技术特征：
1.一种岸边走私行为检测方法，其特征在于，包括：获取船只位置信息；确定水域和陆地的分界线；根据所述船只位置信息和分界线判断所述船只是否在岸边停靠；当判断所述船只在岸边停靠时，检测人员的移动状态信息；根据所述人员的移动状态信息，确定所述船只的过船状态；若所述船只的过船状态为连续的过船行为，则提取靠近过船人员和远离过船人员的人体关键点信息；根据所述人体关键点信息检测所述人员是否存在走私搬货行为；若检测到所述人员存在走私搬货行为，则获取距离所述船只停靠点在预设范围内的车辆信息；若人员与所述车辆的距离小于预设的距离阈值，则确定所述人员的姿态；若所述人员的姿态为搬运状态，则判断所述车辆存在运货物行为；若所述车辆的运货物行为持续时间大于预设的时间阈值，则根据所述车辆信息判定所述车辆是否存在走私运货行为。2.根据权利要求1所述的方法，其特征在于，所述获取船只位置信息包括：确定岸边船只检测模型；根据所述船只检测模型获取距离岸边在预设第二距离之内的船只信息；根据所述船只信息确定所述船只位置信息；其中，所述确定岸边船只检测模型包括：收集检测水域夜间过往船只的图像；根据所述过往船只的图像对船只进行标注；使用标注好的图像进行训练得到所述岸边船只检测模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述船只信息确定所述船只位置信息包括：所述船只信息为(x
b
,y
b
,w
b
,h
b
)，岸边监控视频图像的尺寸为(w,h)，则所述船只位置信息(x
tb
,y
tb
)为：)为：其中，c
θ
为所述岸边监控视频图像的摄像头安装位置确定的角度修正常数；c
h
为所述摄像头安装位置确定的过度修正常数；c1为历史数据训练得到的映射修正常数；c
t
为历史数据训练得到的偏移修正常数；c
u
为历史数据训练的到的上界面修正常数；c
d
为历史数据训练得到的下界面修正常数；x
b
为所述船只在所述监控视频图像内识别方框左上角的横坐标；y
b
为所述船只在所述监控视频图像内识别方框左上角的纵坐标；w
b
为所述船只在所述监控视频图像内识别方框的宽；h
b
为所述船只在所述监控视频图像内识别方框的高；w为所述监控视频图像的宽，h为所述监控视频图像的高；x
tb
为船只的横坐标；y
tb
所述船只的纵坐标。
4.根据权利要求1所述的方法，其特征在于，所述确定水域和陆地的分界线包括：所述分界线为ax+by+c＝0；其中a为横坐标系数，b为纵坐标系数，c为常数；所述根据所述船只位置信息和分界线判断所述船只是否在岸边停靠包括：获取当前时刻的船只位置信息；对当前时刻之前的n
b
帧监控图像，计算第i帧监控图像中船只的位置与当前时刻船只的位置之间的距离得分并计算全部帧监控图像的距离总得分gd；若gd＞ts
d
则判定所述船只在岸边停靠；其中，所述由下列公式确定：所述gd由以下公式确定：i为监控图像帧编号，为船只距离水域陆地分界线的距离，n
b
为监控图像的总帧号，ts
d
为预设的距离总得分阈值，ts
bd
为预设的第一距离阈值。5.根据权利要求1所述的方法，其特征在于，所述当判断所述船只在岸边停靠时，检测人员的移动状态信息包括：获取从检测到船只在岸边停靠的时间t
s
为起点每隔时间t
y
获取长度为t
x
的时间窗视频内全部移动状态人员的第一轨迹信息；将所述第一轨迹信息中满足以下公式的移动状态人员的轨迹信息提取出来得到第二轨迹信息：其中，x
g
是所述移动状态人员的横坐标，y
g
是所述移动状态人员的纵坐标，ts
dg
是预设的第二距离阈值，x
tb
为船只的横坐标；y
tb
所述船只的纵坐标。对所述第二轨迹信息中所述移动状态人员的轨迹信息按照时间先后顺序排列，划分为第一轨迹集合{(x
p1i
,y
p1i
)}和第二轨迹集合{(x
