CN113505744A - 用户行为检测方法及装置 - Google Patents

Abstract

本发明提供一种用户行为检测方法及装置，该方法包括：采集并解析预设时间段内的监控视频，获得对应的各个视频帧；对各个视频帧进行图像处理，获得监控视频中的运动目标；当检测到运动目标为人体运动目标时，提取该运动目标对应的各个特征数据并计算各个平均特征数据，当各个平均特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值时，确定运动目标对应的用户的用户行为异常，并向预先设置的报警装置发送报警信息。应用本发明提供的方法，能够智能识别异常用户行为并报警，保证在各个监控视频中存在突发状况时能够及时地进行处理，保障了用户的生命财产安全，节省了一定的用于人工监测异常情况的人力和物力。

Description

用户行为检测方法及装置

技术领域

本发明涉及行为检测技术领域，特别是涉及一种用户行为检测方法及装置。

背景技术

随着人们对公共场所安全性的要求的提高，为防止偷盗等非法事件的发生，在许多公共场所均设置有多个监控设备，通过各大监控设备监控公共场所下各个人员的运动情况。

现有技术的监控方式都是由企业安保人员负责在监控室内对监控设备采集的监控视频进行查看，并判断是否发生非法事件。随着各大公共场所中监控设备的增多以及人流量的增多，安保人员可能无法及时监控到每个摄像头中的突发状况，且安保人员长时间查看监控视频也容易产生视觉疲劳。

发明内容

有鉴于此，本发明提供一种用户行为检测方法，通过该方法，可以对监控视频中的用户行为进行实时检测，以及时应对每个监控摄像头中的突发状况，以保障用户的生命财产安全。

本发明还提供了一种用户行为检测装置，用以保证上述方法在实际中的实现及应用。

一种用户行为检测方法，包括：

采集预设时间段内的监控视频；

解析所述监控视频，获得所述监控视频对应的各个视频帧；

对各个所述视频帧进行图像处理，获得所述监控视频中的运动目标；

检测所述运动目标是否为人体运动目标；

当所述运动目标为人体运动目标时，在每个所述视频帧中提取所述运动目标对应的与预设的各个特征类型相匹配的各个特征数据；

基于已提取的各个特征数据，计算每个所述特征类型对应的平均特征数据，并计算各个所述平均特征数据与预先设置的各个行为数据模板的相似度；

当各个所述平均特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值时，确定所述运动目标对应的用户的用户行为异常，并向预先设置的报警装置发送报警信息。

上述的方法，可选的，包括：

确定各个所述视频帧的帧顺序；

将首个视频帧作为基础视频帧，并按照各个所述视频帧的帧顺序，依次将各个所述视频帧与所述基础视频帧进行比对，确定所述基础视频帧中的变化区域；

确定所述监控视频的监控区域，并获取所述监控区域中所述变化区域对应的背景图像；

应用预先设置的背景减除法，对所述背景图像及所述变化区域进行背景减除处理，提取所述变化区域中的运动目标。

上述的方法，可选的，包括：

定位所述运动目标在各个所述视频帧的位置；

基于所述运动目标在各个所述视频帧的位置，绘制所述运动目标在每个所述视频帧中的目标轮廓；

计算各个所述目标轮廓对应的轮廓参数；

判断所述轮廓参数是否满足预先设置的参数阈值；

若所述轮廓参数满足预设的参数阈值，则确定所述运动目标为人体运动目标。

上述的方法，可选的，所述在每个所述视频帧中提取所述运动目标对应的与预设的各个特征类型相匹配的各个特征数据，包括：

基于各个所述视频帧的帧顺序，依次计算每个所述视频帧中所述运动目标对应的特征类型为复杂度的第一特征数据、特征类型为长度比的第二特征数据以及特征类型为紧凑度的第三特征数据；

其中，对于每个所述视频帧，计算所述视频帧中的所述运动目标对应的各个特征数据的过程，包括：基于所述视频帧中所述运动目标对应的目标轮廓，在所述视频帧中绘制与所述运动目标对应的目标轮廓相匹配的矩形框；确定所述矩形框的长度、矩形框宽度、矩形框的框内总像素、所述视频帧内目标轮廓的轮廓边界像素以及轮廓内总像素；计算所述轮廓边界像素与所述轮廓内总像素的比值，获得第一特征数据；计算所述轮廓内总像素与所述框内总像素的比值，获得第二特征数据；计算所述矩形框的长度与宽度的比值，获得第三特征数据。

上述的方法，可选的，还包括：

当确定所述运动目标对应的用户的用户行为异常时，向预先设置的监控系统中的所有监控设备发送所述运动目标对应的监控指令，以控制各个所述监控设备在其对应的监控范围内对所述运动目标进行标记监控。

