CN119516595A 异常动作检测方法和异常动作检测模型的生成方法 （深圳市杉川机器人有限公司）

道松坪山社区北环大道9018号大族创异常动作检测方法和异常动作检测模型的本申请公开了一种异常动作检测方法和异常动作检测模型的生成方法，属于智能设备领所述动作张量是基于包含所述预设目标的图像得到的；输入所述动作张量至异常动作检测模当前智能检测异常动作的模型由于样本不均衡2获取预设目标的动作张量，其中，所述动作张量是基于包含所述预设输入所述动作张量至异常动作检测模型，所述异常动作检测模型获取所述异常动作检测模型基于所述动作张量输出的输出结果，获取各所述子模块基于各自的识别原理识别所述动作张量得识别所述动作张量中各帧的真实动作，并依次预测当前帧获取所述动作张量对应的特征向量，并计算所述特征向量与预存记忆模块的相似度，基于接收到的任务指令，获取所述任务指令对应的视频流，并提取所述视频流中存在预设目标的关键帧，并确定所述预设目标在所基于所述坐标，构建所述预设目标对应的检测框，并基于基于所述图像通道数、所述尺寸信息和所述序列帧数长度，3若所述视频流中存在至少一个预设目标，则将所述异常动作调用一阶数字低通滤波器对所述异常动作检测模型基于连续帧的多个输出结果进行通过判断经过平滑滤波的多个输出结果中低于预设分数阈值的数量是否达到预设数获取训练样本和监督图像，其中，所述训练样本是基于标注预基于损失函数确定所述输出结果与所述监督根据所述损失参数对所述初始检测模型进行反馈更新，直至训练成异常动作检测模将所述乱序序列作为所述训练样本输入所述初始检测模型，其中，果包括预存记忆模块中与所述特征向量相似度最所述根据所述损失参数对所述初始检测模型进行反馈更新，直至训练基于所述特征向量和所述初始特征向量更新预设记忆模块，直至所4[0005]上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技[0006]本申请的主要目的在于提供一种异常动作检测方法和异常动作检测模型的生成5[0029]调用一阶数字低通滤波器对所述异常动作检测模型基于连续帧的多个输出结果[0030]通过判断经过平滑滤波的多个输出结果中低于预设分数阈值的数量是否达到预[0034]判断模块，用于获取所述异常动作检测模型基于所述动6异常动作检测程序配置为实现上述的异常动作检测[0041]可选地，所述训练样本包括将所述标注预设正常动作的出结果包括预存记忆模块中与所述特征向量相似度最高的初7动作检测程序和/或异常动作检测模型的生成程序，所述异常动作检测程序被处理器执行检测异常动作的模型由于样本不均衡导致的识别[0057]图1是本申请实施例方案涉及的硬件运行环境的异常动作检测设备的结构示意[0063]图7是本申请实施例方案涉及的硬件运行环境的异常动作检测模型的生成设备的[0069]如图1所示，该异常动作检测设备可以包括：处理器1001，例如中央处理器8口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless_FIdelity，WI_FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccessMemory，RAM)存储器，也可以是稳定的非易失性存储器(Non_VolatileMemory，[0070]本领域技术人员可以理解，图1中示出的结构并不构成对异常动作检测设备的限[0071]如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模[0072]在图1所示的异常动作检测设备中，网络接口1004主要用于与其他设备进行数据[0080]在本实施例中，自移动机器人上配置有视觉传感器、SLAM同步定位与地图构建9将裁切图像resize到96像素×96像素来统一输入化，而出现预设目标的区域的像素差异巨大)，对于这样的背景区域用灰色像素值(114,中获取所述异常动作检测模型基于所述动作张量输[0107]步骤S41：获取各所述子模块基于各自的识别原理识别所述动作张量得到的子结[0108]可选地，异常多动作检测模型的子模块包括打乱时间序列的异常动作检测任务值为这两帧图像的关键点的真实值，目标函数即为该任务分支的预测值和真实值之间的[0112]推理阶段则计算未知动作所计算得到的特征向量与M个记忆模块计算余弦相似[0115]可选地，预设计算方式可以是根据各个子模块的输出子结果进行取均值或最小作检测模型以多任务检测集成的方式来进行共同决策，多任务使用了动作序列的RGB图和现有技术采集异常数据进行训练而面临的数据所述至少一个预设目标输出至少一个所述输[0119]步骤S51：调用一阶数字低通滤波器对所述异常动作检测模型基于连续帧的多个[0120]步骤S52：通过判断经过平滑滤波的多个输出结果中低于预设分数阈值的数量是所述至少一个预设目标输出至少一个所述输[0130]判断模块30，用于获取所述异常动作检测模型基于所述动作张量输出的输出结接口、无线接口。网络接口2004可选的可以包括标准(WIreless_FIdelity，WI_FI)接口)。存储器2005可以是高速的随机存取存储器(RandomAccessMemory，RAM)存储器，也可以是稳定的非易失性存储器(Non_VolatileMemory，[0134]本领域技术人员可以理解，图7中示出的结构并不构成对异常动作检测模型的生[0135]如图7所示，作为一种存储介质的存储器2005中可以包括操作系统、数据存储模[0136]在图7所示的异常动作检测模型的生成设备中，网络接口2004主要用于与其他设[0140]步骤S61：将所述训练样本输入初始检测模型，得到所述初始检测模型的输出结因此可以通过最小化模型预测值和真实值来使模所述初始检测模型接收到所述训练样本后，预测所述训练样本中预设帧的关键点并输出，通过最小化预测向量和真实值向量的MSE[0162]本申请存储介质上存储有异常动作检测程序和/或异常动作检测模型的生成程述异常动作检测模型的生成程序被处理器执行时实