(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 202210956039.5 (22)申请日 2022.08.10 (71)申请人 蓝思系统集成有限公司 地址 410129 湖南省长 沙市经济技 术开发 区阳光东路9号蓝思科技(长沙)有限 公司 (72)发明人 陈运华　余祖杰　李鹏飞　曾平平　 (74)专利代理 机构 北京华夏泰和知识产权代理 有限公司 1 1662 专利代理师 蔡良伟 (51)Int.Cl. G06V 40/20(2022.01) G06N 3/04(2006.01) G06Q 10/06(2012.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 40/10(2022.01) (54)发明名称 安检行为的监控方法、 装置、 电子设备及存 储介质 (57)摘要 本发明公开了一种安检行为的监控方法、 装 置、 电子设备及存储介质， 属于安防技术领域。 其 中， 该方法包括： 获取多个视角下的安检图像； 将 所述多个视角下的安检图像输入预先训练的多 标签分类模 型中， 得到所述多标签 分类模型输出 的目标人员标签信息， 其中， 所述多标签分类模 型包括多个人员标签信息， 每个人员标签信息对 应一组安检要求的安检行为； 根据所述目标人员 标签信息对当前安检行为进行分析， 监测所述当 前安检行为是否符合预设安检要求。 通过本发 明， 解决了相关技术中人工监督安检行为难以做 到时刻监督的技术问题， 提高了安检行为的监控 效率。 权利要求书2页 说明书14页 附图7页 CN 115240277 A 2022.10.25 CN 115240277 A 1.一种安检行为的监控方法， 其特 征在于， 所述方法包括： 获取多个视角下的安检图像； 将所述多个视角下的安检图像输入预先训练 的多标签分类模型中， 得到所述多标签分 类模型输出的目标人员标签信息， 其中， 所述多标签 分类模型包括多个人员标签信息， 每个 人员标签信息对应一组安检要求的安检行为； 根据所述目标人员标签信 息对当前安检行为进行分析， 监测所述当前安检行为是否符 合预设安检要求。 2.根据权利要求1所述的方法， 其特征在于， 根据 所述目标人员标签信 息对当前安检行 为进行分析， 监测所述当前安检行为是否符合预设安检要求包括： 采用所述多标签分类模型输出与所述目标 人员标签信息匹配的安检部位标签； 获取多个视角下的安检动作图像； 将所述多个视角下的安检动作图像输入预先训练 的多标签分类模型中， 获取所述多标 签分类模型输出 的所述安检部位标签的动作标签和对应的置信度， 其中， 所述动作标签对 应的置信度用于表示安检员按照预设安检要求对受检人的受检部位进 行安检的概率， 所述 受检部位与所述 安检部位标签对应； 若所述动作标签对应的置信度大于预设阈值， 则确定所述安检行为符合预设安检要 求。 3.根据权利要求1所述的方法， 其特征在于， 将所述多个视角下的安检图像输入预先训 练的多标签分类模型中， 得到所述多标签分类模型输出的目标 人员标签信息包括： 将所述多个视角下的安检图像输入预先训练 的多标签分类模型中， 获取所述多标签分 类模型输出的人员外观标签的第一置信度和人员身份属性标签对应的第二置信度； 根据所述人员外观标签的第一置信度和所述人员身份属性标签对应的第二置信度分 别确定受检人的外观属性和身份属性； 根据所述身份属性和外观属性在所述 安检图像上 添加所述目标 人员标签信息 。 4.根据权利要求1所述的方法， 其特征在于， 所述多标签分类模型包括特征提取模块、 特征融合模块和多标签预测模块， 将所述多个视角下的安检图像输入预先训练的多标签分 类模型中， 得到所述多标签分类模型输出的目标 人员标签信息包括： 将所述多个视角下的安检图像输入所述特征提取模块中， 提取每个视角下与 所述人员 标签信息对应的特 征信息； 将所述特征信息输入至所述特征融合模块中， 将多个视角下对应的特征信息进行融 合； 将融合后的特 征信息输入至所述多标签预测模块， 得到目标 人员标签信息 。 5.根据权利要求1所述的方法， 其特征在于， 在将所述多个视角下的安检图像输入预先 训练的多标签分类模型中， 得到所述多标签分类模型输出 的目标人员标签信息之前， 所述 方法还包括： 获取安检图像样本； 设置所述安检图像样本的样本标签， 其中， 所述样本标签包括正样本标签， 负样本标 签， 忽略标签， 所述正样本标签用于标识对应图像样本包括对应人员属性或安检动作， 负样 本标签用于标识对应图像样本不包括对应人员属性或安检动作， 忽略标签用于指示在训练权　利　要　求　书 1/2 页 2 CN 115240277 A 2指定人员属性或安检动作时不使用该安检图像样本； 使用所述 安检图像样本和损失函数对初始模型进行训练， 得到所述多标签分类模型。 6.根据权利要求5所述的方法， 其特征在于， 使用所述安检图像样本和损失函数对初始 模型进行训练， 得到所述多标签分类模型包括： 使用所述安检图像样本和以下损失函数Loss对初始模型进行训练， 得到所述多标签分 类模型： 其中， yi为第i个标签对应的标签值， 所述标签值取值为0或1， P为多标签分类模型针对 每个标签预测的概率值， 所述概率值的取值范围为[0,1]， 为从i＝1到 i＝n的所有标签对应的交叉熵的和， 1[yi≠‑1]表示当yi≠‑1时， 输出为1或者输 出为0， m为标签值 为0或1的数量， n 为所有标签的数量。 7.根据权利要求1所述的方法， 其特征在于， 将所述多个视角下的安检图像输入预先训 练的多标签分类模型中， 得到所述多标签分类模型输出的目标 人员标签信息之前， 还 包括： 获取每个视角下的原 始视频帧序列； 分别获取同一时刻各视角下的原 始视频帧序列中的当前视频帧； 根据预设的安检划定区域， 对所述当前视频帧进行裁剪， 得到各视角下对应的安检区 域图， 将所述 安检区域图作为所述 安检图像。 8.一种安检行为的监控 装置， 其特 征在于， 包括： 获取模块， 用于获取多个视角下的安检图像； 标签确定模块， 用于将所述多个视角下的安检图像输入预先训练的多标签分类模型 中， 得到所述多标签分类模型输出的目标人员标签信息， 其中， 所述多 标签分类模型包括多 个人员标签信息， 每 个人员标签信息对应一组安检要求的安检行为； 分析模块， 用于根据所述目标人员标签信息对当前安检行为进行分析， 监测所述当前 安检行为是否符合预设安检要求。 9.一种电子设备， 其特征在于， 包括处理器、 通信接口、 存储器和通信总线， 其中， 处理 器， 通信接口， 存 储器通过通信总线完成相互间的通信； 其中： 存储器， 用于存放计算机程序； 处理器， 用于通过运行存储器上所存放的程序来执行权利要求1至7中任一项所述的方 法步骤。 10.一种存储介质， 其特征在于， 所述存储介质包括存储的程序， 其中， 所述程序运行时 执行上述权利要求1至7中任一项所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 115240277 A 3