一种用户行为检测装置，包括：

采集单元，用于采集预设时间段内的监控视频；

解析单元，用于解析所述监控视频，获得所述监控视频对应的各个视频帧；

处理单元，用于对各个所述视频帧进行图像处理，获得所述监控视频中的运动目标；

检测单元，用于检测所述运动目标是否为人体运动目标；

提取单元，用于当所述运动目标为人体运动目标时，在每个所述视频帧中提取所述运动目标对应的与预设的各个特征类型相匹配的各个特征数据；

计算单元，用于基于已提取的各个特征数据，计算每个所述特征类型对应的平均特征数据，并计算各个所述平均特征数据与预先设置的各个行为数据模板的相似度；

报警单元，用于当各个所述平均特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值时，确定所述运动目标对应的用户的用户行为异常，并向预先设置的报警装置发送报警信息。

上述的装置，可选的，所述处理单元，包括：

第一确定子单元，用于确定各个所述视频帧的帧顺序；

第二确定子单元，用于将首个视频帧作为基础视频帧，并按照各个所述视频帧的帧顺序，依次将各个所述视频帧与所述基础视频帧进行比对，确定所述基础视频帧中的变化区域；

获取子单元，用于确定所述监控视频的监控区域，并获取所述监控区域中所述变化区域对应的背景图像；

提取子单元，用于应用预先设置的背景减除法，对所述背景图像及所述变化区域进行背景减除处理，提取所述变化区域中的运动目标。

上述的装置，可选的，所述检测单元，包括：

定位子单元，用于定位所述运动目标在各个所述视频帧的位置；

绘制子单元，用于基于所述运动目标在各个所述视频帧的位置，绘制每个所述运动目标在每个所述视频帧中的目标轮廓；

第一计算子单元，用于计算各个所述目标轮廓对应的轮廓参数；

判断子单元，用于判断所述轮廓参数是否满足预先设置的参数阈值；

第三确定子单元，用于若所述轮廓参数满足预设的参数阈值，则确定所述运动目标为人体运动目标。

上述的装置，可选的，所述提取单元，包括：

第二计算子单元，用于基于各个所述视频帧的帧顺序，依次计算每个所述视频帧中所述运动目标对应的特征类型为复杂度的第一特征数据、特征类型为长度比的第二特征数据以及特征类型为紧凑度的第三特征数据；

其中，对于每个所述视频帧，计算所述视频帧中的所述运动目标对应的各个特征数据的过程，包括：基于所述视频帧中所述运动目标对应的目标轮廓，在所述视频帧中绘制与所述运动目标对应的目标轮廓相匹配的矩形框；确定所述矩形框的长度、矩形框宽度、矩形框的框内总像素、所述视频帧内目标轮廓的轮廓边界像素以及轮廓内总像素；计算所述轮廓边界像素与所述轮廓内总像素的比值，获得第一特征数据；计算所述轮廓内总像素与所述框内总像素的比值，获得第二特征数据；计算所述矩形框的长度与宽度的比值，获得第三特征数据。

上述的装置，可选的，还包括：

控制单元，用于当确定所述运动目标对应的用户的用户行为异常时，向预先设置的监控系统中的所有监控设备发送所述运动目标对应的监控指令，以控制各个所述监控设备在其对应的监控范围内对所述运动目标进行标记监控。

一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行上述的用户行为检测方法。

一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行上述的用户行为检测方法。

与现有技术相比，本发明包括以下优点：

基于本发明实施例提供的用户行为检测方法，在进行用户行为检测的过程中，采集预设时间段内的监控视频，并解析该监控视频，获得该监控视频对应的各个视频帧；然后对各个视频帧进行图像处理，获得监控视频中的运动目标；当检测到运动目标为人体运动目标时，在每个视频帧中提取运动目标对应的与预设的各个特征类型相匹配的各个特征数据；基于已提取的各个特征数据，计算每个特征类型对应的平均特征数据，并计算各个平均特征数据与预先设置的各个行为数据模板的相似度；当各个平均特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值时，确定运动目标对应的用户的用户行为异常，并向预先设置的报警装置发送报警信息。

应用本发明实施例提供的方法，可以通过将监控视频中的运动目标的各个平均特征数据与预先设置的各个行为数据模板进行对比，并根据对比结果来判定该运动目标对应的用户的用户行为是否异常，如果存在异常则及时向报警装置发送报警信息，保证在各个监控视频中存在突发状况时能够及时地进行报警，进而保障了用户的生命财产安全，节省了一定的用于人工监测异常情况的人力和物力。

