CN110956143A

CN110956143A - 一种异常行为检测方法、装置、电子设备及存储介质

Info

Publication number: CN110956143A
Application number: CN201911222657.1A
Authority: CN
Inventors: 闻一龙; 包峰
Original assignee: Traffic Control Technology TCT Co Ltd
Current assignee: Traffic Control Technology TCT Co Ltd
Priority date: 2019-12-03
Filing date: 2019-12-03
Publication date: 2020-04-03

Abstract

本发明实施例公开了一种异常行为检测方法、装置、电子设备及存储介质，所述异常行为检测方法包括：获取当前车厢的实时乘客数据，及预设基准乘客数据，其中，所述预设基准乘客数据包括所述当前车厢内有异常行为和无异常行为时的乘客数据；基于所述实时乘客数据与所述预设基准乘客数据，确定所述当前车厢是否存在异常行为。采用本发明可以有效节省人力资源的消耗，降低运营成本，有效提高乘客的安全性，提高列车运营效率。

Description

一种异常行为检测方法、装置、电子设备及存储介质

技术领域

本发明涉及轨道交通技术领域，具体涉及一种异常行为检测方法、装置、电子设备及存储介质。

背景技术

随着城市轨道交通建设的不断发展，越来越多的乘客选择地铁、高铁等轨道交通工具出行。在列车运营过程中，时常会发生如打架斗殴、晕倒等异常行为，严重影响到乘客的人身安全。

现阶段，为防止发生异常行为，运营商通常会安排多名站务对每辆列车的各个车厢进行实时巡视。当有站务巡视到有车厢出现异常行为时，该站务可以通知运营人员，由运营人员进行协调处理，以保证乘客的人身安全。这样，由于列车通常由多节车厢连接而成，由站务对各车厢进行巡视，需要消耗大量的人力资源，从而导致运营商的运营成本较高。

