(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 202210462006.5 (22)申请日 2022.04.28 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号 (72)发明人 胡瑞敏　朱鹏锴　彭春蕾　刘海涛　 叶波　罗林波　刘德成　王晋浩　 黄于豪　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 专利代理师 方婷 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/82(2022.01) (54)发明名称 一种机场安检行为模式分析与异常状态检 测方法及系统 (57)摘要 本发明涉及一种机场安检行为模式分析与 异常状态检测方法及系统， 包括得到安检员的位 置信息； 将安检员的工作区域划分成多个子区 域； 将位置信息与子区域匹配得到区域轨迹； 对 区域轨迹进行分帧处理并做加窗分析得到第一 谱参数； 对第一谱参数进行聚类得到聚类结果； 获取待检测安检员的第二谱参数， 得到第一行为 模式序列； 将第一行为模式序列输入深度学习长 短期记忆网络得到第二行为模式序列； 将第二行 为模式序列与第一行为模式序列进行相似性度 量得到短时行为模式序列次序差； 根据短时行为 模式序列次序差与预设阈值的关系确定待检测 安检员的工作状态。 本发明将安检员安检行为模 式和异常状态检测建立联系， 实现更早、 更高效、 更精确的异常状态检测。 权利要求书2页 说明书10页 附图3页 CN 114898257 A 2022.08.12 CN 114898257 A 1.一种机场安检行为模式分析与异常状态检测方法， 其特 征在于， 所述方法包括： 步骤1、 通过对预设监控视频中的对象进行多目标检测， 以得到安检员的位置信息， 其 中， 所述预设监控视频为 安检员为 正常工作状态的视频； 步骤2、 将所述安检员的工作区域划分成Q*Q个子区域， 其中， 所述工作区域覆盖所述安 检员日常工作时的整个地 面区域； 步骤3、 将所述安检员的位置信息与每个所述子区域进行匹配， 得到所述安检员的区域 轨迹； 步骤4、 对所述安检员的区域轨迹进行分帧处理并做加窗分析， 得到每帧的第一谱参 数； 步骤5、 对所有所述第一谱参数进行聚类， 得到聚类结果， 聚类结果包括g个类别， 其中， 每个所述类别对应一种行为模式， 所述g个 类别对应的g种行为模式构成行为模式库； 步骤6、 获取待检测监控视频中的待检测安检员对应的第 二谱参数， 以将所述第 二谱参 数与所述行为模式库进行匹配， 得到第一行为模式序列； 步骤7、 将至少一部分所述第 一行为模式序列输入至深度学习长短期记忆网络， 以得到 未来某一时刻的第二行为模式序列； 步骤8、 将所述第二行为模式序列与所述第一行为模式序列进行相似性度量， 以得到短 时行为模式序列次序差； 步骤9、 根据所述短时行为模式序列次序差与预设阈值的关系确定待检测安检员的工 作状态结果。 2.根据权利要求1所述的机场 安检行为模式分析与异常状态检测方法， 其特征在于， 所 述步骤1包括： 步骤1.1、 根据所述预设监控视频 得到多帧第一图片； 步骤1.2、 将每帧所述第一 图片均分割成S ×S个第一单元格， 每个第一单元格对应B个 边界框以及边界框的置信度； 步骤1.3、 将分割后的所述第一图片输入到训练好的卷积神经网络中， 以得到预测值， 所述预测值即为所述 安检员的位置信息 。 3.根据权利要求1所述的机场 安检行为模式分析与异常状态检测方法， 其特征在于， 所 述步骤2包括： 利用线性 等面积划分方法将所述 安检员的工作区域划分成N*N个子区域。 4.根据权利要求2所述的机场 安检行为模式分析与异常状态检测方法， 其特征在于， 所 述步骤3包括： 将每一帧所述第 一图片对应的所述安检员的位置信 息与每个所述子区域进行匹配， 确 定每一帧所述第一图片对应的所述安检员的位置信息所在的所述子区域， 以形成所述安检 员的区域轨 迹。 5.根据权利要求1所述的机场 安检行为模式分析与异常状态检测方法， 其特征在于， 所 述步骤4包括： 步骤4.1、 将所述安检员的区域轨迹中的s个区域轨迹点集合成为一帧信号， 时间为Δ t； 步骤4.2、 将每一帧信号乘以汉明窗， 并对加窗后的每一帧信号进行快速傅里叶变换，权　利　要　求　书 1/2 页 2 CN 114898257 A 2得到各帧的频谱； 步骤4.3、 对所述频谱进行 取模平方处 理， 得到功率谱； 步骤4.4、 将所述功率谱输入滤波器组， 得到对数能量， 其中， 滤波器组包括M个三角带 通滤波器； 步骤4.5、 所述对数能量经离 散余弦变换 得到第一谱参数。 6.根据权利要求1所述的机场 安检行为模式分析与异常状态检测方法， 其特征在于， 所 述步骤5包括： 利用K‑means算法对所有所述第一谱参数进行聚类， 得到聚类结果。 7.根据权利要求1所述的机场 安检行为模式分析与异常状态检测方法， 其特征在于， 所 述步骤6包括： 步骤6.1、 通过对所述待检测监控视频中的对象进行多目标检测， 以得到所述待检测安 检员的位置信息； 步骤6.2、 将所述待检测安检员的位置信 息与每个所述子区域进行匹配， 得到所述待检 测安检员的区域轨 迹； 步骤6.3、 对所述待检测安检员的区域轨迹进行分帧处理并做加窗分析， 得到每帧的第 二谱参数； 步骤6.4、 计算所述第二谱参数与所述行为模式库中每种行为模式的欧式距离， 将所述 欧式距离最小的行为模式作为该所述第二谱参数的行为模式， 所有所述第二谱参数对应的 行为模式构成所述第一行为模式序列。 8.根据权利要求1所述的机场 安检行为模式分析与异常状态检测方法， 其特征在于， 所 述短时行为模式序列次序差的计算公式为： 其中， DISord(TDi,TDk)为短时行为模式序列次序差， DISord(TDi,TDk)∈[0,1]， TDi为所述 第二行为模式序列， TDk为至少一部分所述第一行为模式序列。 9.根据权利要求1所述的机场 安检行为模式分析与异常状态检测方法， 其特征在于， 所 述步骤9包括： 判断所述短时行为模式序列次序差与所述预设阈值的关系， 若所述短时行为模式序列 次序差大于所述预设阈值， 则判定此阶段所述待检测 安检员的工作状态为正常， 若所述短 时行为模式序列次序差小于或者等于所述预设阈值， 则判定此阶段所述待检测安检员的工 作状态为异常。 10.一种机场安检行为模式分析与异常状态检测系统， 其特征在于， 用于实施权利要求 1至9任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114898257 A 3