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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种用户行为检测方法的方法流程图；

图2为本发明实施例提供的一种用户行为检测方法的又一方法流程图；

图3为本发明实施例提供的一种用户行为检测方法的再一方法流程图；

图4为本发明实施例提供的一种用户行为检测装置的装置结构图；

图5为本发明实施例提供的一种电子设备结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

在本申请中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本发明可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。

本发明实施例提供了一种用户行为检测方法，该方法可以应用在多种系统平台，其执行主体可以为计算机终端或各种移动设备的处理器，所述方法的方法流程图如图1所示，具体包括：

S101：采集预设时间段内的监控视频。

本发明提供的实施例中，处理器按照设定的时间点或时间周期采集监控设备在预设时间段内拍摄的监控视频，该监控设备可以设置于银行、火车站以及商场等公共场所中，用于监控对应的监控范围在公共场所内往来用户的运动行为。

S102：解析所述监控视频，获得所述监控视频对应的各个视频帧。

本发明提供的实施例中，通过解析监控视频，对监控视频进行拆帧处理，获得监控视频对应的各个视频帧，各个视频帧为组成该监控视频的帧图。

具体的，可预先设置视频帧提取器，将监控视频输入该视频帧提取器，由视频帧提取器对监控视频进行拆帧处理，获得该监控视频对应的各个视频帧。

S103：对各个所述视频帧进行图像处理，获得所述监控视频中的运动目标。

本发明提供的实施例中，针对采集到的监控视频的各个视频帧，对各个视频帧中对应的各个画面进行图像处理，最后得到该监控视频中的运动目标。其中，运动目标即为各个视频帧中发生相对运动的物体。

需要说明的是，监控视频中可能存在不止一个运动目标，所以针对视频帧进行图像处理，可以获得监控视频中的一个或者多个运动目标，其中，存在多个运动目标的监控视频同样适用本方法，可以将针对各个运动目标单独进行检测操作。

S104：检测所述运动目标是否为人体运动目标。

本发明提供的实施例中，监控视频中存在的运动目标可能为机器、动物和人等。而本发明的主要目的是检测用户行为，判断该用户行为是否异常，检测的主体是人，所以，需要检测监控视频中的运动目标是否为人体运动目标。

S105：当所述运动目标为人体运动目标时，在每个所述视频帧中提取所述运动目标对应的与预设的各个特征类型相匹配的各个特征数据。

本发明提供的实施例中，若监控视频中的运动目标的不是人体运动目标时，则该监控视频中不存在用户行为异常，可以结束该用户行为检测识别的过程。若监控视频中的运动目标为人体运动目标，则在每个视频帧中提取该运动目标对应的与预设的各个特征类型相匹配的所有特征数据，例如，预设的特征类型为复杂度，则提取该运动目标在每个视频帧中特征类型为复杂度的特征数据。

S106：基于已提取的各个特征数据，计算每个所述特征类型对应的平均特征数据，并计算各个所述平均特征数据与预先设置的各个行为数据模板的相似度。

本发明提供的实施例中，根据已提取的各个特征数据，通过平均值计算得到每个特征类型对应的平均特征数据，例如，根据提取到的运动目标在每个视频帧中特征类型为复杂度的各个特征数据，计算得到运动目标在监控视频中的特征类型为复杂度的平均特征数据，计算该平均特征数据与预先设置的各个行为数据模板中相对应的数值，得到该平均特征数据与预先设置的相对应的行为数据模板的相似度。

需要说明的是，各个行为数据模板与各个特征类型一一对应，在计算平均特征数据与行为数据模板的相似度时，对于任意的特征类型，对该特征类型对应的平均特征数据与该特征类型对应的行为数据模板对应的数值进行计算。

S107：当各个所述平均特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值时，确定所述运动目标对应的用户的用户行为异常，并向预先设置的报警装置发送报警信息。

本发明提供的实施例中，将运动目标的各个平均特征数据与预先设置的各个行为数据模板进行对比，若各个特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值，则确定该运动目标对应的用户的用户行为异常，并触发报警模式，向预先设置的报警装置发送报警信息，及时报告该用户的异常用户行为。若各个特征数据与预先设置的各个行为数据模板的计算得到的相似度中存在任一相似度小于预设的阈值，则判定该运动目标对应的用户行为无异常。

可以理解的是，当各个平均特征数据与各个行为数据模板的相似度大于阈值时，表征该运动目标对应的用户可能存在非法行为操作，向报警装置发送报警信息，以提示监控人员及时查看监控，进一步认定是否发生非法行为。

