盗窃事件检测方法和装置制造方法及图纸

本发明专利技术提供一种盗窃事件检测方法和装置，所述方法包括以下步骤：获取单帧图像；通过目标检测算法检测出所述单帧图像中的人和物；通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件；如果满足盗窃条件，则推理出所述单帧图像中人与物的关系；根据所述单帧图像中人与物的关系判断是否发生盗窃事件。本发明专利技术能够方便、准确地自动检测出盗窃事件，从而有助于挽回盗窃受害者的损失，并有助于减少或杜绝盗窃事件的发生。

【技术实现步骤摘要】
盗窃事件检测方法和装置
本专利技术涉及目标检测和数据处理
，具体涉及一种盗窃事件检测方法、一种盗窃事件检测装置、一种计算机设备和一种非临时性计算机可读存储介质。
技术介绍
在公交站或公交车内等公共场合，盗窃事件时有发生。因此，有必要提出一种能够自动检测出盗窃事件的方案。
技术实现思路
本专利技术为解决上述技术问题，提供了一种盗窃事件检测方法和装置，能够方便、准确地自动检测出盗窃事件，从而有助于挽回盗窃受害者的损失，并有助于减少或杜绝盗窃事件的发生。本专利技术采用的技术方案如下：一种盗窃事件检测方法，包括以下步骤：获取单帧图像；通过目标检测算法检测出所述单帧图像中的人和物；通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件；如果满足盗窃条件，则推理出所述单帧图像中人与物的关系；根据所述单帧图像中人与物的关系判断是否发生盗窃事件。所述的盗窃事件检测方法还包括：如果发生盗窃事件，则发出报警，并保存图像证据或视频证据。所述目标检测算法采用FASTER-RCNN，主干网络为RESNET50。通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件，具体包括：判断所述单帧图像中的人和物的总数量是否大于等于3、人的数量是否大于等于2以及是否存在盗窃相关物品；如果所述单帧图像中的人和物的总数量大于等于3，且人的数量大于等于2，且存在盗窃相关物品，则判定满足盗窃条件。推理出所述单帧图像中人与物的关系，具体包括：对所述单帧图像中的人和物分别进行表观分析以分别得到人表观分析结果向量和物表观分析结果向量，并对所述单帧图像中的人和物进行空间分析以得到空间分析结果向量；融合所述人表观分析结果向量、所述物表观分析结果向量和所述空间分析结果向量，得到所述单帧图像中人与物关系的结果向量。所述单帧图像中人与物关系的结果向量为：其中，表示所述单帧图像中人与物关系的结果向量，Sh表示所述目标检测算法检测结果是人的置信度，So表示所述目标检测算法检测结果是物的置信度，表示所述人表观分析结果向量，表示所述物表观分析结果向量，表示所述空间分析结果向量。保存图像证据或视频证据，具体包括：获取所述图像证据或所述视频证据，并将所述图像证据或所述视频证据上传至云端服务器进行保存，其中，所述图像证据为包含人与物的关系的单帧图像，所述视频证据为在判定发生盗窃事件时录制的视频。一种盗窃事件检测装置，包括：获取模块，所述获取模块用于获取单帧图像；检测模块，所述检测模块用于通过目标检测算法检测出所述单帧图像中的人和物；过滤模块，所述过滤模块用于通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件；推理模块，所述推理模块用于在满足盗窃条件时，推理出所述单帧图像中人与物的关系；判断模块，所述判断模块用于根据所述单帧图像中人与物的关系判断是否发生盗窃事件。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述盗窃事件检测方法。一种非临时性计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述盗窃事件检测方法。本专利技术的有益效果：本专利技术首先获取单帧图像并通过目标检测算法检测出单帧图像中的人和物，再通过对单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件，如果满足盗窃条件，则推理出单帧图像中人与物的关系，然后根据单帧图像中人与物的关系判断是否发生盗窃事件，由此，能够方便、准确地自动检测出盗窃事件，从而有助于挽回盗窃受害者的损失，并有助于减少或杜绝盗窃事件的发生。附图说明图1为本专利技术实施例的盗窃事件检测方法的流程图；图2为本专利技术一个实施例的判断是否满足盗窃条件的流程示意图；图3为本专利技术一个实施例的推理出单帧图像中人与物的关系的流程示意图；图4为本专利技术一个实施例的人/物表观分析流程示意图；图5为本专利技术一个实施例的空间分析流程示意图；图6为本专利技术一个实施例的盗窃事件检测方法的流程图；图7为本专利技术实施例的盗窃事件检测装置的方框示意图；图8为本专利技术一个实施例的盗窃事件检测装置的方框示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本专利技术实施例的盗窃事件检测方法包括以下步骤：S1，获取单帧图像。在本专利技术的一个实施例中，所获取的单帧图像可为监控画面，可来自于有盗窃事件检测需求的场景中摄像机实时拍摄到的监控视频。其中，有盗窃事件检测需求的场景可以为公交车站、公交车内等。在本专利技术的一个实施例中，可采用多线程机制实时读取视频流，并轮询读取各个摄像机的单帧画面以实施后续步骤。S2，通过目标检测算法检测出单帧图像中的人和物。在本专利技术的一个实施例中，目标检测算法可采用FASTER-RCNN，主干网络为RESNET50，将上述单帧图像输入FASTER-RCNN，输出人和物的边界框及其置信度Sh（结果是人）So（结果是物）。S3，通过对单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件。在本专利技术的一个实施例中，可将上述目标检测算法的输出结果输入过滤器，过滤器的作用是剔除明显不可能发生偷盗的画面，以节省算力提高效率。具体地，如图2所示，过滤器可判断单帧图像中的人和物的总数量是否大于等于3、人的数量是否大于等于2以及是否存在盗窃相关物品，其中，盗窃相关物品为常发生失窃的物品，例如背包、手包、手机等。如果单帧图像中的人和物的总数量大于等于3，且人的数量大于等于2，且存在盗窃相关物品，则过滤器可判定满足盗窃条件，否则判定不满足盗窃条件，并输出判断结果。如果满足盗窃条件，则实施后续步骤；如果不满足盗窃条件，则不对当前单帧图像作进一步处理，返回步骤S1获取新的单帧图像。S4，如果满足盗窃条件，则推理出单帧图像中人与物的关系。在本专利技术的一个实施例中，可将上述过滤器输出的满足盗窃条件的判断结果和包含人和物目标检测结果的单帧图像输入推理网络，或者将上述过滤器输出的满足盗窃条件的判断结果和原始的单帧图像输入推理网络。推理网络的作用是推理出单帧图像中人与物的关系。推理网络结构是多流网络，包括人表观分析流、物表观分析流和空间分析流。具体地，如果输入的是原始的单帧图像，则再次进行目标检测以检测出单帧图像中的人和物，进而，如图3所示，首先选定单帧图像中的一个结果是“人”的目标检测结果，对该“人”进行人表观分析，得到人表观分析结果向量Sah；然后对于上述选定目标检测结果之外的其他目标检测结果，均进行物表观分析，得到物表观分析结果向量Sao，换本文档来自技高网...

