[發(fā)明專利]一種用于接打電話識別的深度學(xué)習(xí)網(wǎng)絡(luò)模型及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810765537.5
• 申請日: 2018-07-12
• 公開（公告）號: CN108985222A
• 公開（公告）日: 2018-12-11
• 發(fā)明（設(shè)計）人: 張德馨;史玉坤
• 申請（專利權(quán)）人: 天津艾思科爾科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 天津濱海科緯知識產(chǎn)權(quán)代理有限公司 12211
• 代理人: 張會雪

本發(fā)明提出一種用于接打電話識別的深度學(xué)習(xí)網(wǎng)絡(luò)模型，網(wǎng)絡(luò)模型的原型為VGG16網(wǎng)絡(luò)，優(yōu)化后的網(wǎng)絡(luò)的建立方法為將原VGG16網(wǎng)絡(luò)中前10層卷積層中的卷積核個數(shù)減半，并將原VGG16網(wǎng)絡(luò)中第三層全連接層替換為融合檢測網(wǎng)絡(luò)。所述融合檢測網(wǎng)絡(luò)包括5個檢測單元，每個檢測單元包括兩層卷積層。所述檢測單元確定特征提取時所需的預(yù)選框尺寸的范圍，由K?means聚類算法統(tǒng)計得到。基于此網(wǎng)絡(luò)模型提出一種基于深度學(xué)習(xí)的接打電話識別系統(tǒng)，包括視頻輸入模塊、圖像預(yù)處理模塊、接打電話識別模塊、報警模塊和數(shù)據(jù)存儲模塊。與現(xiàn)有技術(shù)相比，本發(fā)明提出的深度學(xué)習(xí)網(wǎng)絡(luò)中特征提取網(wǎng)絡(luò)層的學(xué)習(xí)更充分。所述識別系統(tǒng)在保證準確率的同時，降低內(nèi)存的占用率。

技術(shù)領(lǐng)域

本發(fā)明屬于機器視覺領(lǐng)域，尤其是一種用于接打電話識別的深度學(xué)習(xí)網(wǎng)絡(luò)模型及系統(tǒng)。

背景技術(shù)

基于視覺的人體動作識別要解決的主要問題是通過計算機對攝像機采集的原始圖像或圖像序列數(shù)據(jù)進行處理和分析，學(xué)習(xí)并理解其中人的動作和行為，通過分析獲得人體運動模式，建立視頻內(nèi)容和動作類型之間的映射關(guān)系。動作識別的主要難點在于模型的設(shè)計，使其不僅能從背景中檢測出目標和動作，而且能準確識別動作多樣性的變化。目前手動設(shè)計的模型，當動作有部分被遮擋或同一動作在不同的環(huán)境下發(fā)生時，識別的效果較差。

發(fā)明內(nèi)容

某些情況下打電話屬于一種危險的動作，比如：在加油站加油或駕駛員處于駕駛狀態(tài)。基于此設(shè)計一種用于接打電話識別的深度學(xué)習(xí)網(wǎng)絡(luò)模型，采用的技術(shù)方案如下：

一種用于接打電話識別的深度學(xué)習(xí)網(wǎng)絡(luò)模型，檢測模型的原型為VGG16網(wǎng)絡(luò)，優(yōu)化后的網(wǎng)絡(luò)的建立方法為將原VGG16網(wǎng)絡(luò)中前10層卷積層中的卷積核個數(shù)減半，同時增大權(quán)重學(xué)習(xí)率和偏重學(xué)習(xí)率，并將原VGG16網(wǎng)絡(luò)中第三層全連接層替換為融合檢測網(wǎng)絡(luò)。

進一步的，所述融合檢測網(wǎng)絡(luò)包括5個檢測單元，每個檢測單元包括兩層卷積層。

進一步的，所述檢測單元確定特征提取時所需的預(yù)選框尺寸的范圍，由K-means聚類算法統(tǒng)計得到。

進一步的，所述預(yù)選框尺寸范圍的確定方法為：用K-means聚類算法統(tǒng)計標記好的樣本的尺寸，從統(tǒng)計結(jié)果中由大到小依次選取x5、x4、x3、x2、x1，其中x5為統(tǒng)計結(jié)果中的最大值，第一檢測單元預(yù)選框尺寸的范圍為0.8*x1～x1；第二檢測單元預(yù)選框尺寸的范圍為x1～x2；第三檢測單元預(yù)選框尺寸的范圍為x2～x3；第四檢測單元預(yù)選框尺寸的范圍為x3～x4；第五檢測單元預(yù)選框尺寸的范圍為x4～x5。

進一步的，所述優(yōu)化后的網(wǎng)絡(luò)的輸入為：經(jīng)過圖像增強的圖像集，圖像增強包括修改原始圖像集的色度、亮度、飽和度和對比度。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：將原VGG16網(wǎng)絡(luò)中前10層卷積層中的卷積核個數(shù)減半，同時增大權(quán)重學(xué)習(xí)率和偏重學(xué)習(xí)率，使特征提取網(wǎng)絡(luò)層的學(xué)習(xí)更充分，在保證動作識別的準確率的同時，降低內(nèi)存的占用率。融合檢測網(wǎng)絡(luò)層所使用的預(yù)選框尺寸的范圍是用K-means聚類算法進行統(tǒng)計得到的，這樣可以使預(yù)選框尺寸的最大尺寸和最小尺寸更為適配檢測的場景。

本發(fā)明的另一目的在于提出一種基于深度學(xué)習(xí)的接打電話識別系統(tǒng)，包括視頻輸入模塊、圖像預(yù)處理模塊、接打電話識別模塊、報警模塊和數(shù)據(jù)存儲模塊。

其中圖像預(yù)處理模塊用于判斷采集的圖像背景亮度與參考背景亮度之差是否小于設(shè)定的閾值，當小于設(shè)定的閾值時對采集的圖像進行光照處理。光照處理的步驟包括：

步驟1.對圖像進行冪律變換，擴大圖像在光線不足情況下的動態(tài)范圍和壓縮在光線強烈時的動態(tài)范圍；

步驟2.采用高斯差分濾波器，對低頻和高頻部分進行處理；

步驟3.重新歸一化所有的像素點值。

進一步的，所述參考背景定期自動更換或人為更換。