基于本发明实施例提供的方法，在进行用户行为检测的过程中，采集预设时间段内的监控视频，并解析该监控视频，获得该监控视频对应的各个视频帧；然后对各个视频帧进行图像处理，获得监控视频中的运动目标；当检测到运动目标为人体运动目标时，在每个视频帧中提取运动目标对应的与预设的各个特征类型相匹配的各个特征数据；基于已提取的各个特征数据，计算每个特征类型对应的平均特征数据，并计算各个平均特征数据与预先设置的各个行为数据模板的相似度；当各个平均特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值时，确定运动目标对应的用户的用户行为异常，并向预先设置的报警装置发送报警信息。

应用本发明实施例提供的方法，可以通过将监控视频中的运动目标的各个平均特征数据与预先设置的各个行为数据模板进行对比，并根据对比结果来判定该运动目标对应的用户的用户行为是否异常，如果存在异常则及时向报警装置发送报警信息，保证在各个监控视频中存在突发状况时能够及时地进行报警，进而保障了用户的生命财产安全。

如图2所示，本发明提供的实施例中，可选的，所述对各个所述视频帧进行图像处理，获得所述监控视频中的运动目标，具体包括：

S201：确定各个所述视频帧的帧顺序。

本发明提供的实施例中，对监控视频进行解析后，得到该监控视频的各个视频帧，根据各个视频帧在监控视频中的时间播放顺序，确定各个视频帧的帧顺序。

S202：将首个视频帧作为基础视频帧，并按照各个所述视频帧的帧顺序，依次将各个所述视频帧与所述基础视频帧进行比对，确定所述基础视频帧中的变化区域。

本发明提供的实施例中，将各个视频帧根据时间播放顺序进行排序后，确定首个视频帧作为基础视频帧，即以第一个视频帧为对照视频帧，按照帧顺序，将监控视频的各个视频帧依次和基础视频帧进行比对，得到各个视频帧相对于基础视频帧的差异部分，从而得到基础视频帧中的变化区域。

需要说明的是，该变化区域为每个视频帧与该基础视频帧之间差异部分的组合，在比对过程中，在基础视频帧标记出该基础视频帧与当前比对的视频帧之间的差异部分，在完成对各个视频帧的比对后，所有在基础视频帧标记出的差异部分的组合为变化区域。

S203：确定所述监控视频的监控区域，并获取所述监控区域中所述变化区域对应的背景图像。

本发明提供的实施例中，一个监控视频可能存在多个监控区域，确定该监控视频的一个固定的监控区域，并获取该监控区域中该变化区域对应的背景图像。

具体的，一个监控视频的监控区域面积可能很大，可能存在一些无需进行用户行为监控的区域，所以，还可以选择整个监控区域的某一区域作为需要提取用户行为监控的区域，获取该区域中与该变化区域相匹配的背景图像。具体获取背景图像的方法可以是预先设定，即外部提供，也可以选取该区域不存在运动目标时的视频帧作为背景图像，此处不做限定。

S204：应用预先设置的背景减除法，对所述背景图像及所述变化区域进行背景减除处理，提取所述变化区域中的运动目标。

本发明提供的实施例中，应用预先设置的背景减除法，对背景图像及变化区域进行背景减除处理，提取所述变化区域中的运动目标。将基础视频帧与背景图像进行背景减除处理，得到除背景外的区域，确定该区域为运动目标，并锁定该运动目标，依据帧顺序，继续运用背景减除处理，得到变化区域中的运动目标。

应用本发明实施例提供的方法，运用背景减除法对监控视频中的各个视频帧的变化区域进行处理，从而能够快速得到监控视频的运动目标，以执行后续的用户行为检测过程。

如图3所示，本发明提供的实施例中，可选的，所述检测所述运动目标是否为人体运动目标，包括：

S301：定位所述运动目标在各个所述视频帧的位置；

本发明提供的实施例中，确定运动目标后，在各个视频帧中定位该运动目标的位置。此处确定运动目标的位置是指该运动目标在视频帧画面中的位置。

S302：基于所述运动目标在各个所述视频帧的位置，绘制所述运动目标在每个所述视频帧中的目标轮廓；

本发明提供的实施例中，根据运动目标在各个视频帧画面中的位置，绘制该运动目标在各个视频帧中的目标轮廓。由于运动目标存在运动过程，所以在不同的视频帧中是不同的图像，每个视频帧中运动目标的动作可能不相同，在每个视频帧中绘制的目标轮廓也不尽相同。