p2j
,y
p2j
)}，其中所述第一轨迹集合中的点对应的时间小于tm，所述第二轨迹集合中的点对应的时间大于等于tm，所述tm为所述第二轨迹信息中距离停靠点距离最小的轨迹点对应的时间；计算所述第一轨迹集合内每一个轨迹点距离停靠点的距离dp1
i
并按照对应的时间排序得到元素个数为n的第一距离集合{dp1
i
}，其中i为所述第一轨迹集合内轨迹点的编号，n为所述第一轨迹集合内轨迹点的总数量；提取所述第一距离集合{dp1
i
}中前n-ω+1个元素组成基础距离集合{dp1,dp2,
···
,dp
n-ω+1
}；从所述基础距离集合{dp1,dp2,
···
,dp
n-ω+1
}中提取一个元素dp
m
与所述第一距离集合{dp1
i
}中的后ω-1个元素{dp
n-ω+2
,dp
n-ω+3
,
···
,dp
n
}组成n-ω+1个第二距离集合{dp
m
,dp
n-ω+2
,
···
,dp
n
}，其中m大于等1小于等于n-ω+1，ω为设定的集合分割常数；
根据下列公式计算第k个所述第二距离集合的趋势得分：k大于等于1小于等于n-ω+1，j大于等于1小于等于ω-1；其中，c
max
为根据历史数据训练得到的上界修正常数，c
min
为根据历史数据训练得到的下界修正常数；c
e
为根据历史数据训练得到的修正常数；根据以下公式计算相邻两个所述第二距离集合的趋势差得分：ts
gd
为预设的趋势差异阈值，s大于等于1小于等于n-ω；根据以下公式计算整体的趋势差得分：若g
f
＞ts
gf
则判定所述人员轨迹为远离轨迹，若g
f
＜-ts
gf
则判定所述人员轨迹为靠近轨迹，若g
f
≥-ts
gf
且g
f
≤ts
gf
则判定所述人员轨迹为徘徊轨迹；其中ts
gf
为预设的轨迹识别阈值。6.根据权利要求5所述的方法，其特征在于，所述检测人员的移动状态信息包括：通过黑光摄像设备使用训练好的夜间人员检测模型获取岸边陆地区域出现的人员信息(x
p
,y
p
,w
p
,h
p
)，并提取所述人员的特征向量；提取当前检测帧的前一帧图像，根据余弦相似度计算所述前一帧图像中与所述人员相似度最大的人员信息(x1
p
,y1
p
,w1
p
,h1
p
)；提取当前检测帧的前n帧图像，根据余弦相似度计算所述前n帧图像中与所述人员相似度最大的人员信息(xn
p
,yn
p
,wn
p
,hn
p
)，其中n大于1且小于图像数量；若满足以下公式则判断所述人员处于移动状态：其中，ts
np
为预设的第三阈值；x1
p
和xn
p
为所述人员识别方框左上角的横坐标，y1
p
和yn
p
为所述人员识别方框左上角的纵坐标，w1
p
和wn
p
为所述人员识别方框的宽，h1
p
和hn
p
为所述人员识别方框的高。7.根据权利要求5所述的方法，其特征在于，根据以下方式判定所述船只的过船状态为连续的过船行为：当所述第一轨迹集合为靠近轨迹，所述第二轨迹集合为远离轨迹时，判定所述移动状态人员的轨迹信息为过船行为；当所所述移动状态人员的轨迹信息为过船行为时，以距离停靠点最近的轨迹点对应的
时间为起始时间，根据时间轴将所述轨迹信息划分为n
gj
个等长的时间段，统计每个时间段内轨迹信息的数量ng
i
，其中i为所述时间段的序号，i大于等于1小于等于n
gj
；若满足以下公式则判定为所述船只的过船状态为连续的过船行为：其中，ts
db
为预设的波动阈值；k大于等于1小于等于n
gj
。8.根据权利要求1所述的方法，其特征在于，所述根据所述人体关键点信息检测所述人员是否存在走私搬货行为包括：使用训练好的搬运状态检测模型对所述人员的姿态进行判断，当所述人员为搬运状态时，判定为检测帧存在走私搬货行为；其中，所述人体关键点信息包括以下之一或者组合脖子，肩膀或者手腕。9.根据权利要求1所述的方法，其特征在于，所述若所述车辆的运货物行为持续时间大于预设的时间阈值，则根据所述车辆信息判定所述车辆是否存在走私运货行为包括：获取停留时间大于预设时间阈值的所述车辆位置(xd1,yd1)，获取所述车辆离开岸边区域的位置(xd2,yd2)以及所述车辆进入岸边区域的位置(xd3,yd3)；计算所述车辆的异常得分g
