科创中国
基于图结构姿态聚类的人体异常行为检测方法及系统
发布时间: 2023-10-16
基本信息
合作方式：
技术转让
成果类型：
发明专利
行业领域：
教育
成果介绍
本发明公开了基于图结构姿态聚类的人体异常行为检测方法及系统，获取待检测视频；对待检测视频的每一帧图像进行骨骼跟踪，得到包含k个骨骼节点的骨骼序列；获取骨骼节点的时空关系示意图；对时空关系示意图中的每一帧图像骨骼节点的坐标位置进行处理，得到待检测视频的最终学习向量；将最终学习向量，输入到训练后的编码器中，输出待分类的动作向量；将待分类的动作向量和已知分类标签的动作向量进行聚类，得到当前待分类动作向量属于每个已知分类标签的概率值；判断所述概率值是否超过设定阈值，如果超过设定阈值，则表示当前待检测视频存在人体异常行为；否则，表示不存在人体异常行为。能够针对不同的场景需求，有效的检测出异常行为。
成果亮点
基于视频的异常行为检测方法可分为有监督、弱监督、无监督三类。无监督方法无需任何标签信息，基于“非正即异”思想，假设异常行为是罕见且无规律的。由于这种方法缺少人工标记，泛化能力极弱，如何增强无监督方法的泛化能力也是近几年学术研究的热点。弱监督方法通过学习大量的正例样本进的特征表示，将那些不符合正常特征分布的样本检测为异常，目前大多数弱监督方法都是采用基于重构判断的方法进行判定。但是由于神经网络强大的学习能力，异常行为也有可能被很好的重构，因此基于重构的方法容易造成异常的漏检。同时，新的正常行为也在不断地出现，新出现的正常行为容易被误检。有监督方法，将异常行为检测视为二分类或多分类问题，用详细标记的正异常行为样本训练神经网络，提取正异常之间更具区分性的特征。有监督方法的识别和定位精度普遍较高，在现实生活中被广泛使用。
团队介绍
此技术是山东师范大学吕蕾研发，山东师范大学，位于山东省济南市，宗旨和业务范围是“面向社会培养高等学历师资人才，进行成人教育，促进教育事业发展”。
成果资料
产业化落地方案
成果综合评价报告
评价单位：- (-) 评价时间：2023-10-19
下载app