S303：计算各个所述目标轮廓对应的轮廓参数；

本发明提供的实施例中，根据每个视频帧中绘制的目标轮廓，计算各个目标轮廓对应的轮廓参数。

S304：判断所述轮廓参数是否满足预先设置的参数阈值；

本发明提供的实施例中，判断各个目标轮廓对应的轮廓参数与预先设置的参数阈值的关系。预先设置的参数阈值可以是根据人体比例值和监控设备的画面比例值而设定的一个范围值，若每个目标轮廓的轮廓参数均在该阈值内，则该目标轮廓对应的运动目标是人体运动目标。

S305：若所述轮廓参数满足预设的参数阈值，则确定所述运动目标为人体运动目标。

本发明提供的实施例中，若目标轮廓参数均满足预设的参数阈值，则确定运动目标为人体运动目标。否则，该运动目标不是人体运动目标。

应用本发明实施例提供的方法，通过在各个视频帧中计算运动目标在每个视频帧中的目标轮廓，并判断目标轮廓的参数与预设的参数阈值关系确定运动目标是否为人体运动目标，从而确定监控视频中的人体运动目标，以执行后续的用户行为检测过程。

本发明提供的实施例中，可选的，所述在每个所述视频帧中提取所述运动目标对应的与预设的各个特征类型相匹配的各个特征数据，包括：

基于各个所述视频帧的帧顺序，依次计算每个所述视频帧中所述运动目标对应的特征类型为复杂度的第一特征数据、特征类型为长度比的第二特征数据以及特征类型为紧凑度的第三特征数据；

其中，对于每个所述视频帧，计算所述视频帧中的所述运动目标对应的各个特征数据的过程，包括：基于所述视频帧中所述运动目标对应的目标轮廓，在所述视频帧中绘制与所述运动目标对应的目标轮廓相匹配的矩形框；确定所述矩形框的长度、矩形框宽度、矩形框的框内总像素、所述视频帧内目标轮廓的轮廓边界像素以及轮廓内总像素；计算所述轮廓边界像素与所述轮廓内总像素的比值，获得第一特征数据；计算所述轮廓内总像素与所述框内总像素的比值，获得第二特征数据；计算所述矩形框的长度与宽度的比值，获得第三特征数据。

本发明提供的实施例中，根据各个视频帧的帧顺序，依次计算每个视频帧中所述运动目标的复杂度、长度比和紧凑度。具体过程为：

根据每个视频帧中绘制的运动目标对应的目标轮廓，绘制与该目标轮廓相匹配的矩形框，该矩形框可以是与该目标轮廓相匹配的最小外接矩形框。根据监控装置的配置信息，可以确定该矩形框的长度、矩形框宽度、矩形框的框内总像素、视频帧内目标轮廓的轮廓边界像素以及轮廓内总像素。其中，运动目标的复杂度可以是轮廓边界像素与该轮廓内总像素的比值；运动目标的紧凑度可以是轮廓内总像素与框内总像素的比值；运动目标的长度比可以是矩形框的长度与宽度的比值。

应用本发明实施例提供的方法，通过计算各个视频帧中运动目标的复杂度、长度比和紧凑度作为该运动目标的对应的各个特征类型相匹配的各个特征数据，从而能够根据上述的各个数据特征的平均数据特征，判断出用户的用户行为是否存在异常，以检测用户的行为。

本发明提供的实施例中，可选的，还包括：

当确定所述运动目标对应的用户的用户行为异常时，向预先设置的监控系统中的所有监控设备发送所述运动目标对应的监控指令，以控制各个所述监控设备在其对应的监控范围内对所述运动目标进行标记监控。

具体的，当确定所述运动目标对应的用户的用户行为异常时，记录该运动目标的信息，该信息可以是位置信息，即根据检测出该运动目标的监控的位置和该运动目标在该监控画面中的位置，确定该运动目标的位置信息；然后向预先设置的监控系统中的所有监控设备发送所述运动目标对应的监控指令，监控系统中各个监控设备获取监控指令后，根据该运动目标的位置信息，在其监控范围内锁定该运动目标，并对该运动目标进行标记监控。

应用本发明实施例提供的方法，在检测到运动目标对应的用户的用户行为异常时，发送控制指令控制监控系统中的各个监控设备在其对应的监控范围内对所述运动目标进行标记监控，从而实现全方位监控该异常用户的用户行为，及时反馈异常用户信息并发出报警信息，保障用户的生命财产安全。

上述各个实施例的具体实施过程及其衍生方式，均在本发明的保护范围之内。

与图1所述的方法相对应，本发明实施例还提供了一种用户行为检测装置，用于对图1中方法的具体实现，本发明实施例提供的用户行为检测装置可以应用计算机终端或各种移动设备中，其结构示意图如图4所示，具体包括：

