(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210984152.4 (22)申请日 2022.08.17 (65)同一申请的已公布的文献号 申请公布号 CN 115050105 A (43)申请公布日 2022.09.13 (73)专利权人 杭州觅睿 科技股份有限公司 地址 310052 浙江省杭州市滨江区西兴街 道楚天路91号1栋4楼 ;2栋2,3,4楼 (72)发明人 赵春峰　赵刚强　金伟　应红力　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 赵怡琳 (51)Int.Cl. G06V 40/20(2022.01) G06V 20/40(2022.01) G06V 10/44(2022.01) G06V 10/75(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 104775724 A,2015.07.15 CN 106709436 A,2017.0 5.24 CN 108932479 A,2018.12.04 CN 110688898 A,2020.01.14 CN 110706259 A,2020.01.17 CN 112016353 A,2020.12.01 CN 112183252 A,2021.01.0 5 IN 2020210 55337 A,2021.01.2 2 CN 112487892 A,2021.0 3.12 CN 112686122 A,2021.04.20 JP 2021117768 A,2021.08.10 CN 114373189 A,202 2.04.19 CN 114511792 A,2022.05.17 JP 2006323709 A,20 06.11.30 (续) 审查员 崔蓝芳 (54)发明名称 一种人影可疑性判定方法、 装置、 设备及存 储介质 (57)摘要 本申请公开了一种人影可疑性判定方法、 装 置、 设备及存储介质， 涉及视频安防技术领域， 包 括： 利用人影目标检测模型对当前输入的目标视 频进行人影检测， 得到各视频帧中的人影矩形框 位置和人影像素区域； 利用人影矩形框位置和人 影像素区域对各视频帧中的人影采用轮廓匹配 算法进行跟踪处理以构建出与 目标视频对应的 目标人影框图序列； 将目标人影框图序列输入至 基于深度卷积神经网络模型和循环神经网络模 型预先构建的人影可疑性判定模型判断目标视 频中的人影是否可疑。 本申请对通过人影目标检 测模型检测到的人影进行跟踪以构建出目标人 影框图序列， 再通过人影可疑性判定模型判断人影是否可疑， 从而解决未见真人而只见人影场景 下的可疑人员预警问题。 [转续页] 权利要求书3页 说明书12页 附图6页 CN 115050105 B 2022.12.30 CN 115050105 B (56)对比文件 Ariel Amato 等.Movi ng Cast Shado ws Detection Methods for Video Survei llance Applications. 《DOI: 10.10 07/8612_2012_ 3》 .2014,1-27. 林凯瀚 等.基 于Mask R-CNN的人脸检测与 分割方法. 《计算机 工程》 .2020,第46卷(第6期), 274-280. Hend F. Bakr 等.Mask R- CNN for Movi ng Shadow Detecti on and Segmentati on. 《IJCI 2020》 .2020,1-18. 井明涛 等.基 于改进的Mask R- CNN的游泳 池溺水检测研究. 《青岛大 学学报(工程 技术版)》 .2021,第3 6卷(第l期),1-7、 21. G.BALAMURUGAN 等.An Ef ficient CN N and BI-LSTM Model for Abn ormal Event Detection in Video Survei llance. 《ICSMDI 2021》 .2021,1-7. 姜珊.视频监控系统中的行 人异常行为检测 方法研究. 《中国优秀硕士学位 论文全文数据库 信息科技 辑(月刊)》 .202 2,第2022年卷(第01 期),I136-1938. 王巧真.异常姿态检测在远程 监护中的应 用. 《中国优秀硕士学位 论文全文数据库 医药卫 生科技辑(月刊)》 .2021,第2021年卷(第09期), E054-7.2/2 页 2[接上页] CN 115050105 B1.一种人影可疑性判定方法， 其特 征在于， 包括： 利用预先训练 的人影目标检测模型对当前输入的目标视频进行人影检测， 得到所述人 影目标检测模型输出的所述目标视频中各视频帧对应的人影矩形框位置和人影 像素区域； 利用所述人影矩形框位置和所述人影像素区域对各所述视频帧中的所述人影采用轮 廓匹配算法进行跟踪处 理， 以构建出与所述目标视频对应的目标 人影框图序列； 将所述目标人影框图序列输入至基于深度卷积神经网络模型和循环神经网络模型预 先构建的人影可疑性判定模型， 以得到所述人影可疑性判定模型输出的与所述目标人影框 图序列对应的检测结果； 基于所述检测结果判断所述目标视频中的人影是否可疑， 得到相应的判定结果； 其中， 所述利用所述人影矩形框位置和所述人影像素区域对各所述视频帧中的所述人 影采用轮廓匹配算法进行跟踪处 理之前， 还 包括： 根据所述人影矩形框位置对所述目标视频中的各所述视频帧中的人影进行裁剪， 得到 包含所述人影的人影框图； 根据所述人影 像素区域从所述人影框图中提取 出相应的人影 轮廓； 为所述人影轮廓设置相应的人影编号得到编 号后人影轮廓， 并将所述编 号后人影轮廓 存放至预 先构建的人影 轮廓库中； 所述构建出与所述目标视频对应的目标 人影框图序列， 包括： 获取相同人影编 号的所述人影轮廓对应的人影框图， 得到各人影编 号对应的人影框图 集合； 按照所述视频帧的先后 顺序对所述人影框图集合中的各所述人影框图进行排序， 得到 各所述人影编号对应的人影框图序列； 按照人影编号 顺序对各 所述人影框图序列进行排序， 得到相应的目标 人影框图序列； 所述将所述目标人影框图序列输入至基于深度卷积神经网络模型和循环神经网络模 型预先构建的人影可疑性判定模型， 以得到所述人影可疑性判定模型输出的与所述目标人 影框图序列对应的检测结果， 包括： 将所述目标人影框图序列输入至基于深度卷积神经网络模型和循环神经网络模型预 先构建的人影可疑性判定模型， 以得到所述人影可疑性判定模型输出的与所述目标人影框 图序列对应的可疑得分和非可疑得分； 所述基于所述检测结果判断所述目标视频中的人影是否可疑， 得到相应的判定结果， 包括： 根据所述可疑得分和非可疑得分判断所述目标视频中的人影是否可疑， 得到相应的判 定结果； 所述根据 所述可疑得分和非可疑得分判断所述目标视频中的人影是否可疑， 得到相应 的判定结果， 包括： 判断所述可疑得分是否大于所述非可疑得分； 若所述可疑得分大于所述非可疑得分， 则判定所述目标视频中的人影可疑； 若所述可疑得分不大于所述非可疑得分， 则判定所述目标视频中的人影不可疑。 2.根据权利要求1所述的人影可疑性判定方法， 其特征在于， 所述利用预先训练 的人影 目标检测模型对当前输入的目标视频进行 人影检测之前， 还 包括：权　利　要　求　书 1/3 页 2 CN 115050105 B 3