技术新讯 > 计算推算,计数设备的制造及其应用技术 > 行为监测方法、装置、电子设备及存储介质与流程  >  正文

行为监测方法、装置、电子设备及存储介质与流程

  • 国知局
  • 2024-11-06 14:43:53

本发明涉及智慧监测领域,尤其涉及一种行为监测方法、装置、电子设备及存储介质。

背景技术:

1、在信息化、智能化日益发展的今天,对于行为监测与异常行为检测的需求日益增长。传统的监测方式主要依赖于人工观察,这种方式不仅效率低下,容易漏检或误判,无法满足大规模的监测需求,且现有技术手段无法针对特例个体的独特行为来进行异常行为监测,导致对于特例个体的异常行为判断不精准。因此,现有的行为监测方法具有需要人工审核,无法实现自动异常行为监测,导致工作量大,且判断不准确,最终导致效率低下的问题。

技术实现思路

1、本发明实施例提供一种行为监测方法,旨在解决现有行为监测方法具有需要人工审核,无法实现自动异常行为监测,导致工作量大,且判断不准确,最终导致效率低下的问题的问题。通过获取目标人员的历史行为来构建目标人员对应的正常活动规律模型,并通过正常活动规律模型来对目标人员的当前行为数据进行比对,从而判断目标人员的当前行为数据是否偏离正常活动规律,且偏离的行为数据是否为异常,从而使得能够快速对目标人员的异常行为进行快速判断,加快响应速度,提高对目标人员的异常行为监测效率。

2、第一方面,本发明实施例提供一种行为监测方法,所述方法包括以下步骤:

3、获取目标人员的当前行为数据以及目标人员的正常活动规律模型,所述目标人员的正常活动规律模型通过目标人员的历史行为数据进行构建得到;

4、将所述目标人员的当前行为数据输入到所述正常活动规律模型进行处理,将偏离所述正常活动规律模型的行为确定为异常行为。

5、可选的,所述获取目标人员的正常活动规律模型之前,所述方法还包括:

6、获取所述目标人员的历史行为数据;

7、基于预设作息时间表,对所述目标人员的历史行为数据进行提取,得到正常的历史行为数据;

8、基于所述正常的历史行为数据,构建所述目标人员的正常活动规律模型。

9、可选的,所述获取目标人员的当前行为数据以及目标人员的正常活动规律模型之前,所述方法还包括:

10、基于预设时间序列,对视频流进行抽帧,得到关键帧序列;

11、基于所述关键帧序列,对所述目标人员的当前行为数据进行追踪检测,确定所述当前行为数据的结束动作;

12、基于所述结束动作,在目标人员的历史行为数据中,确定出所述关键帧序列对应的完整当前行为数据。

13、可选的,所述基于预设作息时间表,对所述目标人员的历史行为数据进行提取,得到正常的历史行为数据,包括:

14、基于所述预设作息时间表,确定参考行为数据,所述参考行为数据包括参考行为特征以及所述参考行为特征对应的参考行为时间;

15、获取所述目标人员的日常行为习惯数据;

16、基于所述参考行为特征、所述参考行为特征对应的参考行为时间以及所述目标人员的日常行为习惯数据,构造所述目标人员的日常行为参考模型;

17、根据所述日常行为参考模型对所述目标人员的历史行为数据进行处理,得到所述目标人员的正常的历史行为数据。

18、可选的,所述基于所述参考行为特征、所述参考行为特征对应的参考行为时间以及所述目标人员的日常行为习惯数据,构造所述目标人员的日常行为参考模型,包括:

19、获取所述目标人员的日常行为数据;

20、对所述日常行为数据进行行为数据分析,确定所述目标人员对应的参考行为特征、参考行为特征对应的参考行为时间以及日常行为习惯数据;

21、基于所述目标人员对应的参考行为特征、参考行为特征对应的参考行为时间以及日常行为习惯数据,使用机器学习算法对所述目标人员的日常行为进行建模,得到所述目标人员的日常行为参考模型。

22、可选的,所述将所述目标人员的当前行为数据输入到所述正常活动规律模型进行处理,将偏离所述正常活动规律模型的行为确定为异常行为,包括:

23、将所述目标人员的当前行为数据输入至所述正常活动规律模型进行处理,得到所述目标人员的偏离行为;

24、获取所述偏离行为的偏离时间段;

25、若所述偏离时间段的长度小于或等于预设时间长度,则确定所述目标人员的偏离行为是特殊行为;