采集单元401，用于采集预设时间段内的监控视频；

解析单元402，用于解析所述监控视频，获得所述监控视频对应的各个视频帧；

处理单元403，用于对各个所述视频帧进行图像处理，获得所述监控视频中的运动目标；

检测单元404，用于检测所述运动目标是否为人体运动目标；

提取单元405，用于当所述运动目标为人体运动目标时，在每个所述视频帧中提取所述运动目标对应的与预设的各个特征类型相匹配的各个特征数据；

计算单元406，用于基于已提取的各个特征数据，计算每个所述特征类型对应的平均特征数据，并计算各个所述平均特征数据与预先设置的各个行为数据模板的相似度；

报警单元407，用于当各个所述平均特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值时，确定所述运动目标对应的用户的用户行为异常，并向预先设置的报警装置发送报警信息。

基于本发明实施例提供的装置，在进行用户行为检测的过程中，采集预设时间段内的监控视频，并解析该监控视频，获得该监控视频对应的各个视频帧；然后对各个视频帧进行图像处理，获得监控视频中的运动目标；当检测到运动目标为人体运动目标时，在每个视频帧中提取运动目标对应的与预设的各个特征类型相匹配的各个特征数据；基于已提取的各个特征数据，计算每个特征类型对应的平均特征数据，并计算各个平均特征数据与预先设置的各个行为数据模板的相似度；当各个平均特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值时，确定运动目标对应的用户的用户行为异常，并向预先设置的报警装置发送报警信息。

应用本发明实施例提供的装置，可以通过将监控视频中的运动目标的各个平均特征数据与预先设置的各个行为数据模板进行对比，并根据对比结果来判定该运动目标对应的用户的用户行为是否异常，如果存在异常则及时向报警装置发送报警信息，保证在各个监控视频中存在突发状况时能够及时地进行报警，进而保障了用户的生命财产安全，节省了一定的用于人工监测异常情况的人力和物力。

本发明实施例提供的装置中，所述处理单元，包括：

第一确定子单元，用于确定各个所述视频帧的帧顺序；

第二确定子单元，用于将首个视频帧作为基础视频帧，并按照各个所述视频帧的帧顺序，依次将各个所述视频帧与所述基础视频帧进行比对，确定所述基础视频帧中的变化区域；

获取子单元，用于确定所述监控视频的监控区域，并获取所述监控区域中所述变化区域对应的背景图像；

提取子单元，用于应用预先设置的背景减除法，对所述背景图像及所述变化区域进行背景减除处理，提取所述变化区域中的运动目标。

本发明实施例提供的装置中，所述检测单元，包括：

定位子单元，用于定位所述运动目标在各个所述视频帧的位置；

绘制子单元，用于基于所述运动目标在各个所述视频帧的位置，绘制每个所述运动目标在每个所述视频帧中的目标轮廓；

第一计算子单元，用于计算各个所述目标轮廓对应的轮廓参数；

判断子单元，用于判断所述轮廓参数是否满足预先设置的参数阈值；

第三确定子单元，用于若所述轮廓参数满足预设的参数阈值，则确定所述运动目标为人体运动目标。

本发明实施例提供的装置中，所述提取单元，包括：

第二计算子单元，用于基于各个所述视频帧的帧顺序，依次计算每个所述视频帧中所述运动目标对应的特征类型为复杂度的第一特征数据、特征类型为长度比的第二特征数据以及特征类型为紧凑度的第三特征数据；

其中，对于每个所述视频帧，计算所述视频帧中的所述运动目标对应的各个特征数据的过程，包括：基于所述视频帧中所述运动目标对应的目标轮廓，在所述视频帧中绘制与所述运动目标对应的目标轮廓相匹配的矩形框；确定所述矩形框的长度、矩形框宽度、矩形框的框内总像素、所述视频帧内目标轮廓的轮廓边界像素以及轮廓内总像素；计算所述轮廓边界像素与所述轮廓内总像素的比值，获得第一特征数据；计算所述轮廓内总像素与所述框内总像素的比值，获得第二特征数据；计算所述矩形框的长度与宽度的比值，获得第三特征数据。

本发明实施例提供的装置中，还包括：

控制单元，用于当确定所述运动目标对应的用户的用户行为异常时，向预先设置的监控系统中的所有监控设备发送所述运动目标对应的监控指令，以控制各个所述监控设备在其对应的监控范围内对所述运动目标进行标记监控。

以上本发明实施例公开的用户行为检测装置中各个单元及子单元的具体工作过程，可参见本发明上述实施例公开的用户行为检测方法中的对应内容，这里不再进行赘述。

本发明实施例还提供了一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行上述用户行为检测方法。

本发明实施例还提供了一种电子设备，其结构示意图如图5所示，具体包括存储器501，以及一个或者一个以上的指令502，其中一个或者一个以上指令502存储于存储器501中，且经配置以由一个或者一个以上处理器503执行所述一个或者一个以上指令502进行以下操作：

