(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 202210325107.8 (22)申请日 2022.03.30 (71)申请人 厦门瑞为信息技 术有限公司 地址 361000 福建省厦门市 火炬高新区软 件园华讯楼C区B1F-1 12 (72)发明人 陈明木　王汉超　易安明　袁嘉言　 贾宝芝　何一凡　 (74)专利代理 机构 厦门市首创君 合专利事务所 有限公司 3 5204 专利代理师 连耀忠 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 40/16(2022.01)G06V 40/20(2022.01) G06V 10/25(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于PAA算法的行为检测方法、 装置及 可读介质 (57)摘要 本发明公开了一种基于PAA算法的行为检测 方法、 装置及可读介质， 通过 获取待检测图像， 基 于待检测图像确定感兴趣区域， 感兴趣区域包括 行为发生区域； 将感兴趣区域输入到经训练的行 为检测模型， 输出检测结果， 检测结果包括分类 结果和检测框， 其中， 行为检测模型包括输入层、 骨干网、 特征金字塔网络和检测头， 骨干网和特 征金字塔网络中均包括跨级局部模块， 检测头包 括分类头和回归头， 在行为检测模 型的训练过程 中采用PAA算法进行正负样本的分配； 根据检测 框确定检测结果是否为误检； 响应于确定检测结 果不是误检， 基于分类结果进行分析， 得到行为 类型。 在训练过程中采用PAA算法， 能提升行为检 测模型的检测精度。 本发 明误检率低， 计算量低， 模型鲁棒 性好。 权利要求书2页 说明书10页 附图7页 CN 114898140 A 2022.08.12 CN 114898140 A 1.一种基于PA A算法的行为检测方法， 其特 征在于， 包括以下步骤： S1， 获取待检测图像， 基于所述待检测图像确定感兴趣区域， 所述感兴趣区域包括行为 发生区域； S2， 将所述感兴趣区域输入到经训练的行为检测模型， 输出检测结果， 所述检测结果包 括分类结果和检测框， 其中， 所述行为检测模型包括输入层、 骨干网、 特征金字塔网络和 检 测头， 所述骨干网和特征金字塔网络中均包括跨级局部模块， 所述检测头包括分类头和回 归头， 在所述行为检测模型的训练过程中采用PA A算法进行正负 样本的分配； S3， 根据所述检测框确定所述检测结果是否为 误检； S4， 响应于确定所述检测结果 不是误检， 基于所述分类结果进行分析， 得到行为类型。 2.根据权利要求1所述的基于PAA算法的行为检测方法， 其特征在于， 所述跨级局部模 块包括第一基层、 第二基层、 多个带有瓶颈层的残差模块和融合层。 3.根据权利要求2所述的基于PAA算法的行为检测方法， 其特征在于， 所述跨级局部模 块的计算过程包括： 将基层特征图分为第 一基层特征图和第 二基层特征图， 所述第 一基层特征图经过所述 第一基层得到第一特征， 所述第二基层特征图经过所述第二基层和多个带有瓶颈层的残差 模块得到第二特 征； 将所述第一特征和第 二特征输入融合层进行特征融合， 得到经所述跨级局部模块处理 后的特征。 4.根据权利要求1所述的基于PAA算法的行为检测方法， 其特征在于， 所述骨干网为 Mobilenet， 并且Mobilenet中的Conv1 ×1和Conv dw 3×3构成的可分离 卷积采用所述跨级 局部模块的结构。 5.根据权利要求1所述的基于PAA算法的行为检测方法， 其特征在于， 所述特征金字塔 网络中的卷积层均采用所述 跨级局部模块。 6.根据权利要求1所述的基于PAA算法的行为检测方法， 其特征在于， 所述步骤S4具体 包括： 将所述分类结果与第一阈值相比较， 得到第一比较结果， 根据第一比较结果确定行为 类型。 7.根据权利要求1所述的基于PAA算法的行为检测方法， 其特征在于， 所述行为包括抽 烟行为， 所述待检测图像为车辆运行 过程中所拍摄的司机脸部图像， 所述 步骤S1具体包括： 将所述待检测图像输入人脸检测模型， 获取人脸矩形框以及所述人脸矩形框 内的多个 关键点坐标； 根据人脸嘴角的两个关键点计算出嘴部中心点； 以所述嘴部 中心点为正中心向外获得与 所述人脸矩形框具有相同大小的目标检测框， 所述目标检测框内的区域 为所述感兴趣区域。 8.根据权利要求7所述的基于PAA算法的行为检测方法， 其特征在于， 所述步骤S3具体 包括： 计算所述检测框的中心点与所述嘴部中心点之间的距离 M； 计算所述目标检测框的对角线距离D； 根据所述距离 M与对角线距离D计算出误检指数alpha：权　利　要　求　书 1/2 页 2 CN 114898140 A 2alpha＝M /D； 将所述误检指数alpha与第二阈值相比较， 得到第二比较结果， 根据第二比较结果确定 所述检测结果是否为 误检。 9.根据权利要求7 所述的基于PA A算法的行为检测方法， 其特 征在于， 还 包括： 重复步骤S1 ‑S4， 确定一定时间段内的所有待检测图像中的单帧图像所对应的行为类 型， 所述行为类型包括抽烟行为和未抽烟行为； 计算在一定时间段内的所有待检测图像中单帧图像被判定为抽烟行为的数量与总帧 数的比值， 响应于确定所述比值超过第三阈值， 生成报警事 件。 10.一种基于PA A算法的行为检测装置， 其特 征在于， 包括： 感兴趣区域获取模块， 被配置为获取待检测图像， 基于所述待检测图像确定感兴趣区 域， 所述感兴趣区域包括行为发生区域； 检测模块， 被配置为将所述感兴趣区域输入到经训练的行为检测模型， 输出检测结果， 所述检测结果包括分类结果和 检测框， 其中， 所述行为检测模型包括输入层、 骨干网、 特征 金字塔网络和检测头， 所述骨干网和特征金字塔网络中均包括跨级局部模块， 所述检测头 包括分类头和回归头， 在所述行为检测模型的训练过程中采用PAA算法进行正负样本的分 配； 误检判断模块， 被 配置为根据所述检测框确定所述检测结果是否为 误检； 结果分析模块， 被配置为响应于确定所述检测结果不是误检， 基于所述分类结果进行 分析， 得到行为类型。 11.一种电子设备， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序， 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑9中任一所述的方法。 12.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑9中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114898140 A 3