一种群体异常行为识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种群体异常行为识别方法，通过先将待识别视频流所对应的监控场景划分成多个语义区域，将待识别视频流中各个时间点的图像中，对应同一语义区域的车辆进行聚类得到车辆聚类信息，之后根据该车辆聚类信息构建的群体运动聚类列表中，可以反映出沿时间点的先后顺序各个车辆经过语义区域的顺序，即该时间段的待识别行为模式组合，待识别行为模式组合包括该时间段内同时存在的多种轨迹。通过待识别行为模式组合可以反映出一段时间内同时存在的多种轨迹，通过该待识别行为模式组合可是识别出是否有行为异常的车辆。本发明专利技术还提供了一种群体异常行为识别装置、一种群体异常行为识别设备以及一种计算机可读存储介质，同样具有上述有益效果。

【技术实现步骤摘要】
一种群体异常行为识别方法、装置、设备及存储介质
本专利技术涉及人工智能
，特别是涉及一种群体异常行为识别方法、一种群体异常行为识别装置、一种群体异常行为识别设备以及一种计算机可读存储介质。
技术介绍
随着城市化的快速发展，车辆数量急剧增加，城市交通拥堵、交通事故等一系列问题日趋严重，并已成为影响城市可持续发展的障碍。各种交通违法行为仍然是引发道路交通事故的主要原因，而交通事故的发生又会加剧交通拥堵状况。因此，通过视频监控的形式对交通道路上发生异常事故和行为异常的车辆进行有效的检测和实时监控显得尤为重要。目前常用的异常行为识别方法首先从训练样本中学习运动目标的行为模型；然后将待识别的运动目标的行为与已经学习好的行为模型进行模式匹配，如果待识别的运动目标的行为与模型之间的差异较大，相应的行为将被视为异常行为。然而，已有的方法中仅能对单个运动目标的异常行为进行识别。在存在多种行为模式的复杂的监控场景中，当这些行为分别单独与已经学习好的行为模型进行模式匹配时，可能都会被识别为正常的行为；然而，从整个场景中考虑，这些行为不能同时共存，其中的部分行为应该被识别为异常行为。现有的方法不能识别这种复杂场景中的异常行为。所以如何提供一种群体异常行为识别方法是本领域技术人员急需解决的问题。
技术实现思路
本专利技术的目的是提供一种群体异常行为识别方法，可以识别复杂场景中的异常行为；本专利技术的另一目的在于提供一种群体异常行为识别装置、一种群体异常行为识别设备以及一种计算机可读存储介质，可以识别复杂场景中的异常行为。为解决上述技术问题，本专利技术提供一种群体异常行为识别方法，包括：获取待识别视频流；将所述待识别视频流在预设时间点的图像中，位于同一语义区域内的车辆进行聚类，得到车辆聚类信息；所述待识别视频流内预设有多个所述时间点，任一所述图像内划分有多个所述语义区域，所述语义区域为所述待识别视频流中具有同类运动轨迹的区域；根据所述车辆聚类信息构建群体运动聚类列表；所述群体运动聚类列表包括关键车辆集合和车辆聚类序列之间的对应关系，所述关键车辆集合包括相邻所述时间点之间满足结构相似度条件的车辆聚类信息的交集，所述车辆聚类序列包括沿所述时间点先后顺序排列的所述关键车辆集合所对应的车辆聚类信息；将所述车辆聚类序列转换为语义区域序列，得到待识别行为模式组合；所述语义区域序列为所述关键车辆集合对应车辆在所述待识别视频流内经过所述语义区域的顺序；根据所述待识别行为模式组合确定异常行为车辆。可选的，所述根据所述车辆聚类信息构建群体运动聚类列表包括：计算相邻所述时间点对应的图像中任两所述车辆聚类信息之间的结构相似度；当所述结构相似度不小于所述结构相似度阈值时，将两所述车辆聚类信息的交集插入所述群体运动聚类列表作为一所述关键车辆集合，并将沿所述时间点先后顺序排列的所述关键车辆集合所对应的车辆聚类信息作为一所述车辆聚类序列；当所述结构相似度小于所述结构相似度阈值时，将两所述车辆聚类信息中对应最新时间点的车辆聚类信息插入所述群体运动聚类列表作为一所述关键车辆集合，并将对应的车辆聚类信息作为一所述车辆聚类序列。