采集预设时间段内的监控视频；

解析所述监控视频，获得所述监控视频对应的各个视频帧；

对各个所述视频帧进行图像处理，获得所述监控视频中的运动目标；

检测所述运动目标是否为人体运动目标；

当所述运动目标为人体运动目标时，在每个所述视频帧中提取所述运动目标对应的与预设的各个特征类型相匹配的各个特征数据；

基于已提取的各个特征数据，计算每个所述特征类型对应的平均特征数据，并计算各个所述平均特征数据与预先设置的各个行为数据模板的相似度；

当各个所述平均特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值时，确定所述运动目标对应的用户的用户行为异常，并向预先设置的报警装置发送报警信息。

具体实现中，本申请的技术方案在功能上可以划分为以下几个模块：目标检测模块、目标分类模块、目标跟踪模块、特征提取模块、目标模板匹配模块和触发机制模块。

目标检测模块：对于人体行为识别而言，对行为的运动检测是实现目标跟踪的第一步，运动检测即为从序列图像中将变化区域从背景图像中提取出来。目标检测的方法采用背景减除法，该方法预先选取不含前景运动目标的背景图像，然后将当前图像帧与背景图像相减得到前景目标。

目标分类模块：针对人体行为识别来说，对目标的行为判断可以使用简单的人体轮廓模式的形状参数来加测运动人体。

目标跟踪模块：运动目标的跟踪是对识别人体行为的有效表达，在图像序列中寻找与目标模板最相似的过程。采用基于模型的跟踪不易受观测视角的影响，模型匹配跟踪精度高，抗干扰能力强。可以有效的对视频中的人物行为进行跟踪判断。

特征提取模块：针对人体行为进行有效的特征提取，主要提取三个特征，即复杂度、长度比、紧凑度。复杂度是目标边界像素数与目标总像素的比值；长度比是目标最小外接矩形的长度和宽度的比值；紧凑度是目标像素与包围目标的矩形内的像素数之间的比值。

目标模板匹配模块：该模块主要是根据提取的特征与预先存储的动作行为模板进行相似度比较，在比较数据可以有轻微变化下识别人体的行为。

触发机制模块：当偷窃行为发生时，会自动触发报警模式。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统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劳动的情况下，即可以理解并实施。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现。

为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种用户行为检测方法，其特征在于，包括：

采集预设时间段内的监控视频；

解析所述监控视频，获得所述监控视频对应的各个视频帧；

对各个所述视频帧进行图像处理，获得所述监控视频中的运动目标；

检测所述运动目标是否为人体运动目标；

当所述运动目标为人体运动目标时，在每个所述视频帧中提取所述运动目标对应的与预设的各个特征类型相匹配的各个特征数据；

基于已提取的各个特征数据，计算每个所述特征类型对应的平均特征数据，并计算各个所述平均特征数据与预先设置的各个行为数据模板的相似度；

当各个所述平均特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值时，确定所述运动目标对应的用户的用户行为异常，并向预先设置的报警装置发送报警信息。

2.根据权利要求1所述的方法，其特征在于，所述对各个所述视频帧进行图像处理，获得所述监控视频中的运动目标，包括：

确定各个所述视频帧的帧顺序；

将首个视频帧作为基础视频帧，并按照各个所述视频帧的帧顺序，依次将各个所述视频帧与所述基础视频帧进行比对，确定所述基础视频帧中的变化区域；

确定所述监控视频的监控区域，并获取所述监控区域中所述变化区域对应的背景图像；

应用预先设置的背景减除法，对所述背景图像及所述变化区域进行背景减除处理，提取所述变化区域中的运动目标。

3.根据权利要求1或2所述的方法，其特征在于，所述检测所述运动目标是否为人体运动目标，包括：

定位所述运动目标在各个所述视频帧的位置；

基于所述运动目标在各个所述视频帧的位置，绘制所述运动目标在每个所述视频帧中的目标轮廓；

计算各个所述目标轮廓对应的轮廓参数；

判断所述轮廓参数是否满足预先设置的参数阈值；

若所述轮廓参数满足预设的参数阈值，则确定所述运动目标为人体运动目标。

4.根据权利要求3所述的方法，其特征在于，所述在每个所述视频帧中提取所述运动目标对应的与预设的各个特征类型相匹配的各个特征数据，包括：

基于各个所述视频帧的帧顺序，依次计算每个所述视频帧中所述运动目标对应的特征类型为复杂度的第一特征数据、特征类型为长度比的第二特征数据以及特征类型为紧凑度的第三特征数据；