发明内容

由于现有方法存在上述问题，本发明实施例提出一种异常行为检测方法、装置、电子设备及存储介质。

第一方面，本发明实施例提出一种异常行为检测方法，包括：

获取当前车厢的实时乘客数据，及预设基准乘客数据，其中，所述预设基准乘客数据包括所述当前车厢内有异常行为和无异常行为时的乘客数据；

基于所述实时乘客数据与所述预设基准乘客数据，确定所述当前车厢是否存在异常行为。

可选的，所述乘客数据包括乘客图像数据、乘客声音数据中的一种或两种。

可选的，当所述乘客数据为乘客图像数据时，所述基于所述实时乘客数据与所述预设基准乘客数据，确定所述当前车厢是否存在异常行为，包括：

构建多层神经网络，基于所述多层神经网络及所述预设基准乘客图像数据，生成图像检测模型；

基于所述图像检测模型及所述实时乘客图像数据，确定所述当前车厢是否存在异常行为。

可选的，当所述乘客数据为乘客声音数据时，所述基于所述实时乘客数据与所述预设基准乘客数据，确定所述当前车厢是否存在异常行为，包括：

基于所述预设基准乘客声音数据，确定发生异常行为时出现的敏感词，基于所述发生异常行为时出现的敏感词构建敏感词库；

判断所述实时乘客声音数据中出现的实时词汇，是否存在于所述敏感词库中；

若存在于所述敏感词库中，则确定所述当前车厢存在异常行为。

可选的，所述乘客数据包括乘客图像数据、乘客声音数据时，所述基于所述实时乘客数据与所述预设基准乘客数据，确定所述当前车厢是否存在异常行为，包括：

基于实时乘客图像数据及预设基准乘客图像数据，确定当前车厢是否存在异常行为，得到第一确定结果；

基于实时乘客声音数据及预设基准乘客声音数据，确定当前车厢是否存在异常行为，得到第二确定结果；

基于所述第一确定结果和所述第二确定结果，通过联合概率密度算法，确定所述当前车厢中是否存在异常行为。

可选的，当所述当前车厢存在异常行为时，所述确定结果至少包括发生异常行为的位置信息。

可选的，所述确定所述当前车厢中是否存在异常行为，还包括：

若所述当前车厢中存在异常行为，则确定所述当前车厢的标识号，基于所述标识号生成报警消息，并发送所述报警消息。

第二方面，本发明实施例还提出一种异常行为检测装置，包括获取模块和处理模块，其中：

所述获取模块，用于获取当前车厢的实时乘客数据，及预设基准乘客数据，其中，所述预设基准乘客数据包括所述当前车厢内有异常行为和无异常行为时的乘客数据；

所述处理模块，用于基于所述实时乘客数据与所述预设基准乘客数据，确定所述当前车厢是否存在异常行为。

第三方面，本发明实施例还提出一种电子设备，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述方法。

第四方面，本发明实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述方法。

由上述技术方案可知，本发明实施例通过获取车厢的实时乘客数据，及预设基准乘客数据，并基于实时乘客数据与预设基准乘客数据，确定车厢是否存在异常行为。这样，一方面，自动确定车厢是否存在异常行为，可以有效节省人力资源的消耗，降低运营成本。另一方面，可还以避免人工确认时出现的误判，从而可以有效提高乘客的安全性，提高列车运营效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1为本发明一实施例提供的一种检测系统的结构示意图；

图2为本发明一实施例提供的一种异常行为检测方法的流程示意图；

图3为本发明一实施例提供的一种异常行为检测装置的结构示意图；

图4为本发明一实施例提供的电子设备的逻辑框图。

具体实施方式

下面结合附图，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明实施例提供了一种异常行为检测方法，该方法的执行主体可以是检测系统，参照图1，该检测系统可以包括设置在每节车厢内的摄像头和声音采集传感器及控制主机，该控制主机可以获取摄像头和声音采集传感器采集的乘客数据，并对前述乘客数据进行数据处理确定车厢是否存在异常行为。其中，摄像头和声音采集传感器可以安装在每节车厢内，且每节车厢可以根据实际情况选择安装一个或多个摄像头和声音采集传感器。每辆列车可以安装一个控制主机，如可以安装在列车的驾驶室。

图2示出了本实施例提供的一种异常行为检测方法的流程示意图，包括：

S201，获取当前车厢的实时乘客数据，及预设基准乘客数据。

其中，所述当前车厢指需要检测是否存在异常行为的任一节车厢。

所述乘客数据包括乘客图像数据、乘客声音数据中的一种或两种。

所述预设基准乘客数据包括当前车厢内有异常行为和无异常行为时的乘客数据，其中，异常行为可以是打架斗殴、晕倒等行为。

在实施中，可以基于当前车厢的实时乘客数据，及预设基准乘客数据，确定当前车厢内是否存在异常行为，以防止部分乘客的异常行为影响到其他乘客人身安全。具体的，首先，可以获取当前车厢的实时乘客数据，如可以是乘客图像数据、乘客声音数据中的一种或两种。然后，还可以获取前述当前车厢对应的预设基准乘客数据。

S202，基于实时乘客数据与预设基准乘客数据，确定当前车厢是否存在异常行为。

在实施中，在获取到当前车厢的实时乘客数据与预设基准乘客数据之后，可以对前述获取到的实时乘客数据与预设基准乘客数据进行数据处理，确定当前车厢是否存在异常行为。然后，可以根据前述确定结果，即当前车厢是否存在异常行为，发送不同的消息，以使运营人员可以根据不同的消息采取不同的措施，以防止异常行为影响到乘客的人身安全。

由上述技术方案可知，本发明实施例通过获取车厢的实时乘客数据，及预设基准乘客数据，并基于实时乘客数据与预设基准乘客数据，确定车厢是否存在异常行为。这样，一方面，自动确定车厢是否存在异常行为，可以有效节省人力资源的消耗，降低运营成本。另一方面，还可以避免人工巡视时出现的误判，从而可以有效提高乘客的安全性，提高列车运营效率。

进一步地，在上述方法实施例的基础上，可以基于实时乘客图像数据和预设基准乘客图像数据，确定当前车厢是否存在异常行为，相应的上述步骤S202的处理可以如下：构建多层神经网络，基于多层神经网络及预设基准乘客图像数据，生成图像检测模型；基于图像检测模型及实时乘客图像数据，确定当前车厢是否存在异常行为。

