手，解决了目标尺度与人体尺度差别大的问题，同时分类模型能准确地判断出目标行为的特征信息，大幅提升了目标行为的检测精度。

技术领域

本发明涉及目标行为检测技术领域，特别是涉及一种目标行为检测方法、系统、计算机设备及机器可读介质。

背景技术

在地铁站、车站、机场等日常公共交通场景中，抽烟是一种最常见的不道德、不安全行为，不但影响他人身体健康，而且是产生火灾的重要隐患来源。长期以来，公共场所的人员普遍存在综合素质参差不齐，安全意识不强的问题，尤其在侥幸心理作祟的情况下大大影响了环境，增加了安全风险。目前常用的吸烟检测方法包括人工监督，机器学习监督方法等。

传统的人工监管存在如下缺点：(1)人力成本增加；(2)人工长时间监控易疲劳，致使监控的疏忽、遗漏或者误判安全隐患；(3)人工监控和人员情绪、状态、工作经验、性格和生活条件的影响，容易在监管治理过程中产生矛盾，引发其他不和谐事件的产生。因此，人工检查存在监管费用高、主观干扰大、不能全程监控等一系列问题。

传统的机器学习监督方法存在以下缺点：在近场景条件下对吸烟行为进行检测，一般摄像头内只有一个人，甚至只有人的上半身，图像信息较为简单，提取的特征也相对单一。如果应用到公共交通场景下，面临多人全景图、人脸分辨率有限、遮挡物较多的问题，以及烟尺度与人体尺度差别较大的问题，检测精度将直线下降。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种目标行为检测方法、系统、计算机设备及机器可读介质，用于解决现有技术中对抽烟行为进行检测时人工监督和/或机器监督存在的缺陷。

为实现上述目的及其他相关目的，本发明提供一种目标行为检测方法，包括以下步骤：

从待检测图像中获取人体框，并基于所述人体框从所述待检测图像中截取出对应的人体框区域图像；

将所述人体框区域图像输入至分类模型中进行行为检测，确定所述待检测图像中的目标对象是否存在目标行为。

可选地，所述分类模型的生成过程包括：

获取多帧图像作为训练图像；

将所述训练图像中存在目标行为的图像标注为正例，不存在目标行为的图像标注为负例；

对标注后的图像进行离线增强，并利用离线增强后的图像训练分类神经网络，生成所述分类模型。

可选地，在生成所述分类模型时，还包括：

对所述分类神经网络中的寻优参数进行调整，形成参数空间；

基于所述参数空间对所述分类神经网络进行寻优，并调整寻优后的分类神经网络的训练参数，形成搜索空间；

按照寻优后的训练策略从所述搜索空间中获取最优的分类模型，并将最优的分类模型作为最终的分类模型；

其中，所述寻优参数包括每个神经单元的Block通道个数、激活函数类型和Block个数；所述训练参数包括分类神经网络的学习率、学习率衰减指数和Batch大小。

可选地，若所述分类模型包括人脸分类模型，则还包括：

获取所述待检测图像的人体关键点，并对所述人体关键点进行解析，从所述人体框中获取人脸框；

基于所述人脸框从所述待检测图像或所述人体框区域图像中获取对应的人脸框区域图像；