[发明专利]基于时空信息融合的翻越行为实时检测方法及相关组件

说明书

本发明公开了基于时空信息融合的翻越行为实时检测方法及相关组件，其中，方法包括：先通过安置在岗亭处或者园区入口处的摄像头持续抽帧，然后于视频画面的闸机入口或围栏处设定待测范围，获取监控视频中的视频数据并持续进行抽帧，将抽取的每一帧图像按顺序输入AlphaPose模型，提取出单帧图像的人体骨骼信息，得到的人体骨骼信息存入固定队列，当队列长度累计到预定长度时，将该队列的骨骼信息整体输入到2s‑AGCN模型中进行动作识别，最后输出行为类别及其置信度。本发明能够实时且有效地检测出人体是否在做出翻越行为以确保园区内的安防，采用了AlphaPose与2s‑AGCN结合的技术方法，提高了检测的精度与速度。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及基于时空信息融合的翻越行为实时检测方法及相关组件。

背景技术

随着城市工业化加速发展、城市人口日益密集，搭建了各种视频监控基础设施，但以往社区的安保防控工作，主要由人工通过实时监控视频进行异常行为的识别，耗费大量的人力资源且效率低下；随着监控区域和规模的不断扩大，依靠人工决策的传统视频监控管理方式明显难以为继，取而代之的是以人工智能、计算机视觉、深度学习等为核心的智能视频监控技术应用而生，但传统的基于机器学习方法的翻越行为检测需要繁缛的特征工程，无法实时且有效的检测翻越行为。

发明内容

本发明实施例提供了基于时空信息融合的翻越行为实时检测方法及相关组件，旨在解决现有基于机器学习方法的翻越行为检测方法无法对翻越行为进行实时且有效的检测的问题。

第一方面，本发明提供一种基于时空信息融合的翻越行为实时检测方法，其中，包括：

获取监控视频并持续进行抽帧，将抽取的每一帧图像按顺序输入Al phaPose模型，提取出单帧图像的人体骨骼信息，其中所述人体骨骼信息包括人体骨骼关键点的像素坐标及其置信度；

将每一帧图像的人体骨骼信息依次存入固定队列；

判断所述固定队列中的长度是否大于预定长度，若是，则按时间先后将所述固定队列中存入时间最早的一帧图像的人体骨骼信息取出；

按预定义的骨骼点数字索引将所取出的一帧图像的人体骨骼信息构建为表示人体物理结构连接的数组，并输入至2s-AGCN模型，输出行为类别及其置信度。

第二方面，本发明还提供一种基于时空信息融合的翻越行为实时检测装置，其中，包括：

提取单元，用于获取监控视频并持续进行抽帧，将抽取的每一帧图像按顺序输入Al phaPose模型，提取出单帧图像的人体骨骼信息，其中所述人体骨骼信息包括人体骨骼关键点的像素坐标及其置信度；

存入单元，用于将每一帧图像的人体骨骼信息依次存入固定队列；

判断单元，用于判断所述固定队列中的长度是否大于预定长度，若是，则按时间先后将所述固定队列中存入时间最早的一帧图像的人体骨骼信息取出；

输出单元，用于按预定义的骨骼点数字索引将所取出的一帧图像的人体骨骼信息构建为表示人体物理结构连接的数组，并输入至2s-AGCN模型，输出行为类别及其置信度。

第三方面，本发明还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上所述的基于时空信息融合的翻越行为实时检测方法。

第四方面，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如上所述的基于时空信息融合的翻越行为实时检测方法。