26、若所述偏离时间段的长度大于预设时间长度,则确定所述目标人员的偏离行为是特殊异常行为。

27、可选的,所述异常行为包括特殊行为以及特殊异常行为所述特殊行为为偏离正常活动规律且允许发生的行为,所述特殊异常行为为偏离正常活动规律且不允许发生的行为,所述确定所述目标人员的偏离行为是异常行为之后,包括:

28、基于所述偏离时间段,确定所述特殊异常行为的持续时间以及所述特殊异常行为发生的时间间隔;

29、基于所述特殊异常行为的持续时间以及特殊异常行为的时间间隔,确定所述目标人员的特殊异常行为危险等级;

30、基于所述目标人员的特殊异常行为危险等级,确定针对所述特殊异常行为危险等级的特殊异常处理策略。

31、第二方面,本发明实施例还提供一种行为监测装置,所述行为监测装置包括:

32、第一获取模块,用于获取目标人员的当前行为数据以及目标人员的正常活动规律模型,所述目标人员的正常活动规律模型通过目标人员的历史行为数据进行构建得到;

33、第一确定模块,用于将所述目标人员的当前行为数据输入到所述正常活动规律模型进行处理,将偏离所述正常活动规律模型的行为确定为异常行为。

34、第三方面,本发明实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述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本发明实施例提供的行为监测方法中的步骤。

35、第四方面,本发明实施例提供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发明实施例提供的行为监测方法中的步骤。

36、本发明实施例中,获取目标人员的当前行为数据以及目标人员的正常活动规律模型,所述目标人员的正常活动规律模型通过目标人员的历史行为数据进行构建得到;将所述目标人员的当前行为数据输入到所述正常活动规律模型进行处理,将偏离所述正常活动规律模型的行为确定为异常行为。通过获取目标人员的历史行为来构建目标人员对应的正常活动规律模型,并通过正常活动规律模型来对目标人员的当前行为数据进行比对,从而判断目标人员的当前行为数据是否偏离正常活动规律,且偏离的行为数据是否为异常,从而使得能够快速对目标人员的异常行为进行快速判断,加快响应速度,提高对目标人员的异常行为监测效率。

技术特征:

1.一种行为监测方法,其特征在于,所述方法包括以下步骤:

2.如权利要求1所述的行为监测方法,其特征在于,所述获取目标人员的正常活动规律模型之前,所述方法还包括:

3.如权利要求1所述的行为监测方法,其特征在于,所述获取目标人员的当前行为数据以及目标人员的正常活动规律模型之前,所述方法还包括:

4.如权利要求2所述的行为监测方法,其特征在于,所述基于预设作息时间表,对所述目标人员的历史行为数据进行提取,得到正常的历史行为数据,包括:

5.如权利要求4所述的行为监测方法,其特征在于,所述基于所述参考行为特征、所述参考行为特征对应的参考行为时间以及所述目标人员的日常行为习惯数据,构造所述目标人员的日常行为参考模型,包括:

6.如权利要求1所述的行为监测方法,其特征在于,所述将所述目标人员的当前行为数据输入到所述正常活动规律模型进行处理,将偏离所述正常活动规律模型的行为确定为异常行为,包括:

7.如权利要求6所述的行为监测方法,其特征在于,所述异常行为包括特殊行为以及特殊异常行为,所述特殊行为为偏离正常活动规律且允许发生的行为,所述特殊异常行为为偏离正常活动规律且不允许发生的行为,所述确定所述目标人员的偏离行为是异常行为之后,包括:

8.一种行为监测装置,其特征在于,所述行为监测装置包括:

9.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述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如权利要求1至7中任一项所述的行为监测方法中的步骤。

10.一种计算机可读存储介质,其特征在于,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权利要求1至7中任一项所述的行为监测方法中的步骤。

技术总结本发明实施例提供一种行为监测方法,该方法包括:获取目标人员的当前行为数据以及目标人员的正常活动规律模型,所述目标人员的正常活动规律模型通过目标人员的历史行为数据进行构建得到;将所述目标人员的当前行为数据输入到所述正常活动规律模型进行处理,将偏离所述正常活动规律模型的行为确定为异常行为。对目标人员的当前行为数据以及对应的正常活动规律模型进行构建,通过正常活动规律模型与当前行为数据进行比对,然后根据比对结果来确定该目标人员是否存在异常行为,通过上述方法进行目标人员的异常行为确认,能够快速发现目标人员的异常行为,提高对人员异常行为监测的效率。技术研发人员:龚纪超受保护的技术使用者:深圳云天励飞技术股份有限公司技术研发日:技术公布日:2024/11/4

本文地址:https://www.jishuxx.com/zhuanli/20241106/323814.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。