其中，对于每个所述视频帧，计算所述视频帧中的所述运动目标对应的各个特征数据的过程，包括：基于所述视频帧中所述运动目标对应的目标轮廓，在所述视频帧中绘制与所述运动目标对应的目标轮廓相匹配的矩形框；确定所述矩形框的长度、矩形框宽度、矩形框的框内总像素、所述视频帧内目标轮廓的轮廓边界像素以及轮廓内总像素；计算所述轮廓边界像素与所述轮廓内总像素的比值，获得第一特征数据；计算所述轮廓内总像素与所述框内总像素的比值，获得第二特征数据；计算所述矩形框的长度与宽度的比值，获得第三特征数据。

5.根据权利要求1所述的方法，其特征在于，还包括：

当确定所述运动目标对应的用户的用户行为异常时，向预先设置的监控系统中的所有监控设备发送所述运动目标对应的监控指令，以控制各个所述监控设备在其对应的监控范围内对所述运动目标进行标记监控。

6.一种用户行为检测装置，其特征在于，包括：

采集单元，用于采集预设时间段内的监控视频；

解析单元，用于解析所述监控视频，获得所述监控视频对应的各个视频帧；

处理单元，用于对各个所述视频帧进行图像处理，获得所述监控视频中的运动目标；

检测单元，用于检测所述运动目标是否为人体运动目标；

提取单元，用于当所述运动目标为人体运动目标时，在每个所述视频帧中提取所述运动目标对应的与预设的各个特征类型相匹配的各个特征数据；

计算单元，用于基于已提取的各个特征数据，计算每个所述特征类型对应的平均特征数据，并计算各个所述平均特征数据与预先设置的各个行为数据模板的相似度；

报警单元，用于当各个所述平均特征数据与预先设置的各个行为数据模板的相似度均大于预设的阈值时，确定所述运动目标对应的用户的用户行为异常，并向预先设置的报警装置发送报警信息。

7.根据权利要求6所述的装置，其特征在于，所述处理单元，包括：

第一确定子单元，用于确定各个所述视频帧的帧顺序；

第二确定子单元，用于将首个视频帧作为基础视频帧，并按照各个所述视频帧的帧顺序，依次将各个所述视频帧与所述基础视频帧进行比对，确定所述基础视频帧中的变化区域；

获取子单元，用于确定所述监控视频的监控区域，并获取所述监控区域中所述变化区域对应的背景图像；

提取子单元，用于应用预先设置的背景减除法，对所述背景图像及所述变化区域进行背景减除处理，提取所述变化区域中的运动目标。

8.根据权利要求7所述的装置，其特征在于，所述检测单元，包括：

定位子单元，用于定位所述运动目标在各个所述视频帧的位置；

绘制子单元，用于基于所述运动目标在各个所述视频帧的位置，绘制每个所述运动目标在每个所述视频帧中的目标轮廓；

第一计算子单元，用于计算各个所述目标轮廓对应的轮廓参数；

判断子单元，用于判断所述轮廓参数是否满足预先设置的参数阈值；

第三确定子单元，用于若所述轮廓参数满足预设的参数阈值，则确定所述运动目标为人体运动目标。

9.根据权利要求8所述的装置，其特征在于，所述提取单元，包括：

第二计算子单元，用于基于各个所述视频帧的帧顺序，依次计算每个所述视频帧中所述运动目标对应的特征类型为复杂度的第一特征数据、特征类型为长度比的第二特征数据以及特征类型为紧凑度的第三特征数据；

其中，对于每个所述视频帧，计算所述视频帧中的所述运动目标对应的各个特征数据的过程，包括：基于所述视频帧中所述运动目标对应的目标轮廓，在所述视频帧中绘制与所述运动目标对应的目标轮廓相匹配的矩形框；确定所述矩形框的长度、矩形框宽度、矩形框的框内总像素、所述视频帧内目标轮廓的轮廓边界像素以及轮廓内总像素；计算所述轮廓边界像素与所述轮廓内总像素的比值，获得第一特征数据；计算所述轮廓内总像素与所述框内总像素的比值，获得第二特征数据；计算所述矩形框的长度与宽度的比值，获得第三特征数据。

10.根据权利要求1所述的方法，其特征在于，还包括：

控制单元，用于当确定所述运动目标对应的用户的用户行为异常时，向预先设置的监控系统中的所有监控设备发送所述运动目标对应的监控指令，以控制各个所述监控设备在其对应的监控范围内对所述运动目标进行标记监控。

Images