ce
；当检测到车辆异常得分g
ce
大于预设的车辆异常得分阈值时，判定车辆存在走私运货行为；其中，根据以下公式计算所述车辆的异常得分g
ce
：g
ce
＝g
od
(g
lo
+g
jd
)；)；
其中a
23
＝xd
2-xd3，a
12
＝xd
1-xd2，a
13
＝xd
1-xd3，a
21
＝xd
2-xd1，b
23
＝yd
2-yd3，b
12
＝yd
1-yd2，b
13
＝yd
1-yd3，b
21
＝yd
2-yd1；ts
l1
为预设的第四阈值，ts
l2
为预设的第五阈值，且ts
l2
＞ts
l1
；ts
θ1
为预设的第六阈值，ts
θ2
为预设的第七阈值，且ts
θ2
＞ts
θ1
；c
od
为根据历史数据训练得到的修正常数，m
od
为预设的第八阈值。10.一种岸边走私行为检测装置，其特征在于，包括：图像采集模块，被配置用于采集岸边监控区域的图像和视频；检测模块，被配置用于根据所述图像采集模块采集的图像和视频，检测岸边走私行为，所述检测岸边走私行为包括：获取船只位置信息；确定水域和陆地的分界线；根据所述船只位置信息和分界线判断所述船只是否在岸边停靠；当判断所述船只在岸边停靠时，检测人员的移动状态信息，所述移动状态信息包括靠近过程、远离过程或者徘徊过程；根据所述人员的移动状态信息，确定所述船只的过船状态；若所述船只的过船状态为连续的过船行为，则提取靠近过船人员和远离过船人员的人体关键点信息；根据所述人体关键点信息检测所述人员是否存在走私搬货行为；若检测到所述人员存在走私搬货行为，则获取距离所述船只停靠点在预设范围内的车辆信息；若人员与所述车辆的距离小于预设的距离阈值，则确定所述人员的姿态；若所述人员的姿态为搬运状态，则判断所述车辆存在运货物行为；若所述车辆的运货物行为持续时间大于预设的时间阈值，则根据所述车辆信息判定所述车辆是否存在走私运货行为。11.一种岸边走私行为检测装置，其特征在于，包括存储器、处理器和用户接口；所述存储器，用于存储计算机程序；所述用户接口，用于与用户实现交互；所述处理器，用于读取所述存储器中的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1到9之一所述的岸边走私行为检测方法。12.一种处理器可读存储介质，其特征在于，所述处理器可读存储介质存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至9之一所述的岸边走私行为检测方法。
技术总结
一种岸边走私行为检测方法、装置及存储介质，包括获取船只位置信息；确定水域和陆地的分界线；根据船只位置信息和分界线判断是否在岸边停靠；当判断船只在岸边停靠时，检测人员的移动状态信息；根据所述人员的移动状态信息，确定船只的过船状态；若船只的过船状态为连续的，则提取靠近过船人员和远离过船人员的人体关键点信息；根据人体关键点信息检测所述人员是否存在走私搬货行为；若存在走私搬货行为，则获取预设范围内的车辆信息；若人员与所述车辆的距离小于预设的距离阈值，则确定所述人员的姿态；若为搬运状态，则判断车辆存在运货物行为；若车辆的运货物行为持续时间大于预设的时间阈值，则根据车辆信息判定车辆是否存在走私运货行为。在走私运货行为。在走私运货行为。
技术研发人员：梁帆
受保护的技术使用者：东莞先知大数据有限公司
技术研发日：2021.12.30
技术公布日：2022/5/25