[發明專利]一種基于肢體語言深度學習的人質挾持風險評估方法

在審

• 申請號: 202010764417.0
• 申請日: 2020-08-02
• 公開（公告）號: CN112101098A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 杜廣龍
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明公開了一種基于肢體語言深度學習的人質挾持風險評估方法。所述方法包括以下步驟：使用Kinect攝像頭進行肢體動作的捕捉和收集；分別搭建卷積神經網絡（CNN）和雙向長短時記憶條件隨機場（Bi?LSTM?CRF）對人體靜態運動和動態運動進行分析，動作進行分類標記和描述；根據分類標記和描述評估該動作在人質挾持時可能產生的風險水平。本發明考慮到靜態身體運動和動態身體運動，達到了更高的效率。

技術領域

本發明屬于動作檢測領域，特別涉及一種基于肢體語言深度學習的人質挾持風險評估方法。

背景技術

劫持人質案件是指犯罪分子或實施劫持的行為人,公開的以暴力、脅迫或其他手段控制一人或多人的人身自由；并以生命、傷害、折磨或者繼續摧殘扣押被控制者相威脅,強迫第三方或被控制者本人滿足其某種要求的犯罪行為。由于被控制者客觀上已經成了劫持者實現個人滿足自身要求的“籌碼”,所以被稱為人質(李恒.劫持人質案件的類型與特點[J].遼寧警察學院學報,2012(4):44-49.)。

劫持人質犯罪是世界各國公認的最嚴重的一類犯罪，是和平年代里最極端的犯罪表現形式之一。劫持人質犯罪一旦發生，不僅危及人質生命安全，而且會在社會上造成難以消除的恐怖氣氛，嚴重影響社會治安穩定。因此，如何有效預防和處置劫持人質犯罪問題，受到了政府、警方、媒體和社會輿論的廣泛關注，也給我國警察系統提出了一個重要的刑事司法實踐課題(張躍兵.論劫持人質事件應急處置機制[J].湖北警官學院學報,2009,22(006):58-62.)。實踐中，絕大多數劫持人質事件處置是成功的，但有經驗也有教訓：諸如問題發現不及時、預案及其演練存在問題等等。產生這些問題的原因很大程度上可歸諸于缺乏一套有效的預防措施保障。劫持人質事件應急處置工作高效與有序推進，必須要有一套行之有效的預防保障措施，從而使警方能夠及時地發現并預防劫持人質事件的發生。由于缺乏合理的引導和制約，劫持人質事件應急處置工作的隨意性、被動性等現狀難以改變。研究劫持人質風險評估方法就是為了解決這些問題。

到目前為止，針對可能發生的人質劫持問題并沒有足夠智能的風險評估方法，大多數情況下都是需要人工按下警報按鈕或者人工撥打報警電話才會被發現。在一些高風險、人流密集的公共場所會有自動報警器，但是這些報警器只會在公共場所中的一些財物受到損壞的時候才會發揮其作用。因此，對于傳統的技術而言，并沒有一些技術能夠提供事前的預防，只能在事后再進行補救，這種方式使得警方的工作非常被動，經常受制于犯罪者，一旦處理不好就會對人民的生命安全造成危害。在監獄中，則有一些管控方法，使用RFID技術來監控犯人的行為(劉超峰.基于RFID技術的監獄智能監控系統的分析與設計[D].電子科技大學.)，但是該種方法需要被檢測者佩戴指定設備，這在日常生活中是不方便的，因此只能應用于監獄中，對于公共場所中不確定犯罪者的情況并不適用。

發明內容

本發明的目的是為了解決上述現有技術存在的缺陷，提出了一種基于肢體語言深度學習的人質挾持風險評估方法。該方法首先通過Kinect捕捉圖像，然后引入卷積神經網絡(CNN)和雙向長短時記憶條件隨機場(Bi-LSTM-CRF)分別對人體靜態運動和動態運動進行分析處理，分類得到對人體的動作的描述，最后評估該動作的風險水平：是否會發生人質挾持以及在發生挾持之后，可能造成的傷害風險。

本發明的目的至少通過如下技術方案之一實現。

一種基于肢體語言深度學習的人質挾持風險評估方法，包括以下步驟：

S1、使用Kinect攝像頭進行肢體動作的捕捉和收集；

S2、分別搭建卷積神經網絡(CNN)和雙向長短時記憶條件隨機場(Bi-LSTM-CRF)對人體靜態運動和動態運動進行分析，并對動作進行分類標記和描述；

S3、根據分類標記和描述評估該動作在人質挾持時可能產生的風險水平。