【技术实现步骤摘要】
本专利技术涉及人员异常行为监控，具体来说，涉及一种基于机器视觉的人员异常行为监控方法及系统。
技术介绍
1、近年来，随着大数据、云计算、人工智能等领域的发展，数据的迅速增长 给许多行业带来了严峻的挑战和宝贵的机遇，大数据包含着巨大的价值，不仅 在社会、经济、科学研究等不同领域都具备不可忽视的重大作用和意义，而且 已深入到了人们的生活中，为人们更加透彻地认知、了解物质世界提供了充足 的讯息。同时随着现代化程度的提高，5g与物联网技术的发展，居民也越来越重视公众区域的安全。
2、目前，公众区域安防部署了越来越多的摄像头，大多用于监测公众区域的重点区域。这些设施使得公众区域内出了异常情况时，有更多的可能性被第一时间发现，即使未在第一时间发现，监控录像也可以对后期的调查提供有力证据，但对公众区域内的人员仍然会产生一些无法挽回的损失，只有能够及时发现潜在的危险，对安保人员发出警报提前进行排查，才能防患于未然。提高公众区域的安防水平、增多安防的防控手段，提前发现甚至阻止违法犯罪的行为，有利于维持健康的公众区域环境，维护群众的利益，让群众拥有更多的安全感以及信心。
3、然而，现有的公众区域网络监控摄像头，大多只是启动监控作用，无法实现智能区分公众区域人员以及人员异常行为监测能力，因此，无法及时对一些违法和危险行为进行警告和阻止，导致公众区域人员往往是先受到伤害，才可以获得补偿和保护，然而有些伤害是不可逆的，是无法补偿的，因此现有的公众区域网络监控摄像头无法有效的将危险和违法行为真正的防患于未然。
4、针对相
技术实现思路
1、针对相关技术中的问题，本专利技术提出一种基于机器视觉的人员异常行为监控方法及系统，以克服现有相关技术所存在的上述技术问题。
2、本专利技术的技术方案是这样实现的：
3、本专利技术一方面：
4、一种基于机器视觉的人员异常行为监控方法及系统，包括以下步骤：
5、步骤s1，预先在网格化区域内采集人员的视频信息，并对视频信息提取人员特征信息，其中，所述人员特征信息，至少包括：当前人员的质心信息、脸部信息和与脸部信息相对应的身份信息；
6、步骤s2，根据人员特征信息进行异常行为预测，并对行为异常人员进行跟踪标定，其中，包括：分别对关键帧图像中单一质心信息进行人员行动轨迹检测，对关键帧图像中两个质心信息进行人员跟踪轨迹检测或对关键帧图像中单一质心信息进行人员行动轨迹检测；
7、步骤s3，对标定的异常人员进行脸部表情识别，获取当前异常人员的情绪状态。
8、其中，所述在网格化区域内采集人员的视频信息，包括以下步骤：
9、步骤s101，预先在选定区域内网格化布置摄像头，并对摄像头的覆盖区域进行标定地理位置；
10、步骤s102，将当前摄像头采集的人员与标定地理位置进行绑定，获取当前人员地理位置。
11、标定关键帧图像和下一关键帧图像其当前人员的质心位置分别为，获取人员速度，表示为：进行获得速度方差，表示为：若，且、和，则表示当前人员行动轨迹异常，输出预警；
12、其中， t表示帧率， k表示速度阈值， m为纵坐标阈值，表示平均速度， d表示速度方差的阈值， t t 表示时间阈值。
13、其中，步骤s202，步骤所述对关键帧图像中两个质心信息进行人员跟踪轨迹检测，包括以下步骤：
14、标定关键帧图像其当前人员的质心位置为和，分别表示质心点 p 1和 p 2在时间 t 1的坐标位置，则两质心位置表示为：
15、经过时间 t 2后， p 1和 p 2的坐标位置表示为和，质心位置表示为：获取相对距离差值，表示为：，其中，包括：
16、若 d 保持恒定且时间 t＞t t时，表示p1和p2的相对距离无变化，当前人员行动轨迹异常，输出预警；
17、若 d＞0且 t＜t t时，表示p1和p2的相对距离变大，人员处于正常步行状态；
18、若 d＜0时，表示p1和p2之间的相对逐渐减小，包括：
19、其中，若p1恒定，p2加速，，p2保持和p1相同的速度且 t＜t t，表示为正常情况；
20、其中，若p1加速，p2恒定，，，且 t＜t t，表示为正常行为；
21、其中，若，包括以下步骤：
22、若p1恒定，p2加速并保持加速状态且 t＞t t，表示当前人员行动轨迹异常，输出预警；
23、若p1加速，p2加速且 t＞t t ，表示当前人员行动轨迹异常，输出预警。
24、其中，步骤s203，步骤所述对关键帧图像中多个质心信息进行人员聚集轨迹检测，包括以下步骤：
25、标定关键帧图像其当前人员的质心位置为，分别表示质心点 p 1和 p n在时间 t 1的坐标位置，其质心位置表示为 d n；
26、经过时间 t 2后， p 1和 p n的坐标位置表示为和，其质心位置表示为；
27、获取相对本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的人员异常行为监控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉的人员异常行为监控方法，其特征在于，所述在网格化区域内采集人员的视频信息，包括以下步骤：
3.根据权利要求1所述的基于机器视觉的人员异常行为监控方法，其特征在于，步骤所述对关键帧图像中单一质心信息进行人员行动轨迹检测，包括以下步骤：
4.根据权利要求3所述的基于机器视觉的人员异常行为监控方法，其特征在于，步骤所述对关键帧图像中两个质心信息进行人员跟踪轨迹检测，包括以下步骤：
5.根据权利要求4所述的基于机器视觉的人员异常行为监控方法，其特征在于，步骤所述对关键帧图像中多个质心信息进行人员聚集轨迹检测，包括以下步骤：
6.根据权利要求1或5所述的基于机器视觉的人员异常行为监控方法，其特征在于，步骤所述获取当前异常人员的情绪状态，包括以下步骤：
7.根据权利要求6所述的基于机器视觉的人员异常行为监控方法，其特征在于，所述微表情区域，包括：嘴巴、鼻子、眼睛和眉毛。
8.根据权利要求6所述的基于机器
9.一种基于机器视觉的人员异常行为监控系统，用于权利要求1-8中任意一项所述的基于机器视觉的人员异常行为监控方法的系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于机器视觉的人员异常行为监控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉的人员异常行为监控方法，其特征在于，所述在网格化区域内采集人员的视频信息，包括以下步骤：
3.根据权利要求1所述的基于机器视觉的人员异常行为监控方法，其特征在于，步骤所述对关键帧图像中单一质心信息进行人员行动轨迹检测，包括以下步骤：
4.根据权利要求3所述的基于机器视觉的人员异常行为监控方法，其特征在于，步骤所述对关键帧图像中两个质心信息进行人员跟踪轨迹检测，包括以下步骤：
5.根据权利要求4所述的基于机器视觉的人员异常行为监控方法，其特征在于，步骤所述...
【专利技术属性】
技术研发人员：黄智，张旭云，肖泽华，游慧，
申请(专利权)人：浙江久婵物联科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。