可选的，在所述将所述车辆聚类序列转换为语义区域序列之后，还包括：删除每个所述语义区域序列中重复所述语义区域的编号。可选的，所述根据所述待识别行为模式组合确定异常行为车辆包括：将所述待识别行为模式组合与标准行为模式组合进行对比，得到异常语义区域序列，并根据所述异常语义区域序列对应的关键车辆集合确定异常行为车辆。可选的，相邻所述时间点之间的时间间隔相同。可选的，还包括：获取训练视频流；所述训练视频流与所述待识别视频流对应同一监控场景；将所述监控场景划分为多个单元格；对所述训练视频流中车辆进行跟踪，得到车辆运动轨迹；对所述车辆运动轨迹进行聚类；当任一所述单元格中经过的所述车辆运动轨迹归属于同一聚类类别的比例大于比例阈值时，标注对应所述聚类类别的标识信息；将对应同一所述标识信息的单元格合并为所述语义区域。可选的，所述对所述车辆运动轨迹进行聚类包括：通过谱聚类模型对所述车辆运动轨迹进行聚类。本专利技术还提供了一种群体异常行为识别装置，包括：第一获取模块：用于获取待识别视频流；第一聚类模块：用于将所述待识别视频流在预设时间点的图像中，位于同一语义区域内的车辆进行聚类，得到车辆聚类信息；所述待识别视频流内预设有多个所述时间点，任一所述图像内划分有多个所述语义区域，所述语义区域为所述待识别视频流中具有同类运动轨迹的区域；列表构建模块：用于根据所述车辆聚类信息构建群体运动聚类列表；所述群体运动聚类列表包括关键车辆集合和车辆聚类序列之间的对应关系，所述关键车辆集合包括相邻所述时间点之间满足结构相似度条件的车辆聚类信息的交集，所述车辆聚类序列包括沿所述时间点先后顺序排列的所述关键车辆集合所对应的车辆聚类信息；序列转换模块：用于将所述车辆聚类序列转换为语义区域序列，得到待识别行为模式组合；所述语义区域序列为所述关键车辆集合对应车辆在所述待识别视频流内经过所述语义区域的顺序；识别模块：用于根据所述待识别行为模式组合确定异常行为车辆。本专利技术还提供了一种群体异常行为识别设备，所述设备包括：存储器：用于存储计算机程序；处理器：用于执行所述计算机程序时实现如上述任一项所述群体异常行为识别方法的步骤。本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述群体异常行为识别方法的步骤。本专利技术所提供的一种群体异常行为识别方法，包括获取待识别视频流；将视频流在预设时间点的图像中，位于同一语义区域内的车辆进行聚类，得到车辆聚类信息；视频流内预设有多个时间点，任一图像内划分有多个语义区域，语义区域为视频流中具有同类运动轨迹的区域；根据车辆聚类信息构建群体运动聚类列表；群体运动聚类列表包括关键车辆集合和车辆聚类序列之间的对应关系，关键车辆集合包括相邻时间点之间满足结构相似度条件的车辆聚类信息的交集，车辆聚类序列包括沿时间点先后顺序排列的关键车辆集合所对应的车辆聚类信息；将车辆聚类序列转换为语义区域序列，得到待识别行为模式组合；语义区域序列为关键车辆集合对应车辆在视频流内经过语义区域的顺序；根据待识别行为模式组合确定异常行为车辆。通过先将待识别视频流所对应的监控场景划分成多个语义区域，将待识别视频流中各个时间点的图像中，对应同一语义区域的车辆进行聚类得到车辆聚类信息，之后根据该车辆聚类信息构建的群体运动聚类列表中，可以反映出沿时间点的先后顺序各个车辆经过语义区域的顺序，即该时间段的待识别行为模式组合，待识别行为模式组合包括该时间段内同时存在的多种轨迹。由于在实际车辆行驶过程中，单独一辆车的轨迹通常是符合要求的，例如车辆闯红灯的轨迹实质上也与正常行驶车辆的轨迹相同。但本文档来自技高网...

