[發(fā)明專利]一種基于聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的違規(guī)操作行為預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201810826420.3
• 申請日: 2018-07-25
• 公開（公告）號: CN108985246A
• 公開（公告）日: 2018-12-11
• 發(fā)明（設(shè)計）人: 翟穎敏;張永賓;楊迎霞
• 申請（專利權(quán)）人: 黃佳敏
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/46
• 代理公司: 北京東方盛凡知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11562
• 代理人: 牟炳彥

本發(fā)明公開了一種工人違規(guī)操作行為的預(yù)測方法，主要包括：A.建立聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)模型，并輸入崗位的操作行為圖像或視頻作為待學(xué)習樣本模板，供神經(jīng)網(wǎng)絡(luò)進行學(xué)習；B.尋找圖像滑動窗口的中心像素，通過圖像矢量中值濾波器對圖像進行降噪處理；C.構(gòu)造圖像的高斯混合模型，對高斯分布的權(quán)值進行歸一化處理，去除背景和陰影，提取人體輪廓；D.通過聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)對工人行為軌跡進行識別，綜合最近行為狀態(tài)、最近行為的進階浮動對操作行為進行預(yù)測，提前防范工人的違規(guī)操作行為。該方法具有魯棒性、容錯性和自適應(yīng)性，并行處理方法提高計算速度，充分逼近復(fù)雜的非線性關(guān)系降低復(fù)雜度，聯(lián)想記憶提高識別能力，可起到事前預(yù)警工人違規(guī)操作行為的作用。

技術(shù)領(lǐng)域

本發(fā)明屬于人工智能、大數(shù)據(jù)、機器學(xué)習領(lǐng)域，具體涉及一種基于聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的違規(guī)操作行為預(yù)測方法。

背景技術(shù)

安全管理涉及到“人-機-物-環(huán)-管理”各個方面，目前，人們通過專業(yè)的信息化安全管理系統(tǒng)來對安全管理工作進行信息化和體系化的管理，其中機器設(shè)備、環(huán)境參數(shù)等都可直接通過傳感設(shè)備有效獲取，可以根據(jù)參數(shù)變化情況，提前預(yù)警設(shè)備狀態(tài)和故障預(yù)防，對安全管理工作有了很大的促進。

然而人的行為則因靈活性高、規(guī)律性難以把握，目前對人的安全管理尚處于思想教育、視頻監(jiān)控和事后整頓的階段，還無法有效地監(jiān)測和預(yù)警。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明的目的在于提供一種基于聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的違規(guī)操作行為預(yù)測方法，并行處理提高計算速度，充分逼近復(fù)雜的非線性關(guān)系降低復(fù)雜度，聯(lián)想記憶提高識別和預(yù)測能力，實現(xiàn)事前對工人的違規(guī)操作行為進行預(yù)警。

本發(fā)明解決其問題所采用的技術(shù)方案，包括以下步驟：

一種基于聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的違規(guī)操作行為預(yù)測方法，其特征在于：所述方法包括以下步驟：

A.建立聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)模型，并輸入崗位的操作行為圖像或視頻作為待學(xué)習樣本模板，供神經(jīng)網(wǎng)絡(luò)進行學(xué)習；

B.尋找圖像滑動窗口的中心像素，通過圖像矢量中值濾波器對圖像進行降噪處理；

C.構(gòu)造圖像的高斯混合模型，對高斯分布的權(quán)值進行歸一化處理，去除背景和陰影，提取人體輪廓；

D.通過聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)對行為軌跡進行識別，綜合最近行為狀態(tài)、行為的進階浮動對工人的操作行為進行預(yù)測，提前防范工人的違規(guī)操作行為。

進一步的，所述步驟A的具體實現(xiàn)方式為：

(1)建立聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)模型，輸入為待學(xué)習的樣本S＝{s₁,s₂,…,s_n}，是一個歐幾里德n維矢量，通過m條規(guī)則映射到l維模糊矢量V＝{v₁,v₂,…,v_n}上，聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)系統(tǒng)通過學(xué)習可存儲空間模式對(S,V)；設(shè)立目標函數(shù)：

F＝S^TV＝min{m_S(s_i),m_V(v_i)}

其中，m_S(s_i)是S中第i個元素的隸屬度，m_v(v_i)是V中第i個元素的隸屬度，F(xiàn)是一個模糊矩陣；

(2)對目標函數(shù)進行二次規(guī)劃：

其中，c、a、b是實數(shù)向量，x是規(guī)劃問題的解，即待識別模式，則聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)模型為：

其中，s₀是投影算子，x(0)＝0，y(0)＝0；通過對人體檢測和運動軌跡的識別、分析進行預(yù)測。