【技术保护点】
1.一种盗窃事件检测方法，其特征在于，包括以下步骤：/n获取单帧图像；/n通过目标检测算法检测出所述单帧图像中的人和物；/n通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件；/n如果满足盗窃条件，则推理出所述单帧图像中人与物的关系；/n根据所述单帧图像中人与物的关系判断是否发生盗窃事件。/n

【技术特征摘要】
1.一种盗窃事件检测方法，其特征在于，包括以下步骤：
获取单帧图像；
通过目标检测算法检测出所述单帧图像中的人和物；
通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件；
如果满足盗窃条件，则推理出所述单帧图像中人与物的关系；
根据所述单帧图像中人与物的关系判断是否发生盗窃事件。


2.根据权利要求1所述的盗窃事件检测方法，其特征在于，还包括：
如果发生盗窃事件，则发出报警，并保存图像证据或视频证据。


3.根据权利要求1或2所述的盗窃事件检测方法，其特征在于，所述目标检测算法采用FASTER-RCNN，主干网络为RESNET50。


4.根据权利要求3所述的盗窃事件检测方法，其特征在于，通过对所述单帧图像中的人和物进行过滤分析以判断是否满足盗窃条件，具体包括：
判断所述单帧图像中的人和物的总数量是否大于等于3、人的数量是否大于等于2以及是否存在盗窃相关物品；
如果所述单帧图像中的人和物的总数量大于等于3，且人的数量大于等于2，且存在盗窃相关物品，则判定满足盗窃条件。


5.根据权利要求4所述的盗窃事件检测方法，其特征在于，推理出所述单帧图像中人与物的关系，具体包括：
对所述单帧图像中的人和物分别进行表观分析以分别得到人表观分析结果向量和物表观分析结果向量，并对所述单帧图像中的人和物进行空间分析以得到空间分析结果向量；
融合所述人表观分析结果向量、所述物表观分析结果向量和所述空间分析结果向量，得到所述单帧图像中人与物关系的结果向量。


6.根据权利要求5所述的盗窃事件检测方法，其特...

【专利技术属性】
技术研发人员：陈海波，其他发明人请求不公开姓名，
申请(专利权)人：深兰人工智能芯片研究院江苏有限公司，
类型：发明
国别省市：江苏;32