【技术保护点】
1.一种群体异常行为识别方法，其特征在于，包括：/n获取待识别视频流；/n将所述待识别视频流在预设时间点的图像中，位于同一语义区域内的车辆进行聚类，得到车辆聚类信息；所述待识别视频流内预设有多个所述时间点，任一所述图像内划分有多个所述语义区域，所述语义区域为所述待识别视频流中具有同类运动轨迹的区域；/n根据所述车辆聚类信息构建群体运动聚类列表；所述群体运动聚类列表包括关键车辆集合和车辆聚类序列之间的对应关系，所述关键车辆集合包括相邻所述时间点之间满足结构相似度条件的车辆聚类信息的交集，所述车辆聚类序列包括沿所述时间点先后顺序排列的所述关键车辆集合所对应的车辆聚类信息；/n将所述车辆聚类序列转换为语义区域序列，得到待识别行为模式组合；所述语义区域序列为所述关键车辆集合对应车辆在所述待识别视频流内经过所述语义区域的顺序；/n根据所述待识别行为模式组合确定异常行为车辆。/n

【技术特征摘要】
1.一种群体异常行为识别方法，其特征在于，包括：
获取待识别视频流；
将所述待识别视频流在预设时间点的图像中，位于同一语义区域内的车辆进行聚类，得到车辆聚类信息；所述待识别视频流内预设有多个所述时间点，任一所述图像内划分有多个所述语义区域，所述语义区域为所述待识别视频流中具有同类运动轨迹的区域；
根据所述车辆聚类信息构建群体运动聚类列表；所述群体运动聚类列表包括关键车辆集合和车辆聚类序列之间的对应关系，所述关键车辆集合包括相邻所述时间点之间满足结构相似度条件的车辆聚类信息的交集，所述车辆聚类序列包括沿所述时间点先后顺序排列的所述关键车辆集合所对应的车辆聚类信息；
将所述车辆聚类序列转换为语义区域序列，得到待识别行为模式组合；所述语义区域序列为所述关键车辆集合对应车辆在所述待识别视频流内经过所述语义区域的顺序；
根据所述待识别行为模式组合确定异常行为车辆。


2.根据权利要求1所述的方法，其特征在于，所述根据所述车辆聚类信息构建群体运动聚类列表包括：
计算相邻所述时间点对应的图像中任两所述车辆聚类信息之间的结构相似度；
当所述结构相似度不小于所述结构相似度阈值时，将两所述车辆聚类信息的交集插入所述群体运动聚类列表作为一所述关键车辆集合，并将沿所述时间点先后顺序排列的所述关键车辆集合所对应的车辆聚类信息作为一所述车辆聚类序列；
当所述结构相似度小于所述结构相似度阈值时，将两所述车辆聚类信息中对应最新时间点的车辆聚类信息插入所述群体运动聚类列表作为一所述关键车辆集合，并将对应的车辆聚类信息作为一所述车辆聚类序列。


3.根据权利要求2所述的方法，其特征在于，在所述将所述车辆聚类序列转换为语义区域序列之后，还包括：
删除每个所述语义区域序列中重复所述语义区域的编号。


4.根据权利要求1所述的方法，其特征在于，所述根据所述待识别行为模式组合确定异常行为车辆包括：
将所述待识别行为模式组合与标准行为模式组合进行对比，得到异常语义区域序列，并根据所述异常语义区域序列对应的关键车辆集合确定异常行为车辆。


5.根据权利要求4所述的方法，其特征在于，相邻所述时间点之间的时间间隔相同。<...

【专利技术属性】
技术研发人员：杨元峰，刘昭斌，刘刚，张量，鲜学丰，钟卫铭，
申请(专利权)人：苏州市职业大学，
类型：发明
国别省市：江苏;32