在实施中，当乘客数据为乘客图像数据时，即实时乘客数据是实时乘客图像数据，预设基准数据是预设基准乘客图像数据时，首先，可以获取当前时刻前的预设时长内，当前车厢有异常行为和无异常行为时的预设基准乘客图像数据，基于该预设基准乘客图像数据构成样本数据。然后，可以构建多层神经网络，通过该多层神经网络对前述样本数据进行训练生成图像检测模型。如首先可以基于特征提取算法，提取样本数据中有异常行为和无异常行为时的图像特征，并可以基于深度学习对前述有异常行为和无异常行为时的图像特征进行训练，以对当前车厢内的乘客的异常行为进行识别；之后可以将前述有异常行为和无异常行为时的图像特征进行对比，以根据前述不同的特征对确定结果(即当前车厢是否存在异常行为的确定结果)的影响力不同，构建图像检测模型，该模型中可以包异常行为发生时对应的运动模式，如四向聚集模式、四向散开模式、动作快速连续差异模式、姿态异常模式。在构建图像检测模型之后，可以基于前述实时乘客图像数据及图像检测模型，确定当前车厢是否存在异常行为，以在存在异常行为时及时进行协调处理，减少异常行为对乘客人身安全的影响。如可以通过前述图像检测模型对实时乘客图像数据进行辨识和分类，确定实时乘客图像数据的运动轨迹线是否与上述四种运动模式中的任何一种相匹配，如可以设置一个最低匹配值，当实时乘客图像数据的运动轨迹线与任一种运动模式的实际匹配值大于或等于该最低匹配值时，则认为当前车厢存在异常行为。这样，基于实时乘客图像数据和图像检测模型，可以预先快速、直观的确定当前车厢是否存在异常行为，可以进一步减少异常行为对乘客人身安全的影响，以进一步提高乘客的安全性和列车运营效率。

进一步地，在上述方法实施例的基础上，可以基于实时乘客声音数据和预设基准乘客声音数据，确定当前车厢是否存在异常行为，相应的上述步骤S202的处理可以如下：基于预设基准乘客声音数据，确定发生异常行为时出现的敏感词，基于发生异常行为时出现的敏感词构建敏感词库；判断实时乘客声音数据中出现的实时词汇，是否存在于敏感词库中；若存在于敏感词库中，则确定当前车厢存在异常行为。

在实施中，可以基于预设基准乘客声音数据构建敏感词库，如可以提取发生异常行为时出现的所有敏感词，并可以基于前述所有敏感词构建敏感词库。然后，可以提取上述实时乘客声音数据中出现的实时词汇，并可以判断前述实时词汇中是否有存在于前述敏感词库中的词汇。如可以在通过阵列式声音采集传感器采集到当前车厢的实时乘客声音数据之后，可以对实时乘客声音数据进行信号预处理(如可以是混响抑制、阵列增强等)滤去无关数据(如车厢噪音等)，提取检测系统清晰可辨的乘客声音数据。然后，可以通过语音识别算法采集前述信号预处理后的乘客声音数据中的实时词汇，以确定前述实时词汇中是否有存在于敏感词库中的词汇，即通过关键词识别确定前述实时词汇中是否有存在于敏感词库中的词汇。若有存在于前述敏感词库中的词汇，则可以确定当前车厢存在异常行为。反之，则可以确定当前车厢不存在异常行为。可以理解，当发生异常行为时，声音的分贝值通常较高，故而，构建敏感词库时还可以提取各个敏感词对应的分贝值，并基于所有敏感词及对应的分贝值构建敏感词库。这样，基于实时乘客声音数据和敏感词库，可以快速确定当前车厢是否存在异常行为，可以进一步减少异常行为对乘客人身安全的影响，以进一步提高乘客的安全性和列车运营效率。

进一步地，在上述方法实施例的基础上，可以基于乘客图像数据、乘客声音数据，确定当前车厢是否存在异常行为，相应的上述步骤S202的处理可以如下：基于实时乘客图像数据及预设基准乘客图像数据，确定当前车厢是否存在异常行为，得到第一确定结果；基于实时乘客声音数据及预设基准乘客声音数据，确定当前车厢是否存在异常行为，得到第二确定结果；基于第一确定结果和第二确定结果，通过联合概率密度算法，确定当前车厢中是否存在异常行为。

