(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210870151.7 (22)申请日 2022.07.22 (71)申请人 山东浪潮科 学研究院有限公司 地址 250100 山东省济南市高新浪潮路 1036号S02号楼 (72)发明人 杨彤　李雪　李锐　 (74)专利代理 机构 济南信达专利事务所有限公 司 37100 专利代理师 阚恭勇 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) (54)发明名称 一种基于轻量化网络的异常事件检测及预 警方法 (57)摘要 本发明提供一种基于轻量化网络的异常事 件检测及预警方法， 属于视频行为分析技术领 域， 包括： 构建初始异常事件数据集， 使用数据增 强技术扩充数据集； 构建基于Mobile ‑CenterNet 的异常事件检测 网络， 配置训练参数， 训练检测 模型； 获取监控视频数据， 间隔帧输入预先训练 好的检测模型进行检测， 并输出检测结果； 分析 图像检测结果， 确认事件类别、 位置及等级， 发出 警报， 并协调多部摄像头记录跟踪异常事件。 本 发明提供的方法事件识别精度高、 检测实时、 易 于部署且能适应更多复杂场景， 有助于相关部门 及时做出响应并施以救援， 降低了群众人身伤亡 和财产的损失， 提升了对公共区域的安全管理效 率。 权利要求书2页 说明书5页 附图2页 CN 115294519 A 2022.11.04 CN 115294519 A 1.一种基于轻量 化网络的异常事 件检测及预警方法， 其特 征在于， 包括： 构建初始 异常事件数据集， 使用数据增强技 术扩充数据集； 构建基于 Mobile‑CenterNet的异常事 件检测网络， 配置训练参数， 训练检测模型； 获取监控视频 数据， 间隔帧输入预 先训练好的检测模型进行检测， 并输出检测结果； 分析图像检测结果， 确认事件类别、 位置及等级， 发出警报， 并协调摄像头记录跟踪异 常事件。 2.根据权利要求1所述的方法， 其特 征在于， 具体步骤如下： S1、 构建异常事 件数据集； S2、 搭建Mobile ‑CenterNet异常事件检测网络， 配置训练参数， 训练检测模型， 得到检 测模型； S3、 获取监控视频数据， 间隔性对视频帧进行截取， 得到所需的图像数据； 输入步骤S2 中预先训练好的检测模型进行异常事件识别检测， 并输出检测结果信息， 输出检测框的位 置信息、 置信度与类别； S4、 通过异常事 件分类器对步骤S3中的异常事 件画面帧进行等级判断分类； S5、 结果处理与预警； 设置异常事件报警阈值为0.6， 根据 步骤S3、 S4中检测得到的事件 置信度， 判断是否为报警目标， 及预警等级； 当目标置信度高于阈值时， 发出报警信息， 并将 异常事件类别、 等级及位置信息发送给相关工作人员， 并做出应对措施； 若未发现危险事 件， 则继续对下一帧图片进行分析； S6、 异常事件预警后， 协调多部摄像头针对可视范围内已识别的异常事件进行跟踪， 多 角度记录异常事 件的发生经 过， 预测发生轨 迹； S7、 当遇到新的异常检测数据时， 可判断异常事件但无法判断类别， 记录新的数据， 重 构网络结构并训练新的模型； S8、 重复上述 步骤S3至S6， 持续进行视频流实时分析。 3.根据权利要求2所述的方法， 其特 征在于， 步骤S1中， 所述数据集来自网络公开数据集及网络视频截图， 并使用数据增强技术对 原始图像进行平 移， 旋转和翻转处 理来扩充数据集。 4.根据权利要求2所述的方法， 其特 征在于， 在步骤S2中， 首先对输入图像进行4倍下采样预处理来降低图像分辨率； 然后通过骨干 网络MobileNet进行 特征提取； 主干网络后增 加一个注意力多尺度特 征融合模块SENet； 模型训练中进行热度图收敛时， 在热度图分支输出增加一道多核滤波后处理， 使用m(m >1)个不同大小的核 滤波器遍历每一个 关键点， 若核 范围中的最大值不等于 当前值极值， 就 令当前值 为0； 最后得到m个最大值滤波结果， 使局部峰值总能保持最大值。 5.根据权利要求2所述的方法， 其特 征在于， 在步骤S4中， 分类标准包 含： 是否为 暴力事件， 事件的参与人 数； 行人个数统计， 可视化输出显示 n， 分类器按输出 人群划分为单 人、 双人和多人事 件。 6.根据权利要求2所述的方法， 其特 征在于，权　利　要　求　书 1/2 页 2 CN 115294519 A 2在步骤S5中， 进行实时视频流检测结果与样本库进行对比分析时， 若发现异常事件置 信度超过报警 阈值， 发出报警信息， 并将异常事件类别、 等级及位置信息发送给相关工作人 员， 工作人员根据报警信息做出应对措施。 7.根据权利要求2所述的方法， 其特 征在于， 在步骤S6中， 利用一个以上角度的视频进行综合判断， 在时间同步的基础上， 计算相同 时刻不同摄 像头中的目标的运动特 征， 以此预测运动轨 迹。 8.根据权利要求2所述的方法， 其特 征在于， 在步骤S7中， 当遇到新的异常检测类别时， 判断此事件为异常事件， 但无法判断类别， 网络会记录新的数据， 后期继续增 加样本集， 重构网络结构并训练新的模型。权　利　要　求　书 2/2 页 3 CN 115294519 A 3