其中，当前车厢存在异常行为时，所述确定结果至少可以包括发生异常行为的位置信息，或者，还可以包括异常行为的具体类型，如打架斗殴等。

在实施中，考虑到车厢可能会出现灯光昏暗的问题，单独基于乘客声音数据或乘客图像数据，确定车厢是否存在异常行为的结果可能不够准确。故而，可以基于乘客图像数据、乘客声音数据确定当前车厢是否存在异常行为。具体的，当乘客数据包括乘客图像数据、乘客声音数据时，即实时乘客数据包括实时乘客图像数据和实时乘客声音数据，预设基准数据包括预设基准乘客图像数据和预设基准乘客声音数据，首先，可以基于前述实时乘客图像数据及预设基准乘客图像数据，确定当前车厢是否存在异常行为，即第一确定结果。然后，可以基于前述实时乘客声音数据及预设基准乘客声音数据，确定当前车厢是否存在异常行为，即第二确定结果。之后，可以基于前述第一确定结果和第二确定结果，通过联合概率密度算法进行进一步分析，确定当前车厢是否存在异常行为。这样，结合第一确定结果和第二确定结果，通过联合概率密度算法进行信息融合，确定当前车厢是否存在异常行为，可以进一步提高确定结果的准确性，从而可以进一步减少异常行为对乘客人身安全的影响，进而可以进一步提高乘客的安全性，提高运营效率。

进一步地，在上述方法实施例的基础上，确定当前车厢存在异常行为时，可以发送报警消息，相应的处理可以如下：若当前车厢中存在异常行为，则确定当前车厢的标识号，基于标识号生成报警消息，并发送报警消息。

在实施中，当确定当前车厢中存在异常行为时，可以获取当前车厢的标识号，该标识号可以是当前车厢的编号。然后，可以基于该当前车厢的编号生成报警消息，该报警消息中至少可以携带有前述当前车厢的标识号，以及表示当前车厢中存在异常行为的信息。之后，可以发送该报警消息，如可以发送至列车控制系统，以使工作人员可以提醒临近的运营人员、执法人员就近上车制止异常行为。同时还可以持续采集并保存乘客声音数据和乘客图像数据，留存证据。这样，可以进一步提高乘客的安全性和运营效率。

图3示出了本实施例提供的一种异常行为检测装置，包括获取模块301和处理模块302，其中：

所述获取模块301，用于获取当前车厢的实时乘客数据，及预设基准乘客数据，其中，所述预设基准乘客数据包括所述当前车厢内有异常行为和无异常行为时的乘客数据；

所述处理模块302，用于基于所述实时乘客数据与所述预设基准乘客数据，确定所述当前车厢是否存在异常行为。

本实施例所述的异常行为检测装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。

参照图4，所述电子设备，包括：处理器(processor)401、存储器(memory)402和总线403；

其中，

所述处理器401和存储器402通过所述总线403完成相互间的通信；

所述处理器401用于调用所述存储器402中的程序指令，以执行上述各方法实施例所提供的方法。

本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法。

本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims

1.一种异常行为检测方法，其特征在于，包括：

2.根据权利要求1所述的异常行为检测方法，其特征在于，所述乘客数据包括乘客图像数据、乘客声音数据中的一种或两种。

3.根据权利要求2所述的异常行为检测方法，其特征在于，当所述乘客数据为乘客图像数据时，所述基于所述实时乘客数据与所述预设基准乘客数据，确定所述当前车厢是否存在异常行为，包括：

4.根据权利要求2所述的异常行为检测方法，其特征在于，当所述乘客数据为乘客声音数据时，所述基于所述实时乘客数据与所述预设基准乘客数据，确定所述当前车厢是否存在异常行为，包括：

5.根据权利要求2所述的异常行为检测方法，其特征在于，所述乘客数据包括乘客图像数据、乘客声音数据时，所述基于所述实时乘客数据与所述预设基准乘客数据，确定所述当前车厢是否存在异常行为，包括：

6.根据权利要求5所述的异常行为检测方法，其特征在于，当所述当前车厢存在异常行为时，所述确定结果至少包括发生异常行为的位置信息。

7.根据权利要求1所述的异常行为检测方法，其特征在于，所述确定所述当前车厢中是否存在异常行为，还包括：

8.一种异常行为检测装置，其特征在于，包括获取模块和处理模块，其中：

9.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一所述的异常行为检测方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一所述的异常行为检测方法。